Адаптивна динамічна оптимізація ресурсів в системах з multi-tenancy архітектурою

Abstract

У статті розглядається проблема ефективного розподілу обчислювальних ресурсів у хмарних програмних системах, які побудовані за принципом багатоорендарної архітектури. Такий підхід дозволяє одночасно обслуговувати декількох користувачів в рамках єдиного програмного екземпляра із забезпеченням ізольованості їхніх даних та конфігурацій. Такий підхід знижує витрати на інфраструктуру та спрощує обслуговування, але спільне використання ресурсів створює нові виклики, пов’язані з нерівномірним навантаженням і потенційним перевантаженням окремих компонентів системи. У межах дослідження проаналізовано класичні підходи до розподілу з’єднань з базою даних між користувачами – як статичні, що фіксують обмеження наперед, так і базові динамічні, які враховують лише поточну кількість запитів. Виявлено обмеження цих методів в умовах змінного та нерівномірного навантаження. Запропоновано нову адаптивну методику динамічної оптимізації ресурсів, яка враховує не тільки інтенсивність запитів, але й середній час їх обробки, історичні показники активності та індивідуальні характеристики кожного користувача. Методика також дозволяє враховувати ваговий коефіцієнт, що визначає вплив кожного чинника на кінцевий розрахунок. The article considers the problem of efficient allocation of computing resources in cloud software systems based on the principle of multi-tenant architecture. This approach allows to simultaneously serve several users within a single software instance while ensuring the isolation of their data and configurations. This approach reduces infrastructure costs and simplifies maintenance, but sharing resources creates new challenges associated with uneven load and potential overload of individual system components. The study analyzes classical approaches to distributing database connections among users, both static, which fix the restrictions in advance, and basic dynamic, which consider only the current number of requests. The limitations of these methods under conditions of variable and uneven load are revealed. A new adaptive methodology for dynamic resource optimization is proposed, which considers not only the intensity of requests but also the average processing time, historical activity indicators, and individual characteristics of each user. The methodology also allows considering the weighting factor that determines the impact of each factor on the final calculation.