SYNCHRONIZACJA ZARZĄDZANIA STEROWANEGO ZDARZENIAMI PODCZAS GROMADZENIA DANYCH
Valeriy Kuzminykh
vakuz0202@gmail.comNational Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Software Engineering in Energy (Ukraina)
https://orcid.org/0000-0002-8258-0816
Oleksandr Koval
National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Software Engineering in Energy (Ukraina)
Yevhen Havrylko
National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Software Engineering in Energy (Ukraina)
https://orcid.org/0000-0001-9437-3964
Beibei Xu
National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Software Engineering in Energy (Ukraina)
https://orcid.org/0000-0003-1430-5334
Iryna Yepifanova
Vinnytsia National Technical Unіversity (Ukraina)
Shiwei Zhu
National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Software Engineering in Energy (Ukraina)
Nataliia Bieliaieva
Dragomanov Ukrainian State University (Ukraina)
Bakhyt Yeraliyeva
M. Kh. Dulaty Taraz Regional University (Kazachstan)
Abstrakt
W artykule rozważono podejście do implementacji architektury systemu mikrousług do przetwarzania dużych ilości danych w oparciu o podejście zorientowane na zdarzenia do zarządzania sekwencją korzystania z poszczególnych mikrousług. Staje się to szczególnie ważne podczas przetwarzania dużych ilości danych ze źródeł informacji o różnych poziomach wydajności, gdy zadaniem jest zminimalizowanie całkowitego czasu przetwarzania strumieni danych. W tym przypadku, co do zasady, zadaniem jest zminimalizowanie liczby żądań do źródeł informacji w celu uzyskania wystarczającej ilości danych istotnych dla żądania. Wydajność całego systemu oprogramowania jako całości zależy od sposobu zarządzania mikrousługami, które zapewniają ekstrakcję i podstawowe przetwarzanie otrzymanych danych. Aby uzyskać wymaganą ilość odpowiednich danych z różnych źródeł informacji, system oprogramowania musi dostosować się do żądania podczas jego działania, tak aby maksymalna liczba żądań była kierowana do źródeł, które mają maksymalne prawdopodobieństwo znalezienia w nich danych niezbędnych do żądania. Zaproponowano podejście, które pozwala adaptacyjnie zarządzać wyborem mikrousług podczas gromadzenia danych i pojawiających się zdarzeń, a tym samym kształtować wybór źródeł informacji w oparciu o ocenę skuteczności uzyskiwania odpowiednich informacji z tych źródeł. Zdarzenia są generowane w wyniku ekstrakcji danych i przetwarzania pierwotnego z określonych źródeł w zakresie oceny dostępności danych istotnych dla żądania w każdym ze źródeł uwzględnionych w ramach wybranego scenariusza wyszukiwania. Architektura mikrousług zorientowana na zdarzenia dostosowuje działanie systemu do bieżących obciążeń poszczególnych mikrousług i ogólnej wydajności poprzez analizę odpowiednich zdarzeń. Wykorzystanie adaptacyjnej architektury mikrousług zorientowanej na zdarzenia może być szczególnie skuteczne w rozwoju różnych systemów informacyjnych i analitycznych zbudowanych w oparciu o gromadzenie danych w czasie rzeczywistym i projektowanie scenariuszy działalności analitycznej. W artykule rozważono cechy opcji synchronicznych i asynchronicznych w implementacji architektury zorientowanej na zdarzenia, które mogą być wykorzystywane w różnych systemach oprogramowania w zależności od ich przeznaczenia. Przeprowadzono analizę cech opcji synchronicznych i asynchronicznych w implementacji architektury zorientowanej na zdarzenia, ich parametrów ilościowych oraz cech ich wykorzystania w zależności od rodzaju zadań.
Słowa kluczowe:
Big Data, mikrousługi, adaptacja, architektura oparta na zdarzeniach, technologia informacyjna, ontologiaBibliografia
[1] Akhtanov S., Turlykozhayeva D., Ussipov N., Ibraimov M., Zhanabaev Z.: Centre including eccentricity algorithm for complex networks. Electronics Letters 58(7), 2022, 283–285.
Google Scholar
[2] Al-Masri E.: Enhancing the Microservices Architecture for the Internet of Things. IEEE International Conference on Big Data (Big Data). USA, WA, Seattle, 2018, 5119–5125.
Google Scholar
[3] Azarov O. et al.: Means of analyzing parameters of speech signal transmission and reproduction. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska 14(2), 2024, 11–16.
Google Scholar
[4] Azarova A. O. et al.: Information technologies for assessing the quality of IT-specialties graduates' training of university by means of fuzzy logic and neural networks. International Journal of Electronics and Telecommunications 66(3), 2020, 411–416.
Google Scholar
[5] Belnar A.: Building Event-Driven Microservices: Leveraging Organizational Data at Scale. O'Reilly Media, USA 2020.
Google Scholar
[6] Bisikalo O. et al.: Parameterization of the Stochastic Model for Evaluating Variable Small Data in the Shannon Entropy Basis. Entropy 25(2), 2023, 184.
Google Scholar
[7] Buyya R.: Big Data. Principles and Paradigms. Elsevier, 2016.
Google Scholar
[8] Chris R.: Microservices. Development and refactoring patterns. Peter, 2019, 544.
Google Scholar
[9] Davis A.: Bootstrapping Microservices with Docker, Kubernetes, and Terraform: A project-based guide. Manning, Shelter Island 2021.
Google Scholar
[10] Dinesh R.: Hands-On Microservices – Monitoring and Testing. Hands-On Microservices – Monitoring and Testing: A performance engineer's guide to the continuous testing and monitoring of microservices. Packt Publishing. 2018.
Google Scholar
[11] Erl T.: Big Data Fundamentals. Concepts, Drivers & Techniques. Prentice Hall, 2016.
Google Scholar
[12] Ford N., Parsons R., Kua P.: Building Evolutionary Architectures: Support Constant Change. O'Reilly Media, 2017.
Google Scholar
[13] Ghiya P.: Typescript Microservices: Build, deploy, and secure microservices using TypeScript combined with Node.js. Packt, Birmingham 2018.
Google Scholar
[14] Gorelik A.: The Enterprise Big Data Lake: Delivering the Promise of Big Data and Data Science. O'Reilly, 2019.
Google Scholar
[15] Koval O. V. et al.: Evaluating the Quality of Modeling the Scenario of Information Analysis on a Branched Network. Modern information protection. DUT 3(39), 2019, 70–76.
Google Scholar
[16] Koval O. V. et al.: Improving the Efficiency of Typical Scenarios of Analytical Activities. CEUR Workshop Proceedings 3241, 2021, 123–132.
Google Scholar
[17] Koval O. V. et al.: Refining the typical scenarios by additional factors. Mathematical and computer modeling. Series: Technical sciences 1(20), 2019, 68–78.
Google Scholar
[18] Kuzminykh V. О. et al.: Data collection for analytical activities using adaptive micro-service architecture. Registration, storage and processing of data 23(1), 2021, 7–79.
Google Scholar
[19] Kuzminykh V., Xu B.: The influence of current results in an event-oriented data collection system. Zviazok 3(169), 2024, 18–22.
Google Scholar
[20] Mamyrbayev O., Toleu A., Tolegen G., Mekebayev N.: Neural architectures for gender detection and speaker identification. Cogent Engineering 7, 2020, 1727168, 1–13.
Google Scholar
[21] Newman S.: Building Microservices: Designing Fine-Grained Systems. O'Reilly Media, 2015.
Google Scholar
[22] Rocha H. F. O.: Practical Event-Driven Microservices Architecture: Building Sustainable and Highly Scalable Event-Driven Microservices. Apress, 2021.
Google Scholar
[23] Shuiskov A.: Building Microservices with Go: Develop seamless, efficient, and robust microservices with Go. Packt Publishing, 2022.
Google Scholar
[24] Simon P.: Too Big to Ignore: The Business Case for Big Data. Wiley, 2019.
Google Scholar
[25] Turlykozhayeva, D. et al.: Routing Algorithm for Software Defined Network Based on Boxcovering Algorithm. 10th International Conference on Wireless Networks and Mobile Communications (WINCOM), 2023, 1–5.
Google Scholar
[26] Wolff E.: Microservices, Flexible Software Architecture. Addison-Wesley, Boston 2016.
Google Scholar
[27] Zgurovsky M. Z., Zaychenko Y. P.: Big Data: Conceptual Analysis and Applications. Springer, 2020.
Google Scholar
[28] Zhang H., Li S., Jia Z, Zhong C., Zhang C.: Microservice Architecture in Reality: An Industrial Inquiry. IEEE International Conference on Software Architecture (ICSA), Germany, Hamburg, 2019, 51–60.
Google Scholar
Autorzy
Valeriy Kuzminykhvakuz0202@gmail.com
National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Software Engineering in Energy Ukraina
https://orcid.org/0000-0002-8258-0816
Autorzy
Oleksandr KovalNational Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Software Engineering in Energy Ukraina
Autorzy
Yevhen HavrylkoNational Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Software Engineering in Energy Ukraina
https://orcid.org/0000-0001-9437-3964
Autorzy
Beibei XuNational Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Software Engineering in Energy Ukraina
https://orcid.org/0000-0003-1430-5334
Autorzy
Iryna YepifanovaVinnytsia National Technical Unіversity Ukraina
Autorzy
Shiwei ZhuNational Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Software Engineering in Energy Ukraina
Autorzy
Nataliia BieliaievaDragomanov Ukrainian State University Ukraina
Autorzy
Bakhyt YeraliyevaM. Kh. Dulaty Taraz Regional University Kazachstan
Statystyki
Abstract views: 65PDF downloads: 31
Inne teksty tego samego autora
- Roman Kvуetnyy, Yuriy Bunyak, Olga Sofina, Oleksandr Kaduk, Orken Mamyrbayev, Vladyslav Baklaiev, Bakhyt Yeraliyeva, OPTYMALIZACJA OFERT REKLAMOWYCH POPRZEZ UKIERUNKOWANIE W OPARCIU O SAMOUCZĄCĄ SIĘ BAZĘ DANYCH , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 13 Nr 4 (2023)
- Olexandr Koval, Valeriy Kuzminykh, Maxim Voronko, Dmitriy Khaustov, ROZWÓJ SYSTEMU ZARZĄDZANIA OPARTEGO O SCENARIUSZE W PRZEDSIĘBIORSTWACH O FUNKCJONALNEJ ORGANIZACJI STRUKTURY , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 3 Nr 4 (2013)
- Petr Lezhniuk, Viacheslav Komar, Iryna Hunko, Daniyar Jarykbassov, Dinara Tussupzhanova, Bakhyt Yeraliyeva, Nazbek Katayev, NATURALNY MODEL SYMULACYJNY GENERACJI STACJI FOTOWOLTAICZNEJ W PROCESIE BILANSOWANIA ENERGII ELEKTRYCZNEJ W SYSTEMIE ELEKTROENERGETYCZNYM , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 12 Nr 3 (2022)
- Kostyantyn Ovchynnykov, Oleksandr Vasilevskyi, Volodymyr Sevastianov, Yurii Polievoda, Aliya Kalizhanova, Bakhyt Yeraliyeva, WYZNACZANIE OPTYMALNEJ CZĘSTOTLIWOŚCI PIERWOTNYCH PRZETWORNIKÓW POMIAROWYCH DO POMIARU GRUBOŚCI POWŁOK DIELEKTRYCZNYCH NA POWIERZCHNIACH METALOWYCH , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 12 Nr 2 (2022)
- Serhii Zakharchenko, Tetiana Korobeinikova, Aigul Tungatarova, Bakhyt Yeraliyeva, NOWA METODA KALIBRACJI ON-LINE PRZETWORNIKA AC METODĄ KOLEJNYCH APROKSYMACJI , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 12 Nr 2 (2022)
- Petro Loboda, Ivan Starovit, Oleksii Shushura, Yevhen Havrylko, Maxim Saveliev, Natalia Sachaniuk-Kavets’ka, Oleksandr Neprytskyi, Dina Oralbekova, Dinara Mussayeva, KONTROLA WENTYLACJI NOWEJ BEZPIECZNEJ POWŁOKI CZARNOBYLSKIEJ ELEKTROWNI JĄDROWEJ OPARTA NA ROZMYTYCH SIECIACH NEURONOWYCH , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 13 Nr 4 (2023)
- Lubov Zahoruiko, Tetiana Martianova, Mohammad Al-Hiari, Lyudmyla Polovenko, Maiia Kovalchuk, Svitlana Merinova, Volodymyr Shakhov, Bakhyt Yeraliyeva, MODEL MATEMATYCZNY I STRUKTURA SIECI NEURONOWEJ DO WYKRYWANIA CYBERATAKÓW NA SYSTEMY TELEINFORMATYCZNE I KOMUNIKACYJNE , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 14 Nr 3 (2024)
- Leonid Timchenko, Natalia Kokriatska, Volodymyr Tverdomed, Iryna Yepifanova, Yurii Didenko, Dmytro Zhuk, Maksym Kozyr, Iryna Shakhina, ARCHITEKTONICZNE, STRUKTURALNE I FUNKCJONALNE CECHY RÓWNOLEGŁO-HIERARCHICZNEJ ORGANIZACJI PAMIĘCI , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 14 Nr 1 (2024)
