АНАЛИЗ И СРАВНЕНИЕ ИНСТРУМЕНТОВ ОРКЕСТРАЦИИ КОНТЕЙНЕРОВ В ЛОКАЛЬНОЙ И ОБЛАЧНОЙ ИНФРАСТРУКТУРЕ

В крупных облачных средах виртуализация играет ключевую роль не только в развертывании приложений и распределении рабочих нагрузок, но и в эффективном управлении сервисами и ресурсами платформы. Использование технологии контейнеризации наряду с такими традиционными подходами, как виртуальные машины, становится все более популярным в современных облачных инфраструктурах. Контейнеры обеспечивают более простой и быстрый способ виртуализации по сравнению с виртуальными машинами, ускоряя процесс внедрения и управления приложениями в изолированной среде, тем самым позволяют им эффективно использовать ресурсы. Для разработчиков контейнеры представляют удобное решение для тестирования компонентов приложений и построения архитектур на основе микросервисов. В результате контейнеризация становится предпочтительным решением для современных облачных сред и актуальных бизнес-потребностей. Поэтому данная работа посвящена изучению современных и известных на сегодняшний день контейнерных технологий. В статье анализируются современные технологии контейнеризации и оркестровки с использованием таких параметров, как производительность контейнера, масштабируемость и управление ресурсами. Основное внимание уделено оркестраторам Docker Swarm, Kubernetes, Apache Mesos и множеству контейнерных решений, исследовались преимущества и недостатки каждой технологии. Данная работа будет полезна ИТ-специалистам при выборе наиболее подходящего инструмента для создания приложений и реализации их облачных стратегий.

1. Malviya, A., Dwivedi, R.K. A comparative analysis of container orchestration tools in cloud computing. 2022 9th International Conference on Computing for Sustainable Global Development (INDIACom) (IEEE, 2022), pp. 698–703. https://doi.org/10.23919/INDIACom54597.2022.9763171.

2. Kumar, R., Trivedi, M.C. Networking analysis and performance comparison of Kubernetes CNI plugins. Advances in Computer, Communication and Computational Sciences: Proceedings of IC4S 2019 (Springer Singapore, 2021), pp. 99–109.

3. Atlidakis, V., Godefroid, P., Polishchuk, M. Checking security properties of cloud service REST APIs. 2020 IEEE 13th International Conference on Software Testing, Validation and Verification (ICST) (IEEE, 2020), pp. 387–397.

4. Pankowski, A., Powroźnik, P. Comparison of application container orchestration platforms. Journal of Computer Sciences Institute, 29, 383–390 (2023). https://doi.org/10.35784/jcsi.3823.

5. Acharya J.N., Suthar A.C. Docker container orchestration management: A review. International Conference on Intelligent Vision and Computing. Cham: Springer International Publishing, 2021, pp. 140–153. https://doi.org/10.1007/978-3-030-97196-0_12.

6. Moravcik, M., Segec, P., Kontsek, M., Uramova, J., & Papan, J. Comparison of lxc and docker technologies. 2020 18th International Conference on Emerging eLearning Technologies and Applications (ICETA) (IEEE, 2020), pp. 481–486. https://doi.org/10.1109/ICETA51985.2020.9379212.

7. Putri, A.R., Munadi, R., Negara, R.M. Performance analysis of multi services on container Docker, LXC, and LXD. Bulletin of Electrical Engineering and Informatics, 9(5), 2008–2011. https://doi.org/10.11591/eei.v9i5.1953.

8. Koziolek, H., Eskandani, N. Lightweight kubernetes distributions: A performance comparison of microk8s, k3s, k0s, and microshift. Proceedings of the 2023 ACM/SPEC International Conference on Performance Engineering, 2023, pp. 17–29. https://doi.org/10.1145/3578244.3583737.

9. Mercl, L., Pavlik, J. The comparison of container orchestrators. Third International Congress on Information and Communication Technology: ICICT 2018, London (Springer Singapore, 2019), pp. 677–685. https://doi.org/10.1007/978-981-13-1165-9_62.

10. Sen, A., Madria, S. Analysis of a cloud migration framework for offline risk assessment of cloud service providers. Software: Practice and Experience, 50(6), 998–1021 (2020).

11. Liu, Q. et al. PQA-Net: Deep no reference point cloud quality assessment via multi-view projection. IEEE transactions on circuits and systems for video technology, 31(12), 4645–4660 (2021).

12. Liu, Y. et al. Point cloud quality assessment: Dataset construction and learning-based no-reference metric. ACM Transactions on Multimedia Computing, Communications and Applications, 19(2s), 1–26 (2023).

13. Wang, S. et al. Non-local geometry and color gradient aggregation graph model for no-reference point cloud quality assessment. Proceedings of the 31st ACM International Conference on Multimedia, 2023, pp. 6803–6810.

14. Liu, P., Guitart, J. Performance comparison of multi-container deployment schemes for HPC workloads: an empirical study. The Journal of Supercomputing, 77(6), 6273–6312 (2021). https://doi.org/10.1007/s11227-020-03518-1.

15. Abraham, S., Paul, A.K., Khan, R.I.S., & Butt, A.R. On the use of containers in high performance computing environments. 2020 IEEE 13th International Conference on Cloud Computing (CLOUD) (IEEE, 2020), pp. 284–293. https://doi.org/10.1109/CLOUD49709.2020.00048.

16. Wong A.Y. et al. Threat modeling and security analysis of containers: A survey. arXiv preprint arXiv:2111.11475, 2021.

17. Parast F.K. et al. Cloud computing security: A survey of service-based models. Computers & Security, 114, 102580 (2022).

18. Zhang C. et al. Interval-valued intuitionistic uncertain linguistic cloud petri net and its application to risk assessment for subway fire accident. IEEE transactions on automation science and engineering, 19(1), 163–177 (2020).

19. Sen, A., Madria, S. Application design phase risk assessment framework using cloud security domains. Journal of Information Security and Applications, 55, 102617 (2020).

20. Ferreira, A.P., Sinnott, R. A performance evaluation of containers running on managed kubernetes services. 2019 IEEE International Conference on Cloud Computing Technology and Science (CloudCom) (IEEE, 2019), pp. 199–208.