Аннотация. Целью статьи является повышение эффективности функционирования системы распределения и балансировки нагрузки центров обработки данных облачных сред за счет разработки и применения механизма прогнозирования состояний сетевого трафика, характеризуемого фрактальным самоподобием. При разработке прогнозной модели использованы методы нелинейной динамики, учитывающие статистическое самоподобие нагрузки и обеспечивающие решение задачи прогнозирования моментов ее предполагаемых всплесков. Проверка на хаотичность сетевого трафика выполнена путем расчета спектра показателей Ляпунова. Для восстановления фазового портрета процесса применена теорема Такенса – Мане. Для сглаживания сетевого трафика, устранения его шумовых компонент, выделения наиболее информативных гармоник и исключения случайных возмущений использован метод сингулярного спектрального анализа. Математическая модель и динамический алгоритм прогнозной модели состояния нелинейной системы представлены в виде системы дискретных отображений предыдущих и последующих значений временного ряда и связующих их регрессионного аппроксимирующего полинома. Представленный алгоритм отличается от существующих учетом особенностей фрактального самоподобия входной нагрузки, негативно влияющего на показатели качества, использованием прогнозной модели, разработанной на основе методов нелинейной динамики, а также возможностью выбора рациональных параметров балансировки по критерию равномерной загрузки ресурсов серверов. В статье показано, что динамический алгоритм балансировки нагрузки, построенный на нелинейных подходах и прогнозных моделях, позволяет более качественно, по сравнению с традиционными методами, решать задачи распределения нагрузки между серверами кластеров центров обработки данных. Обоснован вывод об эффективности разработанного алгоритма.

Annotation. The purpose of the article is to increase the efficiency of the cloud data center load distribution and balancing system by developing and applying a mechanism for predicting network traffic conditions characterized by fractal self-similarity. In developing the predictive model, methods of nonlinear dynamics were used, taking into account the statistical self-similarity of the load and providing a solution to the problem of predicting the moments of its expected bursts. Checking for the randomness of network traffic was performed by calculating the spectrum of Lyapunov exponents. The Takens-Manet theorem is applied to reconstruct the phase portrait of the process. To smooth network traffic, eliminate its noise components, highlight the most informative harmonics and eliminate random disturbances, the method of singular spectral analysis was used. The mathematical model and the dynamic algorithm of the predictive model of the state of a nonlinear system are presented as a system of discrete mappings of previous and subsequent values of a time series and their connecting regression approximating polynomial. The presented algorithm differs from the existing ones by taking into account the features of fractal self-similarity of the input load, which negatively affects quality indicators, using a predictive model developed on the basis of nonlinear dynamics methods, as well as the possibility of choosing rational balancing parameters according to the criterion of uniform loading of server resources. The article shows that a dynamic load balancing algorithm based on nonlinear approaches and predictive models allows solving load distribution problems between servers of data center clusters more efficiently than traditional methods. The conclusion about the effectiveness of the developed algorithm is substantiated.