МОДЕЛЬ ЗБОРУ МЕТРИК ОБЧИСЛЮВАЛЬНИХ РЕСУРСІВ БЛОКЧЕЙН-ОРІЄНТОВАНОЇ ІНФОРМАЦІЙНОЇ СИСТЕМИ У ХМАРНОМУ СЕРЕДОВИЩІ

Автор(и)

DOI:

https://doi.org/10.35546/kntu2078-4481.2025.4.3.32

Ключові слова:

інформаційна система, блокчейн, хмара, модель, тензор, моніторинг

Анотація

У статті розглянуто задачу формалізації процесу збору метрик обчислювальних ресурсів у блокчейн-орієнтованій інформаційній системі, компоненти якої розгорнуто у хмарному середовищі. Показано, що наявні підходи до моніторингу хмарних та мікросервісних систем зосереджені на інструментах збору телеметрії та моніторингу, однак не забезпечують узгодженого опису багаторівневої архітектури та гетерогенних потоків метрик. Метою роботи є розроблення узагальненої математичної моделі, яка відображає багаторівневу структуру системи та забезпечує уніфіковане подання метрик обчислювальних ресурсів для подальшого аналізу й оптимізації. У межах дослідження побудовано формальну модель ресурсів одного хмарного середовища, введено множини рівнів та вузлів блокчейн-орієнтованої інформаційної системи, а також визначено вектори метрик для окремих вузлів. На цій основі запропоновано тензорне подання процесу збору метрик, яке одночасно враховує рівень архітектури, конкретний вузол і набір базових показників. Такий підхід дозволяє розглядати телеметрію системи як єдиний структурований об’єкт, спростити вибір підмножин даних та побудову агрегованих індикаторів стану. Адекватність моделі перевірено за структурними та інформаційними критеріями, а її працездатність продемонстровано на імітаційному прикладі трирівневої архітектури. Порівняння з традиційним аналізом розрізнених часових рядів підтверджує зменшення трудомісткості локалізації «вузьких місць» та підготовки рішень щодо масштабування і перерозподілу ресурсів. Запропонована модель може бути інтегрована з поширеними стеком моніторингу і слугувати основою для подальших досліджень, пов’язаних із прогнозуванням навантаження, адаптивним резервуванням та побудовою політик керування конфігурацією в мультихмарних та гетерогенних середовищах.

Посилання

Dorsala M. R., Sastry V. N., Chapram S. Blockchain-based solutions for cloud computing: A survey. Journal of Network and Computer Applications. 2021. Vol. 196. 103246. DOI: https://doi.org/10.1016/j.jnca.2021.103246.

Ahmed W. Blockchain Integration in Modern Cloud Computing: A Comprehensive Survey of Security and Efficiency. Premier Journal of Data Science. 2025. DOI: https://doi.org/10.70389/pjds.100003.

A Systematic Review of Blockchain, AI, and Cloud Integration for Secure Digital Ecosystems / J. Singh et al. International Journal of Networked and Distributed Computing. 2025. Vol. 13, no. 2. DOI: https://doi.org/10.1007/ s44227-025-00072-1.

Kanthed, S. Monitoring of Cloud Computing Environments: Concepts, Solutions, Trends, and Future Directions. International Journal on Science and Technology. 2024. Vol. 15, no. 1. DOI: https://doi.org/10.71097/ijsat.v15.i1.2836.

Bliedy D., Khafagy M. H., Badry R. M. Resource Utilization Prediction Model for Cloud Datacentre: Survey. International Journal of Advanced Computer Science and Applications. 2025. Vol. 16, no. 3. DOI: https://doi.org/10.14569/ijacsa.2025.0160380.

Baranwal G., Kumar D., Vidyarthi D. P. Blockchain based resource allocation in cloud and distributed edge computing: A survey. Computer Communications. 2023. DOI: https://doi.org/10.1016/j.comcom.2023.07.023.

Гнатюк В. О., Зандер К. Ю. Методика формування структури центру збирання та оброблення даних під час моніторингу стану об’єктів критичної інфраструктури. Інфокомунікаційні та комп’ютерні технології. 2025. Т. 1, № 09. С. 9–17. DOI: https://doi.org/10.36994/2788-5518-2025-01-09-01.

Towards a Decentralized Blockchain-Based Resource Monitoring Solution For Distributed Environments / R. B. Dos Passos et al. Journal of Internet Services and Applications. 2024. Vol. 15, no. 1. P. 1–13. DOI: https://doi.org/10.5753/jisa.2024.3813.

Kravchenko P., Skriabin B., Dubinina O. Blockchain And Decentralized Systems. Blockchain and decentralized systems, 2019. 446 p.

Real-time Monitoring and Analysis of Edge and Cloud Resources / I. Korontanis et al. HPDC '23: The 32nd International Symposium on High-Performance Parallel and Distributed Computing, Orlando FL USA. New York, NY, USA, 2023. DOI: https://doi.org/10.1145/3589010.3594892.

Designing a Real-Time Monitoring System for the AWS Cloud: An Adaptive Dashboard-Based Approach with Prometheus and Grafana / A.W. Bello et al. CITA 2025 – Emerging Technologies and Sustainable Agriculture, 26-28 June 2025, Cotonou, Benin. URL: https://ceur-ws.org/Vol-4036/Paper9.pdf.

Monitoring tools for DevOps and microservices: A systematic grey literature review / L. Giamattei et al. Journal of Systems and Software. 2024. Vol. 208. P. 111906. DOI: https://doi.org/10.1016/j.jss.2023.111906.

Baranwal G., Kumar D., Vidyarthi D. P. Blockchain based resource allocation in cloud and distributed edge computing: A survey. Computer Communications. 2023. DOI: https://doi.org/10.1016/j.comcom.2023.07.023.

Monitoring data for Anomaly Detection in Cloud-Based Systems: A Systematic Mapping Study / A. Hrusto et al. ACM Transactions on Software Engineering and Methodology. 2025. DOI: https://doi.org/10.1145/3744556.

Putrama I. M., Martinek P. Heterogeneous data integration: Challenges and opportunities. Data in Brief. 2024. 110853. DOI: https://doi.org/10.1016/j.dib.2024.110853 (date of access: 23.11.2025).

Performance and Scalability of Data Cleaning and Preprocessing Tools: A Benchmark on Large Real-World Datasets / P. Martins et al. Data. 2025. Vol. 10, no. 5. P. 68. DOI: https://doi.org/10.3390/data10050068.

Kuchuk N., Tkachov V. Self-healing Systems Modelling. Advances in Self-healing Systems Monitoring and Data Processing. Cham, 2022. P. 57–111. DOI: https://doi.org/10.1007/978-3-030-96546-4_2.

Фролов Д.Є. Ways of achieving fault tolerance of heterogeneous information systems under conditions of external influence. Проблеми iнформатизацiї : тези доповідей дванадцятої міжнар. наук.-техн. конф., 21–22 листопада 2024 р. Том 2: секцiя 4. Баку–Харків–Бельсько-Бяла, 2024. С. 79.

Tokar L. O., Tsyliuryk V. Y., Solodilov V. V. Study of data replication process using Raft replication algorithm to maintain consistency in server cluster. Radiotekhnika. 2024. No. 217. P. 117–127. DOI: https://doi.org/10.30837/rt.2024.2.217.10.

##submission.downloads##

Опубліковано

2025-12-31