Сочинение на тему Безопасное облачное планирование
- Опубликовано: 24.07.2020
- Предмет: Информационная наука
- Темы: Облачные вычисления
Облачные вычисления являются одной из самых обсуждаемых тем в современной ИТ, а также в области научных исследований. Баланс между производительностью и безопасностью всегда был насущной проблемой при адаптации облачных сервисов. Планирование задач – основная область исследований в области облачных вычислений, где провайдеры услуг разрабатывают эффективные алгоритмы для распределения задач по конкретной виртуальной машине, тем самым повышая производительность и время выполнения задач. Хотя QoS учитывалось при разработке таких схем, аспект безопасности в существующих работах в основном игнорировался. Здесь была разработана методология Secured TaskScheduling с использованием тестовой среды CloudSim 3.0.3.
Термин «планирование» в облачной среде можно анализировать с двух точек зрения. Первый относится к выбору подходящих виртуальных машин, которые должны быть выполнены на подходящем хосте, из списка доступных хостов, работающих в облачном центре обработки данных. Второй подразумевает выбор подходящей задачи / запроса пользователя, который должен быть запланирован на подходящей виртуальной машине. В этом документе рассматриваются факторы «пригодности» каждого из этих объектов.
Облачные вычисления (в частности, Инфраструктура как услуга) должны в первую очередь фокусироваться на предоставлении надежных, безопасных, устойчивых и масштабируемых инфраструктур для размещения сервисов веб-приложений. Эти приложения имеют различные варианты состава, конфигурации, развертывания, а также требования безопасности. Кроме того, пользователи / потребители имеют неоднородные и динамические требования к качеству обслуживания (QoS). Это делает оптимизацию политики планирования и распределения в среде облачных вычислений сложной задачей [1]. Различные параметры, такие как характер и размер клиентских запросов / задач, доступность виртуальных машин (VM), использование полосы пропускания сети и аспекты безопасности клиентских запросов / задач, а также поставщик облачных услуг играют важную роль в технике оптимизации. Опять же, это утомительная и трудоемкая работа по перенастройке этих параметров в крупномасштабной инфраструктуре облачных вычислений в течение нескольких тестовых прогонов.
Имея в виду вышеупомянутые аспекты, была предложена новая методика планирования задач, которая отображает определенные свойства безопасности на ресурсы Облака, а также запросы / задачи, которые должны быть запланированы, и выполняет процедуру планирования соответственно. Преимущество этой схемы заключается в том, что свойства безопасности сопоставляются с облачными ресурсами заранее, т. Е. Никогда не выполняется во время выполнения, что экономит общее время выполнения для планирования задач. Эта работа еще не завершена, и испытательный стенд был настроен с использованием CloudSim 3.0.3 [1].
Остальная часть статьи была организована следующим образом. В разделе 2 рассматриваются некоторые из связанных работ по планированию задач, а также CloudSim. В разделе 3 подробно описываются основные объекты облачной модели, которая использовалась в этой схеме, и описывается предлагаемый подход к планированию. Раздел 4 дает краткий обзор аспектов реализации схемы. Наконец, раздел 5 завершает работу.
Обратите внимание, что первый абзац раздела или подраздела не имеет отступа. Первые абзацы, следующие за таблицей, рисунком, уравнением и т. Д., Также не имеют отступа.
Многие алгоритмы, такие как FCFS, Приоритетное планирование и Round Robin, используются для выполнения запросов клиентов с минимальным временем ответа, а также для назначения запросов виртуальным машинам. Но такие ограничения, как большие задержки связи и недостаточное использование ресурсов, не рассматриваются четко и эффективно, что приводит к тому, что многие ресурсы не участвуют в выполнении запросов, и, следовательно, приводит к дисбалансу облачной системы. Для решения этих проблем были разработаны следующие работы:
Choudhary и Peddoju [2] предложили алгоритм планирования, в котором входящие задачи группируются на основе требований, таких как минимальное время выполнения и минимальная стоимость, в то время как выбор ресурса выполняется с использованием жадного подхода. Следующим шагом является установление приоритетов, при котором задачи, основанные на крайнем сроке, располагаются по приоритетам на основе крайнего срока задачи, тогда как задачи, основанные на затратах, располагаются по приоритетам на основе прибыли задачи в порядке убывания. Полученные результаты подтверждают его правильность, а также показывают значительное улучшение по сравнению с последовательным планированием.
Tawfeek et.Al. [3] провели исследование алгоритмов планирования задач в облачной среде, в которой они разработали алгоритм оптимизации колоний Ant для планирования задач на виртуальных машинах. Основная идея ACO – моделировать поведение муравьиных колоний. Когда группа муравьев пытается найти пищу, они используют феромон. Первоначально муравьи начинают искать свою еду случайным образом, но они оставляют на пути феромоны. Муравей может следовать по следам других муравьев к источнику пищи, ощущая эти феромоны. Поскольку этот процесс продолжается, большинство муравьев привлекают для выбора кратчайшего пути, поскольку на этом пути накопилось огромное количество феромонов. Здесь муравьи – это задачи, а источники пищи – это виртуальные машины. В этом исследовании планирование облачных задач рассматривается как NP-полная проблема. Экспериментальные результаты показали, что вышеупомянутый алгоритм превзошел алгоритмы FCFS и Round Robin.
Sharma и Sharma [4] дали представление об алгоритме планирования запросов на обслуживание, который сокращает время ожидания задачи в расписании и максимизирует качество обслуживания (QoS). Запрос на обработку заявки, поданный пользователем, состоит из одного или нескольких сервисов. Эти услуги вместе с параметрами времени и стоимости отправляются поставщикам услуг. Как правило, фактическое время обработки запроса намного больше, чем предполагаемое время, поскольку на сайте поставщика услуг происходит некоторая задержка. Поставщик услуг должен сократить время отклика и задержки. В предложенном им алгоритме задачи сначала группируются на основе крайнего срока или минимальной стоимости. Как только это будет сделано, они могут быть расставлены по приоритетам и запланированы соответственно. Планирование работы – это жадный подход, который направлен на минимизацию времени выполнения задач (TAT). После расчета этого значения для каждого ресурса выбирается ресурс с минимальным TAT, и задача подается на этот ресурс.
TAT = ресурс, ожидающий времени + (длина задачи / вычислительная мощность ресурса)
Основная цель этого документа – показать максимальное использование клиентской и серверной стороны при доступе к облачной среде.
Calheiros et.Al [1] в своей работе «CloudSim: инструментарий для моделирования и симуляции сред облачных вычислений и оценки алгоритмов выделения ресурсов» дал обзор CloudSim и изображен в виде расширяемого инструментария для моделирования, который позволял моделировать и моделировать вычислительные системы ofCloud и среды предоставления приложений. CloudSimtoolkit поддерживает моделирование как системы, так и поведения компонентов системы Cloud, таких как центры обработки данных, хосты, виртуальные машины (VM) и политики предоставления ресурсов. В документе представлены архитектурные рамки CloudSim, а также некоторые эксперименты по моделированию, которые были успешно проведены в облачной среде. Вкратце, статья отражает эффективность и полезность CloudSim при проведении исследований на основе облачных технологий.
В вышеприведенных работах рассматриваются некоторые деликатные вопросы облачного планирования задач и применения инструмента CloudSim. Все вышеперечисленные методологии либо концентрируются на эффективном использовании облачных ресурсов, либо на сокращении общего периода планирования. Хотя это касается аспекта производительности поставщика облачных услуг, в этих схемах не хватает понятия безопасности. Здесь безопасность подразумевает безопасность, а также доступность пользовательских данных в форме запроса задачи / клиента. Следовательно, предлагаемая работа пытается восполнить этот пробел, разработав безопасную методологию для планирования задач. В следующем разделе описана предложенная схема.
Облачная модель
Облачная модель, которая использовалась в этой работе, состоит из следующих объектов:
Центр обработки данных. Центр обработки данных – это средство или хранилище, используемое для сбора ресурсов и компонентов облачных вычислений [5].
Хосты / серверы: инфраструктуры, размещенные в центре обработки данных для вычислений и выполнения [5].
VirtualMachines (VM): это абстракции базовой инфраструктуры [5].
Cloudlets / Tasks: это синоним запросов клиента, которые должны быть предоставлены в облачной инфраструктуре.
CloudBroker. Облачный брокер – это физическое или юридическое лицо, которое выступает посредником между поставщиками облачных услуг и клиентами. Брокер отвечает за отображение задач на виртуальные машины.
CloudSim имеет вышеуказанные объекты в форме предопределенных классов для описания центров обработки данных, вычислительных ресурсов, виртуальных машин, приложений и пользователей. Более того, CloudSim предоставляет платформу для разработки политик, которая в основном связана с планированием и предоставлением облачных задач. На рис. 1 показан общий вид облачной модели, описанной выше. Пересмотренная политика была изображена в следующем подразделе.
Используемая здесь методика планирования задач состоит из следующих шагов:
Однократный процесс
1. Обратите внимание на географическое расположение облачных центров обработки данных. Поскольку у каждого поставщика облачных услуг есть несколько центров обработки данных, следует указать местоположение каждого из них.
2. Эти местоположения отмечены по 3-балльной шкале в зависимости от их жизнеспособности как подверженной угрозе области. Районы, в которых существуют природные угрозы (районы, подверженные землетрясениям, вулканические районы, высокогорные районы и т. Д.), Можно подразделить на «опасные зоны» (наиболее подверженные угрозам – порядок 3), «зоны поражения» (менее подверженные угрозам, т.е. некоторые может возникнуть угроза для окружающей среды, такая как колебания мощности – порядок 2) и «безопасная зона» (порядок 1) [6].
3. Может случиться так, что центр обработки данных не находится в подверженной землетрясению области (EP1), но находится ближе всего к EP1 из 3 местоположений центра данных. В таком случае A классифицируется в соответствии с Приказом 3.
4. Хосты и ВМ, связанные с конкретным центром обработки данных, сопоставляются с конкретным Порядком, к которому принадлежит центр обработки данных. Например. Предположим, что VM1 находится в центре обработки данных A, который находится под заказом 3. Следовательно, VM1 автоматически попадает под заказ 3.
5. Это однократный процесс, если местоположение какого-либо центра обработки данных / хоста / виртуальной машины не изменено, т. е. создан или удален какой-либо центр обработки данных / хост / виртуальная машина.
Процесс выполнения
1. Входящие задачи / Cloudlets классифицируются в соответствии с их чувствительностью, такими как неклассифицированные, конфиденциальные и секретные [7]. Эта классификация требует понимания SLA или прямого запроса клиента
2. Задачи, которые классифицируются как секретные, планируются на виртуальные машины порядка 1. Те, которые являются конфиденциальными, распределяются на виртуальные машины порядка 2, а несекретные – на виртуальные машины с порядком 3.
Простая логика, которая использовалась здесь, заключается в том, что наиболее чувствительные / ценные данные находятся в самом безопасном центре обработки данных, который обеспечивает максимальную целостность и доступность.
В документе напоминается концепция планирования в облачной среде, ее природа и требования. Он предлагает новую методологию для решения защищенной процедуры планирования задач, принимая во внимание чувствительность задачи и местоположение рассматриваемого центра обработки данных. Наконец, алгоритм был протестирован с использованием набора инструментов Cloudsim 3.0.3.
Будущая работа направлена на завершение метода классификации задач и выполнения строгого анализа производительности предложенного алгоритма. Кроме того, в настоящей схеме случайная виртуальная машина выбирается, когда для конкретной задачи найдено более одной защищенной виртуальной машины. В будущем еще один уровень экономически эффективного алгоритма может быть разработан для выбора наиболее подходящей виртуальной машины из заданного списка защищенных виртуальных машин.
Индия – это сельскохозяйственная развивающаяся страна. Экономический вклад Индии в сельское хозяйство в ВВП уменьшается вместе с общим экономическим ростом страны. Некоторые проблемы в реальном
Появление компьютеров принесло большие революционные изменения практически во все отрасли, в которых используются компьютеры. Однако, несмотря на полезность этого устройства, основанного на безграничном количестве того,
Обсудить бизнес-драйверы облачных вычислений? В последние годы в коммерческом мире появились облачные вычисления. Существует растущая потребность в облачных вычислениях, и есть несколько