АСИНХРОННА ЦЕНТРАЛІЗОВАНА ОБРОБКА ПОТОКОВИХ ДАНИХ У РОЗПОДІЛЕНИХ СИСТЕМАХ РЕАЛЬНОГО ЧАСУ

ЖИЛЮК, Я. (2025). ASYNCHRONOUS CENTRALIZED STREAMING DATA PROCESSING IN DISTRIBUTED REAL-TIME SYSTEMS. Прикладні інформаційні системи та технології в цифровому суспільстві, 1(2). https://doi.org/10.17721/3041-2323.2025.122-136

У цій статті представлено структурований і прагматичний аналіз кількох методів агрегації для асинхронного централізованого федеративного навчання: класичне федеративне усереднення (FedAvg), асинхронне градієнтне/параметричне просування (методи в стилі FedAsync), робустна агрегація на основі координатно-зважених медіан та адаптивні оптимізатори, такі як FedAdam та FedYogi. Дослідження зосереджено на їх поведінці за умов гетерогенного часу клієнтів, застарілості оновлень, розділів даних, що не є IID (незалежні та однаково розподілені), та обмежень реального часу, що виникають у розподілених системах реального часу. Проведено аналіз чутливості методів до затриманих та неактуальних оновлень, а також дсолідженно комунікаційні та обчислювальні витрати на центральному вузлі. Проведено напівгіпотетичний, реалістичний експериментальний дослід з використанням наборів даних, що не є IID, з режимами відмов, включаючи відключення вузлів і дрейф системного часу. Порівняльні висновки з дослідження визначають що FedAvg різко деградує при високій застарілості; надійна агрегація може несподівано посилити вплив застарілих, але структурно узгоджених викидів; а адаптивні методи демонструють нетривіальну напругу між швидшою конвергенцією та нестабільністю, коли моделі затримок змінюються з часом.