Модернізація системи менеджменту та моніторингу проєктів на серверах з використанням технологій Python, Django, Kubernetes та LLM

Abstract

Метою роботи є підвищення ефективності процесів адміністрування серверної інфраструктури шляхом створення автоматизованої системи менеджменту та моніторингу проєктів. Основний акцент зроблено на забезпеченні надійності розгортання, мінімізації часу реакції на інциденти та спрощенні взаємодії з середовищами завдяки інтеграції штучного інтелекту. Об’єктом дослідження є процеси керування життєвим циклом, розгортання та моніторингу програмних застосунків у розподілених серверних середовищах. До цього кола питань входять методи автоматизації оркестрації контейнерів, алгоритми оптимізації розподілу обчислювальних ресурсів, а також механізми забезпечення відмовостійкості та діагностики інцидентів у високонавантажених інформаційних системах. У роботі виконано комплексний аналіз предметної області та існуючих інструментів DevOps, спроєктовано архітектуру системи на базі фреймворку Django та мікросервісних принципів. Реалізовано програмні модулі для оркестрації контейнерів через API Kubernetes, розроблено підсистему збору даних у реальному часі, а також впроваджено компонент інтелектуального аналізу логів на основі великих мовних моделей (LLM). Створено інтуїтивно зрозумілий веб-інтерфейс для візуалізації метрик та керування проєктами, проведено тестування функціоналу на відповідність вимогам безпеки та продуктивності.

The objective of this thesis is to streamline server infrastructure administration by developing an automated platform for project management and supervision. Key emphasis is placed on guaranteeing reliable deployments, reducing incident resolution times, and facilitating smoother interaction with containerized ecosystems by leveraging modern web technologies and artificial intelligence. The subject matter of this research covers the entire lifecycle management, deployment, and monitoring of software applications hosted in distributed server environments. This includes exploring methods for automated container orchestration, strategies for optimizing computational resource distribution, and techniques for ensuring fault tolerance and incident diagnostics within high-traffic systems. The study comprises a thorough review of the domain and current DevOps instrumentation, followed by the architectural design of a system utilizing the Django framework and microservice patterns. The implementation phase included developing software modules for container orchestration via the Kubernetes API, creating a subsystem for real-time telemetry collection, and integrating an intelligent log analysis component powered by Large Language Models (LLM). A user-friendly web interface was built for visual metrics tracking and project control, with the system undergoing rigorous testing to meet security and performance standards.