1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Вісник ТНТУ
  3. 2025
  4. Вісник ТНТУ, 2025, № 1 (117)
Моля, използвайте този идентификатор за цитиране или линк към този публикация: http://elartu.tntu.edu.ua/handle/lib/48633

Заглавие: Вплив сучасних хмарних технологій на ефективність DevOps-процесів
Други Заглавия: The impact of modern cloud technologies on the efficiency of DevOps processes
Автори: Лучкевич, Михайло
Шаклеіна, Ірина
Дуда, Олексій Михайлович
Luchkevych, Mykhailo
Shakleina, Iryna
Duda, Oleksii
Affiliation: Національний університет «Львівська політехніка», Львів, Україна
Тернопільський національний технічний університет імені Івана Пулюя, Тернопіль, Україна
Lviv Polytechnic National University, Lviv, Ukraine
Ternopil Ivan Puluj National Technical University, Ternopil, Ukraine
Bibliographic description (Ukraine): Лучкевич М. Вплив сучасних хмарних технологій на ефективність DevOps-процесів / Михайло Лучкевич, Ірина Шаклеіна, Олексій Михайлович Дуда // Вісник ТНТУ. — Т. : ТНТУ, 2025. — Том 117. — № 1. — С. 112–122.
Bibliographic reference (2015): Лучкевич М., Дуда О. М. Вплив сучасних хмарних технологій на ефективність DevOps-процесів // Вісник ТНТУ, Тернопіль. 2025. Том 117. № 1. С. 112–122.
Bibliographic citation (APA): Luchkevych, M., Shakleina, I., & Duda, O. (2025). Vplyv suchasnykh khmarnykh tekhnolohii na efektyvnist DevOps-protsesiv [The impact of modern cloud technologies on the efficiency of DevOps processes]. Scientific Journal of the Ternopil National Technical University, 117(1), 112-122. TNTU. [in Ukrainian].
Bibliographic citation (CHICAGO): Luchkevych M., Shakleina I., Duda O. (2025) Vplyv suchasnykh khmarnykh tekhnolohii na efektyvnist DevOps-protsesiv [The impact of modern cloud technologies on the efficiency of DevOps processes]. Scientific Journal of the Ternopil National Technical University (Tern.), vol. 117, no 1, pp. 112-122 [in Ukrainian].
Is part of: Вісник Тернопільського національного технічного університету, 1 (117), 2025
Scientific Journal of the Ternopil National Technical University, 1 (117), 2025
Journal/Collection: Вісник Тернопільського національного технічного університету
Issue: 1
Volume: 117
Дата на Публикуване: 18-Мар-2025
Submitted date: 20-Фев-2025
Date of entry: 27-Май-2025
Издател: ТНТУ
TNTU
Place of the edition/event: Тернопіль
Ternopil
DOI: https://doi.org/10.33108/visnyk_tntu2025.01.112
UDC: 004.75
004.42
Ключови Думи: DevOps
хмарні технології
AWS
GCP
Azure
CI/CD
автоматизація
контейнеризація
масштабованість
моніторинг
DevOps
cloud technologies
AWS
GCP
Azure
CI/CD
automation
containerization
scalability
monitoring
Number of pages: 11
Page range: 112-122
Start page: 112
End page: 122
Резюме: Досліджено вплив сучасних хмарних технологій на ефективність DevOps-процесів, що є ключовими для автоматизації, гнучкості та надійності розроблення програмного забезпечення. В умовах стрімкого розвитку інформаційних технологій хмарні платформи відіграють важливу роль у прискоренні процесів розроблення, тестування та розгортання програмних продуктів. Упровадження DevOps у хмарному середовищі дозволяє зменшити час виходу продукту на ринок, підвищити стабільність роботи програмних систем й оптимізувати використання обчислювальних ресурсів, що є критично важливим для сучасних компаній. Розглянуто основні виклики, з якими стикаються DevOps-команди, зокрема необхідність швидкого масштабування інфраструктури, забезпечення безперервної інтеграції та доставки (CI/CD), автоматизації тестування, моніторингу продуктивності та оптимізації витрат. Особлива увага приділена проблемам безпеки, управління конфігурацією та мінімізації людського фактора при впровадженні змін у програмний код. Проведено порівняльний аналіз трьох провідних хмарних платформ – Amazon Web Services, Google Cloud Platform та Microsoft Azure – у контексті їхнього впливу на DevOps-процеси. Оцінено можливості автоматизації, підтримання контейнерних технологій, масштабованості інфраструктури, інструментів моніторингу та інтеграції з CI/CD-конвеєрами. Виявлено, що AWS пропонує найширший набір DevOps- інструментів із високим рівнем автоматизації, що робить її привабливим вибором для організацій, орієнтованих на складні корпоративні рішення. Google Cloud Platform демонструє найкращу підтримку Kubernetes і контейнеризації, що є важливим фактором для команд, які працюють з мікросервісною архітек- турою. Microsoft Azure забезпечує найглибшу інтеграцію з екосистемою Microsoft і є оптимальним вибором для компаній, які використовують Windows-середовище та пов’язані продукти. Експериментальне дослідження показало, що вибір хмарної платформи має суттєвий вплив на швидкість релізних циклів, стабільність розгорненої інфраструктури, можливість швидкого реагування на зміну навантаження та продуктивність DevOps-команд у цілому. Запропоновано рекомендації щодо вибору оптимальної хмарної платформи залежно від специфіки проєкту, масштабу організації, рівня навантаження на систему та вимог до автоматизації
The article investigates the impact of modern cloud technologies on the efficiency of DevOps processes, which are key to the automation, flexibility and reliability of software development. With the rapid development of information technology, cloud platforms play an important role in accelerating software product development, testing and deployment. Implementing DevOps in the cloud environment reduces the time to market, increases the stability of software systems and optimizes the use of computing resources, which is critical for modern companies. This paper discusses DevOps teamsʼ main challenges, including the need to scale infrastructure rapidly, ensure continuous integration and delivery (CI/CD), automate testing, monitor performance, and optimize costs. Particular attention is paid to security problems, configuration management and the human factor minimization when implementing program code changes. A comparative analysis of the three leading cloud platforms - Amazon Web Services, Google Cloud Platform, and Microsoft Azure – is carried out in the context of their impact on DevOps processes. The possibilities of automation, support for container technologies, infrastructure scalability, monitoring tools, and integration with CI/CD pipelines are evaluated. AWS was found to offer the broadest set of DevOps tools with a high level of automation, making it an attractive choice for organizations focused on complex enterprise solutions. Google Cloud Platform demonstrates the best support for Kubernetes and containerization, an essential factor for teams working with microservices architecture. Microsoft Azure provides the most profound integration with the Microsoft ecosystem and is the best choice for companies that use Windows and related products. An experimental study has shown that the choice of a cloud platform significantly impacts the speed of release cycles, the stability of the deployed infrastructure, the ability to respond quickly to changes in load, and the productivity of DevOps teams in general. Recommendations for choosing the optimal cloud platform are proposed depending on the specifics of the project, the scale of the organization, the level of system load, and automation requirements
URI: http://elartu.tntu.edu.ua/handle/lib/48633
ISSN: 2522-4433
Copyright owner: © Ternopil Ivan Puluj National Technical University, 2025
URL for reference material: https://doi.org/10.2139/ssrn.4827875
http://www.jetir.org/papers/JETIR2008432.pdf
https://doi.org/10.1109/ICACCS57279.2023.10113021
https://doi.org/10.1049/icp.2021.0898
https://doi.org/10.1007/978-1-4842-5398-4_3
https://doi.org/10.1007/978-1-4842-9172-6_9
https://doi.org/10.47363/JAICC/2023(2)324
https://doi.org/10.1109/CONFLUENCE.2019.8776985
https://doi.org/10.1109/CCWC.2019.8666479
https://doi.org/10.1007/978-1-4842-4470-8_45
https://doi.org/10.1145/2889160.2889222
https://doi.org/10.1007/978-1-4842-9688-2_1
https://doi.org/10.1007/978-1-4842-3897-4_7
https://doi.org/10.1007/979-8-8688-1010-7_4
https://doi.org/10.1145/3641032.3641037
https://doi.org/10.1007/979-8-8688-0602-5_17
https://doi.org/10.1007/978-1-4842-9004-0_11
https://doi.org/10.1007/978-1-4842-5425-7_7
https://doi.org/10.1007/978-1-4842-6200-9_5
https://doi.org/10.1007/978-1-4842-7122-3_10
https://doi.org/10.1007/978-1-4842-4828-7_5
https://doi.org/10.2139/ssrn.4914145
https://doi.org/10.2139/ssrn.4914175
https://doi.org/10.1007/978-3-031-33669-0_12
References (International): 1. El Aouni F. et al. (2024). A systematic literature review on Agile, Cloud, and DevOps integration: Challenges, benefits. Information and Software Technology, pp. 107569. https://doi.org/10.2139/ssrn.4827875
2. Battina D. S. Devops (2020) A New Approach To Cloud Development & Testing. nternational Journal of Emerging Technologies and Innovative Research (www. jetir. org), ISSN. pp. 2349–5162. Available at: http://www.jetir.org/papers/JETIR2008432.pdf.
3. Sravan S. S. et al. Significant Challenges to espouse DevOps Culture in Software Organisations By AWS: A methodical Review. 2023 9th International conference on advanced computing and communication systems (ICACCS). IEEE, 2023, vol. 1, pp. 395–401. https://doi.org/10.1109/ICACCS57279.2023.10113021
4. Raheja Y., Borgese G., Felsen N. (2018). Effective DevOps with AWS: Implement continuous delivery and integration in the AWS environment. Packt Publishing Ltd, 363 p.
5. Alalawi A., Mohsin A., Jassim A. A survey for AWS cloud development tools and services. IET Conference Proceedings CP777. Stevenage, UK: The Institution of Engineering and Technology, 2020, vol. 2020, no. 6, pp. 17–23. https://doi.org/10.1049/icp.2021.0898
6. Campbell B., Campbell B. (2020). CloudFormation In-Depth //The Definitive Guide to AWS Infrastructure Automation: Craft Infrastructure-as-Code Solutions, pp. 55–122. https://doi.org/10.1007/978-1-4842-5398-4_3
7. Mishra P. (2023). Advanced AWS Services. Cloud Computing with AWS: Everything You Need to Know to be an AWS Cloud Practitioner. Berkeley, CA: Apress, pp. 247–277. https://doi.org/10.1007/978-1-4842-9172-6_9
8. Lekkala C. (2023) Deploying and Managing Containerized Data Workloads on Amazon EKS. J Arti Inte & Cloud Comp, vol. 2, no. 2, pp. 1–5. https://doi.org/10.47363/JAICC/2023(2)324
9. Singh C. et al. (2019) Comparison of different CI/CD tools integrated with cloud platform. 2019 9th International Conference on Cloud Computing, Data Science & Engineering (Confluence). IEEE, pp. 7–12. https://doi.org/10.1109/CONFLUENCE.2019.8776985
10. Shah J., Dubaria D. (2019) Building modern clouds: using docker, kubernetes & Google cloud platform. 2019 IEEE 9th Annual Computing and Communication Workshop and Conference (CCWC). IEEE, pp. 0184–0189. https://doi.org/10.1109/CCWC.2019.8666479
11. Bisong E., Bisong E. (2019). Containers and google kubernetes engine. Building Machine Learning and Deep Learning Models on Google Cloud Platform: A Comprehensive Guide for Beginners, pp. 655–670. https://doi.org/10.1007/978-1-4842-4470-8_45
12. Esfahani H. et al. (2016). CloudBuild: Microsoftʼs distributed and caching build service. Proceedings of the 38th International Conference on Software Engineering Companion, pp. 11–20. https://doi.org/10.1145/2889160.2889222
13. Sukhdeve D. S. R., Sukhdeve S. S. (2023). Introduction to GCP. Google Cloud Platform for Data Science: A Crash Course on Big Data, Machine Learning, and Data Analytics Services. Berkeley, CA: Apress, pp. 1–9. https://doi.org/10.1007/978-1-4842-9688-2_1
14. Riti P., Riti P. (2018). Monitoring in GCP //Pro DevOps with Google Cloud Platform: With Docker, Jenkins, and Kubernetes, pp. 165–190. https://doi.org/10.1007/978-1-4842-3897-4_7
15. Wang I. (2024). Provisioning Infrastructure on GCP //Terraform Made Easy: Provisioning, Managing and Automating Cloud Infrastructure with Terraform on Google Cloud. Berkeley, CA: Apress, pp. 95–170. https://doi.org/10.1007/979-8-8688-1010-7_4
16. Barrientos A., Duran Huanca J. G., Mayta Segovia H. A. (2023). Implementation of a Software Engineering Model with DevOps on Microsoft Azure. Proceedings of the 2023 8th International Conference on Information Systems Engineering, pp. 1–6. https://doi.org/10.1145/3641032.3641037
17. Narayanan P. K. (2024). Engineering Data Pipelines Using Microsoft Azure. Data Engineering for Machine Learning Pipelines: From Python Libraries to ML Pipelines and Cloud Platforms. Berkeley, CA: Apress, pp. 571–616. https://doi.org/10.1007/979-8-8688-0602-5_17
18. Satapathi A., Mishra A. (2022). Deploy an ASP. NET Web Application to an Azure Web App Using GitHub Actions. Developing Cloud-Native Solutions with Microsoft Azure and. NET: Build Highly Scalable Solutions for the Enterprise. Berkeley, CA: Apress, pp. 249–270. https://doi.org/10.1007/978-1-4842-9004-0_11
19. Chandrasekara C. et al. (2020). Getting Started with Azure Git Repos. Hands-on Azure Repos: Understanding Centralized and Distributed Version Control in Azure DevOps Services, pp. 139–170. https://doi.org/10.1007/978-1-4842-5425-7_7
20. Sahay R., Sahay R. (2020). Azure monitoring. Microsoft Azure Architect Technologies Study Companion: Hands-on Preparation and Practice for Exam AZ-300 and AZ-303, pp. 139–167. https://doi.org/10.1007/978-1-4842-6200-9_5
21. Satapathi A., Mishra A. (2021). Enabling Application Insights and Azure Monitor. Hands-on Azure Functions with C#. Apress, Berkeley, CA, pp. 233–261. https://doi.org/10.1007/978-1-4842-7122-3_10
22. Chawla H. et al. (2019). Azure kubernetes service. Building Microservices Applications on Microsoft Azure: Designing, Developing, Deploying, and Monitoring, pp. 151–177. https://doi.org/10.1007/978-1-4842-4828-7_5
23. Borra P. (2024) Comparison and Analysis of Leading Cloud Service Providers (AWS, Azure and GCP). International Journal of Advanced Research in Engineering and Technology (IJARET), vol. 15, no. 3, pp. 266–278. https://doi.org/10.2139/ssrn.4914145
24. Borra P. (2024) Comparative Review: Top Cloud Service Providers ETL Tools-AWS vs. Azure vs. GCP. International Journal of Computer Engineering and Technology (IJCET), vol. 15, pp. 203–208. https://doi.org/10.2139/ssrn.4914175
25. Kingsley M. S. (2023). Comparing AWS, Azure, and GCP. Cloud Technologies and Services: Theoretical Concepts and Practical Applications. Cham: Springer International Publishing, pp. 381–393. https://doi.org/10.1007/978-3-031-33669-0_12
Content type: Article
Показва се в Колекции:Вісник ТНТУ, 2025, № 1 (117)

Файлове в Този Публикация:
Файл Описание РазмерФормат 
TNTUSJ_2025v117n1_Luchkevych_M-The_impact_of_modern_112-122.pdf1,69 MBAdobe PDFИзглед/Отваряне
TNTUSJ_2025v117n1_Luchkevych_M-The_impact_of_modern_112-122__COVER.png1,38 MBimage/pngИзглед/Отваряне
Показване на запис на пълна публикация Разлистване на Статистики


Публикацияте в DSpace са защитени с авторско право, с всички права запазени, освен ако не е указно друго.