Показати скорочену інформацію

dc.contributor.authorПеребора, М. А.uk
dc.date.accessioned2025-08-13T10:03:26Z
dc.date.available2025-08-13T10:03:26Z
dc.date.issued2025
dc.identifier.citationuk
dc.identifier.urihttps://ir.lib.vntu.edu.ua//handle/123456789/48507
dc.description.abstractУ цій роботі досліджено теоретичні основи та практичні методи оптимізації нерівномірного навантаження і розподілу ресурсів у віртуалізованих середовищах. Проаналізовано сучасні підходи, зокрема балансування навантаження, автоматичне масштабування та оркестрацію контейнерів, які забезпечують ефективне функціонування інформаційних систем за умов змінної інтенсивності запитів. Наведено приклади реалізації методів та їхній вплив на продуктивність, стабільність і економічність ІТ-інфраструктури.uk
dc.description.abstractThis work examines the theoretical foundations and practical methods of optimizing uneven load and resource distribution in virtualized environments. Modern approaches, including load balancing, automatic scaling, and container orchestration, are analyzed to ensure the efficient functioning of information systems under conditions of variable request intensity. Examples of implementation of methods and their impact on the performance, stability, and cost-effectiveness of IT infrastructure are presented.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartof// Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», 15-16 червня 2025 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/25552
dc.subjectвіртуалізаціяuk
dc.subjectрозподіл ресурсівuk
dc.subjectбалансування навантаженняuk
dc.subjectмасштабуванняuk
dc.subjectоркестраціяuk
dc.subjectоптимізаціяuk
dc.subjectvirtualizationuk
dc.subjectresource allocationuk
dc.subjectload balancinguk
dc.subjectscalinguk
dc.subjectorchestrationuk
dc.subjectoptimizationuk
dc.titleМетоди оптимізації нерівномірного навантаження і розподілу ресурсів у віртуальних середовищахuk
dc.typeThesis
dc.identifier.udc004.424
dc.relation.referencesComparative Study of Load Balancers in Production // vshosting.eu [ ] : https://www.vshosting.eu
dc.relation.referencesAuto Scaling and Elastic Load Balancing // AWS Documentation [ ] : https://docs.aws.amazon.com
dc.relation.referencesAWS Cost Optimization Report // Cloudkeeper [ ] : https://www.cloudkeeper.com
dc.relation.referencesGoogle Compute Engine Autoscaler Overview // Google Cloud [ ] : https://cloud.google.com/compute/docs/autoscaler
dc.relation.referencesResource Management for Pods and Containers // Kubernetes Documentation [ ] : https://kubernetes.io/docs
dc.relation.referencesCalheiros R. N., Ranjan R., Beloglazov A., De Rose C. A. F., Buyya R. CloudSim: A Toolkit for Modeling and Simulation of Cloud Computing Environments // Software: Practice and Experience. 2011. Vol. 41(1). P. 2350.
dc.relation.referencesFederated Learning for Cloud Resource Allocation // Nature.com [ ] : https://www.nature.com/articles/cloud-ml-allocation
dc.relation.referencesMonitoring Distributed Systems with Prometheus and Grafana [ ] : https://prometheus.io ; https://grafana.com


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію