Кочовски Петар Разработка технологии обеспечения высокоскоростных вычислений на основе облачной инфраструктуры

Краткое описание

Кочовски Петар Разработка технологии обеспечения высокоскоростных вычислений на основе облачной инфраструктуры

ОГЛАВЛЕНИЕ ДИССЕРТАЦИИ

кандидат наук Кочовски Петар

Введение

1. Обзор технологий обеспечения высокоскоростных вычисленный на основе облачной инфраструктуры

1.1 Обзор парадигм облачных вычислений

1.1.1 Хронология вычислений от вычислительной машины до облачных вычислений

1.1.2 Вычислительные парадигмы

1.1.3 Типы облачных вычислений

1.2 Виртуализация вычислительных ресурсов

1.2.1 Виртуализация на основе виртуальных машин

1.2.2 Виртуализация на основе контейнеров

1.2.3 Атрибуты, определяющие качество вычисления

1.3 Методы принятия решения и механизмы для выбора оптимальных облачных инфраструктур

2. Методика выбора оптимальной облачной инфраструктуры

2.1 Вероятностная модель и Марковские процессы

2.2 Расчет вероятностей модели вознаграждений

2.3 Процесс принятия решений

3. Методика сокращения вычислительной сложности

3.1 Определение классов эквивалентности

3.2 Сокращения вычислительной сложности на основе классов эквивалентности

4. Методика оценки корректности результата на основе темпоральной логики

4.1 Проверка на модели

4.2 Свойства, формулируемые в темпоральной логике PCTL

5. Формализованный метод для автоматизации процесса развертывания приложений в облачных инфраструктурах

5.1 Концепция процесса автоматического ранжирования инфраструктур и развертывания приложений

5.2 Архитектура программного комплекса

5.3 Механизм принятия решений о развертывании

5.4 Автоматическое развертывание приложений

6. Экспериментальная оценка предложенных методик

6.1 Экспериментальные сценарии

6.1.1 Хранилище документов - «File Upload»

6.1.2 WebRTC видеоконференции

6.1.3 Базы данных

6.2 Экспериментальная среда

6.3 Экспериментальные результаты

6.4 Сравнения и соотнесения

Заключение

Список работ, опубликованных автором по теме диссертации

Список литературы

Список рисунков

Рисунок 1 Хронология вычислений от вычислительной машины до облачных вычислений

Рисунок 2 Вычислительные парадигмы

Рисунок 3 Традиционная вычислительная архитектура (без виртуализации)

Рисунок 4 Виртуализация на основе виртуальных машин

Рисунок 5 Виртуализация на основе контейнеров

Рисунок 6 Архитектура Kubemetes кластера

Рисунок 7 Пример вероятностной модели, состоящей из облачных инфраструктур

развертывания в одном классе эквивалентности

Рисунок 8 Пример классификации по эквивалентности

Рисунок 9 Концепция процесса принятия решений для развертывания микросервисов

Рисунок 10 Системная архитектура высокого уровня

Рисунок 11 Диаграмма компонентов

Рисунок 12 YAML инструкция по развертыванию приложения на Kubemetes кластере

Рисунок 13 Первоначальная вероятностная модель

Рисунок 14 Вероятностная модель использующая метод классификации эквивалентности

Рисунок 15 МАИ иерархия нефункциональных требований и доступных инфраструктур развертывания для сценариев 1 и

Список таблиц

Таблица 1 Сравнение виртуализации на основе контейнеров и виртуальных машин

Таблица 2 Нефункциональные атрибуты, используемые в этой работе

Таблица 3 Инфраструктуры «Edge-to-Cloud», используемые в экспериментальном процессе ... 67 Таблица 4 Средняя сетевая производительность инфраструктур, используемых в

экспериментальном процессе

Таблица 5 Мягкие ограничения для экспериментального тестирования

Таблица 6 Результаты развертывания микросервисов для хранилища документов

Таблица 7 Результаты развертывания микросервисов для WebRTC видеоконференции

Таблица 8 Результаты развертывания микросервисов для базы данных

Таблица 9 Проверка результатов развертывания микросервисов для хранилища документов на

основе жестких и мягких ограничений

Таблица 10 Проверка результатов развертывания микросервисов для WebRTC

видеоконференции на основе жестких и мягких ограничений

Таблица 11 Проверка результатов развертывания микросервисов для базы данных на основе

жестких и мягких ограничений

Таблица 12 Сравнение результатов ранжирования методов по количеству нарушений порогов к

качеству обслуживания для сценария хранилища документов

Таблица 13 Сравнение результатов ранжирования методов по количеству нарушений порогов к

качеству обслуживания для сценария WebRTC видеоконференции

Таблица 14 Сравнение результатов ранжирования методов по количеству нарушений порогов к качеству обслуживания для сценария базы данных

Список литературы

Заключение
С появлением IoT сред вычислений на периферии, в тумане и в облаке, концепция распределенных систем непрерывно развивается. Однако это также создает некоторые новые проблемы оптимизации, когда приложения, основанные на контейнерах, должны быть организованы на оптимальной инфраструктуре развертывания. Различные IoT-приложения, например, разработанные в ходе исследовательского и инновационного проекта DECENTER [87], требуют развертывания программных компонентов на нескольких компьютерных уровнях, начиная с реальных датчиков и видеокамер, которые производят потоки данных вплоть до центров обработки данных, где выполняется комплексный анализ данных.
Нефункциональные требования - это основные требования к качеству от разработчиков программного обеспечения на этапе развертывания приложения. В этой работе представлена технология, которая может использоваться для цели выбора оптимальной инфраструктуры развертывания приложений и интегрирована в существующие инструменты разработки программного обеспечения, рабочую среду SWITCH-Software Workbench for Interactive, Time Critical and Highly self-adaptive Cloud applications (Программное обеспечение для разработки интерактивных, критичных ко времени и самоадаптирующихся облачных приложений, ID проекта: 643963) и проект DECENTER-Decentralised technologies for orchestrated Cloud-to-Edge intelligence (Децентрализованные технологии для управления интеллектуальными вычислениями от облака до периферии, ID проекта: 815141). Кроме того, предлагаемый программный комплекс был использован в рамках международного проекта BI-RU/16-18-043 Internet of Things and Cloud computing as support for the development of new smart approaches in the construction sector (Интернет вещей и облачные вычисления как поддержка разработки новых интеллектуальных подходов в строительном секторе). Это прокладывает путь для использования таких вероятностных методов в современных практиках разработки программного обеспечения.
В диссертационной работе поставлена и решена проблема обеспечения высокого уровня качества при вычислениях в «Edge-to-Cloud» континууме, путем удовлетворения критерия качества, заданного программным инженером для определения оптимальной вычислительной инфраструктуры. В ходе выполнения диссертационной работы получены следующие результаты:
1. методика группировки инфраструктур, удовлетворяющих жестким ограничениям качества, определенным программным инженером;
2. методика определения оптимальной инфраструктуры для контейнерного приложения, которая удовлетворяет мягкие ограничения, определенные программным инженером, на основе текущих измерений инфраструктуры и предшествующих знаний об использовании;
3. методика проверки оптимального решения с помощью PCTL логики и оценки вероятностей возможных сценариев перераспределения приложений в будущем на основе предыдущих знаний об использовании;
4. оценка эффективности предложенных методик на базе использования с различными типами приложений, с различными требованиями к качеству обслуживания;
5. многоуровневая архитектура, объединяющая вышеупомянутые методики в систему, позволяющую автоматически разворачивать программные компоненты в «Edge-to-Cloud» континууме, гарантируя высокое качество обслуживания и исключение человеческих ошибок, возникающих при ручном развертывании;
6. разработан программный комплекс, прошедший апробацию в рамках трех проектов, автоматизирующий процесс развертывания приложений в инфраструктурах от периферии до облаков с гарантией высокого качества обслуживания.
Результаты, полученные в процессе выполнения проектов, использующих методики данной диссертации, позволили сделать выводы о работоспособности разработанных методов. Разработанное решение принимает необходимые свойства приложений, а также требования к качеству и информацию от поставщиков инфраструктуры, сопоставляет эти свойства и выполняет расчеты, чтобы сформировать список ранжирования доступных инфраструктур развертывания. Результат, который представляет собой список ранжирования инфраструктур развертывания, проверяется с помощью логики PCTL.
В этой работе представлены три микросервиса с различными требованиями к качеству и применение разработанной технологии. Результаты тестирования показывают, что предлагаемая технология является достаточно общей для развертывания микросервисов с различными требованиями к качеству обслуживания. Таким образом, предлагаемая технология не ограничивается атрибутами нефункциональных требований, рассматриваемых в данном исследовании. Она может быть дополнительно расширена за счет реализации дополнительных нефункциональных требований для эффективного удовлетворения требований к качеству любого другого микросервиса.
Дальнейшие исследования целесообразно проводить в области расширения базы знаний информацией о минимальных требованиях к качеству различных типов приложений. В таком случае классы эквивалентности будут группировать доступные инфраструктуры по типу приложения, что позволит разработчику программного обеспечения выбрать тип приложения, а система предоставит ему оптимальную инфраструктуру для развертывания.