Организация распределенных вычислений с помощью Docker Swarm и алгоритма Round Robin для балансировки нагрузки
Аннотация
Балансировка нагрузки в облачных вычислениях и грид-системах представляет собой важнейшую задачу, поскольку правильное распределение задач и ресурсов между узлами напрямую влияет на производительность и эффективность использования инфраструктуры. С ростом числа пользователей и увеличением сложности вычислительных задач, особенно в средах с высокими требованиями к обработке данных, разработка эффективных алгоритмов балансировки нагрузки становится неотъемлемой частью современных исследований. В статье рассматриваются как статические, так и динамические подходы к распределению нагрузки, с акцентом на использование Docker Swarm и алгоритма Round Robin для грид-систем.
Для иллюстрации предложенного метода используется инфраструктура на основе NGINX и FastAPI, которая позволяет гибко и равномерно распределять входящие запросы на сервера с минимальной загрузкой, снижая риск перегрузки отдельных узлов. В качестве ключевых показателей эффективности предложены загрузка процессора (CPU) и оперативной памяти (RAM). Проводится анализ в контексте их влияния на стабильность и производительность системы. Результаты исследования демонстрируют, что использование Docker Swarm позволяет поддерживать стабильную работу при нагрузке до 60 клиентов, обеспечивая равномерное распределение задач и минимизируя потребление ресурсов.
Представленные результаты распределения вычислительных задач, показывают устойчивость к нагрузке и сокращение времени простоя, что особенно важно для высокоприоритетных задач. Результаты тестирования подтверждают целесообразность применения данного подхода, а также открывают возможности для дальнейшего расширения системы и её адаптации для более крупных вычислительных мощностей.
Литература
2. Calheiros R.N., Ranjan R., Beloglazov A., De Rose C.a.F., Buyya R. CloudSim: a toolkit for modeling and simulation of cloud computing environments and evaluation of resource provisioning algorithms. Software Practice and Experience. 2010;41(1):23-50. https://doi.org/10.1002/spe.995
3. Varghese B., Buyya R. Next generation cloud computing: New trends and research directions. Future Generation Computer Systems. 2017;79:849-861. https://doi.org/10.1016/j.future.2017.09.020
4. Hou L., Zhao S., Xiong X., Zheng K., Chatzimisios P., Hossain M.S., Xiang W. Internet of Things Cloud: Architecture and implementation. IEEE Communications Magazine. 2016;54(12):32-39. https://doi.org/10.1109/mcom.2016.1600398cm
5. Lopez J., Rios R., Bao F., Wang G. Evolving privacy: From sensors to the Internet of Things. Future Generation Computer Systems. 2017;75:46-57. https://doi.org/10.1016/j.future.2017.04.045
6. Hou L., Zhao S., Xiong X., Zheng K., Chatzimisios P., Hossain M.S., Xiang W. Internet of Things Cloud: Architecture and implementation. IEEE Communications Magazine. 2016;54(12):32-39. https://doi.org/10.1109/mcom.2016.1600398cm
7. Shila D.M., Shen W., Cheng Y., Tian X., Shen A.X.S. AMCloud: Toward a secure autonomic mobile ad hoc cloud computing system. IEEE Wireless Communications. 2016;24(2):74-81. https://doi.org/10.1109/mwc.2016.1500119rp
8. Sharma S., Singh S., Sharma M. Performance Analysis of Load Balancing Algorithms. World Academy of Science, Engineering and Technology. 2008;38:269-272.
9. Wang S.-C., Yan K.-Q., Liao W.-P., Wang S.-S. Towards a Load Balancing in a three-level cloud computing network. In: 2010 3rd International Conference on Computer Science and Information Technology. Chengdu: IEEE Press; 2010. p. 108-113. https://doi.org/10.1109/ICCSIT.2010.5563889
10. Kokilavani T., Amalarethinam D.G. Load balanced MinMin algorithm for static MetaTask scheduling in grid computing. International Journal of Computer Applications. 2011;20(2):42-48. https://doi.org/10.5120/2403-3197
11. Katoch S., Thakur J. Load Balancing Algoritms in Cloud Computing Environment: A Review. International Journal on Recent and Innovation Trends in Computing and Communication. 2014;2(8):2151-2156. https://doi.org/10.17762/ijritcc.v2i8.3673
12. Rahmeh O.A., Johnson P., Taleb-Bendiab A. A Dynamic Biased Random Sampling Scheme for scalable and reliable Grid Networks. INFOCOMP Journal of Computer Science. 2008;7:1-10.
13. Hu J., Gu J., Sun G., Zhao T. A Scheduling Strategy on Load Balancing of Virtual Machine Resources in Cloud Computing Environment. In: 2010 3rd International Symposium on Parallel Architectures, Algorithms and Programming. Liaoning, China: IEEE Press; 2010. p. 89-96. https://doi.org/10.1109/PAAP.2010.65
14. Mishra R., Jaiswal A. Ant Colony Optimization: A solution of Load Balancing in Cloud. International Journal of Web & Semantic Technology. 2012;3(2):33-50. https://doi.org/10.5121/ijwest.2012.3203
15. Dhinesh Babu L.D., Krishna P.V. Honey bee behavior inspired load balancing of tasks in cloud computing environments. Applied Soft Computing. 2013;13(5):2292-2303. https://doi.org/10.1016/j.asoc.2013.01.025
16. Souravlas S., Anastasiadou S.D., Tantalaki N., Katsavounis S. A Fair, Dynamic Load Balanced Task Distribution Strategy for Heterogeneous Cloud Platforms Based on Markov Process Modeling. IEEE Access. 2022;10:26149-26162. https://doi.org/10.1109/ACCESS.2022.3157435
17. Sefati S., Mousavinasab M., Zareh Farkhady R. Load balancing in cloud computing environment using the Grey wolf optimization algorithm based on the reliability: performance evaluation. The Journal of Supercomputing. 2022;78:18-42. https://doi.org/10.1007/s11227-021-03810-8
18. Ghomi E.J., Rahmani A.M., Qader N.N. Load-balancing algorithms in cloud computing: A survey. Journal of Network and Computer Applications. 2017;88:50-71. https://doi.org/10.1016/j.jnca.2017.04.007
19. Chiang R.C. Contention-aware container placement strategy for docker swarm with machine learning based clustering algorithms. Cluster Computing. 2020;26(1):13-23. https://doi.org/10.1007/s10586-020-03210-2
20. Ileana M., Oproiu M.I., Viorel Marian C. Using Docker Swarm to Improve Performance in Distributed Web Systems. In: 2024 International Conference on Development and Application Systems (DAS). Suceava, Romania: IEEE Press; 2024. p. 1-6. https://doi.org/10.1109/DAS61944.2024.10541234
21. Pandey B., Mishra A.K., Yadav A., Tiwari D., Pandey M.S. Virtualization using Docker container. In: Verma A., Verma P., Farhaoui Y., Lv Z. (eds.) Emerging Real-World Applications of Internet of Things. CRC Press-Taylor & Francis Group; 2022. p. 157-181. https://doi.org/10.1201/9781003304203
22. Kaur S., Kumar K., Singh J., Ghumman N.S. Round-robin based load balancing in Software Defined Networking. In: 2015 2nd International Conference on Computing for Sustainable Global Development (INDIACom). New Delhi, India: IEEE Press; 2015. p. 2136-2139.
23. Zhu L., Cui J., Xiong G. Improved dynamic load balancing algorithm based on Least-Connection Scheduling. In: 2018 IEEE 4th Information Technology and Mechatronics Engineering Conference (ITOEC). Chongqing, China: IEEE Press; 2018. p. 1858-1862. https://doi.org/10.1109/ITOEC.2018.8740642
24. Khalid Y.N., Aleem M., Ahmed U., Islam M.A., Iqbal M.A. Troodon: A machine-learning based load-balancing application scheduler for CPU-GPU system. Journal of Parallel and Distributed Computing. 2019;132:79-94. https://doi.org/10.1016/j.jpdc.2019.05.015
25. Huang D., et al. Achieving Load Balance for Parallel Data Access on Distributed File Systems. IEEE Transactions on Computers. 2018;67(3):388-402. https://doi.org/10.1109/TC.2017.2749229
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Редакционная политика журнала основывается на традиционных этических принципах российской научной периодики и строится с учетом этических норм работы редакторов и издателей, закрепленных в Кодексе поведения и руководящих принципах наилучшей практики для редактора журнала (Code of Conduct and Best Practice Guidelines for Journal Editors) и Кодексе поведения для издателя журнала (Code of Conduct for Journal Publishers), разработанных Комитетом по публикационной этике - Committee on Publication Ethics (COPE). В процессе издательской деятельности редколлегия журнала руководствуется международными правилами охраны авторского права, нормами действующего законодательства РФ, международными издательскими стандартами и обязательной ссылке на первоисточник.
Журнал позволяет авторам сохранять авторское право без ограничений. Журнал позволяет авторам сохранить права на публикацию без ограничений.
Издательская политика в области авторского права и архивирования определяются «зеленым цветом» в базе данных SHERPA/RoMEO.
Все статьи распространяются на условиях лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная, которая позволяет другим использовать, распространять, дополнять эту работу с обязательной ссылкой на оригинальную работу и публикацию в этом журналe.
