Resumen de la investigación: expansión de Science Cloud - Calendae | Informática, Electrónica, CMS, Ciberseguridad

Resumen de la investigación: expansión de Science Cloud

Hola de nuevo. Te habla Simón Sánchez y en esta ocasión te voy a contar sobre Resumen de la investigación: expansión de Science Cloud

El surtido seleccionado de esta semana se centra en los avances realizados para mejorar el rendimiento de las aplicaciones científicas en la nube, abordando cuestiones como la tolerancia a fallos, la gestión del flujo de trabajo y la simulación celular 2D y 3D.

Tolerancia a fallas del servicio en la nube

La computación en la nube representa una oportunidad única para la ciencia y la ingeniería con ventajas sobre la computación tradicional de alto rendimiento, especialmente para trabajos de computación más pequeños y usuarios de nivel de entrada de computación paralela. Sin embargo, siguen existiendo dudas sobre la producción de computación de alto rendimiento en la nube, la llamada nube científica, según investigadores de la Universidad RMIT de Melbourne, ya que el rendimiento predecible, la confiabilidad y, por lo tanto, los costos siguen siendo difíciles de alcanzar para muchas aplicaciones.

Su papel Usó modelos arquitectónicos parametrizados para ayudar con la tolerancia a fallas y las predicciones de costos para nubes científicas, donde un solo trabajo generalmente contiene muchas máquinas virtuales durante un período prolongado, la comunicación puede involucrar grandes movimientos de datos y los flujos almacenados en búfer lo permiten procesamiento paralelo para continuar mientras las transferencias de datos aún están incompletas.

Utilizaron modelos predictivos, simulaciones y ejecuciones reales para estimar los tiempos de ejecución con una precisión aceptable para dos de los modelos arquitectónicos más comunes para el cálculo científico intensivo en datos: MapReduce y Combinational Logic. Los plazos de entrega fueron fundamentales para comprender los costos de los servicios en la nube.

Por lo general, estos se cobran por hora y por la cantidad de nodos de cómputo o núcleo utilizados. Los investigadores evaluaron sus modelos utilizando experimentos realistas en la nube de proyectos de investigación de física colaborativa y demostraron que la tolerancia a fallas proactiva y reactiva es manejable, predecible y componible, en principio, especialmente arquitectónicamente.

Cloud Computing y simulación de autómatas celulares

Los autómatas celulares se pueden aplicar para resolver varios problemas en una variedad de áreas, como biología, química, medicina, física, astronomía, economía y planificación urbana.

Los autómatas se definen mediante reglas simples que dan lugar a comportamientos muy complejos que se ejecutan en matrices muy grandes. Las aplicaciones 2D pueden requerir más de 106 × 106 celdas de matriz, que generalmente están más allá de la capacidad computacional de los clústeres de computadoras locales.

UN papel Investigadores brasileños de la Pontificia Universidad Católica de Río de Janeiro y la Universidad Federal de Espirito Santo presentaron una solución para simulaciones de autómatas celulares tradicionales. Propusieron un marco de software escalable, basado en tecnología de computación en la nube, capaz de manejar arreglos muy grandes.

El uso del marco ha facilitado la instrumentación de experimentos de simulación por parte de expertos que no son de TI, ya que eliminó la carga de configurar trabajos de MapReduce, de modo que los investigadores solo tienen que lidiar con sus propios algoritmos de simulación.

Gestión de flujo de trabajo computacional en la nube

Los científicos de hoy están explorando el uso de nuevas herramientas y plataformas informáticas para hacer ciencia. Están utilizando herramientas de gestión de flujo de trabajo para describir y gestionar aplicaciones complejas y están evaluando las características y el rendimiento de las nubes para ver si satisfacen sus necesidades computacionales. discutir Investigadores del Instituto de Ciencias de la Información de la USC.

Aunque el alojamiento hoy se limita a proporcionar recursos virtuales y servicios simples, uno puede imaginar que en el futuro se alojarán análisis científicos completos para el usuario. Este último especificaría el análisis deseado, el momento del cálculo y el presupuesto disponible.

Los servicios alojados proporcionarán los resultados deseados dentro de las limitaciones previstas. Su artículo describía el trabajo actual sobre la gestión de aplicaciones científicas en la nube, centrándose en la gestión del flujo de trabajo y los problemas relacionados con la gestión de datos.

Las aplicaciones no suelen estar representadas por flujos de trabajo individuales, sino más bien como colecciones de grupos de flujo de trabajo relacionados. Por lo tanto, los servicios alojados deben poder administrar grupos completos de flujos de trabajo, sopesando las compensaciones entre completar tantos miembros del conjunto de alto valor como sea posible y entregar resultados dentro de un cierto tiempo y presupuesto.

Su artículo ofrece una descripción general de los problemas científicos alojados existentes, presenta el estado del arte actual sobre la provisión de recursos que pueden respaldarlo, así como también describe las direcciones de investigación futuras en este campo.

Optimización de la analítica de datos en la nube

Un grupo de investigación fuera Duque La universidad presentó Cumulon, un sistema diseñado para ayudar a los usuarios a desarrollar rápidamente e implementar de manera inteligente programas de análisis de macrodatos basados ​​en matrices en la nube.

Cumulon, según la investigación, tiene un modelo de ejecución flexible y nuevos operadores especialmente adecuados para tales cargas de trabajo. En el documento, muestran cómo implementar Cumulon en Hadoop / HDFS evitando las limitaciones de MapReduce y demuestran las ventajas de rendimiento de Cumulon sobre los sistemas existentes basados ​​en Hadoop para el análisis de datos estadísticos.

Según los investigadores de Duke, para respaldar la implementación de la nube inteligente basada en las limitaciones de tiempo / presupuesto, Cumulon va más allá de la optimización del estilo de la base de datos para tomar decisiones automáticamente no solo sobre los operadores físicos y sus parámetros, sino también sobre la ajustes de configuración y aprovisionamiento de hardware.

Aplicaron un conjunto de técnicas de evaluación comparativa, simulación, modelado e investigación para respaldar la optimización rentable en este amplio espacio de planes de implementación.

Integración empresarial como servicio: el estudio de caso de la Universidad de Southampton

Finalmente, un papel La Universidad de Southampton presentó Business Integration as a Service (BIaaS) para permitir que dos servicios funcionen juntos en la nube para lograr un proceso simplificado. Ilustraron esta integración utilizando dos servicios; Retorno de la inversión (ROI) Medición como servicio (RMaaS) y Análisis de riesgo como servicio (RAaaS) en el caso de estudio de la Universidad de Southampton.

El estudio de caso demostró los ahorros de costos y el análisis de riesgos logrados, por lo que dos servicios pueden funcionar como un solo servicio. Se utilizaron técnicas avanzadas para demostrar servicios estadísticos y servicios de visualización 3D bajo el mandato de RMaaS y Monte Carlo Simulation as a Service detrás del diseño de RAaaS.

Se presentaron los resultados computacionales y se discutieron sus implicaciones. Los diferentes tipos de riesgos asociados con la adopción de la nube se pueden calcular de manera fácil, rápida y precisa con el uso de BIaaS. Este estudio de caso confirmó los beneficios de adoptar BIaaS, incluida la reducción de costos y la mejora de la eficiencia y el análisis de riesgos. También se analiza la implementación de BIaaS en otras organizaciones.

Los datos importantes de la integración de RMaaS y RAaaS son útiles para la administración y las partes interesadas en la Universidad de Southampton.

No te olvides compartir en tus redes sociales para que tus amigos lo sepan

??? ? ? ???

Comparte