Оптимiзацiя обчислювальних ресурсiв у багатохмарних архiтектурах з використанням iнтелектуальних систем оркестрацiї
DOI:
https://doi.org/10.17721/2706-9699.2026.1.05Ключові слова:
багатохмарна архітектура, оптимізація ресурсів, інтелектуальні системи оркестрації, хмарні обчисленняАнотація
У роботі досліджується сучасні підходи до оптимізації обчислювальних ресурсів у багатохмарних (multi-cloud) архітектурах із використанням інтелектуальних систем оркестрації. Розглянуто основні виклики, пов’язані з управлінням різнорідними хмарними середовищами, а також переваги застосування AI/ML-методів для автоматизації розміщення та масштабування робочих навантажень. Запропоновано формальну математичну модель задачі оптимізації з урахуванням вартості ресурсів, мережевих затримок, вимог SLA та витрат на міграцію. Показано, що використання прогнозних моделей та RL-агентів дає змогу підвищити ефективність розподілу ресурсів, зменшити фінансові витрати та забезпечити стійкість до змін навантаження. Робота містить аналіз сучасних досліджень, практичні рекомендації та окреслює напрями подальших наукових розробок у сфері багатохмарних інфраструктур.Посилання
1. Mell, P., Grance, T. (2011). The NIST Definition of Cloud Computing. National Institute of Standards and Technology, Special Publication 800-145.
2. Gholami, R., Nazari, M., Khani, F. (2020). Multi-cloud resource management and orchestration: A comprehensive review. Journal of Network and Computer Applications, 151, 102506.
3. Bresnahan, J., et al. (2022). Multi-cloud networking: Challenges and future directions. IEEE Communications Magazine, 60(2), 126-132.
4. Wang, W., Li, S., Li, R. (2020). Multi-criteria optimization for cloud service selection and deployment. Future Internet, 12(11), 185.
5. Buyya, R., Srirama, S. N., Manvi, S. S. (2019). Cloud resource provisioning and allocation: An economic approach. In: Principles of Cloud Computing. Springer, Cham.
6. Shukla, S. P., Purbey, S. (2021). A survey on AIOps and its application in cloud computing resource management. Archives of Computational Methods in Engineering, 28, 301-320.
7. Alipour, Y., Mohsenzadeh, Y. (2021). Resource allocation in multi-cloud environments using deep reinforcement learning. Future Generation Computer Systems, 124, 218-232.
8. Lu, T., et al. (2018). Reinforcement learning-based dynamic resource provisioning in cloud data centers. IEEE Transactions on Cloud Computing, 6(3), 856-869.
9. Zhang, C., et al. (2023). Cost-aware and SLA-guaranteed multi-cloud service placement using deep learning. Journal of Parallel and Distributed Computing, 172, 104712.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2026 A. Сіренко, К. Вінце
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
