Новый диспетчер задач от учёных Пермского Политеха ускоряет сайты и видео на 8–10%

Представьте, что вы приходите в банк, где всего два окошка. В одном сидит медлительный сотрудник, но очередь к нему небольшая; рядом — опытный специалист, работающий в пять раз быстрее, но с огромной очередью. Какую стойку выбрать, чтобы вас обслужили быстрее? Примерно в такой же ситуации ежедневно оказываются интернет-сервисы, обрабатывающие миллионы запросов. За решение этой задачи отвечает планировщик (диспетчер задач) — специальное программное обеспечение, которое в реальном времени решает, на какой из тысяч вычислительных машин отправить запрос.

Проблемы существующих методов распределения задач

Существующие методы распределения задач работают вслепую. Одни алгоритмы смотрят только на текущую длину очереди у сервера: у какого устройства очередь короче — туда и отправляют задачу. Но этот сервер может оказаться старым и медленным, и пользователь будет ждать ответа в разы дольше. Другие методы пытаются прогнозировать время выполнения задачи, но их расчёты часто ошибаются: запрос попадает на перегруженный или неподходящий компьютер. Третьи используют искусственный интеллект, однако они требуют суперкомпьютеров, огромных массивов данных и постоянного обучения, что на практике слишком дорого и медленно. В итоге одни серверы простаивают, другие перегреваются, а пользователи ждут загрузки страницы или видео.

Новый метод: учёт достоверности прогноза

Учёные Пермского Политеха разработали метод, который учитывает три фактора: прогнозируемое время выполнения задачи на каждом компьютере, текущую загруженность устройства и достоверность прогнозов по этому компьютеру в прошлом. «Если фактические показатели обработки задач хуже прогнозируемых, планировщик снижает приоритет и отправляет задачу более надёжному исполнителю. В приоритете — те компьютеры, фактические показатели работы которых в большей степени соответствуют прогнозам», — объяснил Егор Трушкин, аспирант кафедры «Автоматика и телемеханика» ПНИПУ.

Для проверки эффективности учёные провели серию вычислительных экспериментов на программной модели и реальном стенде с использованием технологий виртуализации. Моделировались разные сценарии — от идеальных условий до полного хаоса со случайными сбоями в статистике. В случаях нестабильного поведения устройств прогнозы существенно отличались от фактических значений. Существующие методы отправляли задачи на ненадёжные серверы, которые «тормозили» и создавали «пробки». Новый метод, учитывающий достоверность прогноза, показал высокие результаты: время выполнения задач сократилось на 8–10%, а равномерность нагрузки между серверами улучшилась на 60–70%.

Практические выгоды для бизнеса и пользователей

Представьте, что интернет-магазин в «чёрную пятницу» посещают 10 миллионов человек. При старом методе сайт справляется, например, с восемью миллионами, а два миллиона пользователей ждут или уходят. Новый подход позволяет обработать на 10% больше — то есть девять миллионов. Это тысячи дополнительных заказов и доходов без покупки нового оборудования. Выравнивание нагрузки на 60–70% означает, что раньше один сервер работал за троих и не справлялся, другой простаивал, а теперь задачи распределяются равномерно. В итоге ни одно устройство не работает на износ, и пользователи получают ответ быстрее.

Важно, что разработка не требует больших вычислительных мощностей — в отличие от методов на основе нейросетей, ей не нужны суперкомпьютеры, огромные массивы данных для обучения и постоянная перенастройка. Это позволяет внедрять метод в стандартные серверные системы без дополнительных аппаратных затрат. Такой механизм можно встроить в любой интернет-сервис: поисковики, онлайн-кинотеатры, магазины, банковские приложения и облачные платформы. Внедрение технологии позволит компаниям обрабатывать больше запросов на том же оборудовании, экономить на электроэнергии и покупке новых компьютеров. Для обычных пользователей это означает быструю загрузку сайтов, плавное видео без зависаний и мгновенный отклик приложений — даже в час пик.