Browsing by Author "Красношапка, Никита Сергійович"

Now showing 1 - 3 of 3

Застосування штучного інтелекту для розв'язання інженерних задач. Переваги та виклики
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2024) Красношапка, Никита Сергійович; Малієнко, Станіслав Євгенович; Гуда, Антон Ігорович; Селівьорстова, Тетяна Віталіївна
UKR: Штучний інтелект (ШІ) стає невід'ємною частиною сучасної інженерії, обіцяючи трансформувати способи проектування, виробництва та управління системами. Його застосування варіюється від автоматизації процесів до оптимізації виробничих циклів, підвищуючи ефективність та надійність. Проте, незважаючи на переваги, існують виклики, такі як інтеграція ШІ в етап проектування, вимоги до безпеки та конфіденційності даних. Особливо в індустрії EPC, де кожен проект має унікальні вимоги, а високі стандарти безпеки ускладнюють впровадження ШІ. Також необхідність у кваліфікованих фахівцях та ефективних механізмах збору даних створюють додаткові перешкоди. Успішне впровадження ШІ вимагає інтеграції досвіду компаній, стратегічного підходу та підтримки вищого керівництва.
Особливості проєктування масштабованої мікросервісної архітектури для вебсервісів
(Видавничий дім «Гельветика», 2023) Селівьорстова, Тетяна Віталіївна; Красношапка, Никита Сергійович
UKR: Мета роботи. Метою цієї роботи є розробка та аналіз масштабованої мікросервісної архітектури, здатної забезпечити високу доступність та ефективність інтеграції з хмарними сервісами. Особлива увага приділяється створенню оптимізованих методів розгортання, моніторингу та обслуговування мікросервісів у динамічних умовах використання, а також оцінці впливу кількості сервісів на продуктивність системи. Дослідження спрямоване на заповнення прогалин у наявних методах оркестрації мікросервісів, забезпечуючи підвищення їх ефективності та масштабованості. Методологія. У цьому дослідженні ми застосували комплексний підхід, що включає кілька ключових методів: – Теоретичний аналіз: Виконано систематичний огляд літератури для ідентифікації існуючих мікросервісних архітектур і виявлення потенційних областей для поліпшення. Особлива увага була приділена дослідженню можливостей масштабування і відмовостійкості. – Програмування та розробка: Розробка прототипів мікросервісів з використанням сучасних мов програмування та фреймворків. Реалізація включала в себе створення RESTful API, використання контейнеризації через Docker, та оркестрацію за допомогою Kubernetes. – Бенчмаркінг та тестування: Проведено низку тестів продуктивності для оцінки масштабованості і швидкодії мікросервісів. Використання засобів навантажувального тестування, таких як JMeter, та моніторингу, як Prometheus, для збору метрик продуктивності. – Аналіз даних: Збір та статистичний аналіз даних для визначення закономірностей і виявлення вузьких місць в архітектурі, для прогнозування поведінки системи при різних сценаріях навантаження. Ці методи та підходи були інтегровані для розробки та аналізу масштабованої мікросервісної архітектури, що дозволило оцінити її ефективність і визначити оптимальні конфігурації для різних типів навантажень і бізнес-вимог. Наукова новизна. У цій статті ми представляємо ряд важливих нововведень у сфері проєктування масштабованих мікросервісних архітектур: – Розробка інноваційної моделі масштабування: Наша розроблена модель відрізняється від існуючих підходів здатністю ефективно масштабуватися у великих розподілених системах, що враховує динамічність навантаження та розподіл ресурсів. – Застосування нових методів контейнеризації: Ми впровадили новий спосіб використання Docker та Kubernetes для оптимізації розгортання мікросервісів, що забезпечує значно краще використання ресурсів і знижує час відгуку системи. – Розширений статистичний аналіз продуктивності: Використання передових методів статистичного аналізу для оцінки продуктивності мікросервісів дозволило отримати нові знання про фактори, які впливають на масштабованість і ефективність. – Практична цінність: Наші висновки та розробки мають значний потенціал для покращення роботи реальних вебсервісів та додатків, забезпечуючи їм високу продуктивність і доступність, що є критично важливим для сучасних інформаційних технологій. Висновки. У результаті проведеного нами дослідження ми досягли наступних ключових результатів: – Підтвердження ефективності розробленої моделі масштабування: Наша інноваційна модель масштабування мікросервісів показала значне поліпшення в управлінні ресурсами і часом відгуку в порівнянні з традиційними підходами. Це було підтверджено за допомогою експериментів, що включали стрес- тестування та аналіз продуктивності. – Використання контейнеризації як ключового елементу для оптимізації розгортання: Застосування Docker та Kubernetes дозволило нам ефективно масштабувати сервіси з мінімальними затратами ресурсів, що демонструє великий потенціал для практичного впровадження в реальних системах. – Розширення знань про масштабування мікросервісів: Наше дослідження внесло важливий вклад у розуміння факторів, що впливають на продуктивність і масштабування мікросервісних архітектур, забезпечуючи цінні інсайти для майбутніх досліджень та розробок. – Практичне застосування та вплив на індустрію: Встановлено, що наші розробки можуть значно покращити продуктивність і доступність вебсервісів та додатків, що є особливо актуальним для сучасного цифрового світу, де швидкість реакції та ефективність обслуговування клієнтів мають вирішальне значення. Ці висновки демонструють не лише теоретичну цінність нашого дослідження, але й його практичний потенціал для впровадження в реальних бізнес-сценаріях, відкриваючи нові можливості для розвитку інформаційних технологій.
Створення безсерверних serverless веб-додатків на платформі Azure Functions з використанням .NET
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2025) Красношапка, Никита Сергійович; Селівьорстова, Тетяна Віталіївна
UKR: У дослідженні розглядаються переваги використання безсерверної архітектури на базі Azure Functions у поєднанні з технологіями .NET для створення сучасних веб-додатків. Проаналізовано обмеження традиційних підходів до розробки, зокрема складність масштабування, витрати на інфраструктуру та обмежену гнучкість. Проведено огляд актуальних наукових публікацій щодо застосування безсерверних технологій та особливостей інтеграції Azure Functions з іншими сервісами Azure. Експериментальне дослідження показало, що використання Azure Functions сприяє скороченню часу розробки, підвищенню надійності та гнучкості додатків. У роботі наголошено на важливості безпеки, авторизації та правильного вибору архітектурних рішень. Запропоновано напрями подальших досліджень, пов’язані з інтеграцією безсерверних рішень у сферах IoT, Big Data та Machine Learning.