Cloud y BigData
0 recomendaciones756 vistas
El documento analiza el papel del cloud computing en las bases de datos y el procesamiento de grandes datos, abarcando soluciones de virtualización y almacenamiento como IaaS, PaaS y SaaS. Se discuten las ventajas y desventajas de virtualización, así como comparativas entre diferentes hipervisores y soluciones de almacenamiento. Finalmente, se concluye que el uso de plataformas IaaS para big data presenta tanto beneficios, como la elasticidad y rapidez, así como desafíos en tiempos de despliegue y rendimiento.
Cloud y BigData
- 1. El papel del Cloud Computing en BD & DS Javier Cacheiro López jlopez@cesga.es
- 2. Contenido Soluciones Cloud Cloud Federado: EGI FedCloud BigData en FedCloud Conclusiones
- 3. Cloud
- 4. Cloud
- 5. Modelos Cloud Infrastructure as a Service (IaaS) Amazon EC2 Platform as a Service (PaaS) Salesforce, Google App Engine Software as a Service (SaaS) Google Docs
- 6. Escalabilidad Escalabilidad vertical: Scale up Escalabilidad horizontal: Scale out
- 8. Virtual Machine Monitor (VMM) VMM / Hipervisor Hardware Máquina Física Máquina Virtual Máquina Virtual Máquina Virtual
- 10. Tipos de VMM VMM Tipo 1 (bare metal) Anillo 0 Hipervisor directamente sobre el hardware VMM Tipo 2 (hosted) Anillo 3 Hipervisor dentro de un SO
- 11. Modos de Virtualización Descripción Ventajas Ejemplos Rendimiento Xen PV Rendimiento KVM, Xen HVM Desventaj as Virtualización completa (full virtualization) Simulación completa del hardware de la máquina física Pérdida de rendimiento No es necesario modificar el SO de la MV VMWare Workstation, VirtualBox Paravirtualización Simulación parcial del hardware de la máquina física. La MV es consciente de que corre en un entorno virtual. Es necesario modificar el SO de la MV para que se ejecute en el anillo 1 Virtualización asistida por hardware (Native Virtualization) Virtualización total que se aprovecha del soporte para virtualización presente en el hardware como las extensiones VT de Intel o Pacifica de AMD Es necesario hardware específico
- 12. Soluciones de Virtualización en entornos cloud Xen KVM VMware Hyper-V
- 13. Xen: Conceptos Básicos Dom0: el SO anfitrión con el kernel de Xen DomU: cada una de las máquinas virtuales VIF: Virtual Network Inferface VBD: Virtual Block Device HVM: Virtualización con soporte hardware
- 14. Linux paravirt_ops (pv-ops) Pv-ops es una parte del kernel de Linux que le permite ejecutarse como máquina paravirtual Está disponible para x86, x86_64 e ia64 El mismo kernel puede arrancar nativamente en el hardware físico o como máquina paravirtual Xen y VMware tienen soporte de pv-ops
- 15. Xen StubDom StubDom representa un nuevo modelo de gestión de dispositivos para MV HVM disponible a partir de Xen 3.3 El nuevo modelo utiliza un mini-SO para tareas como acceso a disco, a dispositivos de vídeo o a memoria Se consigure una mejora considerable de rendimiento
- 16. KVM: Conceptos Básicos Requiere de un procesador con soporte de virtualización Soporta paravirtualización para ciertos drivers a través de VirtIO RHEL6 añade KVM y elimina Xen
- 17. Virtualización Completa vs Paravirtualización MicroKernel Hardware Máquina Virtual Máquina Virtual Máquina Virtual Driver Driver API Gestión Traducción Binaria Hipervisor Hardware Máquina Virtual Máquina Virtual Máquina Virtual API Gestión API Hardware Virtual HVM Virtualización Completa Paravirtualización
- 18. Xen vs KVM: Linpack
- 19. Xen vs KVM: I/O
- 20. Standards Open Virtualization Format (OVF): Formato standard para exportar máquinas virtuales entre VMMs Virtual Machine Disk Format (VMDK): Formato standard para la creación de discos virtuales (usado principalmente por VMware) VMI: Interfaz alternativo a pv-ops desarrollado por VMware (eliminado a partir del kernel 2.6.37)
- 21. Consideraciones prácticas Las máquinas virtuales HVM y con virtualización total pueden presentar problemas con el reloj del sistema Muchos VMM no gestionan eficiencientemente MV multi-procesador El rendimiento de ficheros y LVM para almacenar las MV es similar Algunas distribuciones de Linux incluyen una versión de /lib/tls que no es compatible con Xen (es recomendable deshabilitarla)
- 22. Soluciones Cloud IaaS IaaS Pública IaaS Privada Google Compute Engine
- 23. Public IaaS: Hipervisores AWS Amazon EC2: Xen en general y Xen HVM para instancias tipo: cluster compute, high I/O, second generation (m3) and Windows Rackspace: Xen para Linux y XenServer para Windows Google Compute Engine KVM Windows Azure Hyper-V
- 24. IaaS
- 28. Evolución soluciones almacenamiento Almacenamiento local SAN Distributed Replicated Block Device (DRDB) Object Storage
- 29. Tipos de Almacenamiento Object Storage Amazon S3 OpenStack Swift Ceph File Storage NAS (NFS, CIFS) GlusterFS Ceph FS Block Storage SAS/SATA/iSCSI Amazon EBS Ceph RDB
- 30. Object Storage Escalable: Posibilidad de ampliar/reducir el almacenamiento Barato: Agrega los discos locales de muchos servidores Replicación automática: Tolerancia a fallos Interfaz http: usualmente API REST
- 31. Object Storage: Ejemplos Amazon S3 OpenStack Swift Ceph Object Storage: Ceph filesystem Block Storage: Ceph RADOS Block Device (RDB) File Storage: Ceph FS GlusterFS
- 32. Object Storage: Inconvenientes Si se actualiza un fichero hay que esperar a que se propaguen los cambios a todas la réplicas Preferible para almacenar datos que no cambian mucho Interfaz http
- 33. Soluciones de Almacenamiento IaaS AWS Object Storage Block Storage Simple Storage Service (S3) Elastic Block Storage (EBS) OpenStack Swift Ceph, GlusterFS, NetApp Eucalyptus Walrus Storage Controller (SC) CloudStack Swift Ceph OpenNebula Ceph
- 34. Cloud Federado
- 35. EGI FedCloud
- 37. AccountingAccounting OpenNebula 3.x MySQL database MySQL database Summarized records Running /stopped/finished VMs Summarized records Running /stopped/finished VMs meghacloud.cesga.es Apelglobalrepo.
- 38. Ejecutando Hadoop en FedCloud
- 39. Configuración de Hadoop N+1 Hadoop cluster 1 Master NameNode / Secondary NameNode JobTracker N Slaves DataNode TaskTracker
- 40. Despliegue del cluster Tiempo de despliegue de un cluster Hadoop de 101 nodos Obtener identificador: 71-86 min Tiempo total: 2,5-3 horas
- 41. Despliegue: Carga en el frontend
- 42. Despliegue: Uso de red
- 44. Wikipedia
- 45. GAIA
- 46. GAIA Misión de la ESA para elaborar un mapa tridimensional de nuestra Galaxia, la vía láctea: http://sci.esa.int/gaia/ El satélite será lanzado en agosto Datos a analizar: ~1PB
- 47. GAIA Se analizaron distintas soluciones: • Cassandra • Hadoop • InterSystems Cache • IBM DB2 • PostgreSQL 9 + Pl/Proxy2 + Cassandra
- 48. GAIA Solución elegida: Hadoop
- 49. GAIA: Escalabilidad en FedCloud
- 50. Conclusiones
- 51. BigData + Cloud Ejecutar BigData sobre una plataforma IaaS ofrece ventajas e inconvenientes
- 52. Pros Elasticidad: tanta como tenga la aplicación Rapidez para obtener recursos Facilidad en la configuración Sencillez en el despliegue Ideal para pruebas
- 53. Contras Tiempo de despliegue: Es necesario optimizar el gestor cloud para mejorar el tiempo de despliegue Rendimiento Es necesario optimizar las MV para mejorar su rendimiento de E/S Entorno heterogéneo Rendimiento de cada MV variable dependiendo de la carga del anfitrión