У статті досліджено проблему ефективного розподілу навантаження в інформаційних системах, що працюють в умовах змінного та непередбачуваного трафіку. Проведено аналіз традиційних статичних алгоритмів балансування, таких як Round Robin і Least Connections, та виявлено їхні обмеження в динамічному середовищі. Запропоновано підхід на основі автоматизованої оцінки рейтингу вузлів, який враховує поточний стан серверів, включаючи навантаження на процесор, оперативну пам’ять та середній час відповіді. Проведено порівняльне моделювання роботи рейтингового методу та методу найменшого завантаження на основі згенерованого набору запитів. Результати демонструють переваги рейтингового підходу в зниженні пікових навантажень і забезпеченні стабільності системи. Метод є масштабованим та придатним для впровадження в сучасних хмарних середовищах.
- Bamnele, B., & Bhargava, R. (2023). Review on load balancing in cloud computing using ant colony optimization. International Journal of Innovation in Engineering Research & Management, 10(1), 128–133. Retrieved from https://journal.ijierm.co.in/index.php/ijierm/article/view/1274
- Chawla, K. (2024). Reinforcement learning-based adaptive load balancing for dynamic cloud environments.arXiv. https://doi.org/10.48550/arXiv.2409.04896
- Devi, D. C., & Uthariaraj, V. R. (2016). Load balancing in cloud computing environment using improved weighted round robin algorithm for nonpreemptive dependent tasks. The Scientific World Journal, 2016, Article 3896065. https://doi.org/10.1155/2016/3896065
- Karimi, A., Zarafshan, F., Jantan, A. R., & Saripan, M. I. (2009). A new fuzzy approach for dynamic load balancing algorithm. arXiv. https://doi.org/10.48550/arXiv.0910.0317
- Malathi, V., & Venkatesh, K. (2022). Energy aware load balancing algorithm for upgraded effectiveness in green cloud computing. In Proceedings of the International Conference on Sustainable Computing (pp. 100– 110). Retrieved from https://www.researchgate.net/publication/304197438_Efficient_load_Balancing_ in_Cloud_Computing_using_Fuzzy_LogicResearchGate
- Parida, S., & Panchal, B. (2018). An efficient dynamic load balancing algorithm using machine learning technique in cloud environment. International Journal of Scientific Research in Science, Engineering and Tech- nology, 4(4), 1184–1186. Retrieved from https://www.academia.edu/37082445/An_Efficient_Dyna- mic_Load_Balancing_Algorithm_Using_Machine_Learning_Technique_in_Cloud_EnvironmentAcademia
- Rao, D. C., Sharma, S., Nayak, S. K., Srichandan, S. K., & Dash, A. (2023). A novel modified and optimized meta-heuristic load-balancing technique for cloud computing system. International Journal of Intelligent Systems and Applications in Engineering, 11(9s), 598–611. Retrieved from https://ijisae.org/index. php/IJISAE/article/view/3209IJISAE
- Sharma, A., & Sharma, K. K. (2023). Cloud computing: Hybrid load balancing algorithm proposal. International Journal of Intelligent Systems and Applications in Engineering, 11(10s), 859–864. Retrieved from https://ijisae.org/index.php/IJISAE/article/view/3356IJISAE+1IJISAE+1
- Sharma, H. C., & Semwal, P. (2021). A review of load balancing algorithms in cloud computing. International Journal of Creative Research Thoughts, 9(3), 2786–2790. Retrieved from https://www.research- gate.net/publication/357332048_A_REVIEW_OF_LOAD_BALANCING_ALGORITHMS_IN_CLOUD_ COMPUTINGResearchGate
- Syed, D., Muhammad, G., & Rizvi, S. (2024). Systematic review: Load balancing in cloud computing by using metaheuristic based dynamic algorithms. Intelligent Automation & Soft Computing, 39(3), 437–476. https://doi.org/10.32604/iasc.2024.050681
- Tiwari, S., & Bhatt, C. (2023). Performance evaluation on load balancing algorithms in cloud computing environment: A comparative study. Harbin Gongcheng Daxue Xuebao/Journal of Harbin Engineering University, 44(5), 50–60. Retrieved from https://harbinengineeringjournal.com/index.php/journal/article/ view/195harbinengineeringjournal.com
- Yadav, J., & Richariya, P. (2023). Performance evaluation of load balancing algorithms in cloud environment. International Journal for Research Publication and Seminar, 14(1), 144–154. Retrieved from https://jrps.shodhsagar.com/index.php/j/article/view/352jrps.shodhsagar.com
- Yang, P., Zhang, L., Liu, H., & Li, G. (2023). Reducing idleness in financial cloud services via multi-objective evolutionary reinforcement learning based load balancer. arXiv. https://doi.org/10.1007/s11432-023-3895-3ю