Детальная информация

В условиях цифровизации экономики и растущих объёмов обрабатываемых данных информационные системы управления ресурсами предприятия (ERP) становятся ключевыми для современных организаций. Однако при росте числа пользователей, объёма транзакций и усложнении бизнес‑логики возникает серьёзная проблема – неравномерное распределение нагрузки на серверы приложений и потенциальные узкие места в базе данных. Нерациональное распределение пользовательских запросов приводит к перегрузке отдельных инстанций, увеличению времени отклика и снижению доступности системы. Целью выпускной квалификационной работы является разработка и исследование имитационной модели распределения нагрузки в ERP‑системе с несколькими серверными инстанциями, а также оценка эффективности различных алгоритмов балансировки нагрузки на основе показателей производительности и времени отклика системы. Для достижения цели в работе решаются следующие задачи: 1) Анализ архитектуры ERP‑систем и характера нагрузки на серверы приложений. 2) Разработка математической модели распределения пользовательских запросов между инстанциями серверов приложений. 3) Реализация имитационной модели на языке Python с использованием различных алгоритмов балансировки: Round‑Robin, Least Load и Weighted. 4) Проведение серии вычислительных экспериментов при разных сценариях нагрузки и сравнение результатов. 5) Формулирование практических рекомендаций по повышению производительности ERP‑системы. 6) Объект исследования – ERP‑система с несколькими серверными инстанциями, обрабатывающими пользовательские запросы. 7) Предмет исследования – методы и алгоритмы распределения нагрузки между серверными инстанциями ERP‑системы. В работе подробно рассматриваются основные архитектурные принципы ERP‑систем, типы нагрузки (интерактивная, фоновой пакетной, интеграционная и аналитическая), а также роль балансировки нагрузки как основы масштабирования. На основе анализа логов ERP‑системы выделены ключевые показатели производительности (KPI), включая среднее время отклика, длину очередей и коэффициент загрузки серверов. Математическая модель описывает распределение запросов как задачу дискретной оптимизации с ограничениями по пропускной способности серверов. В модели учитываются динамическая нагрузка, время обработки запросов и влияние выбранного алгоритма балансировки. Для проверки модели реализована имитационная симуляция на Python, где серверы представляют собой объекты с параметрами мощности, веса и максимальной очереди. Балансировщик распределяет запросы согласно выбранной стратегии. Экспериментальные результаты показывают, что адаптивные алгоритмы (Least Load и Weighted) существенно снижают среднее время отклика по сравнению с Round‑Robin, особенно при пиковых нагрузках. Weighted балансировка обеспечивает более равномерное распределение нагрузки в гетерогенной инфраструктуре, а Least Load эффективно справляется с длительными транзакциями. Кроме того, в работе проанализированы сценарии динамического масштабирования и интеграции балансировщика с системами мониторинга. В заключении сформулированы практические рекомендации: использовать адаптивные алгоритмы балансировки, ограничивать размер очередей, внедрять мониторинг метрик и автоматическое масштабирование. Предложенная имитационная модель позволяет оценивать влияние изменений конфигурации и выбирать оптимальные стратегии распределения нагрузки, что повышает устойчивость и эффективность ERP‑системы в условиях высокой пользовательской активности.

In the era of digitalization and ever‑growing volumes of processed data, Enterprise Resource Planning (ERP) systems have become essential to modern organizations. Yet, as the number of users, transaction volume and business‑logic complexity increase, a serious problem emerges: uneven distribution of load across application servers and potential bottlenecks in the database. Inefficient routing of user requests leads to over‑loading of individual instances, increased response times and reduced system availability. Objective The aim of this thesis is to develop and evaluate a simulation model for load distribution in an ERP system with multiple application‑server instances, as well as to assess the effectiveness of different load‑balancing algorithms based on performance metrics and system response time. Research tasks: 1) application servers. Analyze the architecture of ERP systems and the nature of load on 2) Develop a mathematical model for distributing user requests among application‑server instances. 3) Implement the simulation model in Python using various load‑balancing algorithms: Round‑Robin, Least Load and Weighted. 4) Conduct a series of computational experiments under different load scenarios and compare the results. 5) performance. Formulate practical recommendations for improving ERP system. 6) instances handling user requests. Object of study – an ERP system with multiple application‑server. 7) Subject of study – methods and algorithms for distributing load among ERP application‑server instances. The work thoroughly examines the main architectural principles of ERP systems, types of loads (interactive, background batch, integration and analytical), and the role of load balancing as a foundation for scaling. From an analysis of ERP system logs, key performance indicators (KPI) are identified, including average response time, queue length and server utilization. The mathematical model treats request distribution as a discrete optimization problem with constraints on server throughput. It incorporates dynamic load, request processing time and the effect of the chosen balancing algorithm. A Python simulation validates the model; servers are represented as objects with capacity, weight and maximum queue parameters. The balancer routes requests according to the selected strategy. Experimental results show that adaptive algorithms (Least Load and Weighted) significantly reduce average response time compared with Round‑Robin, especially under peak load. Weighted balancing yields a more even distribution in heterogeneous environments, while Least Load handles long‑running transactions effectively. The study also analyses dynamic scaling scenarios and integration of the balancer with monitoring systems. Conclusion Practical recommendations are presented: adopt adaptive balancing algorithms, limit queue sizes, implement metric monitoring and automated scaling. The proposed simulation model enables evaluation of configuration changes and selection of optimal load‑distribution strategies, thereby enhancing the resilience and efficiency of ERP systems under high user activity.