Определение зависимостей API специализированного программного обеспечения при максимально возможной нагрузке без существенной деградации системы

Цель. Целью исследования является определение зависимости API специализированного программного обеспечения при максимально возможной нагрузке без существенной деградации системы.

Метод. Исследование основано на методах регрессионного анализа. Рассматриваются ограничения по объёму оперативной памяти (RAM) и количеству процессорных ядер (CPU), что позволяет исследовать поведение и выявлять узкие места СПО в виртуализированных окружениях с ограниченными ресурсами.

Результат. Для анализа зависимостей ожидаемых пар параметров предлагается использование моделей - линейной, экспоненциальной, логарифмической и полиномиальной (до 4-й степени). Выбор наилучшей модели предлагается по критерию скорректированного коэффициента детерминации с опциональной фильтрацией выбросов методом межквартильного размаха (IQR) и проверкой статистической значимости уравнения регрессии. Дополнительно рассчитывается выборочная остаточная дисперсия для оценки качества подгонки модели.

Вывод. Методика представляет системный подход к анализу зависимостей производительности API специализированного программного обеспечения, основанный на принципах прикладной статистики и инженерной интерпретации. Методика может быть использована для принятия обоснованных инфраструктурных решений, а также для рационального сокращения объёма нагрузочного тестирования; позволяет транслировать статистические паттерны в конкретные инженерные действия: оптимизацию инфраструктуры, рефакторинг кода, настройку масштабирования.

1. Черняева С.Н., Коробова Л.А., Бугаев Ю.В. Алгоритм коллективного выбора на необозримом для лица принимающего решения множестве альтернатив //Инженерные технологии. – 2024. – № 1(5). – С. 22-27. – EDN JMQXRJ.

2. Гмурман В.Е. Теория вероятностей и математическая статистика: учеб. пособие / В.Е. Гмурман. — 12-е изд., перераб. и доп. — М.: Высшее образование, 2006. — 479 с.

3. Черняева С.Н., Коробова Л.А. Анализ вырожденности матриц экспертного упорядочивания в задачах коллективного выбора//Моделирование энергоинформационных процессов: Сборник статей XII национальная научно-практическая конференция с международным участием. – Воронеж: Воронежский государственный университет инженерных технологий, 2024. – С. 213-224. – EDN IDJAIF.

4. Кремер Н.Ш., Путко Б.А. Эконометрика. — М.: ЮНИТИ-ДАНА, 2002. — 315 с.

5. Ивлиев, М.Н. Финансовая математика. Методы и модели в экономике. Сборник задач: учебное пособие / М.Н. Ивлиев, Л.А. Коробова, К.В. Чекудаев. – Воронеж: Воронежский государственный университет инженерных технологий, 2019. – 91 с. – ISBN 978-5-00032-444-8. – EDN MHQVNZ.

6. Корчуганова М.А. Лабораторный практикум по дисциплине «Эконометрика»: учебное пособие Томск: Изд-во Томского политехнического университета, 2016. — 91 с.

7. Implementation of the Extrapolation Method of Expert Assessments in Selection Problems / S. Chernyaeva, L. Korobova, M. Ivliev [et al.] // High-Performance Computing Systems and Technologies in Scientific Research, Automation of Control and Production, Barnaul, 15–16 мая 2020 года / Vladimir Jordan Nikolay Filimonov Ilya Tarasov Vladimir Faerman (Eds.). Vol. 1304. – Barnaul: Springer, 2020. – P. 147-161. – DOI 10.1007/978-3-030-66895-2_10. – EDN HINSXG.

8. Хныкин, Д.Е. Методология и результаты применения обратного инжиниринга / Д. Е.Хныкин, Л.А. Коробова // Инженерные технологии. – 2025. – № 1(9). – С. 30-35. – EDN UVTHPV.

9. Бугаев Ю.В., Л.А. Коробова, Шурупова И.Ю. О статистической устойчивости оптимального решения, найденного по уравнению регрессии//Вестник Воронежского государственного университета инженерных технологий. – 2024. – Т.86, № 2(100). – С. 48-55. DOI 10.20914/2310-1202-2024-2-48-55.