ARIMA

МІГРАЦІЯ СЕРВІСІВ В КЛАСТЕРІ KUBERNETES НА ОСНОВІ ПРОГНОЗУВАННЯ НАВАНТАЖЕННЯ

У статті розглядається проблема масштабування мікросервісів в кластері Kubernetes, розглянуто існуючі підходи масштабування мікросервісної архітектури та запропоновано підхід до масштабування шляхом міграції частини компонентів. На відміну від найбільш поширених підходів горизонтального та вертикального масштабування, в яких необхідне виділення додаткових ресурсів для їх здійснення, суть запропонованого підходу полягає в міграції частини компонентів, які не є критично важливими для кінцевого користувача системи, на інший Kubernetes кластер.

РОЗРОБЛЕННЯ ПРОГРАМНО-АЛГОРИТМІЧНОГО ЗАБЕЗПЕЧЕННЯ ДЛЯ ПРОГНОЗУВАННЯ ЗАБРУДНЕННЯ РІЧКОВИХ ВОД З ВИКОРИСТАННЯМ МЕТОДІВ ФРАКТАЛЬНОГО АНАЛІЗУ

У статті досліджено застосування фрактальної моделі ARFIMA для прогнозування динаміки забруднення річкових вод на основі вимірювання біохімічного споживання кисню . Дослідження починається з огляду суміжних робіт у галузі аналізу якості води. На цьому етапі також вибирається відповідний набір даних, який використовується для навчання ARFIMA, однієї з моделей машинного навчання. Напівпараметричний алгоритм GPH застосовано для оцінки параметра фрактального диференціювання ARFIMA.

Прогнозування кількості мережевих запитів до хмарного застосунку

Проаналізовано доцільність використання наявних методів прогнозування часових рядів для прогнозування кількості мережевих запитів до хмарного застосунку. Визначено оптимальні методи для різних режимів роботи хмарного застосунку. Досліджено точність прогнозування кількості мережевих запитів за допомогою комбіновано методу, що враховує стан мережевого застосунку.