Моделирование процессов обработки данных экологического мониторинга в облачной инфраструктуре

от

А.В. Скатков, В.И. Шевченко, Е.Н. Мащенко, О.В. Ченгарь

 ФГАОУ ВО «Севастопольский государственный университет»,

РФ, г. Севастополь, ул. Университетская, 33

E-mail: maschenko@sevsu.ru

DOI: 10.33075/2220-5861-2021-3-79-88

УДК 004.94                                                         

Реферат:

      В настоящей работе предлагается модель облачной системы обработки данных экологического мониторинга, учитывающая многозвенность web-приложений и разнородность входного потока заявок. Для анализа эффективности процессов обработки данных предложен аддитивный критерий учитывающий объем обработанных запросов и загруженность ресурсов облачной инфраструктуры, а также ограничения на время реакции системы на запросы пользователя, заданные в соглашении об уровне сервисов (Service Level Agreement, SLA).   В модели были реализованы следующие сценарии обработки данных: 1) приоритетное обслуживание функциональных задач обработки данных; 2) обслуживание заявок происходит в порядке очереди по принципу FIFO (предоставление буфера для хранения данных неограниченной емкости); 3) система обработки данных с отказами при отсутствии свободных виртуальных машин. Имитационная модель производит расчет следующих характеристик эффективности: средняя загрузка узлов облачной инфраструктуры экологического мониторинга; средний объем занимаемой данными памяти; среднее число запросов, обработанных в течение рабочего дня; среднее число запросов, получивших отказ из-за несоблюдения SLA. Был проведен ряд параметрических экспериментов, по результатам которых было установлено, что при повышении интенсивности поступления задач большую эффективность дает стратегия увеличения буфера хранения.

   Рассматриваемый подход позволит создать основу для моделирования процессов, протекающих в природнотехнических системах (ПТС), осуществить анализ процессов обработки данных в ходе мониторинга ключевых показателей производительности ПТС и обеспечить соответствие этих показателей требованиям, заданным в SLA-соглашениях за счет использования альтернативных стратегий обработки данных. Разработанная модель может быть использована как элемент системы поддержки принятия решений по организации эффективного управления распределением ресурсов в облачных вычислительных средах при решении задач обработки данных экологического мониторинга.

Ключевые слова: экологический мониторинг, моделирование сложных систем, облачные вычисления, большие данные, интеллектуальный анализ данных.

Для цитирования: Скатков А.В., Шевченко В.И., Мащенко Е.Н., Ченгарь О.В. Моделирование процессов обработки данных экологического мониторинга в облачной инфраструктуре // Системы контроля окружающей среды. 2021. Вып. 3 (45). C. 79-88.

Полный текст в формате PDF

СПИСОК ЛИТЕРАТУРЫ

  1. Беликова М.Ю., Каранина С.Ю., Каранин А.В., Глебова А.В. Визуализация и анализ данных сети WWLLN на территории Алтае-Саянского региона средствами веб-ГИС // Кибернетика и программирование. 2019. № 2. С.1–8.
  2. Кадочников А.А. Инструменты сбора данных для геоинформационной системы мониторинга окружающей природной среды // Решетневские чтения. 2018. № 2. С. 269–270.
  3. Кошкарев А.В., Ряховский В.М., Серебряков В.А. Инфраструктура распределенной среды хранения, поиска и преобразования пространственных данных// Открытое образование. 2010. № 5. С. 61–73.
  4. Титов А.Г., Окладников И.Г., Гордов Е.П. Разработка Веб-ГИС на основе сервисов обработки и визуализации пространственных данных для анализа и прогнозирования региональных климатических изменений // Информационные и математические технологии в науке и управлении. 2016. № 4-2. С. 96–109.
  5. Voronin D., Shevchenko V., Chengar O, Mashchenko E. Conceptual Big Data processing model for the tasks of Smart Cities environmental monitoring // DTGS 2019: Digital Transformation and Global Society. Communications in Computer and Information Science. Cham: Springer. 2019. Vol. 1038. 212–222
  6. Высокопроизводительные технологии экстренных вычислений для предотвращения угрозы наводнений / А.В. Бухановский, А. Н. Житников, С. Г. Петросян [и др.]  // Изв. вузов. Приборостроение. 2011. Т. 54, № 10. C. 14–20.
  7. Ужинский А., Ососков Г., Фронтасьева М. Управление данными мониторинга окружающей среды // Открытые системы. СУБД.    № 4.  C. 42–43.
  8. Архипова О.Е., Сурков Ф.А. Представление больших данных в задачах поддержки принятия решений по обеспечению устойчивого развития региона // Математические методы распознавания образов. 2017. Т. 18. № 1. С. 78–79.
  9. Об утверждении Концепции построения и развития АПК «Безопасный город», утв. Распоряжением Правительства Российской Федерации 03.12.2014. № 2446-р. [Электронный ресурс]. Режим доступа: http://14.mchs.gov.ru/document /2632303 (дата обращения: 23.07.2021).
  10. Скатков А.В., Брюховецкий А.А., Шишкин Ю.Е. Разработка интеллектуальной технологии обнаружения аномалий экосистем акватории г. Севастополя // Системы контроля окружающей среды. 2019. Вып. 1 (35). С. 27–34.
  11. NIST Special Publication 1500-1r1 NIST Big Data Interoperability Framework: Volume 1, Definitions. NIST Big Data Public Working Group Definitions and Taxonomies Subgroup Version 2, June 2018. [Электронный ресурс] URL: https://doi.org/10.6028/NIST.SP.1500-1r1 (дата обращения: 22.07.2021).
  12. NIST Special Publication 1500-6r1. NIST Big Data Interoperability Framework: Volume 6, Reference Architecture NIST Big Data. Public Working Group Reference Architecture Subgroup, Version 2, June 2018. [Электронный ресурс] URL: https://doi.org/10.6028/NIST.SP.1500-6r1. (дата обращения: 22.07.2021).
  13. Шевченко Д.Д., Ченгарь О.В., Шевченко В.И. Использование дискретно-событийного подхода для моделирования процессов обработки данных в облачных корпоративных системах // Сборник статей Всероссийской научно-технической конференции «ИНФОТЕХ-2019». 2019. C. 34–38.
  14. Боев В. Д. Имитационное моделирование систем / В. Д. Боев. — М. : Издательство Юрайт, 2017. 253 с.
  15. Andrei Borshchev, Ilya Grigoryev. The Big Book of Simulation Modeling. Multimethod Modeling with AnyLogic. https://www.anylogic.ru/rsources/books/big-book-of-simulation-modeling/ (дата обращения: 30.07.2021).

Loading