Магистерская выпускная работа посвящена повышению производительности центра обработки данных (ЦОД) путем мониторинга метрик оценки эффективности эксплуатации ресурсов. В работе были выбраны инструменты для сбора, обработки и расчета метрик на основе проведенного анализа научных публикаций экспертов предметной области, определены основные метрики для оценки эффективности использования ресурсов ЦОД, проведена оценка полученных результатов. В работе предложены методы повышения производительности ЦОД, включая использование метрик оценки эффективности, автоматизацию процессов сбора и анализа показателей и повышение производительности расчета метрик с помощью парадигмы Map Reduce и кэширование промежуточных результатов. Также предложено использование индекса B-Tree в реляционной базе данных для оптимизации доступа к рассчитанным метрикам. Предложенные методы были реализованы в программном средстве, которое позволяет отслеживать ключевые метрики и принимать решения по улучшению инфраструктуры и оптимизацию затрат на ресурсы ЦОД. Результаты реализации прототипа и тестирования продемонстрировали эффективность предложенных методов.

The masters thesis is dedicated to improving the performance of a data center by monitoring resource utilization metrics. The study analyzed scientific publications based on data from open sources of the data center. Metrics were used to determine the consumption of key resources such as CPU, RAM, and power consumption, and results were compared. Based on this, tools were selected for collecting, processing, and calculating metrics. The study proposes methods for improving data center performance, including the use of resource utilization metrics, process automation, and improved computing performance through the Map Reduce paradigm, caching intermediate results with Redis. The study also proposes using B-Tree index in the PostgreSQL relational database to optimize access to calculated metrics. The proposed methods were implemented in software that allows tracking key metrics and making decisions to improve infrastructure and optimize data center resource costs. The results of the prototype implementation and testing demonstrated the effectiveness of the proposed methods, which was confirmed by comparing metric- based indicators with original resource indicators.