post_parent): $temp_content = $post->post_content; $temp_content = explode("

",$temp_content); $temp_content = $temp_content[1]; $temp_content = explode("

",$temp_content); $temp_content = $temp_content[0]; $temp_content = strip_tags($temp_content); $temp_content = trim($temp_content); $authors = explode(",",$temp_content); ?> post_title));?>"> $value): ?> "> "> "> post_content); while ($parser->parse()) { if (($parser->iNodeName=="a")&&(substr_count($parser->iNodeAttributes['href'],".pdf")>0)): ?>

Вовк Е. А., Ксензовец Д. С.

Центры обработки данных сегодня стали широко распространенными. Они являются составной частью инфраструктуры информационных технологий (ИТ-инфраструктуры).
Одной из главных задач управления ИТ-инфраструктурой является эффективный распределения виртуальных машин (ВМ) между физическими машинами (ФМ) с учетом требований и ресурсов.
Доминирующей тенденцией в распределении ресурсов является управление с прогнозирующих моделей. В статье разработан новый метод распределения ресурсов и нагрузки ИТ-инфраструктуры, основанной на прогнозировании. Распределение ресурсов и нагрузки в ИТ-инфраструктурах определяет жесткие требования к времени и точности прогнозирования. Существует много моделей прогнозирования, которые могут быть использованы для управления ИТ-инфраструктурой, например, ARIMA, GARCH и NARX. Однако для их эффективного использования для распределения ресурсов и нагрузки необходимо знать, насколько хорошо они решают эти задачи в соответствии с требованиями. В статье указаны модели прогнозирования исследуются на реальных данных ЦОД. На основе обобщения результатов этих исследований выдвинуты предложения по интеграции моделей прогнозирования в механизм распределения ресурсов и нагрузки ИТ-инфраструктуры. Для анализа моделей прогнозирования использованы данные Google Cluster Data.

Загрузить (pdf)