Details

Данная выпускная квалификационная работа посвящена разработке основных программных модулей backend-составляющей стенда тестирования алгоритмов, применяемых в облачных вычислениях. Работа направлена на создание системы, обеспечивающей удобное взаимодействие между модулями симуляции, алгоритмами и сервисами сбора данных. В рамках исследования разработана архитектура backend-составляющей, реализующая функции интеграции алгоритмов, сбора и хранения статистических данных, а также взаимодействия с внешними системами через REST API. Основное внимание уделено обеспечению масштабируемости и удобству расширения функционала. Разработанные модули протестированы с использованием автоматизированных сценариев, подтверждающих их эффективность. Полученные результаты демонстрируют возможность использования данного стенда для оценки валидации различных алгоритмов, применяемых в облачных вычислениях, что значительно упрощает процесс их тестирования и внедрения в эксплуатацию. В качестве языка программирования использовалась Java, а для ускорения процесса создания приложений были применены фреймворки Spring Framework и CloudSim Plus. Для тестирования и обеспечения качества кода использовались библиотеки JUnit и Mockito, а также Lombok для уменьшения шаблонного кода. В качестве инструмента сборки применялся Maven. Для обеспечения контроля версий и совместной работы в команде использовался GitLab, а для удобства разработки — среда Inteliji IDEA. Также в процессе работы применялись сквозные цифровые технологии, включая контейнеризацию с помощью Docker, мониторинг и хранение данных в InfluxDB, а для тестирования API использовался Postman.

This final qualification work is dedicated to the development of core software modules for the backend component of a testing framework for machine learning algorithms. The work focuses on creating a system that facilitates seamless interaction between simulation modules, machine learning algorithms, and data collection services. As part of the research, a backend architecture was developed to implement functions for integrating machine learning algorithms, collecting and storing statistical data, and interacting with external systems via REST API. Particular attention was paid to ensuring scalability and ease of functionality expansion. The developed modules were tested using automated scenarios, confirming their efficiency. The results demonstrate the feasibility of using this framework for evaluating and validating machine learning algorithms, significantly simplifying their testing and deployment processes. Java was used as the programming language, while the frameworks Spring Framework and CloudSim Plus were employed to accelerate the application development process. The libraries JUnit and Mockito were used for testing and ensuring code quality, along with Lombok to reduce boilerplate code. Maven was used as the build tool. GitLab was employed for version control and team collaboration, while the IntelliJ IDEA environment was used to facilitate development. Additionally, the project leveraged cross-cutting digital technologies, including containerization with Docker, data monitoring and storage with InfluxDB, and API testing with Postman.