https://er.chdtu.edu.ua/handle/ChSTU/9002 2026-06-24T04:24:18Z https://er.chdtu.edu.ua/handle/ChSTU/9024 Title: High availability in a microservice architecture Authors: Fedoryshyn, Bohdan; Федоришин, Богдан Abstract: The purpose of this study was to investigate approaches to ensuring high availability of microservice systems with a focus on fault tolerance, scalability, and continuous operation of services. The study applied a comparative and analytical method to analyse technical solutions for ensuring high availability, systematise the characteristics of container orchestration platforms, and evaluate load balancing tools according to the criteria of performance, flexibility, reliability, and integration convenience. Fault-tolerance patterns – retry, circuit breaker, and fallback – that provide flexible error management, reduce the risk of cascading failures, and maintain system continuity are investigated. The study found that the behaviour of fault-tolerance patterns depends on the configuration of execution parameters, such as timeouts, retry limits, and conditions for activating fallback mechanisms. The effectiveness of such tools as NGINX, HAProxy, Envoy, and Amazon Web Services Elastic Load Balancing is evaluated in terms of their impact on the scalability and resilience of the architecture, as well as the possibility of automatic scaling on the example of Amazon Web Services and Google Cloud platforms. It was found that built-in autoscaling services ensure stable operation of services under variable load and enable a rapid response to peak loads. An overview of container orchestrators (Kubernetes, OpenShift, Amazon ES) was provided, among which Kubernetes is recognised as the most effective due to the support of self-healing mechanisms, distributed deployment, health checks, and integration with Continuous Integration/ Continuous Delivery. The findings of this study can serve as an analytical basis for designing sustainable microservice architectures in cloud and enterprise environments to improve the reliability, scalability, and continuity of business processes.; Метою роботи було дослідження підходів до забезпечення високої доступності мікросервісних систем з акцентом на стійкість до відмов, масштабування і безперервну роботу сервісів. У дослідженні застосовано порівняльно-аналітичний метод, аналізу технічних рішень забезпечення високої доступності, систематизації характеристик платформ оркестрації контейнерів і оцінки інструментів балансування навантаження за критеріями продуктивності, гнучкості, надійності та інтеграційної зручності. Досліджено fault-tolerance патерни – retry, circuit breaker і fallback – які забезпечують гнучке управління помилками, знижують ризик каскадних відмов і підтримують безперервність роботи систем. Встановлено, що поведінка fault-tolerance патернів залежить від конфігурації параметрів виконання, таких як таймаути, ліміти повторних спроб і умови активації fallback-механізмів. Оцінено ефективність таких інструментів, як NGINX, HAProxy, Envoy та Amazon Web Services Elastic Load Balancing, з огляду на їх вплив на масштабованість і стійкість архітектури, а також можливості автоматичного масштабування на прикладі хмарних платформ Amazon Web Services і Google Cloud. Виявлено, що вбудовані сервіси autoscaling забезпечують стабільну роботу сервісів при змінному навантаженні та дозволяють оперативно реагувати на пікові навантаження. Надано огляд оркестраторів контейнерів (Kubernetes, OpenShift, Amazon EСS), серед яких Kubernetes визнано найбільш ефективним завдяки підтримці механізмів самовідновлення, розподіленого розгортання, health checks та інтеграції з CI/CD. Результати дослідження можуть слугувати аналітичною основою для проєктування стійких мікросервісних архітектур у хмарному та корпоративному середовищах з метою підвищення надійності, масштабованості та безперервності бізнес-процесів. 2025-01-01T00:00:00Z https://er.chdtu.edu.ua/handle/ChSTU/9023 Title: Reactive tracing of behavioural scenarios in single-page applications by integrating Bun-based WebSocket channels and OpenTelemetry Authors: Ananchenko, Vladyslav; Lotyuk, Yuriy; Ананченко, Владислав; Лотюк, юрій Abstract: The purpose of this study was to evaluate the time efficiency of reactive tracing of user behaviour in single-page applications by integrating Bun-based WebSocket channels with OpenTelemetry. The methodology included creating a prototype application in React, high-frequency monitoring and aggregation of SCADA data, building and optimising a 64-32-16 neural network in TensorFlow, simulations in MATLAB/Simscape, and statistical analysis using Theil-Sen regression, Seasonal and Trend decomposition, Brown-Forsyth test, two-factor analysis of variance, bootstrap permutation, Dickey-Fuller test, and Kaplan-Meier survival curves. The findings revealed that the combination of Hypertext Transfer Protocol with binary serialisation in Protocol Buffers format provided the lowest event detection latency, which averaged 45.09 milliseconds, and the lowest transmission latency, which reached only 62.83 milliseconds in the form-filling scenario. At the same time, the combination of websockets with JavaScript Object Notation text format demonstrated the highest latency, with an average event detection rate of 69.99 milliseconds and transmission latency of up to 88.1 milliseconds, as well as the highest variability in response time. Statistical analysis confirmed the substantial differences between all configurations: the results of the analysis of variance revealed extremely high F-statistics for both indicators with a p-value of less than 0.000001, indicating that both the protocol and the serialisation format have a real impact on the time efficiency. Additionally, the study found that the event detection delay and the transmission delay were independent variables, as the correlation coefficients stayed close to zero in all cases. Thus, the most suitable configuration for high-frequency telemetry systems was a hypertext protocol with a binary Protocol Buffers format, which ensures not only minimal time delays but also stability in loaded environments. The practical significance of the findings lies in the possibility of using them by performance engineers, front-end architects, and developers of monitoring systems to create efficient and scalable solutions focused on analysing user behaviour in real time.; Метою дослідження було оцінити часову ефективність реактивного трасування поведінки користувача в односторінкових додатках через інтеграцію WebSocket-каналів на базі Bun з OpenTelemetry. Методологія включала створення прототипу додатка на React, високочастотний моніторинг і агрегування SCADA-даних, побудову та оптимізацію нейромережі 64-32-16 у TensorFlow, симуляції в MATLAB/Simscape, а також статистичний аналіз із використанням регресії Theil-Sen, Seasonal and Trend-декомпозиції, тесту Брауна-Форсайта, двофакторного аналізу варіантів, бутстреп-перестановки, критерія Дікі-Фуллера та кривих виживання Каплана-Мейєра. Результати показали, що комбінація протоколу гіпертекстової передачі із бінарною серіалізацією у форматі Protocol Buffers забезпечила найнижчу затримку виявлення подій, яка становила в середньому 45,09 мілісекунди, та найнижчу затримку передачі, що сягала лише 62,83 мілісекунди у сценарії заповнення форм. У той же час комбінація вебсокетів із текстовим форматом JavaScript Object Notation продемонструвала найвищі показники затримки, із середнім значенням виявлення подій 69,99 мілісекунди та затримкою передачі до 88,1 мілісекунди, а також найбільшу варіативність у часі реакції. Статистичний аналіз підтвердив суттєві відмінності між усіма конфігураціями: результати дисперсійного аналізу виявили надзвичайно високі значення F-статистики для обох показників із рівнем значущості p меншим за 0,000001, що свідчить про реальний вплив як протоколу, так і формату серіалізації на часову ефективність. Додатково встановлено, що затримка виявлення подій та затримка передачі були незалежними величинами, оскільки коефіцієнти кореляції в усіх випадках залишалися близькими до нуля. Таким чином, оптимальною конфігурацією для високочастотних телеметричних систем був гіпертекстовий протокол із бінарним форматом Protocol Buffers, що забезпечує не лише мінімальні часові затримки, але й стабільність у навантажених середовищах. Практична значимість результатів полягає в можливості використання їх інженерами з продуктивності, архітекторами фронтенду та розробниками моніторингових систем для створення ефективних та масштабованих рішень, орієнтованих на аналіз поведінки користувачів у режимі реального часу. 2025-01-01T00:00:00Z https://er.chdtu.edu.ua/handle/ChSTU/9021 Title: A comparative analysis of CodeBERT and CodeLlama models: Architecture, functionality and application in software coding tasks Authors: Deineha, Oleksandr; Arshava, Olena; Zhovtonizhko, Irіna; Дейнега, Олександр; Аршава, Олена; Жовтоніжко, Ірина Abstract: The relevance of the research was conditioned by the need to compare the large language models CodeBERT and CodeLlama, which were actively used for automating code generation and analysis with the aim of improving the efficiency and quality of software. The aim of the study was a comprehensive juxtaposition of the architectural and functional characteristics of the selected language models CodeBERT and CodeLlama. Interpretative, comparative, systemic and structural-categorical analyses were used to study the architectures, tasks, and relevance of the models. A comprehensive comparative analysis of the CodeBERT and CodeLlama models was carried out according to key parameters: model architecture (the RoBERTa encoder architecture in CodeBERT versus the Llama 2 decoder architecture in CodeLlama), the scale and sources of training data, the range of supported tasks, performance on benchmark datasets, advantages and limitations, typical areas of application, and conditions of accessibility and licensing. The results showed that the difference in architecture and training data significantly affected the effectiveness of the models in different types of tasks, and also determined the practical capabilities and limitations. Particular attention was paid to the issues of implementing the models in practical scenarios, taking into account hardware resources and licensing policy. The results showed that CodeLlama required significantly greater computational resources for effective operation, whereas CodeBERT was easier to implement on standard equipment. It was also established that the licensing conditions of CodeLlama were more restrictive, which could complicate its use in commercial projects, in contrast to CodeBERT with an open licence. It was concluded that these models performed predominantly complementary functions: CodeBERT was an effective tool for code-understanding tasks, whereas CodeLlama demonstrated high results in generation tasks. The conclusions outlined the challenges and prospects for the development of next-generation models with multitasking and multimodality. Practical value – assistance to developers and researchers in choosing the optimal tool, taking into account technical and licensing aspects.; Актуальність дослідження зумовлена потребою порівняти великі мовні моделі CodeBERT і CodeLlama, які активно використовують для автоматизації генерації та аналізу коду з метою підвищення ефективності й якості програмного забезпечення. Метою дослідження було всебічне зіставлення архітектурних, функціональних характеристик обраних мовних моделей CodeBERT і CodeLlama. Використано інтерпретативний, порівняльний, системний та структурно-категоріальний аналізи для вивчення архітектур, завдань та релевантності моделей. Здійснено всебічний порівняльний аналіз моделей CodeBERT і CodeLlama за ключовими параметрами: архітектура моделей (архітектура енкодер RoBERTa у CodeBERT проти декодерної архітектури Llama 2 у CodeLlama), масштаб і джерела навчальних даних, спектр підтримуваних завдань, продуктивність на еталонних бенчмарках, переваги та обмеження, типові сфери застосування та умови доступності й ліцензування. Результати показали, що різниця в архітектурі та навчальних даних суттєво впливає на ефективність моделей у різних типах завдань, а також визначає їх практичні можливості й обмеження. Особливу увагу приділено питанням впровадження моделей у практичні сценарії, з урахуванням апаратних ресурсів і ліцензійної політики. Результати показали, що CodeLlama потребує значно більших обчислювальних ресурсів для ефективної роботи, тоді як CodeBERT є більш легким у впровадженні на стандартному обладнанні. Також було встановлено, що ліцензійні умови CodeLlama є більш обмежувальними, що може ускладнити його використання у комерційних проєктах, на відміну від CodeBERT із відкритою ліцензією. Зроблено висновок, що ці моделі виконують переважно взаємодоповнювальні функції: CodeBERT є ефективним інструментом для задач розуміння коду, тоді як CodeLlama демонструє високі результати в задачах генерації. У висновках окреслено виклики й перспективи розвитку моделей нового покоління з мультизадачністю та мультимодальністю. Практична цінність – допомога розробникам і дослідникам у виборі оптимального інструменту з урахуванням технічних і ліцензійних аспектів 2025-01-01T00:00:00Z https://er.chdtu.edu.ua/handle/ChSTU/9019 Title: A method for keyword recognition in voice signals in resource-constrained computer systems Authors: Didus, Andrii; Tereikovskyi, Ihor; Дідус, Андрій; Терейковський, Ігор Abstract: Keyword spotting on embedded platforms must balance accuracy and strict resource limits while remaining independent of network connectivity. The aim of the study was to develop and experimentally validate a classical, frugal recognition method that increases feature informativeness without increasing model complexity and is suitable for autonomous use on edge devices that rely only on a central processing unit. A weighted acoustic fingerprinting mechanism was proposed. Mel-frequency cepstral coefficients, together with their derivatives, were reweighted, aggregated, and serialised into compact discrete “fingerprints”, which were then classified using the Levenshtein edit distance. Experiments were carried out on a Ukrainian-language command corpus from six native speakers (three male, three female), recorded with both headsets and far-field microphones; lexicons of 10, 100, and 200 words were evaluated under speaker-independent splits of 70%/15%/15%. The methodology comprised fixed parametrisation of mel-frequency cepstral coefficients, construction of a static weighting vector, voiceactivity detection with spectral subtraction, uniform quantisation and serialisation, and deterministic edit-distance classification; for comparison, equal-weight baselines, hidden Markov models with Gaussian mixture emissions, Dynamic Time Warping, a lightweight convolutional neural network, and a reference depthwise-separable convolutional neural network were considered. The proposed method achieved macro-averaged harmonic means of precision and recall of 0.96/0.92/0.89 for 10/100/200-word lexicons in clean audio, and 0.78 at a signal-to-noise ratio of 5 decibels (100-word lexicon). The implementation required approximately 250 kilobytes of memory and operated with a real-time factor of 0.005 on Raspberry Pi 4 with 4 gigabytes, i.e., faster than real time. Superiority over equal-weight baselines, hidden Markov models with Gaussian mixture emissions, and Dynamic Time Warping was demonstrated, with performance approaching that of a compact convolutional neural network. It is concluded that weighted acoustic fingerprinting provides a robust, efficient, and autonomous keyword-spotting solution for deployments that use only a central processing unit.; Розпізнавання ключових слів на вбудованих платформах вимагає балансу між точністю та жорсткими ресурсними обмеженнями, зберігаючи при цьому незалежність від підключення до мережі. Метою дослідження було розробити та експериментально валідувати класичний, ощадний метод розпізнавання, який підвищує інформативність ознак без ускладнення моделі та придатний для автономного використання на периферійних пристроях, що покладаються лише на центральний процесор. Методологія охоплювала фіксовану параметризацію мел-частотних кепстральних коефіцієнтів, формування статичного вектора ваг, виявлення голосової активності зі спектральним відніманням, рівномірне квантування та серіалізацію, а також детерміновану класифікацію на основі редакційної відстані; для порівняння розглянуто підходи з рівними вагами, приховані марковські моделі з гаусовими сумішами, динамічне вирівнювання за часом, легку згорткову нейронну мережу та еталонну глибоко роздільну згорткову нейронну мережу. Запропоновано механізм зваженого акустичного фінгерпринтингу. Мел-частотні кепстральні коефіцієнти разом із їхніми похідними перезважувалися, агрегувалися та серіалізувалися у компактні дискретні «відбитки», що класифікувалися за редакційною відстанню Левенштейна. Експерименти виконувалися на україномовному корпусі команд від шести носіїв (троє чоловіків, троє жінок) із записами через гарнітури та мікрофони дальнього поля; оцінювалися лексикони на 10, 100 і 200 слів із незалежним від диктора поділом 70 % / 15 % / 15 %. Запропонований метод досяг макро-усередненого гармонійного середнього точності та повноти 0,96 / 0,92 / 0,89 для лексиконів у 10 / 100 / 200 слів у чистому аудіо та 0,78 за співвідношення сигнал/шум 5 децибелів (лексикон 100 слів). Потрібно приблизно 250 кілобайт пам’яті; робота відбувалася з коефіцієнтом реального часу 0,005 на Raspberry Pi 4 (4 гігабайти), тобто швидше за реальний час. Показано перевагу над підходами з рівними вагами, прихованими марковськими моделями з гаусовими сумішами та динамічним вирівнюванням за часом і наближення до показників компактної згорткової нейронної мережі. Зроблено висновок, що зважений акустичний фінгерпринтинг є надійним, ефективним та автономним рішенням розпізнавання ключових слів для розгортання на системах із висновуванням лише на центральному процесорі. 2025-01-01T00:00:00Z