
Защита диссертации Кусеповой Лаззат Тұңғышбайқызы на соискание степени доктора философии (PhD) по образовательной программе «8D06102 - Информатика»
В Евразийском национальном университете имени Л.Н. Гумилева состоится защита диссертации на соискание степени доктора философии (PhD) Кусеповой Лаззат Тұңғышбайқызы на тему «Модели и алгоритмы эффективного создания и развертывания контейнерных приложений» по образовательной программе «8D06102 – Информатика».
Диссертация выполнена на кафедре «Кафедра Технологии искусственного интеллекта» Евразийского национального университета имени Л.Н. Гумилева.
Язык защиты - казахский
Официальные рецензенты:
Тасболатұлы Нұрболат – доктор философии (PhD), ассоциированный профессор, директор Департамента науки Международного университета Астана (г. Астана, Республика Казахстан);
Оралбекова Жанар Орымбаевна – доктор философии (PhD), ассоциированный профессор, и.о. профессора школы «Искусственный интеллект и науки о данных», ТОО «Astana IT University» (г. Астана, Республика Казахстан).
Временные члены Диссертационного совета:
Кожирбаев Жанибек Мамбеткаримович – доктор философии (PhD), ассоциированный профессор, ведущий научный сотрудник, Лаборатория вычислительного материаловедения, Центр энергетики и передового материаловедения, National Laboratory Astana, Назарбаев Университет (г. Астана, Республика Казахстан).
Адамова Айгуль Дюсенбиновна – доктор философии PhD, ассоциированный профессор, Декан, школа программной инженерии Astana IT University (г. Астана, Республика Казахстан).
Джумаёзов Умиджон Зафаржонович – доктор технических наук (DSc), доцент, профессор кафедры программной инженерии Самаркандского государственного университета имени Шарафа Рашидова (г. Самарканд, Республика Узбекистан).
Научные консультанты:
Оспанова Адеми Бекжановна – кандидат физико-математических наук, доцент кафедры “Информационная безопасность” Евразийского национального университета имени Л.Н. Гумилева, (г. Астана, Республика Казахстан);
Тебуева Фариза Биляловна – доктор физико-математических наук, доцент, профессор кафедры вычислительной математики и кибернетики Северо-Кавказского федерального университета (г. Ставрополь, Россия).
Защита состоится: 29 декабря 2026 года 12:00 часов в Диссертационном совете по направлению подготовки кадров «8D061-Информационно-коммуникационные технологии» («8D06103-Информационные системы», «6D070300-Информационные системы») Евразийского национального университета имени Л.Н. Гумилева. Проведение заседания диссертационного совета в смешанном (оффлайн и онлайн) формате.
Ссылка: https://teams.microsoft.com/meet/454382166261453?p=xDABUBs0czxymZAQez
Адрес: г. Астана, ул. Пушкина, 11, Учебный корпус № 2, аудитория № 222. г.
Аннотация (рус.): диссертационная работа Кусеповой Лаззат Тұңғышбайқызы «Модели и алгоритмы эффективного создания и развертывания контейнерных приложений» представленной на соискание степени доктора философии (PhD) по образовательной программе «8D06102 – Информатика» Актуальность исследования. Технологии контейнеризации и оркестрации стали основным способом развертывания современных облачных и локальных приложений. Однако по мере роста масштаба кластера принятие решений о размещении, масштабировании и балансировке нагрузки усложняется. Существующие системы оркестрации принимают эти решения, как правило, на основе статических правил и реактивных пороговых значений. Такой подход оказывается неэффективным в условиях неполноты и зашумленности телеметрии, нестационарности нагрузки и неоднородности платформ исполнения. Реактивное масштабирование приводит к снижению качества обслуживания в интервале между ростом нагрузки и готовностью новой реплики; в serverless-среде существенный вклад вносит задержка холодного старта; когда контуры масштабирования, размещения и балансировки работают несогласованно, улучшение отдельных алгоритмов не приводит к повышению общего качества системы. Поэтому разработка моделей и алгоритмов, явно учитывающих неопределенность телеметрии, адаптирующихся к изменению нагрузки и объединяющих контуры управления для их согласованной работы, является актуальной научной задачей. Эту задачу необходимо рассматривать в рамках всего жизненного цикла контейнерного приложения — от создания конфигурации до развертывания и управления во время исполнения. Цель исследования ‒ разработка моделей и алгоритмов создания, развертывания и адаптивного управления контейнерными приложениями в облачных сервисах и локальных инфраструктурах и экспериментальное обоснование условий их применения. В соответствии с поставленной целью в диссертационной работе необходимо решить следующие задачи: 1. проанализировать методы создания, развертывания и адаптивного управления контейнерными приложениями, определить их ограничения и критерии оценки эффективности; 2. разработать метод автоматической генерации, верификации и исправления контейнерных конфигураций на этапе сборки и провести сравнительную оценку стратегий сборки образов; 3. разработать алгоритм адаптивного выбора среды исполнения на этапе развертывания с учетом характеристик нагрузки и ресурсных требований и оценить его эффективность; 4. разработать модели и алгоритмы адаптивного управления на этапе исполнения с учетом неполной телеметрии и изменяющейся нагрузки и экспериментально обосновать эффективность и условия применения подходов к прогнозированию, масштабированию, снижению холодных стартов и мультиагентному управлению. Объект исследования – процессы создания, развертывания и управления во время исполнения контейнерных приложений в облачной и локальной инфраструктуре. Предмет исследования – модели, алгоритмы и программные средства адаптивного управления контейнерными приложениями. Методы исследования. В работе использованы теория марковских процессов принятия решений (в том числе аппарат частично наблюдаемых процессов), методы обучения с подкреплением и мультиагентного обучения, теория контекстных бандитов, методы глубокого обучения и прогнозирования временных рядов, формальная верификация и SMT-решатели. Для обработки результатов применялись методы математической статистики: дисперсионный анализ, параметрические и непараметрические тесты, поправки на множественные сравнения, оценка величины эффекта. Эксперименты проводились посредством имитационного моделирования и в виде вычислительных экспериментов на реальных производственных трассах. Программные средства. Разработка алгоритмов и программных средств обеспечена с использованием языка Python и его библиотек. Научная новизна. Научная новизна работы заключается в следующем: задача управления ресурсами в контейнерной среде формализована в виде частично наблюдаемого марковского процесса принятия решений; шум телеметрии явно учитывается через модель наблюдений, а управляющее решение опирается не на истинное состояние системы, а на состояние убеждения, что обеспечивает повышение качества управления при зашумленных измерениях; проведено сравнение архитектур прогнозирования нагрузки, включая двунаправленную сеть LSTM с механизмом внимания, и рассмотрен алгоритм проактивного масштабирования, опирающийся на ее прогноз и тренд; предложен алгоритм снижения холодных стартов в serverless-среде: он обучается выбирать размер кэша в зависимости от структуры нагрузки и расходует меньше памяти по сравнению со статическими политиками кэширования; задача управления кластером поставлена как мультиагентная система с разделением на функциональные роли; компромисс между качеством обслуживания и затратами регулируется посредством лагранжевой релаксации в рамках ограниченного марковского процесса; задача метавыбора платформы поставлена как контекстный бандит с дрейфом, и предложен алгоритм с экспоненциальным забыванием устаревшей статистики; при изменении профиля нагрузки данный алгоритм адаптируется быстрее; предложен метод верификации контейнерных конфигураций: он объединяет результаты статического, семантического анализа и анализа на основе машинного обучения в единую числовую оценку и замкнут в цикл с генерацией на основе языковой модели. Основные положения, выносимые на защиту: 1. Формализация задачи управления ресурсами как частично наблюдаемого марковского процесса принятия решений и ее решение на основе состояния убеждения существенно снижают число нарушений уровня обслуживания при зашумленной телеметрии по сравнению с пороговой политикой. 2. Двунаправленная рекуррентная сеть с механизмом внимания статистически значимо превосходит базовые архитектуры в прогнозировании облачной нагрузки и снижении крупных ошибок прогноза. 3. Настройка размера кэша методом обучения с подкреплением позволяет найти в serverless-среде точку компромисса между долей холодных стартов и затратами памяти, недостижимую для статических политик. 4. Управление кластером мультиагентной системой с разделением ролей снижает число нарушений уровня обслуживания, а сопутствующий рост затрат контролируется бюджетным ограничением в рамках ограниченного марковского процесса. 5. Алгоритм контекстного бандита с экспоненциальным затуханием устаревшей статистики (EF LinUCB) при изменяющемся профиле нагрузки выбирает платформу качественнее, чем традиционные бандитные стратегии и статические правила. 6. Объединение трехуровневой верификации конфигураций с генерацией на основе языковой модели в замкнутый цикл увеличивает долю семантических ошибок, выявляемых до развертывания. Практическая значимость исследования: Разработанные модели и алгоритмы могут применяться в системах управления контейнерными кластерами, в конвейерах CI/CD и при эксплуатации облачных платформ (Приложение А). Внедрение системы верификации и агента генерации на этап, предшествующий развертыванию, позволяет выявлять ошибки конфигурации до их попадания в производственную среду. Алгоритмы масштабирования и кэширования направлены на снижение затрат ресурсов. Результаты работы также могут использоваться в преподавании дисциплин по облачным технологиям, распределенным системам и машинному обучению. Внедрение результатов. Получен акт внедрения от 13 октября 2026 года, подтверждающий практическое применение результатов работы в информационной системе Евразийского национального университета имени Л.Н. Гумилева. Апробация результатов диссертации. Основные результаты диссертационного исследования докладывались на следующих международных конференциях: 1. Облачные технологии в свете долгосрочной перспективы для бизнес-организаций // Фундаментальные проблемы информационной безопасности в условиях цифровой трансформации (FISP-2020): сб. докл. II Всерос. науч. конф. (с приглаш. зарубеж. ученых). – Ставрополь: СКФУ, 2020. – С. 201-206. (30 ноября 2020 г.). 2. Современные стандарты и сервисы облачных вычислений // Международная конференция Евразийского национального университета имени Л.Н. Гумилева (Астана, 12 апреля 2021 г.). 3. Cloud Services Projects to Support Small and Medium-Sized Businesses and Approaches for their Commercialization // 2022 13th National Conference with International Participation (ELECTRONICA) (2022): 4 pp. (онлайн). Публикации по теме исследования: В журналах, индексируемых в базах Scopus и Web of Science, – 2 статьи: 1. Ospanova A., Zharkimbekova A., Kussepova L., Tokkuliyeva A., Kokkoz M. Cloud Service for Protecting Computer Networks of Enterprises Using Intelligent Hardware and Software Devices, Based on Raspberry Pi Microcomputers // Acta Polytechnica Hungarica 19(4) (2022): 85-103 pp. (Квартиль - Q3, процентиль - 80). 2. Omarbekova A., Kussepova L., Zulkhazhav A., Altaibek M., Bekmanova G., Nazyrova A., Lamasheva Zh. Monitoring and comparative analysis of containerized environments // Frontiers in Computer Science 8 (2026): 1886850, 1-22 pp. https://doi.org/10.3389/fcomp.2026.1886850 (Квартиль - Q1, процентиль - 71) В журналах из Перечня научных изданий, рекомендуемых Комитетом по обеспечению качества в сфере науки и высшего образования Министерства науки и высшего образования Республики Казахстан, – 3 статьи: 1. Кусепова Л.Т., Оспанова А.Б, Назырова А.Е., Кусепова Г.Т. Развертывание контейнерных приложений с помощью машинного обучения: обзор и анализ // Вестник КазУТБ Учредители: Казахский университет технологии и бизнеса. – 2024. – Т. 2. – №. 23. 2. Кусепова Л. Т., Кусепова Г. Т. АНАЛИЗ И СРАВНЕНИЕ ИНСТРУМЕНТОВ ОРКЕСТРАЦИИ КОНТЕЙНЕРОВ В ЛОКАЛЬНОЙ И ОБЛАЧНОЙ ИНФРАСТРУКТУРЕ //Вестник Казахстанско-Британского технического университета. – 2026. – Т. 23. – №. 1. – С. 22-36. 3. Kussepova L.T., Ospanova A.B., Tebueva F.B., Amandykkyzy A., Nazyrova A.E., Tuleshov Y.A. An overview of modern cloud container technologies and a comparative analysis of their orchestration tools // Bulletin of the National Engineering Academy of the Republic of Kazakhstan. – 2026. – №1 (99). – P. 112-125. Структура и объем диссертации. Диссертационная работа написана на казахском языке и состоит из введения, двух разделов, заключения, списка использованной литературы из 247 источников и приложений. Во введении обоснована актуальность темы исследования, определены цель и задачи работы, объект и предмет исследования, применяемые методы. Сформулированы научная новизна, практическая значимость и основные положения, выносимые на защиту. Приведены сведения об апробации, публикации и внедрении результатов. В первом разделе рассмотрены научно-теоретические основы создания и развертывания контейнерных приложений в облачных и локальных инфраструктурах. Систематизированы архитектурные модели облачной инфраструктуры, контейнерные технологии и платформы оркестрации. Проведен сравнительный анализ алгоритмов размещения контейнеров, масштабирования, балансировки нагрузки и оптимизации использования ресурсов. Выявлены ограничения существующих подходов в условиях неполной телеметрии и изменяющейся нагрузки и обоснована необходимость разработки моделей адаптивного управления. Определены критерии оценки эффективности предлагаемых решений и методика экспериментального исследования. Во втором разделе разработаны и экспериментально оценены модели и алгоритмы адаптивного управления контейнерными приложениями на этапах создания, развертывания и исполнения. Задача управления ресурсами формализована в виде частично наблюдаемого марковского процесса принятия решений и рассмотрен подход к принятию решений на основе состояния убеждения. Исследованы двунаправленная архитектура LSTM, дополненная механизмом внимания, для прогнозирования нагрузки и алгоритм проактивного масштабирования SLOPE+. Оценены алгоритм CASR-PPO для снижения холодных стартов в бессерверной среде и подходы к мультиагентному управлению контейнерной инфраструктурой. Для адаптивного выбора платформы исполнения рассмотрен алгоритм EF-LinUCB, экспоненциально уменьшающий вес устаревших наблюдений. Метод Con2ValInt, проверяющий контейнерные конфигурации на трех уровнях, объединен в цикл проверки и исправления на основе больших языковых моделей и генерации, дополненной поиском. Проведено сравнение стратегий сборки контейнерных образов, определены вычислительные затраты и условия применения разработанных компонентов. Предложена архитектура на основе телеметрии и обратной связи, объединяющая компоненты в цикл «создание – развертывание – адаптивное управление». В заключении обобщены основные результаты, полученные по задачам исследования, и сформулирована научная и практическая значимость предложенных моделей и алгоритмов. На основе экспериментальных результатов уточнены условия их применения и ограничения, оценено соотношение между качеством обслуживания, использованием ресурсов и вычислительными затратами. В приложениях приведены сравнительные характеристики алгоритмов планирования контейнеров и авторские свидетельства на разработанные программные средства.
