МЕТОДИ ТА ЗАСОБИ АВТОМАСШТАБУВАННЯ ВЕБСЕРВІСІВ НА ОСНОВІ ВИКОРИСТАННЯ МАШИННОГО НАВАЧАННЯ

Abstract

Метою дослідження цієї роботи є розробка ефективних методів та алгоритмів автомасштабування вебсервісів на основі машинного навчання для забезпечення стабільної роботи сервісів при зміні навантаження. Завдання включає аналіз існуючих методів автомасштабування, розробку нових алгоритмів, їхню реалізацію та тестування на реальних вебсервісах. Об’єктом дослідження є веб-сервіси, які використовуються для надання онлайн-послуг, а предметом дослідження є методи та засоби автомасштабування цих веб-сервісів з використанням машинного навчання. Методи дослідженнь - аналіз літературних джерел, експериментальні методи для розробки та валідації алгоритмів автомасштабування, системний аналіз, аналітичні методи, а також методи машинного навчання для створення прогностичних моделей та систем автоматичного управління масштабуванням. Наукова новизна одержаних результатів полягає в розробці нових алгоритмів автомасштабування вебсервісів на основі машинного навчання, які забезпечують оптимальне використання ресурсів та покращують якість обслуговування користувачів під час зміни навантаження. Практичне значення отриманих результатів. Результати досліджень дозволять використовувати розобленні алгорітми для ефективного автомасштабування вебсервісів на основі машинного навчання для забезпечення стабільної роботи сервісів при зміні навантаження. Апробація роботи. Апробація досліджень відбувалась на КІСМ-2023 - XVI Всеукраїнської науково-практичної WEB конференції аспірантів, студентів та молодих вчених «Комп'ютерні інтелектуальні системи та мережі» (21-23 березня 2023 року, м. Кривий Ріг).