Оцінка інноваційних підходів до управління базами даних в сучасних інформаційних системах

Размещено на http://www.allbest.ru/

Оцінка інноваційних підходів до управління базами даних в сучасних інформаційних системах

Дмитрієнко Оксана Олексіївна кандидат педагогічних наук, доцент, доцент кафедри математичного аналізу та інформатики, Полтавський національний педагогічний університет імені В. Г. Короленка, м. Полтава,

Чміль Юрій Петрович здобувач вищої освіти, навчально-науковий інститут енергетики, автоматики та водного господарства, Національний університет водного господарства та природокористування, м. Рівне

Устименко Людмила Миколаївна викладач спеціальних дисциплін циклової комісії «Комп'ютерні науки», відділення "Електрифікація та інформаційні системи", Житомирський агротехнічний фаховий коледж, м. Житомир

Анотація

Застосування сучасних інформаційних систем містить деякі проблеми, які пов'язані з питаннями безпеки, надійності та цілісності даних. Система управління базами даних є невід'ємною частиною для інформаційних систем та технологій, що дозволяє отримувати та зберігати дані віддалено за допомогою хмарних платформ, які також можуть зазнавати кібератак. За останній час ІТ-інфраструктура знаходиться у вразливому стані через військову агресію країною-агресором, що несе за собою аварійні наслідки для деяких телекомунікаційних компаній та окремих підприємств. Одним з нещодавніх прикладів була кібератака на телекомунікаційну компанію «Київстар», яка займається обслуговуванням та забезпеченням мобільного покриття. microsoft azure хмарна платформа

Мета статті - на основі сучасних інформаційних систем та технологій надати оцінку інноваційних підходів з використанням хмарної платформи Microsoft Azure для систем управління базами даних, а також описати основні критерії та аспекти, які впливають на роботу систем управління базами даних на прикладі телекомунікаційної компанії «Київстар».

В роботі для надання оцінки інноваційних підходів проаналізовано архітектуру системи управління базами даних, яку на сьогодні широко використовує українська телекомунікаційна компанія «Київстар». У зв'язку з тим, що нещодавно компанія «Київстар» зазнала кібератаки з боку хакерів, було прийнято рішення провести оцінку ефективності систем управління базами даних на прикладі хмарної платформи Microsoft Azure, в якій були проаналізовані основні критерії, а саме обчислення, сховище, мережі, база даних та аналітика даних, а також штучний інтелект.

На основі сучасних інформаційних систем та технологій проведена оцінка з використанням хмарної платформи Microsoft Azure для систем управління базами даних, де також проаналізовані основні критерії та аспекти, які впливають на роботу систем управління базами даних. Проаналізувавши можливості хмарної платформи Microsoft Azure авторами було з'ясовано, що ІТ-інфраструктура для розгортання складається з масштабування, швидкодії, безпеки, відмовостійкості, а також технології, яка містить методи машинного навчання.

Ключові слова: телекомунікаційна компанія, системи управління базами даних, ІТ-інфраструктура, хмарна платформа, безпека, відмовостійкість, Microsoft Azure.

Dmytriienko Oksana Oleksiivna Candidate of Pedagogical Sciences, Associate Professor, Associate Professor of the Department of Mathematical Analysis and Informatics, Poltava V.G Korolenko National Pedagogical University, Poltava

Chmil Yurii Petrovych higher education applicant, Institute of energy, automation and water engineering, National university of water and environmental engineering, Rivne

Ustymenko Liudmyla Mykolaivna teacher, Department of «Electrification and Information Systems», Cycle Commission «Computer Science», Zhytomyr Agricultural and Technical College, Zhytomyr

EVALUATION OF INNOVATIVE APPROACHES TO DATABASE MANAGEMENT IN MODERN INFORMATION SYSTEMS

Abstract. The use of modern information systems creates certain challenges related to data security, reliability and integrity. The database management system is an integral part of information systems and technologies that allows data to be received and stored remotely via cloud platforms, which can also be subject to cyberattacks. Recently, the IT infrastructure in Ukraine has been in a vulnerable state due to military aggression by the aggressor country, which has had catastrophic consequences for some telecommunications companies and individual businesses.

One of the most recent examples was a cyberattack on Kyivstar, a mobile telecommunications company.

The purpose of the article is to evaluate innovative approaches to using the Microsoft Azure cloud platform for database management systems on the basis of modern information systems and technologies, and also to describe the main criteria and aspects that affect the operation of database management systems on the example of Kyivstar telecommunications company.

In order to evaluate innovative approaches, the paper analyses the architecture of a database management system that is currently widely used by the Ukrainian telecommunications company Kyivstar. Due to the fact that Kyivstar has recently suffered a cyber-attack, it was decided to evaluate the effectiveness of database management systems on the example of the Microsoft Azure cloud platform, where the main criteria were analysed, namely: computing, storage, networking, database and data analytics, and artificial intelligence.

On the basis of modern information systems and technologies, an assessment using the Microsoft Azure cloud platform for database management systems is carried out, where the main criteria and aspects that affect the operation of database management systems are also analysed. Having analysed the capabilities of the Microsoft Azure cloud platform, the author has found that the IT infrastructure for deployment consists of scalability, performance, security, fault tolerance, and technology that includes machine learning methods.

Keywords: database management systems, IT infrastructure, cloud platform, security, fault tolerance, Microsoft Azure.

Постановка проблеми

Як відомо, системи управління базами даних у поєднанні з сучасними інформаційними системами можуть містити свої переваги та недоліки, що пояснюється як підвищенням продуктивності та надійності, так і знаходженням вразливих місць в системі, що в свою чергу може призвести до втрати даних та відмови системи [1]. Одним з таких випадків була кібератака на українську телекомунікаційну компанію «Київстар» 12 грудня 2023 року, коли ІТ-інфраструктуру було частково зруйновано на 40%, а користувачі мобільного покриття залишилися без надання послуг мобільного зв'язку та телекомунікацій [2]. Компанія використовує сервіс Microsoft Azure в якості глобальної хмарної платформи для швидкого та безпечного розгортання ІТ-інфраструктури.

Для того, щоб дослідити інноваційні підходи та знайти більш оптимальні рішення щодо управління базами даних в сучасних інформаційних системах необхідно звернути увагу на декілька ключових аспектів, таких як масштабування, швидкодія, автоматизація, безпека та відмовостійкість [3]. Сучасна інформаційна система у поєднанні з системами управління базами даних повинна враховувати наступні аспекти:

- інформаційні системи на основі збільшення обсягу даних потребують більш ефективних рішень для масштабування баз даних, що обумовлюється вивченням методів горизонтального та вертикального масштабування, а також розробкою інноваційних рішень для розширення баз даних без втрати продуктивності та надійності;

- швидкість обробки запитів для сучасних інформаційних систем баз даних відіграє ключову роль в забезпеченні відповідності з вимогами користувачів, що забезпечується за допомогою пошуку інноваційних методів оптимізації запитів, кешування даних, паралельної обробки даних для підвищення швидкості баз даних;

- використання методів машинного навчання для розробки інноваційних підходів в автоматизації процесів та управління базами даних, що містить в собі автоматизацію рутинних задач адміністрування, оптимізацію конфігурації, а також автоматизованого виявлення та виправлення помилок;

- у зв'язку зі зростанням кількості кібератак та вимог до захисту даних, інноваційні підходи для управління базами даних повинні забезпечувати високий рівень безпеки, що складається з розробки новітніх методів шифрування, механізмів виявлення вторгнень та аудиту доступу до даних;

- з метою забезпечення безперервної роботи інформаційних систем необхідно враховувати ефективні механізми відмовостійкості та відновлення після технічних збоїв, що передбачає розробку інноваційних стратегій резервування даних, механізмів реплікації та автоматичного відновлення.

Аналіз останніх досліджень і публікацій

Незважаючи на те, що сучасні інформаційні системи охоплюють різноманітні теми та розвиток технологій для систем управління базами даних, деякі з них мають свої недоліки з питань безпеки та інноваційних підходів. Наприклад, реляційні системи управління базами даних (MySQL, PostgreSQL, Oracle Database) досі є актуальними, але мають свої недоліки, серед яких є недостатнє масштабування, містять обмежені можливості відмовостійкості та відновлення в разі аварій або втрати даних, недостатній рівень продуктивності з великими даними та інше. Іншим прикладом таких систем є NoSQL (MongoDB, Cassandra, Redis), де недоліками є відсутність стандартів, складність запитів, обмеження запитів для складних звітів та аналітики та інше. Реляційні системи управління базами даних та NoSQL описані в роботах [4, 5], де авторами висвітлено основні переваги та недоліки цих систем.

Хмарні бази даних є одними з сучасних хмарних платформ для отримання, обробки та зберігання інформації, які надають можливості автоматизованого масштабування та географічного розподілу даних. В роботі [6] авторами було проаналізовано три основні хмарні платформи для Інтернету речей, а саме Microsoft Azure, Amazon Web Services та Google Cloud, де серед трьох хмарних платформ менш розвиненою є Google Cloud, а більш розвиненою та ефективною Amazon Web Services. Не менш важливим є можливості використання хмарної платформи Microsoft Azure, де в книзі [7] авторами описується, що Microsoft Azure - це більше, ніж центр обробки даних в хмарі, що обумовлюється використанням та впровадженням передових технологій, таких як штучний інтелект, Інтернет речей, машинне навчання, а також великі дані.

Використання хмарного середовища хмарними сервісами також містять свої недоліки, що обумовлюється залежністю від мережі, конфіденційністю та безпекою даних, витратами на зберігання та передачу даних, відсутністю повного контролю, а також локальною обробкою запитів та продуктивністю. Окрім того, недоліки можуть охоплювати масштабування, де в роботі [8] авторами зазначено, що в Microsoft Azure безсерверні обчислення автоматично масштабують ресурси в залежності від робочого навантаження, однак масштабування є лише реактивним, а не проактивним [9], що впливає на повільну швидкість доступу до ресурсів й найчастіше призводить до затримок в часі. Тому з метою виявлення недоліків та усунення збоїв в системі необхідно проводити оцінку інноваційних підходів, що дозволить проаналізувати можливості сучасних інформаційних систем, які охоплюють системи управління базами даних.

Мета статті - на основі сучасних інформаційних систем та технологій дослідити оцінку інноваційних підходів з використанням хмарної платформи Microsoft Azure для систем управління базами даних, а також описати основні критерії та аспекти, які впливають на роботу систем управління базами даних на прикладі телекомунікаційної компанії «Київстар».

Виклад основного матеріалу

Управління базами даних в сучасних інформаційних системах є важливою складовою для забезпечення ефективного зберігання, організації та доступу до даних. Інноваційні підходи до управління базами даних постійно еволюціонують, щоб відповідати вимогам сучасних технологій та систем за допомогою оптимальної продуктивності, надійності та безпеки даних. Тому оцінка інноваційних підходів містить сучасні технології, які на сьогодні використовуються різними телекомунікаційними ІТ-компаніями, де найчастіше використовуються хмарні технології, великі дані, машинне навчання та штучний інтелект, Інтернет речей та безпека даних [10].

Хмарні технології та управління базами даних в хмарних середовищах протягом останніх 5 років набули неабиякої популярності, що пояснюється стрімким розвитком інформаційних та цифрових технологій [11]. Хмарні платформи, такі як Amazon Web Services, Microsoft Azure, Google Cloud Platform пропонують широкі можливості з наданням послуг для управління базами даних. Оцінка інноваційних підходів щодо хмарних технологій враховує масштабування, продуктивність, доступність та безпеку даних [6].

Окрім хмарних технологій також висуваються вимоги щодо управління даними великого обсягу інформації, що також вимагає інноваційних підходів. До такої технології відносяться програмні системи та фреймворки, такі як Apache Spark, NoSQL, Apache Hadoop з базами даних, які дозволяють ефективно оброблювати, зберігати та аналізувати великий обсяг даних [4, 5, 12].

Використання алгоритмів машинного навчання та інтелектуального аналізу даних дозволяє вдосконалювати та покращувати системи управління базами даних, де інноваційні підходи дозволяють здійснювати автоматизацію процесів оптимізації, прогнозування проблем, а також підвищувати ефективність використання ресурсів. Водночас з цим зростає тенденція використання Інтернету речей з ефективними механізмами зберігання та обробки даних, які збираються з пристроїв, де інноваційні підходи обумовленні врахуванням специфіки даних, обсягу та частоти збору інформації [13].

Інноваційні підходи також спрямовані на управління базами даних, які повинні враховувати питання безпеки даних. Безпека спрямована на розробку та впровадження новітніх методів шифрування, аутентифікації користувачів, аудиту доступу до даних та інших заходів щодо захисту конфіденційності та цілісності інформації.

Для оцінки інноваційних підходів проаналізуємо архітектуру системи управління базами даних телекомунікаційної компанії «Київстар», яка є складною та багаторівневою, адже вона використовується для підтримки широкого спектру телекомунікаційних послуг. До основних компонентів архітектури входить:

- рівень даних, який складається з фізичних пристроїв зберігання даних (жорсткі диски, накопичувачі тощо), де дані на цьому рівні організовані в таблиці, індекси та інші структури даних;

- рівень доступу до даних, який складається з програмного забезпечення, яке використовується для доступу до даних на рівні даних й використовує такі системи управління базами даних, як Oracle Database, Microsoft SQL Server та IBM DB2, що охоплює також драйвери баз даних, які дають змогу іншим програмам підключитися до системи управління базами даних;

- рівень прикладного програмного забезпечення, який складається з програм, які використовуються для роботи з даними, що містить CRM- системи, системи білінгу, OSS/BSS тощо;

- рівень представлення, який складається з інтерфейсів користувача, які використовуються для доступу до даних й містить веб-сайти, мобільні додатки та інше.

Окрім того, телекомунікаційна компанія «Київстар» використовує різні методи для забезпечення високої доступності та надійності своєї системи управління базами даних, серед яких є: резервування (має резервні копії своїх

даних на декількох сайтах); кластеризація (використовує кластери серверів дял підвищення масштабованості та продуктивності системи управління базами даних); віртуалізація (використовує для більш ефективного використання своїх ресурсів системи управління базами даних).

Сучасні можливості та технології дозволяють компанії оновлювати свою систему управління базами даних з метою покращення продуктивності. Серед останніх оновлень є перехід на хмарні сервіси (Microsoft Azure, Azure SQL, Database тощо), використання машинного навчання для продуктивності системи управління базами даних та блокчейн для забезпечення безпеки даних.

Розглянемо більш детально хмарний сервіс Microsoft Azure, який використовує компанія «Київстар» в якості хмарного рішення, яке надає широкий спектр служб, інструментів та ресурсів, які допомагають підприємствам усіх розмірів створювати, розгортати та масштабувати свої додатки. Серед переваг можна відмітити швидкість та масштабованість, надійність та безпеку, інновації та економічність.

Деякі системи та технології, які доступні в рамках Microsoft Azure для «Київстар» показані в табл. 1, де наведені основні характеристики надання можливостей для обчислення, зберігання та передачі інформації.

Таблиця 1

Критерії Microsoft Azure та їхні характеристики

Джерело: сформовано авторами на основі [7, 8]

На прикладі сервісу Microsoft Azure, який використовується в якості глобальної хмарної платформи можна розглянути основні сучасні системи та методи, які відносяться до ключових аспектів розгортання ІТ-інфраструктури в системі управління базами даних.

1. Масштабування. Дозволяє розширювати або зменшувати ресурси хмарного середовища в залежності від потреб та запитів в додатку, або в наданні послуг, що дозволяє ефективно використовувати ресурси та забезпечує оптимальну продуктивність за доступних умов. До основних методів масштабування відноситься: вертикальне масштабування (збільшення або зменшення ресурсів на одному сервері, наприклад, змінюючи конфігурацію віртуальної машини на більш потужну або менш потужну); горизонтальне масштабування (додавання або видалення екземплярів додатків або послуги, наприклад, розгортання додатку на декількох віртуальних машинах у режимі збалансованого навантаження); автоматичне масштабування (налаштування для автоматичного масштабування згідно відповідно до метрики моніторингу, наприклад, навантаження на ЦП, обсяг трафіку, зміна параметрів продуктивності тощо); масштабування за попитом (можливість миттєво масштабувати ресурси в залежності від попиту, наприклад, використання контейнерів або функції сервісу Azure для запуску коду згідно запитів); масштабування за графіком (планування масштабування, яке здійснюється завчасно, щоб відповідати змінам навантаження в певний проміжок часу).

Для належної реалізації масштабування ретельно планується архітектура додатку або послуги, де необхідно вибрати належні типи ресурсів та використовувати інструменти моніторингу та управління для контролю та оптимізації навантаження.

2. Швидкодія. Досягається за допомогою різних методів оптимізації та налаштувань за допомогою виконання операцій поліпшення продуктивності в Microsoft Azure. До основних операцій відноситься: оптимізація ресурсів (перевірка наявних ресурсів - віртуальні машини, бази даних, контейнери для правильного налаштування згідно з потребами додатку, де використання потужності та розподіл ресурсів віртуальних машин впливає на швидкодію); використання Content Delivery Network (дозволяє розподілити вміст веб-сайту по всьому світу й обслуговувати його з найближчого вузла до кожного користувача, що підвищує швидкодію завантаження сторінок та ресурсів); автоматичне масштабування (дозволяє збільшувати або зменшувати ресурси в залежності від навантаження, що допомагає уникнути перевантаження); кешування (з метою підвищення швидкодії додатків використовуються різні рівні кешування, наприклад, Redis Cache, Azure Cache for Redis, що виконує функцію зберігання часто використовуваних даних, які знаходяться в пам'яті); використання Azure App Service (надає готові середовища для розгортання веб- додатків, що спрошує конфігурацію та оптимізацію додатку для швидкодії); оптимізація баз даних (використання служб даних, таких як Azure SQL Database або Cosmos DB потребує належного налаштування схеми, індексів та оптимізації запитів для досягнення максимальної продуктивності).

Тому швидкодія в Microsoft Azure може досягатися за допомогою правильного вибору та налаштування ресурсів, а також використання готових служб та оптимізації додатків і баз даних.

3. Машинне навчання. Методи та технології машинного навчання дозволяють розробникам, науковцям та компаніям створювати, навчати та розгортати моделі машинного навчання, де в Microsoft Azure пропонуються різні сервіси для машинного навчання та штучного інтелекту. Декілька таких сервісів показано в табл. 2. Використання цих сервісів дозволяє розробникам та компаніям реалізувати широкий спектр задач машинного навчання та штучного інтелекту в хмарному середовищі Microsoft Azure без значних витрат на інфраструктуру та інтеграцію.

4

Таблиця 2

Сервіси Microsoft Azure та їхня характеристики

Джерело: сформовано авторами на основі [14-17]

5. Безпека. Питання безпеки є важливою складовою для забезпечення надійного захисту даних та додатків, які працюють в хмарному середовищі. Широкий набір інструментів та служб, які надає Microsoft Azure забезпечує конфіденційність, цілісність та доступність. З точки зору безпеки розглядаються основні критерії, механізми та сервіси, наприклад, аутентифікація та авторизація, захист даних, мережева безпека, моніторинг та виявлення загроз, захист ідентифікації, відновлення даних та аварійне відновлення.

Під аутентифікацією та авторизацією розуміються інструменти для керування доступом до ресурсів, включаючи механізми аутентифікації на рівні користувача і авторизації на рівні ресурсів. Одним з таких сервісів є Microsoft Entra ID, який використовується для керування ідентифікацією та контролю доступу. Окрім того, захист ідентифікації за допомогою Axure Multi-Factor Authentication дозволяє підвищити рівень захисту, вимагаючи при цьому додаткового підтвердження ідентифікації, наприклад, за допомогою SMS- повідомлення або мобільного додатку.

Microsoft Azure пропонує різні механізми для захисту даних (шифрування даних, управління ключами, інтеграція зі службами управління ключами) та пропонує можливості для налаштування мережевих правил та фільтрації трафіку (використання віртуальних приватних мереж VNet, застосування мережевих політик та захист мережевих ресурсів). З метою підвищення безпеки проводиться моніторинг та виявлення загроз, де Azure Security Center надає інструменти для моніторингу безпеки ресурсів Azure, що забезпечує виявлення аномальної активності, підозрілих дій та потенційних загроз з наданням рекомендацій прийняття заходів щодо захисту. Відновлення даних та аварійне відновлення здійснюється за допомогою інструментів, які пропонує Microsoft Azure для резервного копіювання даних та відновлення в разі аварій та планування надзвичайних ситуацій.

Тому використання інструментів та служб може забезпечити підвищення рівня безпеки для додатків та даних, що працюють в середовищі Microsoft Azure. Але необхідно також враховувати рівень відповідальності користувача та належно налаштовувати параметри безпеки згідно з вимогами сфери діяльності та стандартами безпеки.

6. Відмовостійкість. Не менш важливим аспектом будь-якої хмарної ІТ- інфраструктури є відмовостійкість. Microsoft Azure пропонує різні механізми та практики для забезпечення відмовостійкості додатків та послуг. До основних аспектів відмовостійкості входить наступне:

- глобальна доступність, що обумовлюється наявністю декількох центрів обробки даних по всьому світу, що дозволяє розгортати додатки та послуги в різних регіонах, забезпечуючи високу доступність та резервне копіювання даних;

- відновлення після збою в системі, де пропонуються різні інструменти для резервного копіювання даних, автоматичного масштабування та відновлення послуг в разі виникнення збоїв (наприклад, Azure Site Recovery містить можливості для планування та автоматичного відновлення ІТ-інфраструктури в разі аварій та технічних збоїв в системі);

- фізично-відокремлені центри обробки даних в межах одного регіону або області (наприклад, Azure Availability Zones), що забезпечують високий рівень доступності та відмовостійкості;

- виявлення проблем та надання інформації про них, що досягається завдяки інструментам моніторингу та відслідковування (наприклад, Azure Monitor дозволяє відслідковувати стан ресурсів та метрик для виявлення аномальних ситуацій);

- ізоляція помилок, де рекомендуються до застосування практику розробки додатків з урахуванням принципів мікросервісної архітектури, що дозволяє зменшити вплив окремих помилок на всю систему та полегшує відновлення після збоїв в системі ІТ-інфраструктури.

Таким чином, перераховані механізми та практики дозволяють підвищити відмовостійкість додатків та послуг, що працюють в середовищі Microsoft Azure, а також дозволяють забезпечити безперервну роботу ІТ- інфраструктури будь-якої компанії у випадку непередбачуваних ситуацій.

Проаналізувавши всі критерії та аспекти, які входять до переліку сучасної системи Microsoft Azure можна надати оцінку управління системою базами даних, яка враховує: широкий спектр хмарних послуг, включаючи обчислення, зберігання, штучний інтелект та аналітику даних; інтеграцію з засобами Microsoft, наприклад, Windows Server, Microsoft 365 та інші; глобальну наявність, що обумовлено широкою географічною розгорткою по всьому світу для забезпечення найкращої продуктивності та відмовостійкості; широкий вибір мов та платформ, а також екосистему інструментів.

Висновки

В роботі для надання оцінки інноваційних підходів було проаналізовано архітектуру системи управління базами даних, яку на сьогодні широко використовують українські телекомунікаційні компанії. У зв'язку з тим, що нещодавно телекомунікаційна компанія «Київстар» зазнала кібератаки з боку хакерів, було прийнято рішення провести оцінку ефективності систем управління базами даних на прикладі хмарної платформи Microsoft Azure, в якій були проаналізовані основні критерії, а саме обчислення, сховище, мережі, база даних та аналітика даних, а також штучний інтелект.

На основі сучасних інформаційних систем та технологій проведена оцінка з використанням хмарної платформи Microsoft Azure для систем управління базами даних, де також проаналізовані основні критерії та аспекти, які впливають на роботу систем управління базами даних на прикладі телекомунікаційної компанії «Київстар». Проаналізувавши можливості хмарної платформи Microsoft Azure було з'ясовано, що ІТ-інфраструктура для розгортання складається з масштабування, швидкодії, безпеки, відмовостій- кості, а також технології, яка містить методи машинного навчання.

Література:

1. Gillenson M. L. Fundamentals of database management systems. John Wiley & Sons, 2023. pp. 3-8.

2. Тарасовський Ю. Хакери зруйнували близько 40% інфраструктури «Київстару». 2023. URL: https://forbes.ua/news/khakeri-zmynuvali-blizko-40-infrastrukturi-knvstar-komarov- 22122023-18082 (дата звернення 10.02.24).

3. Shashi A. Deployment and Scaling. In Designing Applications for Google Cloud Platform: Create and Deploy Applications Using Java, 2023. pp. 181-205. Berkeley, CA: Apress. DOI: https://doi.org/10.! 007/978-1 -4842-9511-3_7

4. Третяк В., Коломійцев О., Ворошилов С., Чмир В., Логвиненко Є., Лисиця А., & Місюра В. Аналіз сучасних систем управління базами даних. InterConf, 2021. 453-465. DOI: https://doi .org/ 10.51582/interconf.7-8.10.2021.050

5. Лукашевич Я., Поліхун А., & Дмитрієнко О. Аналіз сучасних розробок ефективних систем управління базами даних. Наука і техніка сьогодні, 14 (28)), 2023. 562-577. DOI: https://doi.org/10.51582/interconf.7-8.10.2021.050

6. Ucuz D. Comparison of the IoT platform vendors, microsoft Azure, Amazon web services, and Google cloud, from users' perspectives. In 2020 8th international symposium on digital forensics and security (ISDFS), 2020. pp. 1-4. IEEE. DOI: https://doi.org/10.1109/ ISDFS49300.2020.9116254

7. Soh J., Copeland M., Puca A., & Harris M. Microsoft Azure: Planning, Deploying, and Managing the Cloud. New York, NY, USA, 2020. pp. 3-5. DOI: https://doi.org/10.1007/978-1- 4842-5958-0

8. Poppe O., Guo Q., Lang W., Arora P., Oslake M., Xu S., & Kalhan A. Moneyball: proactive auto-scaling in Microsoft Azure SQL database serverless. Proceedings of the VLDB Endowment, 75(6), 2022. 1279-1287. DOI: https://doi.org/10.14778/3514061.3514073

9. Gutman D., & Syrota O. Proactive automatic up-scaling for Kubernetes. Адаптивні системи автоматичного управління: міжвідомчий науково-технічний збірник, 2023, 1 (42), pp. 32-38.

10. Stergiou C. L., Plageras A. P., Psannis K. E., & Gupta B. B. Secure machine learning

scenario from big data in cloud computing via internet of things network. Handbook of Computer Networks and Cyber Security:Principles and Paradigms,2020.525-554. DOI:

https://doi .org/10.1007/978-3-030-22277-2_21

11. Sunyaev A., & Sunyaev A. Cloud computing. Internet Computing: Principles of Distributed Systems and Emerging Internet-Based Technologies, 2020. 195-236. DOI: https://doi.org/10.1007/978-3-030-34957-8_7

12. Ahmed N., Barczak A. L., Susnjak T., & Rashid M. A. A comprehensive performance analysis of Apache Hadoop and Apache Spark for large scale data sets using HiBench. Journal of Big Data, 7 (1), 2020. pp. 1-18. DOI: https://doi.org/10.1186/s40537-020-00388-5

13. Lazaroiu G., Andronie M., Iatagan M., Geamanu M., Stefanescu R., & Dijmarescu I. Deep learning-assisted smart process planning, robotic wireless sensor networks, and geospatial big data management algorithms in the internet of manufacturing things. ISPRS International Journal of Geo-Information, 77(5), 2022. 277. DOI: https://doi.org/10.3390/ijgi11050277

14. Barnes J. Azure machine learning. Microsoft Azure Essentials. 7st ed, Microsoft. 2015.

15. Making D. D. D., Intelligence T. A., Moniz A., Gordon M., Bergum I., Chang M., & Grant G. Beginning Azure Cognitive Services. DOI: https://doi.org/10.1007/978-1-4842-7176-6

16. Etaati L., & Etaati L. Azure databricks. Machine Learning with Microsoft Technologies: Selecting the Right Architecture and Tools for Your Project, 2019. 159-171. DOI: https://doi.org/10.1007/978-1-4842-3658-1_10

17. Price E., Masood A., Aroraa G., Price E., Masood A., & Aroraa G. Azure Bot Services. Hands-on Azure Cognitive Services: Applying AI and Machine Learning for Richer Applications, 2021. 291-319. DOI: https://doi.org/10.1007/978-1-4842-7249-7_9

References:

1. Gillenson, M. L. (2023). Fundamentals of database management systems. John Wiley & Sons (pp. 3-8). [In English].

2. Tarasovskyi Yu. (2023) Khakery zruinuvaly blyzko 40% infrastruktury «Kyivstaru». URL: https://forbes.ua/news/khakeri-zruynuvali-blizko-40-infrastrukturi-kiivstar-komarov-22122023- 18082 (In Ukrainian).

3. Shashi, A. (2023). Deployment and Scaling. In Designing Applications for Google Cloud Platform: Create and Deploy Applications Using Java (pp. 181-205). Berkeley, CA: Apress. DOI: https://doi.org/10.1007/978-1-4842-9511-3_7 [n English].

4. Tretiak, V, Kolomiitsev, O., Voroshylov, S., Chmyr, V, Lohvynenko, Ye., Lysytsia, A., & Misiura, V (2021). Analiz suchasnykh system upravlinnia bazamy danykh. InterConf, 453-465. DOI: https://doi.org/10.51582/interconf.7-8.10.2021.050 [In Ukrainian].

5. Lukashevych, Ya., Polikhun, A., & Dmytriienko, O. (2023). ANALIZ suchasnykh ROZROBOK efektyvnykh SYSTEM upravlinnia BAZAMY danykh. Nauka i tekhnika sohodni, 14 (28)), pp. 562-577 DOI: https://doi.org/10.51582/interconf.7-8.10.2021.050 [In Ukrainian].

6. Ucuz, D. (2020). Comparison of the IoT platform vendors, microsoft Azure, Amazon web services, and Google cloud, from users' perspectives. In 2020 8th international symposium on digital forensics and security (ISDFS), pp. 1-4. IEEE. DOI: https://doi.org/10.1109/ ISDFS49300.2020.9116254 [In English].

7. Soh, J., Copeland, M., Puca, A., & Harris, M. (2020). Microsoft Azure: Planning, Deploying, and Managing the Cloud. New York, NY, USA, pp. 3-5. DOI: https://doi.org/10.1007/ 978-1-4842-5958-0 [In English].

8. Poppe, O., Guo, Q., Lang, W., Arora, P., Oslake, M., Xu, S., & Kalhan, A. (2022). Moneyball: proactive auto-scaling in Microsoft Azure SQL database serverless. Proceedings of the VLDB Endowment, 75(6), pp, 1279-1287. DOI: https://doi.org/10.14778/3514061.3514073 [In English].

9. Gutman, D., & Syrota, O. (2023). Proactive automatic up-scaling for Kubernetes. Adaptyvni systemy avtomatychnoho upravlinnia: mizhvidomchyi naukovo-tekhnichnyi zbirnyk, 2023, 7 (42), pp. 32-38. [In English].

10. Stergiou, C. L., Plageras, A. P., Psannis, K. E., & Gupta, B. B. (2020). Secure machine learning scenario from big data in cloud computing via internet of things network. Handbook of Computer Networks and Cyber Security: Principles and Paradigms, 525-554. DOI: https://doi.org/10.1007/978-3-030-22277-2 21 [In English].

11. Sunyaev, A., & Sunyaev, A. (2020). Cloud computing. Internet Computing: Principles of Distributed Systems and Emerging Internet-Based Technologies, 195-236. DOI: https://doi.org/10.1007/978-3-030-34957-8_7 [In English].

12. Ahmed, N., Barczak, A. L., Susnjak, T., & Rashid, M. A. (2020). A comprehensive performance analysis of Apache Hadoop and Apache Spark for large scale data sets using HiBench. Journal of Big Data, 7 (1), pp. 1-18. DOI: https://doi.org/10.1186/s40537-020-00388-5 [In English].

13. Lazaroiu, G., Andronie, M., Iatagan, M., Geamanu, M., Stefanescu, R., & Dijmarescu, I. (2022). Deep learning-assisted smart process planning, robotic wireless sensor networks, and geospatial big data management algorithms in the internet of manufacturing things. ISPRS International Journal of Geo-Information, 77(5), 277. DOI: https://doi.org/10.3390/ijgi11050277 [In English].

14. Barnes, J. (2015). Azure machine learning. Microsoft Azure Essentials. 7st ed, Microsoft. [In English].

15. Making, D. D. D., Intelligence, T. A., Moniz, A., Gordon, M., Bergum, I., Chang, M., & Grant, G. Beginning Azure Cognitive Services. DOI: https://doi.org/10.1007/978-1-4842-7176-6 [In English].

16. Etaati, L., & Etaati, L. (2019). Azure databricks. Machine Learning with Microsoft Technologies: Selecting the Right Architecture and Tools for Your Project, 159-171. DOI: https://doi.org/10.1007/978-1-4842-3658-1 10 [In English)].

17. Price, E., Masood, A., Aroraa, G., Price, E., Masood, A., & Aroraa, G. (2021). Azure Bot Services. Hands-on Azure Cognitive Services: Applying AI and Machine Learning for Richer Applications, 291-319. DOI: https://doi.org/10.1007/978-1-4842-7249-7_9 [In English].

Размещено на Allbest.ru