Балансировка сетевого трафика многомашинных вычислительных систем с учетом его прогноза вейвлет-регрессионным методом
Рубрика: Информатика и вычислительная техника
Статья в выпуске: 3, 2026 года.
Бесплатный доступ
Актуальность исследования обусловлена необходимостью повышения устойчивости распределения сетевой нагрузки в многомашинных вычислительных системах при нестационарном и пульсирующем характере входящего потока запросов. Цель исследования заключается в разработке и экспериментальной проверке модифицированного вейвлет-регрессионного метода, обеспечивающего учет прогнозируемого состояния вычислительных узлов при распределении нагрузки и управлении вычислительным резервом. Предложенный метод предусматривает выделение регулярной составляющей сетевого трафика, оценку отклонения текущего состояния узла от его характерного режима, вероятностное оценивание перегрузочного состояния, формирование интегрального показателя риска и его использование при выборе вычислительного узла. Экспериментальное исследование выполнено в имитационной среде для девяти сценариев изменения нагрузки и шести методов управления. Результаты экспериментального исследования показали, что применение предложенного метода способствует повышению доли экспериментальных запусков, удовлетворяющих установленным требованиям к качеству обслуживания, снижению длительности их нарушений и уменьшению хвостовых значений времени отклика по сравнению с исследованными методами управления.
Короткий адрес: https://sciup.org/148334279
IDS: 148334279 | УДК: 004.75 | DOI: 10.18137/RNU.V9187.26.03.P.115
Network Traffic Balancing in Multi-Machine Computing Systems Based on Forecasting Using the Wavelet Regression Method
The relevance of this research stems from the need to improve the stability of network load distribution in multi-machine computing systems under non-stationary and pulsating conditions of the incoming request flow. The objective of this work is to develop and experimentally validate a modified wavelet regression method that accounts for the predicted state of computing nodes during load distribution and computing reserve management. The proposed method involves identifying the regular component of network traffic, assessing the deviation of a node’s current state from its characteristic operating mode, probabilistically evaluating the overload state, deriving an integral risk indicator, and using it to select a computing node. An experimental study was conducted in a simulation environment for nine load variation scenarios and six control methods. The results of the experimental study showed that the application of the proposed method contributes to an increase in the proportion of experimental runs that meet the established service quality requirements, a reduction in the duration of service disruptions, and a decrease in the tail values of response times compared to the control methods studied.
