moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 10.26102/2310-6018/2021.35.4.036 1008 Интеллектуализация использования аппаратных ресурсов центра обработки данных, оказывающего услуги облачных вычислений Hardware resource use intellectualization of data centers providing cloud-computing services 0000-0003-0317-0948 Метелкин Ярослав Викторович Metelkin Yaroslav Victorovich flow101@mail.ru aff-1 0000-0003-3921-6047 Маковий Катерина Александровна Makoviy Katerina Aleksandrovna makkatya@mail.ru aff-2 Воронежский государственный технический университет Voronezh State Technical University Воронежский государственный технический университет Voronezh State Technical University 01 01 2026 1 1 10.26102/2310-6018/2021.35.4.036 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

В настоящее время набирает популярность технология облачных вычислений – технология, в рамках которой компьютерные ресурсы центра обработки данных предоставляются пользователю по сети как онлайн-сервис. Спрос стимулирует рост количества и размеров центров обработки данных, оказывающих данные услуги. Пандемия стала причиной перехода многих сервисов в режим онлайн. Многие организации подчеркнули для себя эффективность удаленной работы, в связи с чем выросла распространенность дистанционного обучения. Таким образом, возникает необходимость оптимизации работы ИТ-инфраструктуры поставщиков облачных услуг в целях повышения ее экономичности и экологичности (соответствие концепции Green computing) при сохранении заранее определенного уровня качества обслуживания. Одной из ключевых проблем оказания услуг облачных технологий является оптимальное распределение виртуальных машин на физических серверах. Данной проблемой занимались многие исследователи, и в этой работе проведен анализ существующих подходов к ее решению. Все они основаны на анализе текущей рабочей нагрузки с последующей корректировкой распределения виртуальных машин. В работе предлагается интеллектуализация использования аппаратных ресурсов центра обработки данных, которая заключается в превентивном управлении аппаратными платформами, размещении виртуальных машин, основанном на прогнозировании рабочей нагрузки в будущем. Для апробации предлагаемого подхода использованы возможности фреймворка CloudSim.

Nowadays, cloud computing technology is gaining popularity. That is a technology in which the computer resources of a data center are provided for a user over a network as an online service. Demand stimulates the growth in the number and size of data centers that deliver these services. The pandemic has led to the transition of many services to online mode. Many organizations have noted the effectiveness of remote work and, therefore, the prevalence of distance learning is growing. Thus, there is a need to optimize the operation of service providers’ IT infrastructure in order to increase its cost-effectiveness and environmental friendliness (compliance with the Green computing concept) while maintaining a predetermined level of service quality. One of the key challenges of providing cloud services is the optimal distribution of virtual machines on physical servers. This problem has been studied by many researchers, and in this article the analysis of the existing approaches to its solution is carried out. All of them are based on the current workload examination and then adjusting the allocation of virtual machines. This paper proposes hardware resource use intellectualization of a datacenter, which involves proactive management of hardware platforms, placement of virtual machines, based on the prediction of the workload in the future. To test the outlined approach, we used the capabilities of the CloudSim framework.

 облачные вычисления виртуализация прогнозирование рабочей нагрузки cloudsim центр обработки данных оптимизация cloud computing virtualization workload forecasting cloudsim datacenter optimization Исследование выполнено без спонсорской поддержки. The study was performed without external funding. References Gartner, Gartner forecasts worldwide public cloud revenue to grow172020. Доступно по: https://www.gartner.com/en/newsroom/press-releases/2019-11-13-gartner-forecasts-worldwide-public-cloud-revenue-to-grow-17-percent-in-2020 (дата обращения: 24.04.2021). Makoviy K., Khitskova Y. Estimating the Cost of Implementing Virtual Desktops as a Stage of Project Management in the Field of Cloud Technologies. International Russian Automation Conference. Springer, Cham. 2019;641:1034–1043. Маковий К.А., Шипилов Н.В. Анализ потребностей виртуальной машины в ресурсах сервера VDI. Актуальные проблемы прикладной математики, информатики и механики: сборник трудов международной научно-технической конференции, Воронеж, 12-15 сентября 2016 года. Воронеж: Научно-исследовательские публикации. 2016:100–103. Маковий К.А., Хицкова Ю.В., Герус С.В. Использование метода гибридных оценок в области информационных технологий. Научный вестник Воронежского государственного архитектурно-строительного университета. Серия: Информационные технологии в строительных, социальных и экономических системах. 2016;1(7):120–124. Соловьев В.П., Удовиченко А.О. Метод планирования размещения группы виртуальных машин с перераспределением ресурсов. Программные продукты и системы. 2012;1:134-137. Beloglazov A., Buyya R. Optimal online deterministic algorithms and adaptive heuristics for energy and performance efficient dynamic consolidation of virtual machines in cloud data centers. Concurrency and Computation: Practice and Experience. 2012;24(13):1397–1420. Lago D.G., Madeira E.R. M., Bittencourt L.F. Power-aware virtual machine scheduling on clouds using active cooling control and DVFS. In Proceedings of the 9th International Workshop on Middleware for Grids. Clouds and e-Science. 2011:1–6. Shi L., Furlong J., Wang R. Empirical evaluation of vector bin packing algorithms for energy efficient data centers. In IEEE Symposium on Computers and Communications. 2013:9–15. Calcavecchia N., Biran O., Hadad E., Moatti Y. VM placement strategies for cloud scenarios. In IEEE 5th International Conference on Cloud Computing. 2012:852–859. Calheiros, R.N., Ranjan, R., Beloglazov, A., De Rose, C.A., & Buyya, R. CloudSim: a toolkit for modeling and simulation of cloud computing environments and evaluation of resource provisioning algorithms. Software: Practice and experience. 2011;41(1):23-50.

The authors declare that there are no conflicts of interest present.