Персона:
Синельников, Дмитрий Михайлович

Profile Picture
Email Address
Birth Date
Научные группы
Организационные подразделения
OrgUnit Logo
Организационная единица
Институт интеллектуальных кибернетических систем
Цель ИИКС и стратегия развития - это подготовка кадров, способных противостоять современным угрозам и вызовам, обладающих знаниями и компетенциями в области кибернетики, информационной и финансовой безопасности для решения задач разработки базового программного обеспечения, повышения защищенности критически важных информационных систем и противодействия отмыванию денег, полученных преступным путем, и финансированию терроризма.
Статус
Фамилия
Синельников
Имя
Дмитрий Михайлович
Имя

Фильтры

2016 - 20182
2
2
Сброс фильтров

Настройки

Start date: 2016 × End date: 2019 ×

Результаты поиска

Теперь показываю 1 - 2 из 2
  • Уменьшенное изображение
    Публикация
    Только метаданные
    Разработка и исследование методов управления виртуальными контейнерами и реализация на их основе архитектуры отказоустойчивой платформы управления виртуальными контейнерами
    (2018) Синельников, Д. М.; Синельников, Дмитрий Михайлович; Ровнягин Михаил Михайлович
    Выпускная квалификационная работа на тему «Разработка и исследование методов управления виртуальными контейнерами и реализация на их основе архитектуры отказоустойчивой платформы управления виртуальными контейнерами». Пояснительная записка содержит 77 страниц, 4 части, 30 рисунков, 5 формул, 2 таблицы, 31 источник. В приложениях приведены исходный код программного обеспечения разработанной системы. Ключевые слова: DOCKER, KUBERNETES, КЛАСТЕР, ОТКАЗОУСТОЙЧИВОСТЬ, КОНТЕЙНЕР, GO, ТЕОРИЯ СЕТЕЙ МАССОВОГО ОБСЛУЖИВАНИЯ, БРОКЕР СООБЩЕНИЙ, KAFKA, VOLUME, ПРОКСИ. Диссертация посвящена разработке методов и средств повышения отказоустойчивости на кластере с использованием системы управления виртуальными контейнерами. Пояснительная записка состоит из четырех частей, описывающих проделанную работу. В первой главе рассмотрены основные технологии распределенных систем управления виртуальными контейнерами на кластере, распределенные системы обмена сообщениями. Выполнен обзор методов и средств переноса контейнеров между узлами. Во второй главе выполнен обзор основных типов отказов, происходящих на класере, и предложены методы их разрешения. При помощи теории массового обслуживания доказана эффективность предложенных методов. В третьей главе описана общая архитектура системы, пошагово описан процесс взаимодействия с системой, детально описана структура комплекса, а также рассмотрены все ключевые подсистемы. Описан протокол взаимодействия узлов системы. В четвертой главе описаны выбранные средства реализации, показана реализация комплекса, ключевые её особенности. Разработан сценарий тестирования. Продемонстрированы результаты профилирования, нагрузочного и функционального тестирования системы.
  • Уменьшенное изображение
    Публикация
    Только метаданные
    Разработка высокопроизводительной платформы для выполнения пользовательских вычислений на гетерогенных кластерах с применением технологий GPGPU и Hadoop
    (2016) Синельников, Д. М.; Синельников, Дмитрий Михайлович; Ровнягин Михаил Михайлович
    Выпускная квалификационная работа на тему: «Разработка высокопроизводительной платформы для выполнения пользовательских вычислений на гетерогенных кластерах с применением технологий GPGPU и Hadoop». Пояснительная записка содержит 73 страницы, 3 части, 21 рисунок, 2 таблицы, 32 источника, 3 приложения. Ключевые слова: Hadoop, YARN, MAPREDUCE, GPGPU, CUDA, ДИНАМИЧЕСКАЯ БАЛАНСИРОВКА НАГРЗУКИ, LZSS, КЛАСТЕР, NOSQL, REDIS, РАЗВЕРТЫВАНИЕ КЛАСТЕРА HADOOP. Дипломный проект посвящен разработке высоконагруженной платформы, предназначенной для проведения вычислений на кластере под управлением Hadoop YARN с использованием вычислений на GPU. Пояснительная записка состоит из трех частей, описывающих проделанную работу. В первой части рассмотрены основные технологии, использующиеся для разработки и реализации высокопроизводительной платформы. При разработке платформы использовались следующие технологии: Hadoop, YARN, CUDA, Weighted Round Robin, WebSocket, Redis, OSPF и LZSS. Кроме того, был проведен анализ работ в данной области и было показано, что требованиям данной работы не удовлетворяют ни одна из рассмотренных работ. Во второй части описана архитектура высокопроизводительной платформы. Разработаны подсистемы и схема платформы. Описан процесс развертывания платформы. Кроме, того было описано два варианта соединения подсистемы балансировки нагрузки с Hadoop YARN. В третьей части показана реализация высокопроизводительной платформы на языке Java и ее ключевые особенности. Продемонстрированы результаты нагрузочного тестирования платформы, построены графики производительности. Нагрузочное тестирование показало, что разработанная платформа на много быстрее управляется со сжатием большого количества фалов, чем обычное сжатие и её можно использовать для выполнения сложных вычислительных задач.