Academic literature on the topic 'Обчислювальні кластери'

Проаналізовано програмні засоби, які дозволяють моделювати та симулювати процес диспетчеризації завдань в великих комп’ютерних мережах та розподілених обчислю­вальних системах нового програмного комплексу. Запропоновано підхід до вирішення задачі планування та метод диспетчеризації потоків задач на основі невідчужуваності обчислювальних ресурсів від їх власника. В системі можуть бути використані різні за своїми властивостями та характеристиками программно-апаратні обчислювальні засоби, такі як кластери, суперкомп’ютери, персональні комп’ютери, ноутбуки та ін. Розроблено програмний комплекс, що дозволяє симулювати роботу GRID-системи з невідчужувани­ми ресурсами, а також спостерігати та досліджувати роботу різних алгоритмів в різних умовах. Описано архітектурну модель розробленого симулятора, його основні функції та можливості використання не тільки для аналізу алгоритмів диспетчеризації, але і в навчальному процесі, завдяки наявності інтуїтивно зрозумілого та інтерактивного гра­фічного інтерфейсу, що дозволяє спостерігати за процесом розподілених обчислень на вузлах системи.

Предметом дослідження в роботі є процес формування структури архітектурно-будівельного кластера з наперед заданими властивостями. Мета статті полягає в удосконаленні процедури формування кластерної структури шляхом підвищення надійності прогнозування. Дослідження орієнтовані на розробку засобів моделювання структури складних систем.При цьому, основна увага приділяється методам моделювання, що надають можливість оцінювати синергетичний ефект та наявність системоутворюючих факторів, подальшеурахування яких при управлінні значно сприятиме підвищенню конкурентоспроможності та стійкості кластера. Формування структури кластера ґрунтується на оцінюванні та порівнянні оцінок ефективності діяльності кластерів різної структури, як системи в цілому, з урахуванням результатів порівняння оцінок ефективності участі в кластері альтернативних суб’єктів кластеризації. В результаті досліджень запропоновано схему обґрунтування вибору структури архітектурно-будівельного кластера. Підтримка рішень щодоформування структури кластерів на даному етапі лишається за експертами. Наукова новизна роботи полягає у використанні моделей і методів нечіткої логіки для формалізації експертних знань, що надає можливість в подальшому застосовувати інтелектуальні системи підтримки прийняття рішень щодо кластеризації. Практична значимість роботи полягає в підвищенні надійності процедури прогнозування. Організація обчислювальних експериментів, на основі яких пропонується приймати рішення, спрямована на реалізаціюполітики з чітко визначеною стратегією підтримки перспективних чи розвитку відсутніх структурних одиниць архітектурно-будівельного кластера.

Стаття присвячена проблемі використання апаратних засобів при навчанні студентів розподіленому програмуванню. Установлено, що комплексне використання програмно-апаратних засобів при вивченні розподіленого програмування є одним з важливих методів для розвитку професійних компетентностей інженерів-програмістів. Виявлено, що для ефективного навчання студентів розподіленому програмуванню необхідна велика кількість ресурсів для розробки цих обчислень, які є достатньо компактними, щоб вписатися в рамки одного курсу та достатньо автономними. Одним з методів вивчення розподілених обчислень є використання навчального обчислювального кластеру. Розробка навчального обчислювального кластеру містить такі основні етапи: розробка навчальних завдань, для виконання яких потрібно використання обчислювального кластеру; розробка апаратної частини; встановлення операційної системи; проєктування мережі передавання даних між вузлами кластеру; налаштування головного вузла та програм керування кластером; встановлення програмного забезпечення для розробки розподілених обчислень. Тому використання кластеру допоможе розвитку професійних компетентностей майбутніх інженерів-програмістів при вивченні дисципліни «Паралельні та розподілені обчислення», яка викладається при професійній підготовці інженерів-програмістів зі спеціальності «Комп’ютерні науки». Для використання в якості вузлів обчислювального кластеру було взято для порівняння персональні комп’ютери та одноплатні комп’ютери Raspberry. Після порівняльного аналізу було проведено моделювання навчального обчислювального кластеру засобами одноплатних комп’ютерів Raspberry. У результаті тестування було виявлено, що на великих об’ємах даних, для математичних обчислень, навчальний обчислювальний кластер на одноплатних комп’ютерах Raspberry робить обчислення в півтори рази ефективніше, ніж персональний комп’ютер. Проведений аналіз розвитку професійних компетентностей при моделювання, розробці та використанні навчального обчислювального кластеру.

Наведено нові методи та рішення щодо побудови моделі поведінки користувачів, які дадуть змогу виявити закономірності планування зустрічей друзів на підставі аналізу їхнього щоденного руху. Для цього попередньо проаналізовано низку методів і алгоритмів кластеризації даних і виокремлено особливості їхнього застосування. З'ясовано, що основними перевагами методів кластеризації даних на підставі їхньої щільності є можливість виявлення кластерів вільної форми різного розміру та стійкості до шуму та викидів. Однак до недоліків цих методів можна віднести високу чутливість до встановлення вхідних параметрів, не чіткий опис класів і непридатність для кластеризації даних великих розмірів. З'ясовано, що основною проблемою всіх алгоритмів кластеризації є їх масштабованість із збільшенням обсягу оброблених даних. Встановлено, що основними проблемами більшості з них є складність налаштування оптимальних вхідних параметрів (для алгоритмів щільності, сітки чи моделі), ідентифікація кластерів різної форми та щільності (алгоритми розподілу, алгоритми на підставі сітки), нечіткі критерії завершення (ієрархічний, розділовий та на підставі моделі). Оскільки процедура кластеризації є тільки одним із етапів оброблення даних системи загалом, обраний алгоритм повинен бути простим у використанні та простим для налаштування вхідних параметрів. Дослідження показують, що ієрархічні методи кластеризації містять ряд алгоритмів, придатних як для оброблення даних невеликого обсягу, так і для аналізу великих даних, що є актуальним у галузі соціальних мереж. На підставі виконаного аналізу даних, зібрано інформацію для заповнення розумного профілю користувача. Значну увагу приділено дослідженню асоціативних правил, на підставі чого запропоновано алгоритм для вилучення асоціативних правил, що дало змогу знаходити статистично значущі правила, а також шукати тільки залежності, визначені загальним набором вхідних даних, та має високу обчислювальну складність, якщо існує багато правил класифікації. Розроблено підхід, що орієнтований на створення та розуміння моделей поведінки користувачів, прогнозування майбутньої поведінки за допомогою створеного шаблону. Досліджено методи моделювання попереднього оброблення даних (кластеризація) та виявлено закономірності планування зустрічей друзів на підставі аналізу щоденного руху людей та їхніх друзів. Наведено методи створення та розуміння моделей поведінки користувачів, застосовано алгоритм k-means для групування користувачів, що дало змогу визначити, наскільки добре кожен об'єкт знаходиться у своєму кластері. Введено поняття правил асоціації, розроблено метод пошуку залежностей, оцінено точність моделі.

У цій роботі представлена структура та функціональність zFunction, що є адаптивною розподіленою обчислювальною платформою, яка підтримує зручну модель програмування для розробки додатків для паралельної обробки. Це дозволяє розробникам розробляти програмне забезпечення як би вони програмують для одного комп'ютера, а потім він автоматично піклується про розподіл даних та паралелізацію завдань на різних вузлах кластера або декількох ядрах центрального процесора. Zфункція таким чином істотно покращує продуктивність складного розподіленого програми, що обробляють велику кількість даних у режимі реального часу, це критично важливі системи. У цій роботі використано репрезентативне тематичне дослідження з домену фінансових послуг, щоб показати, як zFunction може отримати вигоду від цих типів програм.

Створення в 1981 р. фірмою IBM персональної ЕОМ IBM PC з відкритою архітектурою призвело до появи IBM-подібних ПЕОМ, які вироблялись в багатьох країнах світу. Не відстали від цих країн СРСР і країни ради економічної взаємодопомоги, які почали випускати цілий спектр таких ПЕОМ: ЕС-1840, ЕС-1841, Искра-1030, Нейрон (СРСР); ЕС-1834, ЕС-1835 (НДР); ЕС-1839 (НРБ).Для ПЕОМ радянського виробництва були створені російськомовна операційна система АльфаДОС, текстовий редактор Лексикон, текстовий редактор Text tip (Болгарія), текстовий процесор Нейрон-текст, табличний процесор Нейрон-счет, СУБД Нейрон-база. Важко визначити, наскільки ліцензійно чистими були АльфаДОС, Нейрон-текст, Нейрон-счет, Нейрон-база, адже завдяки «залізній завісі» застосувати до СРСР санкції з приводу порушень авторських прав власників програм було непросто. Невдовзі після розпаду СРСР у багатьох країнах СНД розпочали збирання IBM-подібних ПЕОМ з комплектуючих, які ввозили переважно з країн Південно-Східної Азії. На ці ПЕОМ зазвичай встановлювали піратські версії як системного, так і прикладного програмного забезпечення (ПЗ). Очевидно, що коштували ці ПЕОМ значно дешевше аналогічних ПЕОМ європейського та американського виробництва, не кажучи вже про ПЕОМ фірми Apple. Через це операційна система MS DOS та офісний пакет Microsoft Office стали стандартом де-факто у ВНЗ країн СНД.Чи сприяла поширенню піратського ПЗ у ВНЗ відсутність законодавства про захист авторських прав власників програм, зараз сказати важко, проте майже десять років ми без обмежень копіювали і встановлювали піратські копії пропрієтарного ПЗ. В Білорусі, Російській Федерації та Україні закони про захист авторських прав власників програм прийняті в період з 1996 р. (Білорусь) по 2001 р. (Україна). У Російській Федерації в 1993 р. вступив в силу закон про авторське право і суміжні права, який втратив силу з 1.01.2008 р. у зв’язку з прийняттям четвертої частини Громадянського кодексу РФ. Однак це мало вплинуло на ситуацію з піратським ПЗ у ВНЗ цих країн. Випадки переслідувань ВНЗ за порушення авторських прав у галузі ПЗ були нечисленними і не завжди їх проводили з метою захисту авторських прав власників програм.А от застосування законів про захист авторських прав власників програм до суб’єктів господарської діяльності стало створювати тиск на ВНЗ – «вчіть своїх випускників того, з чим вони будуть працювати на наших робочих місцях». Адже багато фірм стало переходити на вільне ПЗ (ВПЗ) з метою зменшення ліцензійних виплат власникам пропрієтарного ПЗ. Ще одним аргументом на користь перелому у використанні ВПЗ у ВНЗ Білорусі, Російської Федерації і України став початок ери мобільних робочих місць – важко передбачити, яка ОС і яке прикладне ПЗ буде розгорнуто на нетбуці, планшеті чи смартфоні співробітника фірми. Поява мобільних робочих місць і швидка зміна версій системного і прикладного ПЗ спонукає ВНЗ до відмови від технологічної спрямованості лекційних курсі з комп’ютерних технологій на користь фундаментальної складової. А це призводить до появи міркувань на кшталт «якщо ми повинні навчити студентів основ роботи з графічним інтерфейсом в будь-якій ОС, то чому це має бути дорога Microsoft Windows? Може доцільніше робити це у вільній і безоплатній GNU/Linux?». Однак відмова від наробок методичного забезпечення для викладачів ВНЗ виявилась доволі непростим процесом, особливо в умовах безкарності за використання піратського ПЗ. За час від підписання Біловежської угоди про припинення існування СРСР Білорусь, Російська Федерація и Україна пройшли кожна свій шлях розвитку і було би цікаво порівняти стан з використанням ВПЗ у ВНЗ цих країн.І. Використання ВПЗ у ВНЗ БілорусіСьогодні ринок праці Білорусі вимагає знання багатьох пропрієтарних програм, починаючи з Microsoft Windows і закінчуючи спеціалізованими CAD/CAM-системами. До останнього часу ризик використання неліцензійного ПЗ був мінімальним, що не сприяло поширенню ВПЗ. Після створення в 2010 р. білоруського представництва Microsoft почалась робота з переслідування порушників авторських прав Microsoft [8]. Насамперед проводиться роз’яснювальна робота з компаніями і приватними особами, які порушують авторські права. Якщо вона не дає результату, то в цьому випадку білоруське представництво Microsoft звертається у правоохоронні органи і суди. Сьогодні в роботі перебуває біля десятка справ по відношенню до організацій, по деяких організаціях розглядаються справи про адміністративні правопорушення, по інших – питання про подання цивільних позовів.Частка легального ПЗ зросла в останні роки завдяки спеціальним знижкам постачальників і високим економічним показникам у 2011 р. Але економічний фактор поки що не є вирішальними для вибору ВПЗ. Тому використання ВПЗ у ВНЗ зазвичай зумовлено його технічними перевагами у порівнянні з пропрієтарними аналогами або вимогами ринку праці. Вибір ПЗ сервера можна розглядати як винятковий, оскільки він сильно залежить від особистих смаків системних адміністраторів.В останні роки спостерігається зростання інтересу корпоративних працедавців до GNU/Linux, переважно для убудовуваних і серверних систем.Використання ВПЗ у ВНЗ Білорусі можна розділити на три напрямки:1) ПЗ підтримки навчального процесу (переважно системне ПЗ на серверах і робочих станціях). В основному системне ВПЗ на робочих станціях представлено GNU/Linux у режимі подвійного завантаження як альтернативної ОС в комп’ютерних класах кафедр, які проводять навчання програмуванню студентів інженерних спеціалізацій. У педагогічних ВНЗ Linux на настільних комп’ютерах використовують рідко через недостатню поширеність GNU/Linux в школах Білорусі. В той же час в деяких університетах спостерігається використання Linux в тонких клієнтах з термінальним Windows-сервером (наприклад, Гродненьский державний університет імені Янки Купали);2) додаткове ПЗ, використовуване студентами в самостійній роботі. До цієї групи ПЗ можна зарахувати офісний пакет OpenOffice.org і веб-переглядач Firefox;3) ПЗ для використання навчальних курсах. У цьому напрямку ВПЗ переважно використовують в інженерних ВНЗ, особливо тих, які здійснюють навчання ІТ-спеціалістів, а саме: ВПЗ для навчання програмуванню мовами Асемблер, Java і PHP, SciLab для виконання математичних розрахунків, QCAD/LibreCAD, Blender, Circuit CAD для вивчення систем автоматизованого проектування, використання вільних систем віртуалізації VirtualBox і KVM для вивчення операційних систем, застосування Moodle і iTest для тестової перевірки знань студентів.Окремо слід наголосити на використанні ВПЗ для кластерів і національної GRID-системи Білорусі, до якої залучені ресурси провідних університетів (Білоруський державний університет, Гродненський державний університет імені Янки Купали, Білоруський державний університет інформатики і радіоелектроніки, Білоруський національний технічний університет), наукових установ і підприємств країни в межах спільної російсько-білоруської програми СКІФ-ГРІД.На рис. 1 відображено використання ВПЗ у ВНЗ Білорусі.ІІ. Використання ВПЗ у ВНЗ Російської ФедераціїНа відміну від Білорусі в Російській Федерації в 2008 р. була прийнята концепція розвитку розробки та використання ВПЗ. В межах цієї концепції в 2008–2010 рр. реалізована програма використання ВПЗ в школах Російської Федерації (в 35% шкіл ВПЗ встановлено на більш ніж 50% комп’ютерів).Рис. 1. Використання ВПЗ у ВНЗ Білорусі Слід зауважити, що, на відміну від Білорусі та України, в Російській Федерації прослідковується значна активність контрольних органів з приводу ліцензійності ПЗ. Як випливає з огляду судових справ [10] в Російській Федерації винесені присуди: в 2012 р. 30 присудів; в 2011 р. 43 присуди; в 2010 р. 70 присудів; в 2009 р. 92 присуди; в 2008 р. 127 присудів. Найбільш резонансною була справа О. М. Поносова, яка і призвела до створення в 2008 р. громадської організації «Центр свободных технологий».Як випливає з [1-3], у більшості ВНЗ Російської Федерації використовують як Microsft Windows, так і GNU/Linux. Лише в деяких ВНЗ адміністрація прийняла рішення про повний перехід на ВПЗ (Санкт-Петербурзький торгово-економічний університет, Томський державний педагогічний університет, Нижньо-Новгородський радіотехнічний коледж). Як і в Білорусі, використання ВПЗ у ВНЗ Російської Федерації можна розділити на три напрямки [3-5]:1) ПЗ підтримки навчального процесу (переважно системне ПЗ на серверах і робочих станціях). В основному системне ВПЗ на робочих станціях представлено GNU/Linux в режимі подвійного завантаження як альтернативної ОС в комп’ютерних класах кафедр;2) додаткове ПЗ, використовуване студентами в самостійній роботі;3) ПЗ для використання в навчальних курсах. В цьому напрямку спектр ВПЗ значно ширший, ніж в Білорусі. Варто вказати на використання ВПЗ для вивчення програмування мовами С/C++, Pascal (Free Pascal, Lazarus), Java, Haskell, Пролог; SciLab, Octave, Sage для виконання математичних розрахунків; організації систем дистанційного навчання; використання вільних систем віртуалізації для вивчення операційних систем; інструментарій для філологічного аналізу текстів; використання інструментарію верифікації ПЗ в навчання магістрів; створення електронних освітніх ресурсів підтримки навчального процесу для заочної форми навчання (напевно, реальний список використовуваного ВПЗ значно ширший, але у відкритому доступі даних про це поки що немає).У ВНЗ Російської Федерації активно експлуатуються обчислювальні кластери з ВПЗ. За ініціативою ректорів Московського державного університету імені М. В. Ломоносова, Нижньо-Новгородського університету імені М. І. Лобачевського, Томського державного університету, Південноуральського державного університету створений «Суперкомп’ютерний консорціум університетів Росії». В список TOP500 від грудня 2012 входить вісім російських суперкомп’ютерів (№ 26, 59, 155, 170, 222, 300, 303, 423).Рис. 2. Використання ВПЗ у ВНЗ Російської ФедераціїСлід наголосити, що в Російській Федерації накопичено значний досвід розробки ВПЗ, зокрема – дистрибутивів Linux: ALT Linux (http://altlinux.ru), Calculate Linux (http://www.calculate-linux.ru), ROSA (http://rosalab.ru). Наявність компаній, які ведуть розробку ВПЗ, дає змогу створювати спеціалізовані вільні програми та істотно спрощує реалізацію проектів з впровадження Linux в школі і вищі заклади освіти.III. Використання ВПЗ у ВНЗ УкраїниВ Україні «Державна цільова науково-технічна програма використання в органах влади ПЗ з відкритим кодом» затверджена у 2011 р., проте до реального її виконання поки що не дійшло.Як випливає з [9], в Україні, на відміну від Російської Федерації, випадки порушень авторських прав власників програм відповідні державні органи перевіряють в значно меншому обсязі і переважно в госпрозрахункових організаціях. Особливо активними були перевірки в 2006-2007 рр. В 2012 р. розпочалась друга хвиля перевірок ліцензійності ПЗ від Microsoft. В цьому році вперше керівники ВНЗ отримали офіційні листи з Microsoft з пропозиціями легалізувати використовувані у ВНЗ копії Microsoft Windows та Microsoft Office. В передноворічному інтерв’ю [7] генеральний директор Microsoft Ukraine Д. Шимків заявив про високу імовірність порушення декількох показових судових процесів в Україні в 2013 р.Після придбання ВНЗ ПЕОМ з переважно ліцензійними Microsoft Windows і Microsoft Office на них встановлюють велику кількість неліцензійного ПЗ, чим фактично змарновують великі витрати коштів на первинне придбання ПЗ (Львівський національний університет імені Івана Франка до економічної кризи 2008 р. кожен рік придбавав приблизно 1000 ПЕОМ. Сумарна вартість ліцензій лише на Microsoft Windows (ОЕМ-версія) і Microsoft Office складала майже 300000$ на рік – доволі велика сума, як для ВНЗ!). У більшості випадків вибір саме пропрієтарного ПЗ зумовлювався навіть не споживацькими якостями цих програм, а фактом поверхневого знайомства викладача з цією програмою або навіть наявністю у нього якої-небудь книжки з описом програми.Як і в Білорусі та Російській Федерації, використання ВПЗ у ВНЗ України можна розділити на три напрямки [1; 2]:1) ПЗ підтримки навчального процесу (переважно системне ПЗ на серверах і робочих станціях). В основному системне ВПЗ на робочих станціях представлено GNU/Linux в режимі подвійного завантаження як альтернативної ОС в комп’ютерних класах кафедр;2) додаткове ПЗ, використовуване студентами в самостійній роботі;3) ПЗ для використання в навчальних курсах. В цьому напрямку спектр ВПЗ є значно ширшим, ніж у Білорусі. Це використання систем комп’ютерної математики, організація систем дистанційного навчання, використання вільних систем віртуалізації для вивчення операційних систем, застосування ВПЗ для тестування апаратного забезпечення ПЕОМ; використання офісного пакету OpenOffice.org.ukr в курсі інформатики ВНЗ, використання відкритих засобів програмування для навчання і наукових досліджень.У ВНЗ України експлуатуються обчислювальні кластери з ВПЗ, поруч із спеціалізованими установками широко використовують розподілені кластерні системи та системи з виконанням обчислень на графічних процесорах.Враховуючи викладене, можна констатувати як широкий спектр використання ВПЗ в українських ВНЗ – від дистанційного навчання до розробки ПЗ, – так і широку географію використання ВПЗ від Луганська на сході до Львова на заході та від Чернігова на півночі до Одеси на півдні (рис. 3). Рис. 3. Використання ВПЗ у ВНЗ України

Будь-яка, навіть найефективніша, логічно обґрунтована і корисна інновація (чи то теорія геліоцентризму Коперника або «походження видів» Дарвіна), якщо вона суперечить існуючій на даний момент догмі, приречена на ірраціональний скепсис, тривале і навмисне замовчування, обумовлене специфікою суспільних процесів і включеність людської психіки в ці процеси.Томас Семюел Кун Існуюча система освіти перестала влаштовувати практично всі держави світу і піддається активному реформуванню в наші дні. Перспективним напрямом використання в навчальному процесі є нова інформаційна технологія, яка дістала назву хмарні обчислення (Cloud computing). Концепція хмарних обчислень стала результатом еволюційного розвитку інформаційних технологій за останні десятиліття.Без сумніву, результати досліджень російських вчених: А. П. Єршова, В. П. Зінченка, М. М. Моісєєва, В. М. Монахова, В. С. Лєдньова, М. П. Лапчика та ін.; українських вчених В. Ю. Бикова, В. М. Глушкова, М. І. Жалдака, В. С. Михалевича, Ю. І. Машбиця та ін.; учених Білорусії Ю. О. Бикадорова, А. Т. Кузнєцова, І. О. Новик, А. І. Павловського та ін.; учених інших країн суттєво вплинули на становлення та розвиток сучасних інформаційних технологій навчання [1], [2], але в організації освітнього процесу виникають нові парадигми, наприклад, хмарні обчислення. За оцінками аналітиків Гартнер груп (Gartner Group) хмарні обчислення вважаються найбільш перспективною стратегічною технологією майбутнього, прогнозується міграція більшої частини інформаційних технологій в хмари на протязі найближчих 5–7 років [17].Згідно з офіційним визначенням Національного інституту стандартів і технологій США (NIST), хмарні обчислення – це система надання користувачеві повсюдного і зручного мережевого доступу до загального пулу інформаційних ресурсів (мереж, серверів, систем зберігання даних, додатків і сервісів), які можуть бути швидко надані та гнучко налаштовані на його потреби з мінімальними управлінськими зусиллями і необхідністю взаємодії з провайдером послуг (сервіс-провайдером) [18].У США в університетах функціонують віртуальні обчислювальні лабораторії (VCL, virtual computing lab), які створюються в хмарах для обслуговування навчального та дослідницьких процесів. В Південній Кореї запущена програма заміни паперових підручників для середньої школи на електронні, які зберігаються в хмарі і доступні з будь-якого пристрою, який може бути під’єднаний до Інтернету. В Росії з 2008 року при Російській академії наук функціонує програма «Університетський кластер», в якій задіяно 70 університетів та дослідних інститутів [3], в якій передбачається використання хмарних технологій та створення web-орієнтованих лабораторій (хабів) в конкретних предметних галузях для надання принципово нових можливостей передавання різноманітних інформаційних матеріалів: лекцій, семінарів, лабораторних робіт і т. п. Є досвід певних російських вузів з використання цих технологій, зокрема в Московському економіко-статистичному інституті вся інфраструктура переводиться на хмарні технології, а в навчальних програмах включені дисципліни з навчання технологій.На сьогодні в Україні теж почалося створення національної освітньої інформаційної мережі на основі концепції хмарних обчислень в рамках національного проекту «Відкритий світ», який планується здійснити протягом 2010-2014 рр. Відповідно до наказу Міністерства освіти та науки України від 23.02.2010 р. №139 «Про дистанційне моніторингове дослідження рівня сформованості у випускників загальноосвітніх навчальних закладів навичок використання інформаційно-комунікаційних технологій у практичній діяльності» у 2010 році було вперше проведено дистанційне моніторингове дослідження з метою отримання об’єктивних відомостей про стан інформатичної освіти та розроблення стратегії її подальшого розвитку. Для цих цілей було обрано портал (приклад гібридної хмари), створений на основі платформи Microsoft Azure [4].Як показує зарубіжний досвід [8], [11], [12], [14], [15], вирішити названі проблеми можна шляхом впровадження в навчальний процес хмарних обчислень. У вищих навчальних закладах України розроблена «Програма інформатизації і комп’ютеризації навчального процесу» [1, 166]. Але, проаналізувавши стан впровадження у ВНЗ хмарних технологій, можна зробити однозначний висновок про недостатню висвітленість цього питання в літературних та Інтернет-джерелах [1], [7].Переважна більшість навчальних закладів лише починає впроваджувати хмарні технології в навчальний процес та включати відповідні дисципліни для їх вивчення. Аналіз педагогічних праць виявив недостатнє дослідження питання використання хмарних обчислень у навчальному процесі. Цілком очевидно, що інтеграція хмарних сервісів в освіту сьогодні є актуальним предметом для досліджень.Для навчальних закладів все більшого значення набуває інформаційне наповнення та функціональність систем управління віртуальним навчальним середовищем (VLE, virtual learning environment). Не існує чіткого визначення VLE-систем, та й в самих системах в міру їх заглиблення в Інтернет постійно удосконалюються наявні і з’являються нові інструменти (блоги, wiki-ресурси). VLE-системи критикують в основному за слабкі можливості генерації та зберігання створюваного користувачами контенту і низький рівень інтеграції з соціальними мережами.Існує кілька полярних підходів до способів надання освіти за допомогою сучасних інформаційно-комунікаційних технологій та інформаційних ресурсів. З одного боку – навчальні заклади з віртуальним навчальним середовищем VLE, а з іншого – персональне навчальне середовище, створене з Web 2.0 сайтів та кероване учнями. Але варто звернути увагу на нову модель, що може зруйнувати обидва наявні підходи. Сервіси «Google Apps для навчальних закладів» та «Microsoft Live@edu» включають в себе широкий набір інструментів, які можна налаштувати згідно потреб користувача. Описувані системи розміщуються в так званій «обчислювальній хмарі» або просто «хмарі».Хмара – це не просто новий модний термін, що застосовується для опису Інтернет-технологій віддаленого зберігання даних. Обчислювальна хмара – це мережа, що складається з численної кількості серверів, розподілених в дата-центрах усього світу, де зберігаються безліч копій. За допомогою такої масштабної розподіленої системи здійснюється швидке опрацювання пошукових запитів, а система є надзвичайно відмовостійка. Система побудована так, що після закінчення тривалого періоду при потребі можна провести заміну окремих серверів без зниження загальної продуктивності системи. Google, Microsoft, Amazon, IBM, HP і NEC та інші, мають високошвидкісні розподілені комп’ютерні мережі та забезпечують загальнодоступність інформаційних ресурсів.Хмара може означати як програмне забезпечення, так і інфраструктуру. Незалежно від того, є сервіс програмним чи апаратним, необхідно мати критерій, для допомоги визначення, чи є даний сервіс хмарним. Його можна сформулювати так: «Якщо для доступу до інформаційних матеріалів за допомогою даного сервісу можна зайти в будь-яку бібліотеку чи Інтернет-клуб, скористатися будь-яким комп’ютером, при цьому не ставлячи ніяких особливих вимог до операційної системи та браузера, тоді даний сервіс є хмарним».Виділимо три умови, за якими визначатимемо, чи є сервіс хмарним.Сервіс доступний через Web-браузер або за допомогою спеціального інтерфейсу прикладної програми для доступу до Web-сервісів;Для користування сервісом не потрібно жодних матеріальних затрат;В разі використання додаткового програмного забезпечення оплачується тільки той час, протягом якого використовувалось програмне забезпечення.Отже, хмара – це великий пул легко використовуваних і доступних віртуалізованих інформаційних ресурсів (обладнання, платформи розробки та/або сервіси). Ці ресурси можуть бути динамічно реконфігуровані для обслуговування мінливого навантаження (масштабованості), що дозволяє також оптимізувати використання ресурсів. Такий пул експлуатується на основі принципу «плати лише за те, чим користуєшся». При цьому гарантії надаються постачальником послуг і визначаються в кожному конкретному випадку угодами про рівень обслуговування.Існує три основних категорії сервісів хмарних обчислень [10]:1. Комп’ютерні ресурси на зразок Amazon Elastic Compute Cloud, використання яких надає організаціям можливість запускати власні Linux-сервери на віртуальних комп’ютерах і масштабувати навантаження гранично швидко.2. Створені розробниками програми для пропрієтарних архітектур. Прикладом таких засобів розробки є мова програмування Python для Google Apps Engine. Він безкоштовний для використання, однак існують обмеження за обсягом даних, що зберігаються.3. Сервіси хмарних обчислень – це різноманітні прикладні програмні засоби, розміщені в хмарі і доступні через Web-браузер. Зберігання в хмарі не тільки даних, але і програм, змінює обчислювальну парадигму в бік традиційної клієнт-серверної моделі, адже на стороні користувача зберігається мінімальна функціональність. Таким чином, оновлення програмного забезпечення, перевірка на віруси та інше обслуговування покладається на провайдера хмарного сервісу. А загальний доступ, управління версіями, спільне редагування стають набагато простішими, ніж у разі розміщення програм і даних на комп’ютерах користувачів. Це дозволяє розробникам постачати програмні засоби на зручних для них платформах, хоча необхідно переконатися, що програмні засоби придатні до використання при роботі з різними браузерами.З точки зору досконалості технології, програмне забезпечення в хмарах розвинуте значно краще, ніж апаратна складова.Особливу увагу звернемо на програмне забезпечення як послугу (SaaS, Software as a Servise), що позначає програмну складову у хмарі. Більшість систем SaaS є хмарними системами. Для користувачів системи SaaS не важливо, де встановлене програмне забезпечення, яка операційна система при цьому використовується та якою мовою воно описане. Головне – відсутня необхідність встановлювати додаткове програмне забезпечення.Наприклад, Gmail представляє собою програму електронної пошти, яка доступна через браузер. Її використання забезпечує ті ж функціональні можливості, що Outlook, Apple Mail, але для користування нею необхідно «thick client» («товстий клієнт»), або «rich client» («багатий клієнт»). В архітектурі «клієнт – сервер» це програми з розширеними функціональними характеристиками, незалежно від центрального сервера. При такому підході сервер використовується як сховище даних, а вся робота з опрацювання і подання даних переноситься на клієнтський комп’ютер.Системи SaaS наділені деякими визначальними характеристиками:– Доступність через Web-браузер. Програмне забезпечення типу SaaS не потребує встановлення жодних додаткових програм на комп’ютер користувача. Доступ до систем SaaS здійснюється через Web-браузер з використанням відкритих стандартів або універсальний плагін браузера. Хмарні обчислення та програмне забезпечення, яке є власністю певної компанії, не поєднуються між собою.– Доступність за вимогою. За наявності облікового запису можна отримувати доступ до програмного забезпечення в будь-який момент та з будь-якої географічної точки земної кулі.– Мінімальні вимоги до інфраструктури ІТ. Для конфігурування систем SaaS потрібен мінімальний рівень технічних знань (наприклад, для управління DNS в Google Apps), що не виходить за рамки, характерні для звичайного користувача. Висококваліфікований IT-адміністратор для цього не потрібний.Переваги хмарної інфраструктури. Наявність апаратних засобів у власності потребує їх обслуговування. Планування необхідної потужності та забезпечення ресурсами завжди актуальні. Хмарні обчислення спрощують вирішення двох проблем: необхідність оцінювання характеристик обладнання та відсутність коштів для придбання нового потужного обладнання. При використанні хмарної інфраструктури необхідні потужності додаються за лічені хвилини.Зазвичай на кожному сервері передбачено резерв, що забезпечує вирішення типових апаратних проблем. Наприклад, резервний жорсткий диск, призначений для заміни диска, що вийшов з ладу, в складі масиву RAID. Необхідно скористатися послугами для встановлення нового диску на сервер. Для цього потрібен час та висока кваліфікація спеціаліста, щоб роботу виконати швидко з метою уникнення повного виходу сервера з ладу. Якщо сервер остаточно вийшов з ладу, використовується якісна, актуальна резервна копія та досконалий план аварійного відновлення. Тільки тоді є можливість провести відновлення системи в короткий термін, причому завжди в ручному режимі.При використанні хмар немає потреби перейматись проблемами стосовно апаратних засобів, що використовуються. Користувач може і не дізнатися про те, що фізичний сервер вийшов з ладу. Якщо правильно дібрано інструментарій, можливе автоматично відновлення даних після надскладної аварійної ситуації. При використанні хмарної інфраструктури у такому випадку можна відмовитись від віртуального сервера і отримати інший. Немає потреби думати про утилізацію та перейматися про нанесену шкоду навколишньому середовищу.Хмарне сховище. Абстрагування від апаратних засобів в хмарі здійснюється не тільки завдяки заміні фізичних серверів віртуальними. Віртуалізації підлягають і системи фізичного зберігання даних.При використанні хмарного сховища можна переносити дані в хмару, не переймаючись, яким чином вони зберігаються та не турбуючись про їх резервне копіювання. Як тільки дані, переміщені в хмару, будуть потрібні, достатньо буде просто звернутись в хмару і отримати їх. Існує кілька підходів до хмарного сховища. Йдеться про поділ даних на невеликі порції та зберігання їх на багатьох серверах. Порції даних наділяються індивідуально обчисленими контрольними сумами, щоб дані можна було швидко відновити в критичних ситуаціях.Часто користувачі працюють з хмарним сховищем так, ніби мають справу з мережевим накопичувачем. Щодо принципу функціонування хмарне сховище принципово відрізняється від традиційних накопичувачів, оскільки у нього принципово інше призначення. Обмін даними при використанні хмарного сховища повільніший, воно більш структуроване, внаслідок чого його використання як оперативного сховища даних непрактичне. Зазначимо, що використання хмарного сховища недоцільне для транзакцій в хмарних прикладних програмах. Хмарне сховище сприймається, як аналог резервної копії на стрічковому носієві, хоча на відміну від системи резервного копіювання зі стрічковим приводом в хмарі не потрібні ні привід, ні стрічки.Grid Computing (англ. grid – решітка, грати) – узгоджене, відкрите та стандартизоване комп’ютерне середовище, що забезпечує гнучкий, безпечний, скоординований розподіл обчислювальних ресурсів і ресурсів збереження інформації, які є частиною даного середовища, в рамках однієї віртуальної організації [http://gridclub.ru/news/news_item.2010-08-31.0036731305]. Концепція Grid Computing представляє собою архітектуру множини прикладних програмних засобів – найпростіший метод переходу до хмарної архітектури. Програмні засоби, де використовуються grid-технології, є програмним забезпеченням, при функціонуванні якого інтенсивно використовуються ресурси процесора. В grid-програмах розподіляються операції опрацювання даних на невеликі набори елементарних операцій, що виконуються ізольовано.Використання хмарної інфраструктури суттєво спрощує та здешевлює створення grid-програм. Якщо потрібно опрацювати якісь дані, використовують сервер для опрацювання даних. Після завершення опрацювання даних сервер можна призупинити, або задати для опрацювання новий набір даних.На рисунку 1 подано схему функціонування grid-програми. На сервер, або кластер серверів, поступає набір даних, які потрібно опрацювати. На першому етапі дані передаються в чергу повідомлень (1). На інших вузлах аналізується чергою повідомлень (2) про нові набори даних. Коли набір даних з’являється в черзі повідомлень, він аналізується на першому комп’ютері, де його виявлено, а результати надсилаються назад в чергу повідомлень (3), звідки вони зчитуються сервером або кластером серверів (4). Обидва компоненти можуть функціонувати незалежно один від одного, а кожен з них може функціонувати навіть в тому випадку, якщо другий компонент не задіяний на жодному комп’ютері. Рис. 1. Архітектура grid-програм У такій ситуації використовуються хмарні обчислення, оскільки при цьому не потрібні власні сервери, а за відсутності даних для опрацювання не потрібні сервери взагалі. Таким чином можна масштабувати потужності, що використовуються. Інакше кажучи, щоб комп’ютер не використовувався «вхолосту», важливо опрацьовувати дані за мірою їх надходження. Сервери включаються, коли потік даних інтенсивний, а виключаються в міру ослаблення інтенсивності потоку. Grid-програми мають дещо обмежену область застосування (опрацювання великих об’ємів наукових і фінансових даних). В переважній частині таких програм використовуються транзакційні обчислення.Транзакційна система – це система, де один і більше вхідних наборів даних опрацьовуються одночасно в рамках однієї транзакції та в

Виконання лабораторних робіт в рамках курсу «Системне адміністрування ОС Linux» вимагає наявності більше ніж одного комп’ютера на одного студента. Наприклад, проведення лабораторних робіт із встановлення та налагодження маршрутизатора передбачає, як мінімум, наявності двох комп’ютерів: маршрутизатора і робочої станції.Одним з варіантів є використання у якості маршрутизаторів старих комп’ютерів, звісно, за їх наявності. Але такі комп’ютери мають вже відпрацьований ресурс і, як наслідок, невелику надійність. Тому в ході виконання лабораторної роботи важко визначити причину, через яку виникла помилка – внаслідок неправильного конфігурування програмного забезпечення чи через апаратну несправність. До того ж апаратне забезпечення застарілої ПЕОМ може не відповідати вимогам сучасного програмного забезпечення.Також можливий варіант, коли студенти об’єднуються у групи для вивільнення необхідної кількості комп’ютерів. Лабораторні роботи з встановлення маршрутизатора передбачають наявність в ПЕОМ двох мережевих контролерів, для чого потрібно встановити в системному блоці ще один мережевий контролер, а також замінити жорсткий диск з робочою операційною системою на інший. На жаль, така можливість є не завжди через відсутність додаткових жорстких дисків та мережевих контролерів або через умови гарантійного обслуговування комп’ютерної техніки, які не дозволяють відкривати опломбовані системні блоки.Оптимальним варіантом, на думку автора, є використання технологій віртуалізації [1; 2]. В якості системи віртуалізації було використано дистрибутив з вільним вихідним кодом Proxmox Virtual Environment (Proxmox VE), який дозволяє використовувати у якості гіпервізорів KVM (Kernel-based Virtual Machine) та OpenVZ [3].Для виконання лабораторних робіт був створений полігон, схема якого зображена на рис. 1.Для кожної групи студентів були створені користувачі в системі Proxmox VE (grp00..grp5). Кожному з користувачів було надано доступ до двох віртуальних машин і до сховища, де зберігаються ISO-образи з операційними системами. Причому, з міркувань безпеки, доступ до параметрів конфігурації віртуальних машин був примусово обмежений. Користувач мав право змінювати тільки один параметр – назву файла з образом операційної системи. На рис. 2 зображено інтерфейс керування віртуальними машинами, які доступні користувачу grp00. Комп’ютерна лабораторія під’єднана до загальноуніверситетської мережі через маршрутизатор комп’ютерної лабораторії. Це дає змогу уникнути небажаних наслідків у разі неправильного конфігурування ПЕОМ в лабораторії. Мережа лабораторії розділена на підмережі (рис. 1). У підмережу 192.168.30.X увімкнені фізичні ПЕОМ, маршрутизатор та фізичний комутатор а також сервер віртуальних машин з системою віртуалізації Proxmox VE. На сервері віртуальних машин створено декілька віртуальних підмереж з віртуальними маршрутизаторами та комутаторами. Підмережа 192.168.34.X створена з метою унеможливити втрату непрацездатності комп’ютерної лабораторії через некоректне конфігурування студентами віртуальних маршрутизаторів grp00 – grp05. Підмережі 192.168.1.X – 192.168.6.X створені, відповідно, для користувачів grp00 – grp05. Інтерфейс керування для створення віртуальних комутаторів зображено на рис. 3, де vmbr0 – віртуальний комутатор підмережі 192.168.30.X, за допомогою якого здійснюється під’єднання до ПЕОМ та маршрутизатора і комутатора навчальної лабораторії, vmbr34 – віртуальний комутатор підмережі 192.168.34.X, vmbr9000 – vmbr9005 – віртуальні комутатори підмереж 192.168.1.X – 192.168.6.X.Студенти з ПЕОМ навчальної лабораторії за допомогою Інтернет-переглядача мають доступ до екранів своїх віртуальних машин (рис. 4). У разі втрати працездатності підмереж 192.168.30.X та 192.168.1.X – 192.168.6.X доступ до екранів віртуальних машин збережеться завдяки тому, що ПЕОМ навчальної лабораторії та сервер віртуальних машин знаходяться в підмережі 192.168.30.X, доступ до якої студентам заборонено. Наведену схему навчального полігону можна використовувати у комп’ютерних класах загального використання, тому що вона не потребує зміни критичних параметрів операційної системи на ПЕОМ класу і зводить ризик втрати працездатності комп’ютерного класу до мінімуму.У разі виникнення потреби збільшення обчислювальної потужності можна використати декілька серверів віртуальних машин, об’єднавши їх у кластер [4].

Роботу присвячено питанням розподіленої обробки транзакцій при проведенні аналізу великих обсягів даних з метою пошуку асоціативних правил. На основі відомих алгоритмів глибинного аналізу даних для пошуку частих предметних наборів AIS та Apriori було визначено можливі варіанти паралелізації, які позбавлені необхідності ітераційного сканування бази даних та великого споживання пам'яті. Досліджено можливість перенесення обчислень на різні платформи, які підтримують паралельну обробку даних. В якості обчислювальних платформ було обрано MapReduce – потужну базу для обробки великих, розподілених наборів даних на кластері Hadoop, а також програмний інструмент для обробки надзвичайно великої кількості даних Apache Spark. Проведено порівняльний аналіз швидкодії розглянутих методів, отримано рекомендації щодо ефективного використання паралельних обчислювальних платформ, запропоновано модифікації алгоритмів пошуку асоціативних правил. В якості основних завдань, реалізованих в роботі, слід визначити дослідження сучасних засобів розподіленої обробки структурованих і не структурованих даних, розгортання тестового кластера в хмарному сервісі, розробку скриптів для автоматизації розгортання кластера, проведення модифікацій розподілених алгоритмів з метою адаптації під необхідні фреймворки розподілених обчислень, отримання показників швидкодії обробки даних в послідовному і розподіленому режимах з застосуванням Hadoop MapReduce. та Apache Spark, проведення порівняльного аналізу результатів тестових вимірів швидкодії, отримання та обґрунтування залежності між кількістю оброблюваних даних, і часом, витраченим на обробку, оптимізацію розподілених алгоритмів пошуку асоціативних правил при обробці великих обсягів транзакційних даних, отримання показників швидкодії розподіленої обробки існуючими програмними засобами. Ключові слова: розподілена обробка, транзакційні дані, асоціативні правила, обчислюваний кластер, Hadoop, MapReduce, Apache Spark

Магістерська дисертація: 116 с., 17 рис., 7 табл., 1 додаток, 53 джерела. Актуальність. Концепція центрів обробки даних або дата-центрів (ЦОД) втілена багатьма великими корпораціями для забезпечення доступу великої кількості користувачів до певних ресурсів. Ефективне управління ЦОД пов’язане з необхідністю розв’язання низки проблем, насамперед створення умов для функціонування інформаційно-обчислювальних потужностей ЦОД, управління віртуалізованими ресурсами, забезпечення надійності та безпеки. Вкладаючи кошти, хостингові компанії сподіваються на прибуток та очікують зменшення витрат на експлуатацію ЦОД, зниження вартості обслуговування користувачів, що дозволить, зрештою, закласти основу для ефективної діяльності, як самої компанії, так і клієнтів. Забезпечення рівня вимог користувачів з мінімізацією витрат становить сутність проблеми управління функціонуванням ЦОД. Зазвичай цю комплексну проблему розбивають на ряд задач менших розмірів, але від того не набагато простіших. Однією з них є задача управління ресурсами і навантаженням ЦОД. У зв’язку з цим актуальною є розробка алгоритму навчання з підкріпленням (НП, англ. reinforcement learning, RL) [1] для управління віртуалізованими ресурсами, який допоможе зменшити споживання електроенергії та час порушення вимог угоди про рівень послуг (англ. Service-level agreement, SLA). Зв'язок роботи з науковими програмами, планами, темами. Робота виконувалась на кафедрі автоматизованих систем обробки інформації та управління Національного технічного університету України «Київський політехнічний інститут ім. Ігоря Сікорського» в рамках теми «Розробка та впровадження системи управління ІТ-інфраструктурою з консолідованими інформаційно-обчислювальними ресурсами» (№ 0115U000322). Метою дослідження є поліпшення якості управління віртуалізованими обчислювальними ресурсами кластеру хмарного ЦОД шляхом розробки алгоритму управління, що дозволяє зменшити споживання електроенергії та час порушення вимог SLA. Для досягнення поставленої мети мають бути виконані наступні завдання:  проаналізувати предметне середовище управління віртуалізованими ресурсами ЦОД;  провести огляд методів управління обчислювальними ресурсами;  обрати середовище моделювання ЦОД;  розробити модель ЦОД в обраному середовищі моделювання;  розробити моделі споживання електроенергії фізичними серверами;  підготувати дані для моделювання динамічного навантаження віртуальних машин в ЦОД;  розробити алгоритм НП для управління віртуалізованими обчислювальними ресурсами ЦОД;  виконати програмну реалізацію алгоритму НП;  провести дослідження ефективності розробленого алгоритму. Об’єктом дослідження є процес управління віртуалізованими обчислювальними ресурсами в центрі обробки даних. Предметом дослідження є методи і алгоритми управління віртуалізованими обчислювальними ресурсами в центрі обробки даних. Методами дослідження є методи машинного навчання, які базуються на НП. Наукова новизна отриманих результатів. Проаналізовано можливість застосування НП для управління віртуалізованими ресурсами хмарних ЦОД. Розроблено метод динамічного розміщення віртуальних машин на основі НП, який при виборі управляючих впливів враховує витрати електроенергії та час порушення вимог угоди про рівень послуг. Розроблений алгоритм агента, який враховує зміни робочого навантаження на ресурси для прийняття рішення щодо включення або переключення в сплячий режим незавантажених фізичних серверів з метою зменшення витрат електроенергії. Запропонований агент навчання з підкріпленням базується на методі Q-навчання (англ. Q-learning) [2], який дозволяє визначати наближену до оптимальної політику управління режимами роботи фізичного сервера без попередньої інформації про навантаження. Публікації. Матеріали роботи опубліковані у тезах 10-ї Всеукраїнської науково-практичної конференції «Комп’ютерні інтелектуальні системи та мережі» [3]; опубліковані у тезах 18-ї Всеукраїнської студентської науково-практичної конференції «Наука та техніка ХХІ століття» [4]; опубліковані у тезах науково-практичної конференції «Інформатика та обчислювальна техніка-ІОТ-2018» [5]; опубліковані в журналі «Наукові вісті Далівського університету» [6]; представлені на 14-ій міжнародній конференції Advanced Trends in Radioelectronics, Telecommunications and Computer Engineering-TCSET-2018, Львів-Славське, Україна та опубліковані в електронній бібліотеці IEEE Xplore Digital Library [7].
Master dissertation: 116 pp., 17 fig., 7 tab., 1 app., 53 sources. Topicality. The concept of data centers is embodied by many large corporations to provide access to a large number of users to certain resources. Effective management of the data center is connected with the need to solve a number of problems, first of all, creation of conditions for functioning of information and computing facilities of data centers, management of virtualized resources, maintenance of reliability and safety. By investing, hosting companies are hoping for profit and expecting a reduction in the cost of operating the data center, reducing the cost of customer service, which will eventually lay the foundation for effective business, both for the company itself and for customers. Ensuring the level of user requirements by minimizing costs is the essence of the problem of managing the functioning of the data center. Typically, this complex problem is divided into a number of smaller tasks, but not so much simpler. One of them is the task of resources and load management in datacenter. In this regard, it is important to develop a reinforcement learning algorithm [1] for managing virtualized resources that will help reduce power consumption and SLA violation time. Relationship of work with scientific programs, plans, themes. The research was carried out at the Department of Computer-Aided Management And Data Processing Systems of the National Technical University of Ukraine «Igor Sikorsky Kyiv Polytechnic Institute» within the theme «Development and implementation of an IT infrastructure management system with consolidated information and computing resources» (№ 0115U000322). The aim of the research is to improve the quality of virtualized cloud computing resources management by developing a management algorithm that reduces power consumption and SLA violation time. To achieve this goal, the following tasks must be performed:  analyze the object environment of the virtualized data center resources management; review the methods of computing resources management;  choose the simulation environment of data center;  develop a data center model in a selected simulation environment;  develop models of power consumption by physical servers;  prepare data for simulating the dynamic load of virtual machines in data center;  develop a modified reinforcement learning algorithm for managing the virtualized computing resources of data center;  develop the software implementation of the reinforcement learning algorithm;  make a research of developed algorithm effectiveness. The object of research is a process of virtualized computing resources management in data center. The subject of research is a methods and algorithms for virtualized computing resources management in data center. Research methods are methods of machine learning, which based on reinforcement learning. Scientific novelty of the obtained results. The possibility of reinforcement learning usage for of virtualized resources management of cloud data centers is analyzed. The method of dynamic placement of virtual machines on the basis of reinforcement learning is developed, which, when choosing controlling influences, takes into account power consumption and SLA violation time. An agent algorithm is developed which takes into account the changes in the workload on resources for deciding whether to turn on or switch to sleep mode of underutilized physical servers in order to reduce the cost of electricity. The proposed reinforcement learning agent is based on the Q-learning method [2], which allows determining approximation to optimal policy of controlling the modes of the physical server operation without prior load information. Publications. The materials of research are published in theses of the 10th All-Ukrainian Scientific and Practical Conference «Computer Intelligent Systems and Networks» [3]; published in theses of the 18th All-Ukrainian Students' Scientific and Practical Conference «Science and Technology of the XXI Century» [4]; published in theses of the scientific and practical conference «Informatics and Computer Science-ICS-2018» [5]; published in journal «Scientific News of Dahl University» [6]; presented at the 14th International Conference on Advanced Trends in Radioelecrtronics, Telecommunications and Computer Engineering – TCSET-2018, Lviv-Slavske, Ukraine and published in IEEE Xplore Digital Library [7].