Разработка автоматизированной системы тестирования облачного сервиса развертывания виртуальных машин с использованием современных средств мониторинга

Обложка

Цитировать

Полный текст

Аннотация

Объектом данного исследования является сервис по управлению виртуальными машинами в облачной среде. При разработке и эксплуатации такого сервиса возникает необходимость оценки его доступности и надежности на соответствие выбранному уровню качества, на который может рассчитывать клиент. В данной работе представлена разработанная система, позволяющая тестировать доступность облачного сервиса по управлению виртуальными машинами. Рассмотрен метод интеграции с существующей системой мониторинга на предприятии с использованием открытого программного обеспечения с целью уменьшения стоимости разработки и эксплуатации. Разработан и реализован тест-кейс по развертыванию и удалению виртуальной машины с использованием графического интерфейса пользователя, а также определены критерии срабатывания триггеров. Собраны и проанализированы требования к архитектуре и реализации системы на основе производственной статистики сервиса создания виртуальных машин с помощью системы мониторинга Prometheus. Новизна исследования заключается в разработке нового метода тестирования облачного сервиса по управлению виртуальными машинами с целью повышения его надежности и доступности. На основе данного метода описана и реализована система тестирования виртуальных машин а также метод интеграции в систему мониторинга облачного сервиса компании Intel. В процессе эксплуатации облачных сред с помощью данной системы были выявлены проблемные места в архитектуре сервиса создания виртуальных машин, что позволило своевременно оптимизировать работу системы. Описанный метод является эффективным способом тестирования облачных сервисов, и также может использоваться для анализа и повышения надежности и доступности.

Об авторах

Андрей Геннадьевич Марченко

Intel Corporation

Email: mar4enko.ag@gmail.com
ORCID iD: 0009-0001-9276-3907
Cloud Software Architect;

Дмитрий Александрович Щемелинин

Компания Интел

Email: dshchmel@gmail.com
ORCID iD: 0000-0003-3032-130X
Вице-президент;

Список литературы

  1. Prometheus – Monitoring system & time series database [Электронный ресурс]. URL: https://prometheus.io/docs/introduction/overview/ (дата обращения 04.04.2023).
  2. Официальный Интернет-сайт Intel [Электронный ресурс]. URL: https://www.intel.com/ (дата обращения 04.04.2023).
  3. The selenium browser automation project [Электронный ресурс]. URL: https://www.selenium.dev/documentation/ (дата обращения 04.04.2023).
  4. Щемелинин Д.А. Математические модели и методы мониторинга и прогнозирования состояния глобально распределенных вычислительных комплексов. Труды учебных заведений связи. 2021. Т. 7. № 3. С. 73–78.
  5. Щемелинин Д.А. Метод прогнозирования событий в глобально распределенных вычислительных комплексах. Современная наука: актуальные проблемы теории и практики. Серия: Естественные технические науки. 2021. № 12–2. С. 47–54.
  6. Щемелинин Д.А. Метод и алгоритм автоматического восстановления информационных сервисов на основе объективных прогностических данных мониторинга. Современная наука: актуальные проблемы теории и практики. Серия: Естественные технические науки. 2021. № 8. С. 140–144.
  7. Selenium with python [Электронный ресурс] URL: https://selenium-python.readthedocs.io/ (дата обращения 04.04.2023).
  8. The TIOBE Programming Community index an indicator of the popularity of programming languages [Электронный ресурс] URL: https://www.tiobe.com/tiobe-index/ (дата обращения 04.04.2023).
  9. Sujay Raghavendra. – Python testing with selenium – Apress Berkeley CA, 2020 – 4 c. ISBN 978-1-4842-6249-8
  10. When to use selenium grid [Электронный ресурс] URL: https://www.selenium.dev/documentation/grid/applicability/ (дата обращения 04.04.2023)
  11. Grafana documentation [Электронный ресурс]. URL: https://grafana.com/docs/grafana/latest/ (дата обращения 04.04.2023)
  12. Power comparisons of Shapiro-Wilk, Kolmogorov-Smirnov, Lilliefors and Anderson-Darling tests. Journal of Statistical Modeling and Analytics, Vol.2, No. I, 21-33, 2011. URL: https://www.nrc.gov/docs/ML1714/ML17143A100.pdf (дата обращения 04.04.2023)
  13. Detecting outliers: Do not use standard deviation around the mean, use absolute deviation around the median. Journal of Experimental Social Psychology, 49(4), 764–766. URL: https://www.sciencedirect.com/science/article/pii/S0022103113000668 (дата обращения 04.04.2023)
  14. Щемелинин Д.А. Система критериев и алгоритм обработки информации и принятия решений для программного модуля отображения наиболее значимых событий мониторинга в информационной системе. XXI век: итоги прошлого и проблемы настоящего плюс 2021. Т. 10. № 3 (55). С. 67–71.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».