| dc.contributor.author | Пискун, Е. С. | |
| dc.contributor.author | Котько, Е. Н. | |
| dc.coverage.spatial | Минск | ru |
| dc.date.accessioned | 2025-10-17T10:53:04Z | |
| dc.date.available | 2025-10-17T10:53:04Z | |
| dc.date.issued | 2025 | |
| dc.identifier.citation | Пискун, Е. С. Анализ производительности и устойчивости системы мониторинга платформы электронной коммерции на основе Prometheus и Grafana = Performance and reliability analysis of an e-commerce platform monitoring system based on Prometheus and Grafana / Е. С. Пискун, Е. Н. Котько // Системный анализ и прикладная информатика. – 2025. – № 3. – С. 29-33. | ru |
| dc.identifier.uri | https://rep.bntu.by/handle/data/159275 | |
| dc.description.abstract | Разработан Python-сервис мониторинга пользовательских метрик, взаимодействующий с открытым API маркетплейса. Архитектура реализована с использованием Prometheus и Grafana и ориентирована на контроль производительности ключевых этапов обработки данных: количества запросов, ошибок, времени отклика, скорости записи в базу данных и характеристик товаров. Для оценки устойчивости выполнено моделирование аварийных ситуаций, включая сбои внешних API, деградацию базы данных, сетевые задержки, рост нагрузки и утечки памяти. Применение потоковой обработки данных в сочетании с SQLite обеспечивает высокую производительность и надёжность. | ru |
| dc.language.iso | ru | ru |
| dc.publisher | БНТУ | ru |
| dc.title | Анализ производительности и устойчивости системы мониторинга платформы электронной коммерции на основе Prometheus и Grafana | ru |
| dc.title.alternative | Performance and reliability analysis of an e-commerce platform monitoring system based on Prometheus and Grafana | ru |
| dc.type | Article | ru |
| dc.identifier.doi | 10.21122/2309-4923-2025-3-29-33 | |
| local.description.annotation | A Python-based monitoring service for user metrics interacting with an open marketplace API has been developed. The architecture is implemented using Prometheus and Grafana and is focused on monitoring the performance of key stages of data processing: the number of requests, errors, response time, database write speed, and product characteristics. To assess system resilience, failure scenarios were simulated, including external API outages, database degradation, network delays, increased load, and memory leaks. The use of stream data processing in combination with SQLite ensures high performance and reliability. | ru |
