МЕТОДЫ ИССЛЕДОВАНИЯ СИСТЕМЫ УПРАВЛЕНИЯ ЗАДАЧАМИ ПУТЕМ СОЗДАНИЯ АВТОМАТИЗИРОВАННОЙ КОНТЕЙНЕРНОЙ МОДЕЛИ
DOI:
https://doi.org/10.52167/1609-1817-2025-139-4-314-323Ключевые слова:
контейнер, виртуальные машины, моделирование, алгоритмы планированияАннотация
В данной статье рассмотрены преимущества использования контейнерных технологий в современных информационных системах. На основе анализа было обнаружено, что контейнеры значительно превосходят традиционные виртуальные машины по ряду ключевых показателей, таких как эффективность использования ресурсов, масштабируемость, отказоустойчивость и энергоэффективность. Эти характеристики делают контейнерные решения особенно важными для распределенных систем с высокой нагрузкой и динамически меняющимися условиями. Контейнеризация представлена как перспективный инструмент оптимизации работы систем, повышения их надежности и производительности, снижения воздействия на окружающую среду за счет энергосбережения. Целью настоящего исследования является анализ и разработка методологии планирования контейнерной среды в полностью распределенных системах с учетом факторов масштабируемости, отказоустойчивости и эффективности использования ресурсов. Основное внимание уделяется современным алгоритмам планирования, включая эвристические методы, подходы на основе искусственного интеллекта и гибридные модели, которые позволяют достичь наилучших показателей производительности. Ключевые слова. Распределенная среда, традиционные виртуальные машины, Kubernetes и Docker Swarm, эвристический алгоритм, оркестровка контейнеров.
Библиографические ссылки
[1]https://www.researchgate.net/publication/328102711_Scheduling_in_distributed_systems_A_cloud_computing_perspective. DOI:10.1016/j.cosrev.2018.08.002
[2] Ahmad, Imtiaz, et al. "Container scheduling techniques: A survey and assessment." Journal of King Saud University-Computer and Information Sciences 34.7 (2022): 3934-3947. https://doi.org/10.1016/j.jksuci.2021.03.002
[3] Senjab, K., Abbas, S., Ahmed, N. et al. A survey of Kubernetes scheduling algorithms. J Cloud Comp 12, 87 (2023). https://doi.org/10.1186/s13677-023-00471-1
[4] Liu, Bo, et al. "K‐PSO: An improved PSO‐based container scheduling algorithm for big data applications." International Journal of Network Management 31.2 (2021): e2092.https://doi.org/10.1002/nem.2092
[5] https://onlinelibrary.wiley.com/doi/10.1002/spe.3195?af=R
[7] Chen, Honghua, et al. "Container Scheduling Algorithms for Distributed Cloud Environments." Processes 12.9 (2024): 1804 https://doi.org/10.3390/pr12091804
[8] Khallouli, W., Huang, J. Cluster resource scheduling in cloud computing: literature review and research challenges. J Supercomput 78, 6898–6943 (2022). https://doi.org/10.1007/s11227-021-04138-z
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Категории
Лицензия
Copyright (c) 2025 Гулзат Сабырханова
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
