Розробка імітаційної моделі управління навантаженням на обчислювальні вузли серверного кластера на основі теорії нечіткої логіки та рівноваги Неша
DOI:
https://doi.org/10.15587/1729-4061.2025.340603Ключові слова:
імітаційна модель, серверний кластер, оптимізація, управління навантаженням, стійкістьАнотація
Об’єктом дослідження є процес управління (балансування) навантаженням на обчислювальні вузли серверного кластера інформаційних систем. У дослідженні вирішується проблема щодо забезпечення оптимального (рівномірного) розподілу серверних ресурсів кластерної системи. Розроблено імітаційну модель процесу розподілу навантаження на обчислювальні вузли серверного кластера на основі удосконаленої моделі оптимального використання серверних ресурсів кластера на основі рівноваги Неша та удосконаленого методу адаптивного балансування навантаження в кластерних системах на основі рівноваги Неша. Імітаційна модель побудована на основі теорії нечіткої логіки для визначення доцільності декомпозиції завдань на підзавдання та теорії ігор, зокрема рівноваги Неша для визначення оптимального розподілу завдань/підзавдань по серверам кластерної системи для їх паралельної обробки. Розроблена модель дозволяє підвищити ефективність (рівномірність) розподілу серверних ресурсів в середньому на 13% у порівнянні із класичним методом управління навантаженням на основі рівноваги Неша, на 61% – із методом Round Robin та 63% – із методом Least Connection на протязі усього процесу функціонування кластеру. Це, у свою чергу, дозволяє більше ніж у 2 рази збільшити кількість оброблених завдань спричинених клієнтськими запитами у порівнянні із вищезазначеними методами балансування навантаження. Разом з тим, було проведено оцінку впливу процесу балансування навантаження на час обробки завдань/підзавдань серверами кластерної системи. За результатами імітаційного моделювання можна зробити висновок, що застосування розробленої моделі не перевищує загальний допустимий час обробки (не більше 315 мс) завдань/підзавдань спричинених клієнтськими запитами у порівнянні з існуючими методами балансування навантаження
Посилання
- Pro rishennia Rady natsionalnoi bezpeky i oborony Ukrainy vid 20 serpnia 2021 roku "Pro Stratehichnyi oboronnyi biuleten Ukrainy". Ukaz Prezydenta Ukrainy vid 17.09.2021 r. No. 473/2021. Available at: https://zakon.rada.gov.ua/laws/show/473/2021#Text
- Pro rishennia Rady natsionalnoi bezpeky i oborony Ukrainy vid 18 chervnia 2021 roku «Pro Stratehiiu rozvytku oboronno-promyslovoho kompleksu Ukrainy»/ Ukaz Prezydenta Ukrainy vid 20.08.2021 r. No. 372/2021. Available at: https://zakon.rada.gov.ua/laws/show/372/2021#Text
- Begam, G. S., Sangeetha, M., Shanker, N. R. (2021). Load Balancing in DCN Servers through SDN Machine Learning Algorithm. Arabian Journal for Science and Engineering, 47 (2), 1423–1434. https://doi.org/10.1007/s13369-021-05911-1
- Klots, Y. P., Stefanovytch, K. Y., Shakhoval, Y. S., Demeshko, V. I. (2019). Dynamic traffic balance between several providers. Herald of Khmelnytskyi national university, 4 (275). 62–67. Available at: https://journals.khnu.km.ua/vestnik/wp-content/uploads/2021/01/12-7.pdf
- Naz, N. S., Abbas, S., Adnan, M., Abid, B., Tariq, N., Farrukh, M. (2019). Efficient Load Balancing in Cloud Computing using Multi-Layered Mamdani Fuzzy Inference Expert System. International Journal of Advanced Computer Science and Applications, 10 (3). https://doi.org/10.14569/ijacsa.2019.0100373
- Chen, L., Wu, K., Li, Y. (2014). A Load Balancing Algorithm Based on Maximum Entropy Methods in Homogeneous Clusters. Entropy, 16 (11), 5677–5697. https://doi.org/10.3390/e16115677
- Priya, S. S., Rajendran, Dr. T. (2025). Enhanced Weighted Round Robin: A New Paradigm in Cloud Load Balancing. Indian Journal Of Science And Technology, 18 (15), 1220–1228. https://doi.org/10.17485/ijst/v18i15.3976
- Dash, Y., Dalei, R. K., Dhal, K. (2025). Modified Genetic Algorithms (GA) for Load balancing in Cloud Computing. Journal of Information Systems Engineering and Management, 10 (54s), 1–8. https://doi.org/10.52783/jisem.v10i54s.11028
- Matiwure, T., Ndlovu, A. (2025). Enhancing throttled load balancing algorithm with machine learning for dynamic resource allocation in cloud computing environments. International Journal of Computer Science and Mobile Computing, 14 (6), 20–25. https://doi.org/10.47760/ijcsmc.2025.v14i06.003
- Fesokha, V. V., Neroznak, E. I., Sova, O. Ya. (2023). An improved model of optimal use of resources of a cluster system of military assignment based on nash equilibrium. Collection of Scientific Works of the Military Institute of Kyiv National Taras Shevchenko University, 79, 159–171. https://doi.org/10.17721/2519-481x/2023/79-15
- Fesokha, V., Neroznak, Y., Sova, O., Nesterov, O. (2023). Method of adaptive load balancing in cluster systems for military purposes based on Nash equilibrium. Zbirnyk naukovykh prats Tsentru voienno-stratehichnykh doslidzhen NUOU imeni Ivana Cherniakhovskoho, 3 (76), 101–110. https://doi.org/10.33099/2304-2745/2022-3-76/101-110
- Sivanandam, S. N., Sumathi, S., Deepa, S. N. (2007). Introduction to Fuzzy Logic using MATLAB. Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-540-35781-0
- MATLAB. The MathWorks, Inc. Available at: https://www.mathworks.com/help/matlab/
- Welcome to Nashpy’s documentation! Nashpy. Available at: https://nashpy.readthedocs.io/en/stable/
- Campesato, O. (2020). Python 3 for Machine Learning. Mercury Learning and Information, 364. Available at: https://www.amazon.com/Python-Machine-Learning-Oswald-Campesato/dp/1683924959
- Neroznak, Ye. I., Merkotan, D. Yu., Sova, O. Ya. (2021). Metody ta alhorytmy balansuvannia navantazhennia v klasternykh systemakh na osnovi elementiv shtuchnoho intelektu. Systemy i tekhnolohiyi zviazku, informatyzatsiyi ta kiberbezpeky: aktualni pytannia i tendentsiyi rozvytku: I Mizhnarodna nauk.-tekhn. konf. Kyiv, 215–217.
- Load Balancing Algorithms and Techniques. Available at: https://kemptechnologies.com/load-balancer/load-balancing-algorithms-techniques
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Yevhenii Neroznak, Olexandr Trotsko, Vitalii Fesokha, Dmytro Balan, Robert Bieliakov

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.






