Resultados de búsqueda para Cloud Computing

La ejecución de pruebas de sistema puede requerir grandes cantidades de recursos físico-lógicos al necesitar todo el sistema para su ejecución. Ejecutarlas en la infraestructura potencialmente limitada y escalable del Cloud, permite obtener un mejor coste, eligiendo entre las distintas infraestructuras disponibles. No obstante, es habitual que la ejecución de las pruebas no use totalmente los objetos contratados por lo que no todo el coste es usado. En este trabajo se detalla un modelo de coste que tiene en cuenta los recursos que requieren las pruebas de sistema en el Cloud. El modelo divide el coste de la infraestructura (el coste de los objetos contratados) en el coste del plan de ejecución (el coste de los distintos recursos requeridos por las pruebas) y sobresuscripción (el coste de la infraestructura que no utilizada). Con el modelo se pueden comparar diferentes combi-naciones de objetos en el Cloud, no solo con el coste de la infraestructura (con-tratado) sino que se puede elegir que objetos se contratan y cómo se usan atendiendo al coste del plan de ejecución (usado) y de sobresuscripción (no usado).

Uno de los principales objetivos de la Industria 4.0 es lograr la necesaria integración horizontal y vertical del sistema de producción. Para ello es necesario desplegar una plataforma digital que integre y procese la ingente cantidad de datos generados en el entorno. Mucha de esta información procede del IoT, y, en concreto, corresponde a sensores que emiten flujos continuos de datos cuyo análisis mediante técnicas de minería de datos permitiría mejorar los procesos industriales, como por ejemplo construyendo modelos dirigidos al mantenimiento preventivo y predictivo de los sistemas físicos, donde aún hay retos abiertos. El objeto de este artículo es describir el punto de partida de esta investigación que es el resultado de un proyecto del plan nacional y discutir su extensión señalando las líneas de trabajo que se pretenden abordar y los resultados que se persigue conseguir para contribuir al avance de la I4.0.

Los microservicios han resultado ser un nuevo paradigma de programación adoptado ampliamente durante los últimos años. Consiste en desarrollar una aplicación mediante un conjunto de servicios ligeros e independientes que pueden desplegarse y escalarse en múltiples proveedores de cloud (multicloud). El uso de múltiples proveedores puede suponer una mayor ventaja en términos de coste y disponibilidad, entre otras, pero también conlleva riesgos asociados con la degradación del servicio. Por ello, el uso de políticas de asignación de recursos es importante para mitigar estos inconvenientes.

Este trabajo propone el uso de un algoritmo genético (Non-dominated Sorting Genetic Algorithm II, NSGA-II) para optimizar la asignación de microservicios a máquinas virtuales de cada uno de los proveedores, de forma que se consiga minimizar las siguientes métricas: el coste de despliegue; los tiempos de comunicación entre los microservicos de una misma aplicación debido a despliegues en distintos proveedores de cloud; y el tiempo medio de recuperación, es decir, el tiempo entre la caída y despliegue de una nueva instancia vuelva a estar operativa.

Mediante la simulación de distintos experimentos, hemos probado que la asignación de recursos con NSGA-II obtiene una mejor minimización de los objetivos evaluados junto a una mayor diversidad de soluciones de asignación de recursos, en comparación con un algoritmo voraz. Por tanto, el trabajo concluye que el uso del algoritmo genético (NSGA-II) es adecuado para mejorar la asignación de microservicios y máquinas virtuales en entornos multicloud.

Achieving efficiency both in terms of resource utilisation and energy consumption is a complex challenge, especially in large-scale wide-purpose data centers that serve cloud-computing services. Simulation presents an appropriate solution for the development and testing of strategies that aim to improve efficiency problems before their applications in production environments. Various cloud simulators have been proposed to cover different aspects of the operation environment of cloud-computing systems. In this paper, we define the SCORE tool, which is dedicated to the simulation of energy-efficient monolithic and parallel-scheduling models and for the execution of heterogeneous, realistic and synthetic workloads. The simulator has been evaluated through empirical tests. The results of the experiments confirm that SCORE is a performant and reliable tool for testing energy-efficiency, security, and scheduling strategies in cloud-computing environments.

Cloud computing has become the primary model of pay-per-use to ob- tain cloud services in a short time. Companies are using the cloud services to get access to computing resources located in a virtualized environment. However, the traditional method of using a single cloud provider has numerous limitation in terms of privacy, security, performance, and geography reach. Furthermore, companies are focusing their efforts on avoiding dependent on a single vendor for products and services. As a result, companies start to use multiple clouds and look for methods to move or migrate their infrastructure from a cloud provider to another one. In previous work, we have presented ARGON, which is an infra- structure modeling tool for cloud provisioning. In this paper, we propose an ex- tension of ARGON to provide a model-driven migration approach among cloud providers.

Contexto: El modelo de negocio que ofrece la computación en la nube tiene un gran número de ventajas tanto para proveedores como para consumidores. Sin embargo, es imprescindible controlar la calidad de los servicios provistos, lo que se puede alcanzar a través de soluciones de monitorización. Sin embargo, se ha prestado poca atención a las percepciones de los usuarios que las utilizan. En un trabajo previo, hemos realizado un cuasi-experimento para evaluar las percepciones de un grupo de estudiantes en el uso un método de monitorización (Cloud MoS@RT) de calidad de servicios cloud en tiempo de ejecución. Objetivo: Proporcionar mayor evidencia sobre la facilidad de uso percibida, utilidad percibida e intención de uso de un grupo de profesionales utilizando el método Cloud MoS@RT. Método: Hemos ejecutado una replicación interna del cuasi-experimento base con un grupo de profesionales. La tarea experimental consistió en utilizar Cloud MoS@RT para configurar la monitorización de la calidad de un servicio en la plataforma Microsoft Azure. Los participantes también rellenaron un cuestionario que nos ha permitido evaluar su percepción sobre la utilidad del método. Resultados: Los resultados indican que los participantes han percibido el método como fácil de usar y útil, y han manifestado su intención de uso futuro. Conclusiones: Los resultados están alineados con el cuasi-experimento base y confirman que Cloud MoS@RT puede ser utilizado de manera efectiva tanto por estudiantes como profesionales sin la necesidad de un extensivo entrena-miento y conocimiento de la plataforma cloud.

En los últimos años, nuestra sociedad está cambiando a gran velocidad. Cada vez son más los dispositivos que interactúan con nosotros y el entorno para ofrecernos servicios ampliados respecto a los servicios de información tradicionales. Esta nueva era de Internet de las Cosas (Internet of Things – IoT) y de servicios al ciudadano a través de internet, con la nueva concepción de los sistemas inteligentes (smart buildings, grids, cities y spaces), necesitan cada vez de más recursos computacionales y software. En este sentido, Cloud Computing ofrece una serie de características en cuanto escalabilidad y flexibilidad, acceso a recursos a través de Internet (off-premises) sin necesidad de ser instalados y gestionados localmente (on-premises) [1] que son fundamentales para soportar tales sistemas. Los servicios proporcionados por la nube son infraestructura (IaaS), plataforma de desarrollo (PaaS) y software (SaaS). Una de las características más significativas de SaaS (Software as a Service) es la multitenencia, la cual promueve las economías de escala mediante la compartición de una serie de recursos entre múltiples usuarios o grupos de usuarios denominados tenants. Cada tenant podría personalizar ciertas partes del software para satisfacer requisitos individuales. Este concepto no es nuevo, y ha sido abordado ampliamente por la ingeniería de líneas de producto [8] y la gestión de la variabilidad. La variabilidad de un producto software se puede definir como la capacidad de este para cambiar y ser utilizado en múltiples contextos. Resulta de gran importancia el dotar al software de mecanismos para soportar distintos grados de variabilidad para poder ofrecer una personalización ajustada a las necesidades específicas de los usuarios. En este artículo se presenta una herramienta para la creación y gestión de sistemas ciber-físicos en la nube con soporte a múltiples tenants y variabilidad entre los tenants llamada Visual CPS. Un sistema ciber-físico es aquel sistema en el que se embebe o integra capacidad de cómputo con el objetivo de interactuar el software con el mundo físico, obteniendo una comunicación bidireccional entre estos dos. Para soportar dichas características la herramienta se basa en el concepto de multitenencia de la plataforma de nube GPaaS [7] y en el diseño arquitectónico basado en el estilo de microservicios [2] que se define como una aplicación compuesta por componentes independientes, ligeros y muy especializados orquestados para proporcionar la funcionalidad de la aplicación global.

Cada día crece el número de aplicaciones y servicios basados en la nube ofertados por proveedores tales como Amazon, Google o Sun entre otros. Además de ofrecerse el software como servicio (SaaS, Software as a Service), destacan los sistemas de procesos de negocio que se ofrecen a los clientes como servicio, denominados PRaaS (Process as a Service).
Uno de los problemas que conlleva la computación en la nube (cloud computing) es la pérdida de control sobre los datos y procesos que hace necesario la realización de auditorías que permitan además verificar el grado de cumplimiento de los procedimientos y regulaciones establecidas por la organización. Como resultado de este proceso de auditoría, es habitual que el volumen de datos se incremente considerablemente en poco tiempo por lo que la escalabilidad será uno de los requisitos a exigir al sistema de almacenamiento subyacente.
En este trabajo se plantea una posible línea de investigación basada en el uso de sistemas de bases de datos no relacionales para dotar de persistencia a los sistemas PRaaS persiguiendo el principal objetivo de mejorar la escalabilidad de los mismos.

El crecimiento tecnológico de las empresas ha provocado un aumento significativo del número de recursos informáticos del que dependen. El ecosistema software habitual de una empresa cuenta con sistemas y plataformas muy heterogéneas con interfaces de comunicación incompatibles. En los últimos años, este crecimiento ha provocado la necesidad de sincronizar información o generar funcionalidad adicional entre las diversas aplicaciones del ecosistema con el objetivo de mejorar los procesos de negocio de las empresas. Históricamente los proyectos de integración de aplicaciones empresariales han sido complejos y costosos, con una tasa de fracaso muy elevada. La tecnología de integración Guaraná proporciona herramientas de apoyo a los ingenieros de integración en cada fase del proyecto, permitiendo así, reducir la complejidad y el coste de los mismos.

Cloud computing enables elasticity – rapid provisioning and deprovisioning of computational resources. Elasticity allows cloud users to quickly adapt resource allocation to meet changes in their workloads. For cloud providers, elasticity complicates capacity management as the amount of resources that can be requested by users is unknown and can vary significantly over time. Overbooking techniques allow providers to increase utilization of their data centers. For safe overbooking, cloud providers need admission control mechanisms to handle the tradeoff between increased utilization (and revenue), and risk of exhausting resources, potentially resulting in penalty fees and/or lost customers. We propose a flexible approach (implemented with fuzzy logic programming) to admission control and the associated risk estimation. Our measures exploit different fuzzy logic operators in order to model optimistic, realistic, and pessimistic behaviour under uncertainty. An experimental evaluation confirm that our fuzzy admission control approach can significantly increase resource utilization while minimizing the risk of exceeding the total available capacity.