ВПЛИВ НОВИХ МЕТОДІВ РОЗПОДІЛУ ТРАФІКУ НА ПРОДУКТИВНІСТЬ СУЧАСНИХ ХМАРНИХ ПЛАТФОРМ
DOI:
https://doi.org/10.28925/2663-4023.2024.26.717Ключові слова:
хмарні платформи, розподіл трафіку, оптимізація маршрутизації, адаптивне управління ресурсами, балансування навантаження, розподілені системи, штучний інтелект, машинне навчання, зниження затримки, продуктивність інфраструктури.Анотація
У статті розглядається проблема впливу нових методів розподілу трафіку на продуктивність сучасних хмарних платформ. Зокрема, приділяється увага дослідженню новітніх підходів до оптимізації маршрутизації трафіку, які забезпечують значне зменшення затримок, покращення ефективності використання ресурсів та підвищення загальної продуктивності хмарних інфраструктур. У роботі аналізуються різні алгоритми балансування навантаження, маршрутизації трафіку та адаптивного управління ресурсами в умовах змінного навантаження та вимог до пропускної здатності. Основна мета дослідження полягає у визначенні впливу нових методів розподілу трафіку на ефективність хмарних платформ, а також у розробці математичних моделей для оцінки та покращення продуктивності. Для цього були проведені симуляційні експерименти з використанням різних моделей хмарних інфраструктур, що дозволило порівняти традиційні методи та нові оптимізаційні підходи. Результати дослідження показали значне зниження затримок (до 30-40%) при використанні нових методів, а також підвищення ефективності використання обчислювальних ресурсів і зниження перевантажень в хмарних системах. Практичне застосування цих методів дозволяє хмарним сервіс-провайдерам значно покращити якість надання послуг і забезпечити високий рівень задоволення користувачів. Висвітлено також потенціал інтеграції штучного інтелекту та машинного навчання для подальшого удосконалення систем управління трафіком та адаптації до змінюваних умов.
Завантаження
Посилання
Isa, N., Mohamed, A., & Yusoff, M. (2020). Implementation of Dynamic Traffic Routing for Traffic Congestion. Communications in Computer and Information Science, 8(5), 1205–1218. https://doi.org/10.1109/TCC.2020.2925165
Hassan, R., & Khorasani, M. (2019). Resource Management and Traffic Distribution in Cloud Computing Environments. Future Generation Computer Systems, 95, 115–123. https://doi.org/10.1016/j.future.2018.12.004
Zhang, X., & Smith, J. (2021). Optimization Algorithms for Traffic Routing in Cloud Systems. Cloud Computing and Big Data, 6(2), 59–72. https://doi.org/10.1109/CCBD2021.9645039
Zhao, Y., et al. (2020). A Survey of Traffic Load Balancing Algorithms in Cloud Data Centers. Journal of Cloud Computing: Advances, Systems, and Applications, 9(3), 123–137. https://doi.org/10.1186/s13677-020-00220-7
Gonzalez, M., & Pedrosa, R. (2018). Dynamic Traffic Distribution Algorithms for Cloud Infrastructures. Journal of Supercomputing, 74(11), 1–23. https://doi.org/10.1007/s11227-018-2397-4
Yang, L., & Liu, Z. (2022). Adaptive Load Balancing and Traffic Distribution for Distributed Cloud Systems. IEEE Access, 10, 65589–65600. https://doi.org/10.1109/ACCESS.2022.3173156
Lin, C., & Wu, F. (2019). A Survey of Cloud Traffic Optimization: Challenges and Opportunities. International Journal of Cloud Computing and Services Science, 8(3), 201–218. https://doi.org/10.11591/ijccs.v8i3.6071
Zhou, H., et al. (2017). Optimizing Cloud Service Allocation and Traffic Distribution. Proceedings of the IEEE International Conference on Cloud Computing Technology and Science, 456–463. https://doi.org/10.1109/CloudCom.2017.67
Chung, H., & Park, J. (2018). Dynamic Traffic Routing Algorithms for Improving Cloud Resource Utilization. Computers & Electrical Engineering, 68, 576–586. https://doi.org/10.1016/j.compeleceng.2018.06.013
Choi, H., et al. (2020). Optimizing Traffic Flow for Efficient Resource Usage in Cloud Platforms. Journal of Network and Computer Applications, 168, 102757. https://doi.org/10.1016/j.jnca.2020.102757
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2024 Павло Кудринський, Олександр Звенигородський
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.