Дослідження методів тестування продуктивності та масштабованості в хмарних системах

UKR: Пояснювальна записка до кваліфікаційної роботи магістра виконана на 160 сторінках, містить 24 рисунки, 9 таблиць, 7 додатків та 70 використаних джерел. У магістерській роботі було проведено дослідження методів тестування продуктивності та масштабованості в хмарних системах. Проаналізовано сучасні підходи до оцінювання ефективності хмарних сервісів, зокрема навантажувальне тестування, тестування масштабованості, стрес-тестування та тестування відмовостійкості. Обґрунтовано вибір основних метрик оцінювання, серед яких час відгуку, пропускна здатність, використання обчислювальних ресурсів, еластичність та стабільність роботи системи. У межах роботи реалізовано експериментальне середовище для тестування хмарних сховищ на базі платформ Google Cloud Platform (GCP) та Amazon Web Services (AWS S3). Проведено серію тестових сценаріїв із поступовим збільшенням навантаження та виконано порівняльний аналіз отриманих результатів. За результатами дослідження встановлено, що хмара GCP демонструє більш ефективне горизонтальне масштабування та швидшу адаптацію до змін навантаження, тоді як AWS S3 характеризується меншим часом виконання операцій. Отримані результати дозволяють визначити доцільність використання кожної платформи залежно від вимог до продуктивності та масштабованості системи. Практичне значення роботи полягає у можливості застосування запропонованих методів тестування під час проєктування та експлуатації реальних хмарних рішень з метою підвищення їх надійності та ефективності. Об’єктом дослідження є хмарні системи та сервіси зберігання даних. Предметом дослідження є методи тестування продуктивності та масштабованості в хмарних середовищах.

ENG: The explanatory note to the master's thesis is 160 pages long and contains 24 figures, 9 tables, 7 appendices, and 70 references. The master's thesis examines methods for testing performance and scalability in cloud systems. It analyzes modern approaches to evaluating the effectiveness of cloud services, including load testing, scalability testing, stress testing, and fault tolerance testing. The choice of key evaluation metrics is justified, including response time, throughput, computing resource utilization, elasticity, and system stability. As part of the work, an experimental environment for testing cloud storage based on Google Cloud Platform (GCP) and Amazon Web Services (AWS S3) platforms was implemented. A series of test scenarios with a gradual increase in load was conducted, and a comparative analysis of the results was performed. The results of the study show that the GCP cloud demonstrates more efficient horizontal scaling and faster adaptation to load changes, while AWS S3 is characterized by shorter operation execution times. The results obtained allow determining the feasibility of using each platform depending on the requirements for system performance and scalability. The practical significance of the work lies in the possibility of applying the proposed testing methods during the design and operation of real cloud solutions in order to increase their reliability and efficiency. The object of the study is cloud systems and data storage services. The subject of the study is methods for testing performance and scalability in cloud environments.