コンピューティング、データ処理、クラスタリングプロセスの仮想化に関連するタスクを単一のプールに実行する場合、損失なしに他の物理メディアにプロセスやデータを計画的または緊急に移行（転送）する必要があります。 これは、仮想アプリケーションの並列操作と、少なくとも2つの独立した物理メディアでの仮想データの形成により可能になります。 この方法の冗長性により、遅延と損失が最小限に抑えられますが、大規模なシステム障害に迅速に対応できず、損失が完全に排除されます。 アプリケーションの機能の回復は、しばらくして初めて可能になり、意思決定の効率に重大な影響を及ぼす可能性があります。
この問題を排除するには、バックアップコンピューティングとデータ操作の異なる方法を開発する必要があります。その実装により、以前の方法のすべての欠点が排除されます。 計算プロセスと操作対象のデータの説明とともにコンテキストで解釈される数学用語「フラクタル」の導入により、その特性を将来のシステムに適用することができます。
したがって 、考慮されているコンピューティングシステムにフラクタルという用語の要件を満たすプロパティがある場合、システムのこれらのプロパティはフラクタルと呼ばれます。
これらの条件が満たされている場合、システムプロパティの対応が可能です。
-システムは自己相似です
-プロパティと値のスケーリングが変更されておらず、些細なことではない場合
-システムは単一のフラグメントから回復できます
フラクタル移行の概念の導入は論理的で正当化されたアクションです。オブジェクトとプロセスのフラクタル性の原則を備えたシステムに授与することで、それらを転送の準備として、実行されたコードとデータの分散状態の必要な一貫性を実現できるためです。
計算プロセスのフラクタル特性は、スケーリング時に元の形式を失わないコードの冗長性だけでなく、並列の同期プロセスまたは非同期プロセスの作成を意味します。 操作コードと、それが実行される割り当てられたメモリ領域がいくらか冗長であり、特定の周期的な計算およびデータ変更プロセスの間隔で、仮想メモリ領域の一部のスペース（OPのいくつかの物理メディアを組み合わせた）にクローン（レプリカ）の形で分散すると仮定します。クローンは、親コードと同期または非同期で実行され、特定の時空間間隔によってのみ制限されます。 さらに、このサイクルは、アプリケーションとデータを移行する移行時間を必要な値に超過し、復元されたフラグメントの整合性を確保する必要があります。 サイクルの寿命とレプリカ自体によって制限される、定期的にリリースされるプロセッサとメモリリソースを使用するクローンは無限に存在する可能性があります。 それらの無秩序で混oticとした配置と再現、個々のフラクタルフラグメントの周期的性質とその自律性、および限られたライフサイクル期間は、ホットリザーブのアイドル容量なしでデータセンター構造の自給自足と経済性を備えた冗長なコンピューティングプロセスを作成することを可能にします。 この場合、コンピューティングプロセスの致命的な障害の可能性はゼロに減少します。これらのプロセスは継続的に進行し、仮想化されたデータセンターの時空間表現の全長にわたって無限に再現されるためです。
この方法では、アプリケーションとデータを含むシンクライアントの原則が実装され、「サーバー」部分の関連性は一定であり、最小限のフラクタルコードフラグメントの形でシステム全体に分散されます。 このような各フラグメントには、アプリケーション全体に関する完全な情報が含まれており、このアプリケーションを独自に展開できます。 静的データが再生成されるホログラフィック効果は、この手法で動的に変化するプロセスで現れます。 このような各フラグメントには、システム全体に対応する完全な値のセットがあり、スケーリングの初期状態でもあります。 生成されたオブジェクトは、元のコード構造の情報コンポーネント全体を順番に運ぶ必要があります。 したがって、仮想プロセス（アプリケーション、データ操作）は、所定の時間間隔でさまざまなメモリ領域に反映されるのと同期して進行します。 プロセス間のデータ交換はオンザフライで実行されます。 管理者は、最初に運用仮想環境とそのコンポーネントのアクティビティの境界を確立するだけで、将来、実行されるタスクに応じてシステムは独立して複製および再生成します。 データとプロセスのレプリカの状態の帝国分析に基づいて、真と偽についての意思決定が行われます。 システムは、人とシステム自体の両方が作成できる標準および特別なユーティリティ、コマンド、命令からリアルタイムで生成されるさまざまな行動シナリオを個別にアクティブ化できます。 RAMの特定の領域を分析し、二次ベースでメモリの一部を占有するプロセスを識別するとき、これらのプロセスがすでに関連性を失っている、または二次的である場合、システムは独立してリセットできます。 単一の仮想環境でプロセスとデータ、基本および代替ルーティングテーブルとシナリオをクラスタリングし、フラクタルオブジェクトのプロパティを割り当てることで、ハードウェアデカップリングと仮想化されたデータセンターの動的な移動の問題を完全に解決します。
フラクタルデータセンターの移行により、データセンター全体の管理シナリオに基づいて、問題や競合に対する状況に応じた無数のソリューションを作成できます。 経験の蓄積を伴う特定の指令に対する制御システムの反応の相互分析は、指示とシナリオに文書化されています。 将来、これらの指示とシナリオを仮想データセンターのフレームワークに適用すると、人間の介入なしにシステムの動的制御のプロセスを部分的または完全に自動化できます。 このように、システムは常に、その動作のシナリオに対する反応と各種の指示を開発します。 これは、システムがタスクを理解し、それを解決する方法を意識的に選択するための最初のステップです。 2番目のステップは、イントロスペクションに基づいて結論を導き、決定を下し、起こりうる結果の複数の反復を予測するシステムの機能です。
多くの状態を予測し、それらの関係と結果を解釈することは不可能です。したがって、行動状況を予測し、ソースコードや命令、ルールなどのフレームワークの種類に入れることは困難です。システムの決定。使用に関して評価され、コンプライアンスの場合に適用されるか、特定の時間に不適切であるとして拒否されます。 トレーニング装置は、さまざまな外乱や挑発の影響下で改善および変更する能力の制御システムに必要です。
簡単な意味では、そのようなデバイスはファジーロジックでニューラルネットワークをエミュレートするための遺伝的アルゴリズムに基づく構造になります。 このようなネットワークのマイクロおよびマクロパターンは、コンピューティング環境のフラクタル特性に基づいて、分散したカスケード接続の完全に接続されたマトリックスを作成し、負荷の実現とデータ移行の中心をさまよいます。 接続テーブルは安定しておらず、動的に変化し、時空系列の状態のスナップショットを残します。 ミスの経験と正しい決定は、システムのどのレベルでも利用できます。