Облачные технологии

1. Облачные технологии

Кафедра ИСиТ
доц. Тимонович Г.Л.

2. Характеристика курса

Программа курса:
Лекции – 24 ч.
Лабораторные работы – 24 ч.
Самостоятельная работа студента: 60 часов.
Экзамен.
Опирается на дисциплины: «Основы алгоритмизации и
программирование», «Операционные системы», «Объектноориентированное программирование», «Компьютерные сети»
«Программирование сетевых приложений», «Базы данных»,
«Администрирование баз данных и приложений», « Распределенные
информационные системы», «Internet технологии», «Web технологии
и программирование Web приложений», «Администрирование ИС».
Основной инструментарий для лабораторных работ: Microsoft
SQL Server 2012, IIS 8, С#, Node.js, Visual Studio 201Х, ОС Windows,
ОС Linux, Web сервер Apache, ПО OpenSource,
Облачные сервисы Amazon AWS, Microsoft Azure, Goolge

3. Литература

1.
2.
3.
1.
2.
3.
4.
5.
6.
Основная:
И.Клементьев, В. Устинов. Введение в облачные вычисления. ИНТУИТ , 2011-2013,
https://www.intuit.ru/studies/courses/673/529/info
А. Белоцерковский, Л. Ямпольская. Платформа облачных
вычислений Microsoft Windows Azure. - ИНТУИТ , 2014,
https://www.intuit.ru/studies/courses/2314/614/info
Риз Дж. Облачные вычисления: Пер. с англ. – СПб.: БХВ-Петербург,
2011. – 288 с.: ил.
Дополнительная:
T.B. Rehman, Cloud Computing Basics. – Mercury .., 2018.
Haishi Bai, Zen of Cloud. // Learning Cloud Computing by Examples. – CRC
Press, 2019.
Pethuru Raj, Anupama Raman, Software-Dfined Cloud Centers // Operational
and Management Technologies Tools. – Springer? 2018.
Dan C. Marinuscu Cloud Computing // Theory and Practice . – Elsevier, 2018.
K.Hwang, G. Fox, J. Dongara. Distributed and Cloud Computing. // From
Parallel Procrssing to the Internet of Things. - Elsevier, 2012.
Anthony T. Velte, Toby J. Velte, Robert Elsenpeter. Cloud Comnputing // A
Practical Approach – McGrawHill, 2010.

4. Предпосылки возникновения облачных вычислений

Развитие аппаратных
средств:
Рост производительности
процессоров (CPU, GPU);
Рост пропускной способности
компьютерных сетей;
Рост емкости оперативной и
дисковой памяти.
Развитие технологий
виртуализация:
Появление ПО виртуализации:
VmWare, Microsoft Hyper-V, Citrix, KVM
(Linux).
развитие технологий
контейнеризации.
Технологическое развитие
Каналы связи
Интеллектуальные: сервера,
сетевые устройства, устройства
хранения данных
Сервисный подход к управлению
ИТ:
Технологии ITIL, SLA
Сервисный подход к созданию
ИС:
Архитектура SOA
Веб-сервисы RestFull
микросервисы

5. Развития процессорных и сетевых технологий за поcледние 35 лет

6. Рост плотности записи на магнитные носители

Плотность записи в
Гбит/мм2

7. История возникновения первых систем облачных вычислений

Первые идеи об использовании
вычислений как публичной
услуги были предложены еще в
1960-х известным ученым в
области информационных
технологий, изобретателем языка
Lisp, профессором MIT и
Стэнфордского университета
Джоном Маккарти (John
McCarthy).
Реализация первого реального
проекта приписывается компании
Salesforce.com, основанной в
1999 году. Именно тогда и
появилось первое предложение
нового вида b2b продукта
"Программное обеспечение как
сервис" ("Software as a Service"
"SaaS").
Успех Salesforce в этой области
возбудил интерес у гигантов ИТ
индустрии, которые спешно
сообщили о своих исследованиях
в области облачных технологий.
Первое бизнес-решение под
названием "Amazon Web Services"
было запущено в 2005 году компанией
Amazon.com, которая со времен
кризиса доткомов активно занималась
модернизацией своих датацентров. Се
Следующим свою технологию
постепенно ввела Google, начав с 2006
года с системы b2b, которая затнм
воплотилось в предложение SaaS
сервисов под названием "Google
Apps".
Свое предложение анонсировала
компания Microsoft, презентовав ее на
конференции PDC 2008 под названием
"Azure Services Platform", сегодня это
"Microsoft Azure ".

8. Эволюция вычислительных и распределенных систем

HTC – системы высокой
пропускной способности
HPC – системы высокой
производительности

9. ОБЗОР ПАРАДИГМ РАСПРЕДЕЛЕННЫХ ВЫЧИСЛЕНИЙ

10. СЕТЕЦЕНТРИЧЕСКИЕ ПАРАДИГМЫ

В результате развития ИТ возникли две модели сетевой работы
информационных систем:
Сетецентрические вычисления
Сетецентричные данные (контент)о
Эти модели отражают тот факт, что обработка и хранение
данных происходит в удаленных компьютерных системах,
доступных через внешние сети (Интернет), а не локально.

11. Некоторые характеристики сетецентричных вычислений

Некоторыми характеристиками сетецентричности вычислений являются:
Большинство сетевых приложений требуют больших объемов данных, которые
возможно хранить только распределенными в сети.
Практически все приложения интенсивно используют сеть.
Параллельные вычисления, управление вычислениями и потоковая передача
данных - это примеры приложений, которые могут эффективно работать только
в сетях с малой задержкой.
Вычислительные и коммуникационные ресурсы (циклы ЦП, хранилище,
пропускная способность сети) являются общими, и ресурсы могут быть
объединены для поддержки приложений с интенсивным использованием
данных.
Доступ к системам может осуществляться с помощью тонких клиентов,
работающих в системах с ограниченными ресурсами
Совместное использование данных создает не только проблемы безопасности и
конфиденциальности, но также требует механизмов контроля доступа для
авторизованных пользователей и ведения подробных журналов истории
изменений данных системах с ограниченными ресурсами.

12. Преимущества и проблемы перехода от локальной к сетецентрической обработке и хранению данных

Управление большими пулами ресурсов создает проблемы,
поскольку такие системы уязвимы для злонамеренных атак,
которые могут затронуть большое количество пользователей.
На крупномасштабные системы влияют явления, характерные
для сложных систем, такие как фазовые переходы, когда
относительно небольшое изменение окружающей среды
может привести к нежелательному состоянию системы
Управление большими пулами ресурсов создает новые
проблемы, поскольку такие системы уязвимы для
злонамеренных атак, которые могут затронуть большое
количество пользователей.
На крупномасштабные системы влияют явления, характерные
для сложных систем, такие как фазовые переходы, когда
относительно небольшое изменение окружающей среды
может привести к нежелательному состоянию системы

13. Распределенные вычисления

- это модель, в
которой ресурсы системы
распределяются между
несколькими компьютерами
для повышения
эффективности и
производительности, как
показано на рисунке
Метод компьютерной обработки, при котором
разные части программы выполняются
одновременно на двух или более компьютерах
(узлах), при этом они обмениваются данными друг
с другом по сети, называется распределенными
вычислениями.
Распределенные вычисления предполагают что:
Три важных характеристики распределенных
систем:
Рабочий процесс в распределенной
системе
выполняемая программа сегментирована на отдельные
части (компоненты), которые могут выполняться на
разных узлах одновременно.
также требуется, чтобы компоненты распределенного
приложения могли выполняться в различных
операционных средах предоставляемых узлами.
это параллелизм выполнения компонентов,
отсутствие глобальной синхронизации часов
возможность независимого отказа отдельных компонентов
РИС.

14. Основные модели распределенных вычислений

15. Одноранговые (Р2Р)вычисления

P2P-вычисления - это сетевая вычислительная модель для
приложений, в которой компьютеры совместно используют ресурсы
и сервисы посредством прямого электронного изменения, как
показано на рисунке.
Пир - это компьютер, который ведет себя одновременно и как
клиент и как сервер в модели клиент/сервер. Одноранговый
компьютер может отвечать на запросы от других одноранговых
узлов, передавая сообщение по сети.
РИСУНОК. Одноранговая сеть

16. Кластерные вычисления

В компьютерных кластерах каждый узел настроен на выполнение одних и тех же
задач, контролируемых и планируемых программным обеспечением. Компоненты
кластера связаны друг с другом через быстрые локальные сети, как показано на
рисунке.
Кластерные компьютерные системы доказали свою эффективность при обработке
больших объемов данных и при решении сложных предварительно распараллеленых
вычислительных задач.
Развертывание кластера увеличивает производительность и отказоустойчивость.
Архитектура вычислительного кластера является основой инфраструктуры облачных
вычислений.
РИСУНОК. Организация вычислительного кластера

17. Вычисления по запросу (Utility Computing)

- это модель предоставления
услуг, в которой поставщик услуг предоставляет клиенту вычислительные
ресурсы и управление инфраструктурой в соответствии с потребностями и
взимает с них плату за конкретное использование, а не по установленной
ставке.
Достоинство этой модели заключается в низкой стоимости и отсутствии
затрат на первоначальную настройку, чтобы позволить себе ресурсы
компьютера.
Эта переупаковка вычислительных услуг является основой перехода к
моделям вычислений по запросу, программному обеспечению как услуге и
облачным вычислениям.
Свойства вычислений по запросу:
Многозадачность
Мультиплексирование
Мультарендность
РИСУНОК. Вычисления как услуга

18. Грид-вычисления

Грид-система (от Power grid – электро сеть) –предполагает простоту получения услуг, путем простого
подключения к грид-системе, по аналогии с тем как мы получаем электроэнергию из электрических
сетей.
На самом базовом уровне грид-вычисления - это компьютерная сеть, объединяющая ресурсы
вычислительных кластеров отдельных организаций, входящих в сообщество (федерацию) грид-систем.
Вычислительная мощность, память и хранилище данных - все это ресурсы сообщества, которые
авторизованные потребители могут использовать для решения конкретных задач.
Архитектура грид-вычислений показана на рисунке В грид-системах, также как и в кластерных системах
большая программа делится (распараллеливается) на ряд независимых частей, каждая и которых
выполняется на отдельном процессоре.
Каждый процессор обрабатывает свою часть большой программы и возвращает конечный результат.
Даже если один процессор выйдет из строя, результат не изменится, потому что задача будет
переназначена другому процессору.
Грид-система ведет себя как независимый объект и имеет собственное управление и администрирование.
Грид-системы делятся на:
на вычислительные грид: которые в первую очередь ориентированы на интенсивные вычисления
грид данных: используемые для управления и контроля совместным использованием огромных
объемов данных.
Рис. Грид-система

19. Облачные вычисления

- это вычислительная парадигма, в которой вычисления переносятся с
персональных компьютеров или отдельного сервера приложений на облако компьютеров.
Потребители облака должны заботиться только о своих вычислительных потребностях, поскольку
все основные детали облачной инфраструктуры скрыты от потребителя.
Облако - это совокупность ресурсов, которая включает хранилище, серверы, базы данных, сети,
программное обеспечение и т. д.
Таким образом, облачные вычисления, показанные на рисунке, представляют собой способ
получения доступа к приложениям, инфраструктуре или платформам разработки разворачиваемых
по запросу пользователя как услуги получаемой через Интернет.
Эти приложения предоставляются с оплатой по факту использования ресурсов и доступны из веббраузера с настольного компьютера пользователя, при он не беспокоится о том, где и на каких
серверах разворачивается требуемое программное обеспечение и хранятся данные.
Рис. Облачные вычисления

20. Туманные вычисления

- это
распределенная вычислительная
инфраструктура, в которой некоторые
сервисы приложений обрабатываются
на интеллектуальных устройствах, а
другие - в удаленном центре обработки
данных - в облаке.
Рис. Туманные вычисления
Основная цель туманных вычислений - повысить эффективность вычислений и
уменьшить объем данных, которые необходимо передать в облако для хранения,
обработки и анализа.
В среде туманных вычислений, как показано на рисунке, основная обработка
происходит в концентраторе данных на интеллектуальном мобильном устройстве
или в сети в маршрутизаторе или другом устройстве шлюза.
Популярность этого подхода растет благодаря Интернету вещей (IoT) и огромному
количеству данных, которые генерируются датчиками. Переносить все данные в
облако для обработки и анализа неэффективно, поскольку для этого требуется
значительная пропускная способность сети.

21. Вычисления на гетерогенных системах (Jungle computing)

Jungle computing - это сочетание разнородных, иерархических
и распределенных вычислительных ресурсов.
Jungle computing – это распределенная система, состоящая из
разнообразных, распределенных и крайне неоднородных
высокопроизводительных компьютерных систем,
предназначенная для достижения максимальной
производительности.
Рис. Jungle computing

22. Сравнение различных парадигм распределенных вычислений

Характеристики
Вычисления по запросу
(Utility computing)
Кластерные вычисления
Грид-вычисления
Облачные вычисления
Виртуализация
Масштабируемость
Частичная
Половинчатая
Половинчатая
Существенная
Да
Да
Половинчатая: узлы и
сайты
Да
Стандартизация и
интнроперабельность
Стандартизация
сохранения политик
Основана на архитектуре
интерфейса
Веб сервисы RestFull
Управление
пользователями
Размер
Централизованное
Централизованное
Стандарты открытых
грид, Webсервисы/XML/SOAP
Децентрализованное
Сотни узлов (100s)
Сотни узлов (100s)
Тысячи узлов (1000s)
От сотен до десятков тысяч узлов
(100s-10000s)
Стоимость
Определяется
количеством
использованных
ресурсов
Распределенное
Ограничена
(лимитирована)
Преобладает
бесплатное
предоставление или за
частичную оплату
Распределенное
Фиксированные цены на
полученные услуги со скидкой
для крупных клиентов
Стабильное и
гарантированное
Централизованное
Варьируется в
зависимости от системы
к системе
Несколько видов
По требованию
Управление
Основано на уровне
предоставляемых
услуг
Централизованное
Владение
Один владелец
Один владелец
Несколько владельцев
Один владелец
Конфиденциальность
Средний уровень
Средний уровень
Высокий уровень
Прозрачность
На уровне
предоставляемых
услуг.
Да
Да
Нет, низкая
Да, высокая, но необязательно
Область применения
Бизнес модель
Наука, бизнес и ЦОДы
Веб приложения и доставка
контента
Пример
Google, Amazon 2008
СКИФ, Вычислительные
кластеры НИИ, Тор500
Совместные научные
исследования и высоко
призводительные
вычисления.
GIMPS, SETI, GRID.EU
Управление ресурсами
Произодительность/выч
ислительная мощность
Централизованное
Централизованное либо
средствами третьих сторон
Ценрализованное или
распределенное
Централизованное
Amazon EC2

23. Особенности облачных вычислений (1)

Центральную роль на рынке облачных услуг играют поставщики и
потребители этих услуг.
ИТ-услуги используются в качестве товара на открытом рынке без
каких-либо технологических и юридических барьеров.
Наиболее распространенными причинами для внедрения облачных
вычислений являются:
Потребность в предоставляемых по требованию услуг хранения
данных, вычислительной мощности, виртуальных инфраструктур для
развертывания своих ИС и т.п.
Возможность доступа к документам через Интернет, а также их
обработка с использованием сложных приложений
Оплата только за реально использованные ресурсы облака.

24. Особенности облачных вычислений (2)

Облачные услуги особенно привлекательны для
разработчиков ПО, у которых нет инфраструктуры или
которые не могут позволить себе дальнейшее
расширение своей ИТ-инфраструктуры.
Облачная инфраструктура надежна и доступна в любое
время. Вычислительные службы облака являются
высоконадежными, масштабируемыми и доступными не
зависимо от места нахождения пользователя.
Данные в облаке доступны отовсюду и представляются в
стандартных форматах.
Безопасность и надежность облачных вычислений будут
продолжать развиваться, за счет расширения спектра
используемых методов обеспечения безопасности.

25. Облачные вычисления – результат синтеза целого ряда программных технологий и подходов 

Один облачный сервер обходится дешевле, чем сервер, приобретенный
и установленный самой компанией, что дает:
более разумное расходование электроэнергии + размещение дата-центров в
регионах с более выгодными тарифами.
Оптимизацию использования рабочей силы (один администратор - не на
100, а на 1000 серверов).
более высокую безопасность и надежность (в пределе).