Ученые Пермского Политеха разработали новый метод распределения задач между серверами, который позволяет ускорить работу интернет-сервисов без покупки дополнительного оборудования. По данным авторов, технология сокращает время отклика на 8–10% и улучшает равномерность загрузки серверов на 60–70%. Об этом «Газете.Ru» сообщили в пресс-службе образовательного учреждения.
Современные поисковики, онлайн-кинотеатры, магазины и банковские приложения ежедневно обрабатывают миллионы запросов пользователей. За распределение нагрузки отвечает специальная система — планировщик задач, который решает, на какой сервер отправить запрос, чтобы ответ пришел быстрее и оборудование не перегружалось.
Существующие методы работают по-разному: одни ориентируются только на длину очереди задач, другие пытаются прогнозировать время выполнения, а третьи используют искусственный интеллект. Однако такие подходы либо ошибаются в прогнозах, либо требуют значительных вычислительных ресурсов. В результате часть серверов простаивает, а другие оказываются перегружены.
Новый алгоритм учитывает сразу три параметра: ожидаемое время выполнения задачи, текущую загрузку устройства и точность прошлых прогнозов для конкретного сервера. Если система замечает, что компьютер регулярно работает хуже ожидаемого, его приоритет снижается, а задачи перераспределяются на более надежные узлы.
«Если фактические показатели обработки задач хуже прогнозируемых, планировщик снижает приоритет и отправляет задачу более надежному исполнителю», — пояснил аспирант кафедры «Автоматика и телемеханика» ПНИПУ Егор Трушкин.
Эффективность метода проверили на программной модели и экспериментальном стенде с виртуализацией. Исследователи моделировали различные сценарии — от стабильной работы до случайных сбоев и нестабильного поведения вычислительных устройств.
По словам авторов, в условиях нестабильной работы серверов новая система позволила сократить время выполнения задач на 8–10%, а распределение нагрузки сделать значительно более равномерным.
Разработчики считают, что технологию можно внедрять в поисковые системы, стриминговые платформы, интернет-магазины, банковские сервисы и облачные платформы. При этом метод не требует суперкомпьютеров или обучения нейросетей, поэтому его можно использовать на существующей серверной инфраструктуре.
Ранее в России начали разработку собственной нейросети для науки и инноваций.
