Розробка фреймворку для безсерверної розподіленої обробки даних з використанням черг

Автор(и)

  • Олександр Олексійович Кириченко Чернівецький національний університет імені Юрія Федьковича, Україна https://orcid.org/0009-0001-6982-3342
  • Сергій Едуардович Остапов Чернівецький національний університет імені Юрія Федьковича, Україна
  • Оксана Леонідівна Кириченко Чернівецький національний університет імені Юрія Федьковича, Україна https://orcid.org/0000-0003-0282-9958

DOI:

https://doi.org/10.15587/1729-4061.2025.335723

Ключові слова:

безсерверна архітектура, гностичне автоматичне масштабування, хмарні обчислення, розподілена обробка даних

Анотація

Об’єктом дослідження є організація розподіленої обробки даних у хмарних середовищах з використанням безсерверних обчислень. Розвиток безсерверних обчислень спричинив зміну підходів до побудови архітектури додатків, які розгортаються у хмарі. Можливість абстрагуватися від управління інфраструктурою досягаючи при цьому економічної ефективності стає надзвичайно важливою проблемою, яка потребує створення нових інструментів. Одним із таких інструментів є новий фреймворк, який дозволяє динамічно масштабувати обчислювальні ресурси в залежності від робочого навантаження, зберігати стан процесу обчислень за допомогою DynamoDB та забезпечує відстеження прогресу в режимі реального часу. Для тестування запропонованого фреймворку створено та розгорнуто безсерверний додаток для розподіленої генерації PDF документів. Емуляція реального навантаження відбувалася за допомогою Locust, на вхід додатку подавалися файли, які містили 1025132 записами. Результати експериментів показали, що додаток став працювати на 25,8% швидше, пропускна здатність зросла на 21,3%, а кількість холодних запусків зменшилася до 3% у порівнянні з класичним масштабуванням. Додатково визначено основні напрямки подальших досліджень щодо розвитку та вдосконалення розробленого фреймворку. Це дослідження представляє можливості прогнозного автоматичного масштабування з використанням моделей напівмарковських процесів у безсерверному середовищі. На відміну від традиційних реактивних підходів, запропонований підхід заздалегідь передбачає зміни та проактивно масштабує частини застосунку, що дозволяє зменшити затримки та уникнути холодних запусків. Фреймворк може бути використаний як основа для розробки безсерверних додатків для розподіленої обробки даних з використанням черг повідомлень та можливістю моніторингу процесу обробки в реальному часі

Біографії авторів

Олександр Олексійович Кириченко, Чернівецький національний університет імені Юрія Федьковича

Асистент

Кафедра математичних проблем управління і кібернетики

Сергій Едуардович Остапов, Чернівецький національний університет імені Юрія Федьковича

Доктор фізико-математичних наук, професор

Кафедра програмного забезпечення комп'ютерних систем

Оксана Леонідівна Кириченко, Чернівецький національний університет імені Юрія Федьковича

Доктор філософії, доцент

Кафедра математичних проблем управління і кібернетики

Посилання

  1. Thumala, S. (2020). Building Highly Resilient Architectures in the Cloud. Nanotechnology Perceptions, 16 (2), 264–284.
  2. Mampage, A., Karunasekera, S., Buyya, R. (2025). A deep reinforcement learning based algorithm for time and cost optimized scaling of serverless applications. Future Generation Computer Systems, 173, 107873. https://doi.org/10.1016/j.future.2025.107873
  3. Sohani, M., Jain, S. C. (2021). A Predictive Priority-Based Dynamic Resource Provisioning Scheme With Load Balancing in Heterogeneous Cloud Computing. IEEE Access, 9, 62653–62664. https://doi.org/10.1109/access.2021.3074833
  4. Beikzadeh Abbasi, F., Rezaee, A., Adabi, S., Movaghar, A. (2023). Fault-tolerant scheduling of graph-based loads on fog/cloud environments with multi-level queues and LSTM-based workload prediction. Computer Networks, 235, 109964. https://doi.org/10.1016/j.comnet.2023.109964
  5. Ghorbian, M., Ghobaei-Arani, M. (2024). A survey on the cold start latency approaches in serverless computing: an optimization-based perspective. Computing, 106 (11), 3755–3809. https://doi.org/10.1007/s00607-024-01335-5
  6. Tari, M., Ghobaei-Arani, M., Pouramini, J., Ghorbian, M. (2024). Auto-scaling mechanisms in serverless computing: A comprehensive review. Computer Science Review, 53, 100650. https://doi.org/10.1016/j.cosrev.2024.100650
  7. Manchana, R. (2020). Operationalizing Batch Workloads in the Cloud with Case Studies. International Journal of Science and Research (IJSR), 9 (7), 2031–2041. https://doi.org/10.21275/sr24820052154
  8. Alharthi, S., Alshamsi, A., Alseiari, A., Alwarafy, A. (2024). Auto-Scaling Techniques in Cloud Computing: Issues and Research Directions. Sensors, 24 (17), 5551. https://doi.org/10.3390/s24175551
  9. Taha, M. B., Sanjalawe, Y., Al-Daraiseh, A., Fraihat, S., Al-E’mari, S. R. (2024). Proactive Auto-Scaling for Service Function Chains in Cloud Computing Based on Deep Learning. IEEE Access, 12, 38575–38593. https://doi.org/10.1109/access.2024.3375772
  10. Verma, S., Bala, A. (2021). Auto-scaling techniques for IoT-based cloud applications: a review. Cluster Computing, 24 (3), 2425–2459. https://doi.org/10.1007/s10586-021-03265-9
  11. Kyrychenko, O. (2024). Real-time communication tools for web applications in a cloud environment. The 13th International Conference on Electronics, Communications and Computing's (IC ECCO), 127–128. Available at: https://ecco.utm.md/wp-content/uploads/2024/12/IC-ECCO-2024-AbstractBookBN.pdf
  12. Nastic, S., Rausch, T., Scekic, O., Dustdar, S., Gusev, M., Koteska, B. et al. (2017). A Serverless Real-Time Data Analytics Platform for Edge Computing. IEEE Internet Computing, 21 (4), 64–71. https://doi.org/10.1109/mic.2017.2911430
  13. Kaur, N., Mittal, A. (2021). Fog Computing Serverless Architecture for Real Time Unpredictable Traffic. IOP Conference Series: Materials Science and Engineering, 1022 (1), 012026. https://doi.org/10.1088/1757-899x/1022/1/012026
  14. Amazon Simple Storage Service Documentation. Amazon Web Services. Available at: https://docs.aws.amazon.com/s3
  15. Amazon Simple Queue Service. Amazon Web Services. Available at: https://aws.amazon.com/sqs
  16. Amazon Web Services. (2025). What is AWS Lambda? Available at: https://docs.aws.amazon.com/lambda/latest/dg/welcome.html
  17. Amazon Web Services. (2025). Amazon DynamoDB. Available at: https://aws.amazon.com/dynamodb/.
  18. What is AWS AppSync? Amazon Web Services. Available at: https://docs.aws.amazon.com/appsync/latest/devguide/what-is-appsync.html
  19. Amazon SageMaker. Amazon Web Services. Available at: https://aws.amazon.com/sagemaker/
  20. Amazon EventBridge. Amazon Web Services. Available at: https://aws.amazon.com/eventbridge/
  21. Rojas, L., Yepes, V., Garcia, J. (2025). Complex Dynamics and Intelligent Control: Advances, Challenges, and Applications in Mining and Industrial Processes. Mathematics, 13 (6), 961. https://doi.org/10.3390/math13060961
  22. Kyrychenkо, O. O., Ostapov, S. E., Kyrychenko, O. L. (2025). Optimization of SQS Configurations for Efficient Batch Data Processing. WSEAS Transactions On Systems, 24, 36–43. Portico. https://doi.org/10.37394/23202.2025.24.4
  23. Golec, M., Walia, G. K., Kumar, M., Cuadrado, F., Gill, S. S., Uhlig, S. (2024). Cold Start Latency in Serverless Computing: A Systematic Review, Taxonomy, and Future Directions. ACM Computing Surveys, 57 (3), 1–36. https://doi.org/10.1145/3700875
  24. Saravana Kumar, N., Selvakumara Samy, S. (2025). Cold Start Prediction and Provisioning Optimization in Serverless Computing Using Deep Learning. Concurrency and Computation: Practice and Experience, 37 (4-5). https://doi.org/10.1002/cpe.8392
  25. Nguyen, T. N. (2024). Holistic cold-start management in serverless computing cloud with deep learning for time series. Future Generation Computer Systems, 153, 312–325. https://doi.org/10.1016/j.future.2023.12.011
Розробка фреймворку для безсерверної розподіленої обробки даних з використанням черг

##submission.downloads##

Опубліковано

2025-08-29

Як цитувати

Кириченко, О. О., Остапов, С. Е., & Кириченко, О. Л. (2025). Розробка фреймворку для безсерверної розподіленої обробки даних з використанням черг. Eastern-European Journal of Enterprise Technologies, 4(9 (136), 19–25. https://doi.org/10.15587/1729-4061.2025.335723

Номер

Том 4 № 9 (136) (2025): Інформаційно-керуючі системи

Розділ

Інформаційно-керуючі системи

Ліцензія

Авторське право (c) 2025 Oleksandr Kyrychenko, Serhii Ostapov, Оksana Kyrychenko

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.