Технологии облачных вычислений в интегрированных системах управления
Автор: Орехов С.Е., Артамонов Д.П., Иванов С.А.
Журнал: Инфокоммуникационные технологии @ikt-psuti
Рубрика: Электромагнитная совместимость и безопасность оборудования
Статья в выпуске: 4 т.18, 2020 года.
Бесплатный доступ
В статье представлены результаты исследований по обоснованию применимости современных технологий распределенных вычислений Hadoop/MapReduce и параллельных сетевых трактов в перспективных интегрированных системах управления. Под интегрированной системой управления понимается такая система управления, в которую встроены программные интерфейсы взаимодействия с обеспечивающей ее автоматизированной системой связи. Отличительной особенностью интегрированных систем управления является совместное использование общей универсальной аппаратно-программной платформы, которая динамически реконфигурируется под требования той или иной системы. Реконфигурация платформы должна обеспечивать высокие показатели функциональной устойчивости и эффективности решения клиентских запросов, для чего проанализированы существующие технологии обработки больших данных и предложен вариант их модификации, учитывающий потенциальные возможности параллельных сетевых трактов. Практическая реализация представленных концептуальных положений позволит существенно снизить информационную нагрузку на сетевую инфраструктуру и повысить эффективность функционирования системы управления.
Дивергентный подход, децентрализация информационной сети, многомерная маршрутизация пакетов, виртуализация каналов, распределенные вычисления, модифицированная модель mapreduce
Короткий адрес: https://sciup.org/140255745
IDR: 140255745 | DOI: 10.18469/ikt.2020.18.4.13
Список литературы Технологии облачных вычислений в интегрированных системах управления
- Орехов С.Е., Сысоев И.В. Оптимизация распределения ТСР нагрузки по параллельному сетевому тракту сети связи с многомерной маршрутизацией пакетов // Известия Института инженерной физики. 2014. Т. 1, № 31. С. 57-59
- Holmes A. Hadoop in Practice. New York: Manning Publications Co., 2012. 537 p
- Big data. Тематическое приложение к газете "Вестник Ростелекома" // Ростелеком PRO. 2016. 63 c
- Scarpino M. OpenCL in Action. How to Accelerate Graphics and Computation. New York: Manning Publications Co., 2012. 434 p
- Черняк Л. Платформы для Больших Данных. ФОРС // Открытые системы. 2012. № 07. URL: http://www.osp.ru/os/2012/07/13017635 (дата обращения: 01.02.2020)
- Вичугова А. Hadoop. 2020 // Специализированный авторизованный Учебный центр для корпоративного обучения по Большим Данным. URL: https://www.bigdataschool.ru/wiki/hadoop (дата обращения: 01.02.2020)
- Nadeau T.D., Gray K. SDN: Software Defined Networks. Sebastopol: O'Reilly, 2013. 352 p
- Chalkiopoulos A. Programming MapReduce with Scalding Community Experience Disitilled. Birmingham: Packt Publishing Ltd, 2014. 148 p
- Big-Data Analytics and Cloud Computing: Theory, Algorithms and Applications / M. Trovati [et al.]. Berlin: Springer, 2016. 169 p
- Kumar V.N., Shindgikar P. Modern Big Data Processing with Hadoop: Expert Techniques for Architecting End-to-End Big Data Solutions to Get Valuable Insights. Birmingham: Packt Publishing Ltd, 2018. 394 p
