Дослідження ефективності впровадження open-source-рішень для моніторингу й балансування навантаження в мікросервісних застосунках
DOI:
https://doi.org/10.30837/0135-1710.2025.187.182Ключові слова:
open-source, service mesh, мікросервіс, моніторинг, балансування навантаження, спеціалізована комп’ютерна системаАнотація
Предметом дослідження є open-source-рішення та їх упровадження для моніторингу й балансування навантаження в мікросервісних застосунках, що функціонують у спеціалізованих комп’ютерних системах. Дослідження охоплює широкий спектр інструментів, зокрема системи збору метрик, централізованого логування й розподіленого трасування запитів. Актуальність роботи зумовлена постійним зростанням складності розподілених архітектур і критичною потребою в ефективному контролі продуктивності (спостережуваності) й стабільному розподілі трафіку. Мета роботи – комплексне емпіричне оцінювання й порівняння ключових open-source-інструментів моніторингу й балансування навантаження, зокрема Prometheus / Grafana (для метрик), ELK stack (для логів), HAProxy, Nginx, Traefik (балансувальники), а також Istio та Linkerd (service mesh), з метою розроблення практичних рекомендацій щодо проєктування й експлуатації мікросервісних систем. Завдання: проаналізувати поширені open-source-інструменти; визначити критерії їх ефективності; створити тестове середовище на базі Kubernetes; провести серію навантажувальних тестів з різними конфігураціями; кількісно оцінити ключові показники продуктивності, зокрема затримку, пропускну здатність і використання ресурсів. Методи дослідження. Застосовано системний аналіз, емпіричне моделювання та бенчмаркінг. Для об’єктивного порівняння впроваджено методи навантажувального тестування (baseline та стрес‑сценарії) в кластері Kubernetes. Ключові критерії оцінювання: затримка оброблення запитів, пропускна здатність і ресурсні накладні витрати самих інструментів. Результати підтверджують, що open-source-рішення здатні забезпечити високий рівень спостережуваності та ефективне балансування навантаження в спеціалізованих комп’ютерних системах, водночас залишаючись економічно вигідною альтернативою комерційним продуктам. Дослідження виявило переваги й недоліки кожного з інструментів, що дає змогу обґрунтовано підходити до їх вибору залежно від специфічних вимог проєкту. Висновки: підтверджено здатність open-source-інструментів ефективно забезпечувати спостережуваність і управління навантаженням у спеціалізованих комп’ютерних системах і водночас залишатися економічно вигідною альтернативою комерційним продуктам. Сформульовані висновки дають змогу розробити практичні рекомендації для проєктування й експлуатації мікросервісних застосунків із зосередженням на стабільності та продуктивності. Результати дослідження можуть бути впроваджені в прийнятті архітектурних рішень для розподілених систем різного масштабу.
Посилання
Waseem, M., Liang, P., Shahin, M., Di Salle, A., Márquez, G. (2021), "Design, Monitoring, and Testing of Microservices Systems: The Practitioners' Perspective", Journal of Systems and Software, No. 182, P. 111061. DOI: https://doi.org/10.1016/j.jss.2021.111061
Giamattei, L., Guerriero, A., Pietrantuono, R., et al. (2024), "Monitoring tools for DevOps and microservices: A systematic grey literature review", Journal of Systems and Software, No. 208, P. 111906. DOI: https://doi.org/10.1016/j.jss.2023.111906
He, S., Zhu, J., He, P., Lyu, M.R. (2021), "A Survey on Automated Log Analysis for Reliability Engineering", ACM Computing Surveys, No. 54(6), P. 123. DOI: https://doi.org/10.1145/3460345
Burns, B., Grant, B., Oppenheimer, D., Brewer, E., Wilkes, J. (2016), "Borg, Omega, and Kubernetes", Communications of the ACM, No. 59(5), P. 50–57. DOI: https://doi.org/10.1145/2890784
Amaral, M., Polo, J., Carrera, D., et al. (2015), "Performance Evaluation of Microservices Architectures using Containers", IEEE NCA, P. 93–100. DOI: https://doi.org/10.1109/NCA.2015.49
Turin, G., Borgarelli, A., Donetti, S., Damiani, F., Johnsen, E.B., Tapia Tarifa, S.L. (2023), "Predicting Resource Consumption of Kubernetes Container Systems Using Resource Models", Journal of Systems and Software, No. 203, P. 111750. DOI: https://doi.org/10.1016/j.jss.2023.111750
Dymora, P., Mazurek, M., Sudek, B. (2021), "Comparative Analysis of Selected Open-Source Solutions for Traffic Balancing in Server Infrastructures Providing WWW Service", Energies, No. 14(22), P. 7719. DOI: https://doi.org/10.3390/en14227719
Sokolov, A. (2024), "Application of Queueing Theory to Investigation of HaProxy Load Balancer Performance Characteristics", DCCN 2023, CCIS 2129, Springer, P. 89–100. DOI: https://doi.org/10.1007/978-3-031-61835-2_7
Rathi, G., Amin, S. (2024), "Performance Analysis of Different Ingress Controllers Within the Kubernetes Cluster", IEEE ICITEICS 2024. DOI: http://dx.doi.org/10.1109/ICITEICS61368.2024.10625280
Khamdani, A.R., Muslikh, A.R., Affandi, A.S. (2025), "Comparative Analysis of Performance and Efficiency of Load Balancing Algorithms on Ingress Controller", Jurnal Teknik Informatika, Vol. 6, No. 1, P. 453–468. DOI: https://doi.org/10.52436/1.jutif.2025.6.1.4040
Nguyen, N., Kim, T. (2020), "Toward Highly Scalable Load Balancing in Kubernetes Clusters", IEEE Communications Magazine, No. 58(7), P. 78–83. DOI: https://doi.org/10.1109/MCOM.001.1900660
Zhu, X., She, G., Xue, B., et al. (2023), "Dissecting Overheads of Service Mesh Sidecars", ACM SoCC '23: Proceedings of the 2023 ACM Symposium on Cloud Computing, P. 142–157. DOI: https://doi.org/10.1145/3620678.3624652
Elkhatib, Y., Salmon, B., Harkous, H., et al. (2023), "An Evaluation of Service Mesh Frameworks for Edge Systems", EdgeSys '23: Proceedings of the 6th International Workshop on Edge Systems, Analytics and Networking, P. 19–24. DOI: https://doi.org/10.1145/3578354.3592867
Bremler-Barr, A., Lavi, O., Naor, Y., Rampal, S., Tavori, J. (2024), "Performance Comparison of Service Mesh Frameworks: the mTLS Test Case", arXiv (Tech. Report). DOI: https://doi.org/10.48550/arXiv.2411.02267
Larsson, L., Tärneberg, W., Klein, C., Elmroth, E., Kihl, M. (2020), "Impact of etcd Deployment on Kubernetes, Istio, and Application Performance", Software: Practice and Experience. DOI: https://doi.org/10.1002/spe.2885
Singh, N., Tanwar, S., Gupta, R., Kumar, N. (2023), "Load balancing and service discovery using Docker Swarm for big data applications in microservice architecture", Journal of Cloud Computing, No. 12, P. 77. DOI: https://doi.org/10.1186/s13677-022-00358-7
Jani, Y. (2024), "Unified Monitoring for Microservices: Implementing Prometheus and Grafana for Scalable Solutions", Journal of Artificial Intelligence, Machine Learning and Data Science, No. 2(1), P. 848–852. DOI: http://dx.doi.org/10.51219/JAIMLD/yash-jani/206
Elrad, M.D. (2025), "Prometheus & Grafana: A Metrics-focused Monitoring Stack", Journal of Computer Allied Intelligence, No. 3(3), P. 28–39. DOI: https://doi.org/10.69996/jcai.2025015
UA 
EN 
