Felhő rendszerek és felhő föderációk Kacsuk Péter MTA SZTAKI
Számítási felhő Egy technológia, amely segíti a nagy számítási- és tárolási kapacitás menedzselését A felhasználóknak skálázhatóságot, magas rendelkezésre állást (SLA) és (publikus felhő esetén) használat alapú fizetési lehetőséget (Pay-as-You-Go) biztosít Az infrastruktúra üzemeltetőinek pedig hatékony erőforrás-gazdálkodást, csökkentett adminisztrációsés karbantartási költségeket ígér
Felhők csoportosításai 1. Felhő szolgáltatások szintje alapján: SaaS Software as a Service Például: Gmail, autodock PaaS Platform as a Service Például: Google App Engine IaaS Infrastructure as a Service Például: Amazon EC2, Rackspace 2. A terítési modell alapján: privát, publikus és hibrid
IaaS felhő szolgáltatás IaaS: Infrastructure as a service A felhasználó a felhőből olyan infrastruktúrát kér el és állít fel, amire éppen szüksége van Olyan mintha a boltban vásárolnánk, csak éppen sokkal gyorsabban megkapjuk Példák: o Linux PC, Windows PC, Macintosh o Klaszter o BOINC desktop grid A felhőben kialakított infrastruktúrát épp úgy tudjuk használni, mint az üzletben vásároltat, csak nem az asztalunkon vagy saját géptermünkben fut, hanem egy távoli szerveren
PaaS felhő szolgáltatás PaaS: Platform as a service Tipikusan szoftver fejlesztők számára ad olyan környezetet, amiben a fejlesztéseket úgy lehet elvégezni, hogy a fejlesztő rendszer alatti infrastruktúra o El van takarva (felhőben van) o De skálázható a felhőben Példák: o Google App Engine o WS-PGRADE workflow fejlesztő keretrendszer
SaaS felhő szolgáltatás SaaS: Software as a Service (Application as a Service) Egy konkrét alkalmazás érhető el szolgáltatásként Példák: o Gmail levelező szolgáltatás o Autodock szolgáltatás o Rendering (animáció készítő) szolgáltatás
Konkrét példa Tegyük fel, hogy egy biológus kutatócsoportnak gyógyszerkutatás érdekében nagyszámú (több százezer) molekulán kell elvégeznie a molekula dokkolási kísérletet egy új projekt keretében. Több megoldási lehetőség van: 1. Hagyományos és korszerűtlen megoldás: Megrendelnek egy (vagy több) PC-t az intézeti bürokrácián keresztül. Ha megjött a PC, azon kifejlesztik (ők, vagy informatikus) a dokkolási alkalmazást, majd futtatják a PC-n a kifejlesztett alkalmazást. o Időigény: Hosszú (több hetes) beszerzési idő a PC-re (helyi rendszergazda) Hosszú (több hónapos) fejlesztési idő a dokkoló alkalmazásra (informatikus) Hosszú (több hónapos) futásidő az egy (vagy több) PC-n (biológus)
Konkrét példa megoldások 2. Korszerű, ideális megoldás: Ha van a felhőben Autodock SaaS szolgáltatás akkor azt használják a dokkolási feladatuk megoldására. o Időigény (mindent csinálhat a kutató!!!): Gyors beszerzési idő (pár perc elindítani, vagy meghívni a szolgáltatást) Nincs fejlesztési idő Rövid (néhány napos) futási idő, mert a felhőben szabályozható, hogy az SaaS mögött mekkora teljesítményű infrastruktúra legyen
Felhő föderációk és sokfelhő rendszerek
MTA felhő / föderációs modell
MTA felhő / föderációs modell Egyetlen beléptető portál valamennyi felhőbe Felhasználó azonosítás EduID/EduGAIN alapon Egységes lemezkép tároló Egységes modellben használható Szabványos felhő interfészek támogatása (Amazon EC2, S3) Egységesített elszámolási rendszer
MTA felhő erőforrások
SZTAKI Felhő alkalmazásai 24/7 szolgáltatások futtatása o SZTAKI Szótár komponensek; Kopi worker, Kopi-Net adatbázis (riak), Kopi Crawler; glite grid infrastruktúra; Projekt infrastruktúrák (pl. weboldalak - RobustPlaNet) Kísérleti rendszerek o Big Data trend megjelenítő; One-click cloud orchestrator; Crossmedia portal; DBpedia spotlight; BOINC cluster Fejlesztési platform o Scientific Gateway-ek (WS-PGRADE/gUSE), OpenCL, Hadoop
Futó VM-ek száma > 170 VM év > 33mFt az Amazon EC2-ben* *hálózati forgalom és adattárolási díj nélkül
SZTAKI részvétel európai felhő projektekben I. SCI-BUS EU FP7 (koordinátor: SZTAKI, Kacsuk P.) Feladat: o A SZTAKI-ban kifejlesztett WS-PGRADE/gUSE portál alapján science gateway-ek fejlesztése és üzembehelyezése 27 különböző tudományos közösségnek, ill. ipari cégnek o PaaS szolgáltatás kialakítása WS-PGRADE/gUSE felhőkhöz illesztésével o A kidolgozott PaaS szolgáltatás segítségével SaaS szolgáltatások fejlesztése és üzemeltetése. Pl. Autodock szolgáltatás biológusok és kémikusok számára CloudSME EU FP7 (koordinátor: Westminster Egyetem) Feladat: o A WS-PGRADE/gUSE portál alapján szimuláció-orientált PaaS szolgáltatás kidolgozása o A kidolgozott PaaS szolgáltatás segítségével gépgyártási szimulációs SaaS szolgáltatások fejlesztése
WS-PGRADE/gUSE elterjedtségi statisztikák Statisztikák: Több mint 13.000 letöltés, több mint 70 országból Az ismert szolgáltatás szintű installációk száma: ~80
SZTAKI részvétel európai felhő projektekben II. EDGI EU FP7 (koordinátor: SZTAKI, Kacsuk P.) Feladat: o Önkéntes és egyetemi desktop grid rendszerek integrálása felhő rendszerekkel EGI-InSPIRE EU FP7 Feladat: o Európai szintű felhő föderáció kidolgozása és felállítása
Autodock gateway felállítása SZTAKI Cloud az EGI CloudFedben WS-PGRADE Autodock gateway skálázható BOINC desktop Grid infrastruktúrával az EGI CloudFedben Karlsruhe Cloud az EGI CloudFedben Az egész infrastruktúra egy gombnyomásra jön létre az EGI CloudFedben SZTAKI Desktop Grid Server 3G Bridge Metajob plugin DC-API plugin BOINC project GBAC BOINC client BOINC client Virtualisation by GBAC Cseh Cloud az EGI CloudFedben (a BOINC kliensek száma paraméterezhető) BOINC BOINC client BOINC client client Virtualisation by GBAC
Összefoglalás A felhő rendszerek nagy mértékben egyszerűsíteni fogják a kutatók számára a szükséges infrastruktúra felállítását Az infrastruktúra igény szerint lesz méretezhető A kívánt méret lehetővé teszi az alkalmazások végrehajtásának jelentős felgyorsítását Várhatóan nagyszámú előre gyártott alkalmazás, mint SaaS szolgáltatás, áll majd a kutatók rendelkezésére
Felhő rendszerek és felhő föderációk Kacsuk Péter Tel: +36 1 329 7864 Fax: +36 1 329 7864 E-mail: peter.kacsuk@sztaki.mta.hu