Технология построения проблемно-ориентированных сред для научных исследований в рамках модели персонального облака тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат наук Чуров, Тимофей Николаевич

• Чуров, Тимофей Николаевич
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Чуров, Тимофей Николаевич

Содержание

Содержание

Основные обозначения и сокращения

Введение

Глава 1. Системы управления композитными приложениями и платформы облачных вычислений

1.1 Технологии облачных вычислений

1.2 Обзор систем работы с

1.2.1 Рассматриваемые системы

1.2.2 Системы управления композитными приложениями

1.2.3 Системы коллаборативного взаимодействия

1.2.4 Выводы по разделу

1.3 Платформа облачных вычислений СЬАУШЕ

1.3.1 Назначение СЬАУШЕ

1.3.2 Область применения СЬАУШЕ

1.3.3 Функциональные характеристики платформы

1.3.4 Алгоритм исполнения \¥Р

1.3.5 Алгоритм функционирования СЬАУШЕ

Выводы по главе 1

Глава 2. Концепция персонального облака

2.1 Определение ПеО

2.2 Функциональные требования персональных облаков

2.2.1 Пользователь платформы

2.2.2 Поставщик прикладных пакетов

2.2.3 Поставщик вычислительных ресурсов

2.2.4 Провайдер облачной среды

2.2.5 Функций систем персональных облаков

2.3 Алгоритм работы системы

2.4 Требования к программному и аппаратному обеспечению

Выводы по главе 2

Глава 3. Реализация концепции ПеО

3.1 Базовые компоненты персонального облака

3.1.1 Общее описание компонентов

3.1.2 База ресурсов

3.1.3 База пакетов

3.1.4 Компонент журналирования

3.1.5 Компонент биллинга

3.1.6 Подсистема безопасности

3.1.7 Графический интерфейс PackageManager

3.2 Компоненты платформы CLAVIRE

3.2.1 Графический интерфейс Ginger

3.2.2 Проблемно-ориентированный интерфейс

3.2.3 Компонент интерпретации WF

3.2.4 Компонент исполнения WF

3.2.5 Компонент доступа к вычислительным ресурсам

3.2.6 Контроллеры ресурсов

3.2.7 Компонент планирования

Выводы по главе 3

Глава 4. Практическое аспекты применение концепции персонального облака

4.1 Исследования производительности модели персонального облака

4.1.1 Процесс встраивания локального ресурса

4.1.2 Методы оценки эффективности

4.1.3 Результаты экспериментов

4.2 Исследование конформационно-зависимых свойств белков

4.3 Интеллектуальная система управления городским транспортом

Выводы по главе 4

Заключение

Список использованных источников

Основные обозначения и сокращения

• КП - композитное приложение;

• ОС — облачный сервис;

• ОВ — облачные вычисления;

• ПО — программное обеспечение.

• ПеО — персональное облако;

• ПОИ — проблемно-ориентированный интерфейс;

• КИ — компонент интерпретации WF;

• WF — workflow, «поток работ»;

• AWF — abstract workflow (абстрактный workflow);

• CWF — concrete workflow (конкретный workflow);

• PSE — Problem Solving Environment, проблемно-ориентированная среда;

• iPSE — Intelligent PSE, интеллектуальная PSE;

• CLAVIRE — CLoud Applications VIRtual Environment, виртуальная среда для облачных приложений;

• IaaS — Infrastructure as a Service, инфраструктура как услуга;

• PaaS — Platform as a Service, платформа как услуга;

• SaaS — Software as a Service, программное обеспечение как услуга;

• AaaS — Application as a Service, приложение как услуга;

• DaaS — Data as a Service, данные как услуга;

• VaaS — Visualisation as a Service, визуализация как услуга;

• SLA — Service Level Agreement (соглашение об уровне сервисов);

• JSON — JavaScript Object Notation, нотация объектов языка JavaScript;

• XML — Extensible Markup Language (расширяемый язык разметки);

• SOAP — Simple Object Access Protocol (простой протокол доступа к объектам);

• SOA — Service-oriented architecture (сервис-ориентированная архитектура);

• WCF — Windows Communication Foundation (архитектурный каркас для web-сервисов);

• SAML — Security Assertion Markup Language (язык разметки утверждений безопасности);

• WMS — система исполнения композитных приложений (Workflow management System);

• REST — Representational State Transfer (протокол передачи репрезентативного состояния);

Введение диссертации (часть автореферата) на тему «Технология построения проблемно-ориентированных сред для научных исследований в рамках модели персонального облака»

Введение

Развитие глобальных сред распределенных вычислений стимулируется потребностями eScience и eEngineering - диффузных технологий, ориентированных на создание глобальных вычислительных инфраструктур для научных исследований и поддержки жизненного цикла сложных инженерных разработок. В силу междисциплинарного характера решаемых задач и коллаборативности исследовательских процессов вычислительные процессы в распределенных средах интерпретируются как композитные приложения (КП), которые описываются в форме потоков работ (workflow, WF), выполняемых на разных вычислительных ресурсах. Для разработки и исполнения WF используются специализированные инструментальные средства: WMS Taverna, Triana, Pegasus, Kepler и др. Данные исследования отражены в работах научных школ А.П. Афанасьева, В.А. Ильина, Л.Б. Соколинского, А.П. Крюкова, JI.H. Щура, М.Н. Жижина, В.П. Иванникова, В.В. Коренькова и других российских ученых.

Развитие парадигмы облачных вычислений (ОВ) как способа абстракции (виртуализации) путей взаимодействия между провайдером и пользователем вычислительных, программных и информационных ресурсов позволяет рассматривать КП как динамическое объединение различных (Software as a Service, Data as a Service, Hardware as a Service, Visualization as a Service) облачных сервисов (ОС), ориентированных на решение общей задачи в среде распределенных вычислений. Такой абстракции соответствует модель AaaS (Application as a Service), определяющая суть облачных технологий второго поколения. Несмотря на то что модель AaaS в целом наследует принципы использования вычислительных ресурсов моделей первого поколения (Infrastructure as a Service, Platform as a Service, Software as a Service), она привносит специфику в режим работы: локальный компьютер пользователя вовлекается в процесс исполнения КП в облаке. Обычно это обусловлено использованием уникального или дорогостоящего лицензионного научного программного обеспечения, имеющегося в наличии у пользователя, работой с данными ограниченного доступа, а также выполнением технологических операций с результатами расчетов при использовании уникальных терминальных устройств (например, систем виртуальной реальности). Реализация такой модели ОВ требует развития нового класса технологий т.н. персонального облака (ПеО), назначением которых является виртуализация взаимодействия между сервисами пользовательского компьютера и удаленными ОС различных провайдеров в рамках единого КП.

Предметом исследования являются технологии и инструменты взаимодействия пользователей и провайдеров распределенных высокопроизводительных вычислительных систем в рамках концепции ОВ второго поколения.

Целью работы является развитие принципов ОВ для еЗаепсе и еЕг^пееппд в части создания персональных облаков, в которых для решения задач пользователя динамически формируется единое облачное пространство, включающее в себя сервисы его локального компьютера и удаленных облачных ресурсов различных провайдеров.

Задачи исследования;

- определение требований к современным инструментам интеграции пользовательских вычислительных ресурсов и облачных сред второго поколения, а также разработка концепции ПеО;

- проектирование архитектуры облачной платформы управления ПеО и ее программная реализация;

- экспериментальное исследование технологии ПеО на основе прикладных задач (моделирование лекарственных препаратов, моделирование и оптимизация транспортных потоков);

- оценка эффективности технологии ПеО в части временных издержек управления персональным облаком.

Методы исследования включают в себя методы теории систем и системного анализа, анализа алгоритмов и программ, инженерии программного обеспечения, аппарат теории вероятностей и математической статистики случайных величин и функций.

Научная новизна определяется принципами построения ПеО на основе динамического объединения вычислительных и программных ресурсов разного уровня доступа без развертывания специальной инфраструктуры управления облачной средой на стороне пользователя, а также их обобществления для других пользователей облака, в рамках модели АааБ.

Практическую ценность работы составляют:

- набор программных компонентов для модификации облачной платформы СЬАУШЕ в части поддержки модели персонального облака;

- комплект программной, эксплуатационной и технической документации для организации программно-аппаратных комплексов управления ПеО.

На защиту выносятся

- архитектура платформы управления ПеО, обеспечивающая процессы разработки и исполнения композитных приложений в облачной среде с динамическим использованием локальных ресурсов пользователя;

- технология организации программно-аппаратных комплексов управления ПеО на основе облачной платформы второго поколения СЬАУЖЕ.

Достоверность научных результатов и выводов обусловлена обоснованностью применения математического аппарата, результатами тестирования алгоритмов и программного обеспечения, экспериментальными исследованиями на реальных приложениях, а также практическим внедрением (опытной эксплуатацией) разработанных программных средств.

Внедрение результатов работы. Результаты работы были использованы при выполнении следующих НИОКР: «Инструментальная технологическая среда для создания распределенных интеллектуальных систем управления сложными динамическими объектами», «Виртуальный полигон для суперкомпьютерного моделирования сложных систем», «Виртуальный полигон для исследования динамики морских объектов и сооружений в экстремальных условиях эксплуатации», «Технология системологического проектирования и разработки междисциплинарных приложений в среде облачных вычислений», «Ситуационный центр нового поколения для предупреждения и ликвидации угрозы наводнений», «Интеллектуальные суперкомпьютерные технологии е-8аепсе» и «Облачные технологии высокопроизводительных вычислений в задачах интерактивной ЗБ-визуализации сложных процессов и систем» в рамках ФЦП «Научные и научно-педагогические кадры инновационной России» на 2009-2013 гг.; «Создание функционирующего в режиме удаленного доступа интерак-тивного учебно-методического комплекса для выполнения работ в области моделирования наноразмерных атомно-молекулярных структур, наноматериалов, процессов и устройств на их основе, в распределенной вычислительной среде» в рамках ФЦП «Развитие инфраструктуры наноиндустрии в Российской Федерации на 2008-2011 гг.»; «Разработка \veb-ориентированного производственно-исследовательского центра в области социодинамики и ее приложений», «Суперкомпьютерное моделирование конформационно-зависимых свойств белков в задачах рационального дизайна лекарственных препаратов», «Технологии экстренных вычислений в задачах планирования и диспетчеризации маршрутов наземного общественного транспорта» и «Высокопроизводительный программный комплекс для моделирования электронных и электромеханических свойств наноуглеродных объектов» в рамках ФЦП «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России» на 2007-2013 гг.; «Создание высокотехнологичного производства комплексных решений в области предметно-ориентированных облачных вычислений для нужд науки, промышленности, бизнеса и социальной сферы» в рамках реализации постановления Правительства РФ №

218; «Распределенные экстренные вычисления для поддержки принятия решений в критических ситуациях» в рамках реализации постановления Правительства РФ № 220.

Апробация работы. Полученные результаты обсуждались на международных и всероссийских научных конференциях, семинарах и совещаниях, включая XIV Всероссийскую объединенную научную конференцию «Интернет и современное общество» (Санкт-Петербург, 2011), XI Всероссийскую конференцию «Высокопроизводительные параллельные вычисления на кластерных системах» (Нижний Новгород, 2011), Международную научно-практическую конференцию молодых ученых и специалистов «Технологии высокопроизводительных вычислений и компьютерного моделирования» (Амстердам, 2012), XII Всероссийскую конференцию «Высокопроизводительные параллельные вычисления на кластерных системах» (Нижний Новгород, 2012), II Международную научно-практическую конференцию молодых ученых и специалистов «Технологии высокопроизводительных вычислений и компьютерного моделирования» (Барселона, 2013), XX Всероссийскую научно-методическую конференцию «Телематика'2013» (Санкт-Петербург,2013).

Публикации. По материалам диссертации опубликовано 9 печатных работ, в том числе 5 — в изданиях из перечня ВАК РФ.

Личный вклад автора в работах, выполненных в соавторстве, заключается в проведении аналитического обзора в проблемной области диссертационной работы; обосновании требований к технологиям встраивания персональных ресурсов; разработке концепции ПеО; проектировании и реализации программной платформы для облачных вычислений СЬАУШЕ в части поддержки технологии ПеО; проведении экспериментальных исследований и интерпретации их результатов в рамках модели ПеО. Из работ, выполненных в соавторстве, в диссертацию включены результаты, которые соответствуют личному участию автора.

Глава 1. Системы управления композитными приложениями и

платформы облачных вычислений

1.1 Технологии облачных вычислений

Парадигма облачных вычислений (OB, cloud computing) [1, 2] основана на сочетании множества известных концепций и технологий, таких как сервис-ориентированная архитектура (SOA, Service-oriented architecture), распределенные вычисления, Грид, виртуализация. Кластерные вычисления и Грид, с одной стороны, а также технологии виртуализации с другой явились предшественниками, которые способствовали появлению облачных вычислений как отдельного направления. Помимо этого, на формирование новой концепции распределенных вычислений повлияли технологии вычисления в пиринговых сетях (р2р computing), автономные вычисления и платформы управления ресурсами.

Облачные вычисления в текущее время находятся в стадии бурного развития и повсеместного внедрения. Показателем этого является ситуация, когда на рынке присутствует значительное количество провайдеров, которые начинают предоставлять услуги согласно данной концепции, однако исключительно в рамках своего понимания. На текущий момент не существует определенных стандартов для данной области и, вдобавок, не существует какого-либо общепринятого устоявшегося определения облачных вычислений. На протяжении последних лет предпринимаются попытки формализовать новое понятие облачных вычислений и дать определение данной концепции [3]. К примеру, в [1] под облачными вычислениями понимается парадигма крупномасштабных распределенных вычислений, которая основывается на эффекте повышения эффективности при увеличении масштабов системы, в которой массив абстрагированных, виртуализованных, динамически масштабируемых ресурсов (вычислительных систем, хранилищ данных, инструментальных платформ и сервисов) предоставляется по требованию внешним клиентам по сети Интернет.

На текущий момент основным считается определение, принятое национальным институтом стандартов и технологий США (NIST) [4]. Облачные вычисления - это модель, которая предоставляет удобный доступ по требованию к массиву настраиваемых компьютерных ресурсов (например, сетям, серверам, хранилищам, приложениям и сервисам), которые могут быть быстро зарезервированы и высвобождены с минимальными управляющими усилиями или действиями со стороны провайдера. Модель облачных вычислений выделяет такое свойство системы, как доступность в качестве основополагающей характеристики, что является принципиальным аспектом

повсеместного применения данной технологии. Определение основано на пяти принципах, характерных для любого решения в области облачных вычислений.

• Выделение ресурсов пользователю в режиме самообслуживания. Пользователь может в одностороннем порядке зарезервировать необходимый объем ресурсов без непосредственного взаимодействия с поставщиками каждого из видов ресурсов.

• Повсеместный сетевой доступ. Все возможности системы доступны через сеть и предоставляются согласно стандартным механизмам, которые позволяют использовать систему посредством разнородных клиентских терминалов (например, мобильный телефон, ноутбук, планшетный компьютер).

• Скрытое от пользователя реальное выделение ресурсов. Все ресурсы объединены в один массив и доступны пользователям для выделения по требованию. Клиент не имеет представления о том, где физически расположены предоставляемые ему ресурсы. Он не может явно управлять распределением ресурсов, но допустим сценарий, когда он имеет возможность задать местоположения на высоком уровне абстракции (например, страна, область).

• Быстрая адаптация к увеличению или уменьшению нагрузки. Объем используемых ресурсов пользователя может быть гибко изменен, быстро расширен либо уменьшен (в некоторых случаях автоматически). Все возможности системы представляются клиенту безграничными и могут быть им «приобретены»1 в любом количестве в любое время.

• Гарантируемый и измеряемый уровень сервиса. Облачные системы должны автоматически контролировать и оптимизировать использование ресурсов, привлекая возможности измерения и оценки уровня их потребления. Использование ресурсов должно быть прозрачным и для провайдера, и для пользователя. Информация об использованном объеме ресурсов должна быть постоянно доступной и актуальной.

Понимание парадигмы облачных вычислений невозможно без рассмотрения уровней сервисов, которые предоставляет облачная инфраструктура. На счет состава этих уровней нет согласованного мнения, и разные исследователи и аналитики выделяют от трех до десяти [5] уровней сервиса. Чаще всего в качестве основных признаются три уровня.

Инфраструктура как услуга (Infrastructure as a Service, IaaS) - это модель облачных услуг, при которой клиенту предоставляется в распоряжение готовая

1 В смысле аренды для решения определенной задачи, без физического приобретения.

инфраструктура, состоящая из таких ресурсов, как: вычислительные ресурсы, ресурсы хранения данных, сетевые ресурсы. IaaS можно разделить на три основных компонента: аппаратные средства, операционные системы и системное ПО, связующее ПО. Чаще всего, под инфраструктурой и предоставляемыми ресурсами понимается виртуализованная среда, развернутая на оборудовании провайдера облачных вычислений. IaaS подразумевает предоставление пользователю (заказчику) интерфейса (программного и/или веб-интерфейса) для покупки и управления любым количеством виртуальных выделенных серверов необходимой мощности. При этом пользователь имеет полный контроль над закупленными виртуальными машинами и дополнительными услугами. Данный подход позволяет имеющимся возможностям провайдеров соответствовать текущим потребностям бизнеса, тем самым увеличивая утилизацию имеющихся мощностей. В результате производится переход от приобретения, управления и амортизации аппаратных активов к покупке серверного времени, дискового пространства, сетевой пропускной способности, необходимой для выполнения приложения. Виртуализация позволяет реализовать весь набор функций управления в одной интегрированной платформе. IaaS подходит для хостинга сложных, больших и высоконагруженных приложений, которым нужно использовать все возможности настройки традиционных операционных систем, которым нужен максимальный контроль над окружением. Примерами фирм и продуктов, относящихся к данному уровню сервиса, являются: Amazon Web Services, Rackspace Cloud, Terremark, gandi.net, GoGrid, Scalaxy.

Платформа как сервис (Platform as a Service, PaaS) - модель предоставления вычислительной платформы как сервиса, которая предлагает развертывание и поддержку приложений. Для разработки приложений под платформу (либо адаптации существующих приложений) пользователю предоставляется определенный инструментарий, включающий необходимые программные библиотеки, документацию, программные интерфейсы доступа к компонентам платформы, таким как хранилища данных, механизмы кэширования, обеспечение безопасности и т.д. Пользователю предоставляется возможность запускать собственные приложения, при этом он часто ограничен в выборе языка программирования и дополнительных библиотек. Но такое приложение сможет гибко получать ресурсы по запросу. В данной модели пользователь не имеет доступа к операционной системе, однако полностью контролирует, разрабатывает и настраивает приложение. Как правило, платформа узко специализирована для какого-то конкретного типа и категории приложений. Яркими примерами здесь являются платформы: Google Арр Engine, Heroku, Engine Yard, force.com.

Программное обеспечение как сервис (Software as a Service, SaaS) - модель развертывания приложения, которая подразумевает предоставление приложения конечному пользователю как услуги, предоставляемой по требованию. Это - самый высокоуровневый вариант облачных сервисов. Он подразумевает, что пользователь имеет доступ только к настройке своего аккаунта в некотором приложении. Обо всем остальном заботится поставщик таких облачных услуг (управление облаком, управление операционными системами, администрирование, разработка приложения, тарификация). Данный уровень можно считать наиболее развитым, и представлен он множеством продуктов на рынке. В качестве примеров: Google Apps, Salesforce, Twitter и многие другие.

Наряду с тремя приведенными выше уровнями сервисов часто выделяют следующие: Оборудование как услуга (Hardware as a Service, HaaS); Хранилище данных как услуга (Data as a Service, DaaS); Визуализацию как услуга (Visualization as a Service, VaaS); Коммуникация как услуга (Communication as a Service, CaaS) [6].

Классификация существующих решений в области облачных вычислений проводилась различными исследователями (см, например, [7], [8]), но пока нет общих стандартов - единого мнения и здесь не достигнуто. Чаще всего используют классификацию по уровням предоставления сервисов (одну из представленных выше). Но существуют и другие методы, учитывающие различные аспекты применения, технологии построения облачных сред. В частности, среды облачных вычислений различают по следующим факторам:

• модели развертывания: частное облако, общественное облако, общее облако, гибридное облако;

• ценовой политике: бесплатные, оплата за используемые ресурсы, абонентская подписка;

• технологической инфраструктуре (например, наличие поддержки НРС);

• технологиям доступа: API, тонкий клиент, браузер.

Как уже отмечалось, парадигма облачных вычислений является продолжением таких технологий, как Грид, виртуализация, виртуальный выделенный хостинг. Парадигма облачных вычислений выросла из парадигмы Грид и может быть построена на ней как на каркасе. Детальный анализ сходств и различий приведен в работе [9]. От традиционных хостинг-решений облачные вычисления отличаются более гибкой схемой оплаты арендуемых пользователем ресурсов [10],[11] , что представляет собой одну из важнейших причин широкого интереса к облачной концепции. В частности:

1. в отличие от выделенных серверов, установка и настройка которых занимает много времени, облачные сервисы должны быть доступны для использования сразу после «приобретения»;

2. в отличие от общего хостинга, в облаках есть возможность наращивать объем закупленных мощностей мгновенно, без обращения в службу технической поддержки оператора;

3. облачные продукты предоставляют схему оплаты по факту, то есть оплату только той мощности, которую пользователь действительно использует с достаточно коротким промежутком тарификации.

Облачные вычисления обладают в условиях коммерческого хостинга программного обеспечения обширным набором преимуществ, способствующих более эффективному обеспечению равновесия на рынке вычислительных ресурсов. В частности:

• Пользователь платит только за тот объем ресурсов, который он использовал.

• Отсутствие затрат для пользователя на приобретение, поддержку и модернизацию программного обеспечения и оборудования.

• Масштабируемость, отказоустойчивость, виртуализация и безопасность, автоматическое выделение и освобождение необходимых ресурсов в зависимости от количества обслуживаемых приложением пользователей. Обслуживание предоставляемых ресурсов ложится на плечи провайдера. Обновления всех предоставляемых программных ресурсов происходят на стороне облака, более регулярно и своевременно.

• Удаленный доступ к облачным вычислениям. Для работы с облаком обычно не требуется никакого специализированного программного обеспечения, достаточно только браузера.

Таким образом, концепция облачных вычислений обладает существенной значимостью, как способ работы на рынке вычислительных ресурсов. При этом, ввиду того, что ключевым фактором в условиях столь гибкой политики предоставления ресурсов становится удовлетворенность пользователя услугой, актуальной задачей становится выработка системы критериев качества предоставляемых услуг [12]. Кроме того, особую важность приобретает задача управления рисками [13-14] при предоставлении услуг в рамках облака.

В заключение следует отметить, что во многом положительные качества технологии облачных вычислений, перечисленные выше, являются следствием цельности реализуемой концепции. Однако в реальных приложениях они во многом находятся в латентном состоянии. Это связано с тем, что полномасштабная реализация всех

возможностей облачной инфраструктуры может быть достигнута только в процессе ее полномасштабного становления. Эта модель декларирует пять этапов развития облачных вычислений:

1. консолидацию и модернизацию доступных организации ресурсов;

2. виртуализацию доступных ресурсов в рамках облачной парадигмы;

3. автоматизацию процессов использования виртуальных ресурсов с обеспечением их адаптивности, безопасности и повторяемости;

4. обеспечение поддержки автоматизированных сервисов: проведение аудита, проверки отказоустойчивости, реализацию соглашения об уровне сервисов (Service Level Agreement - SLA[15] );

5. полнофункциональную реализацию облачной инфраструктуры на всех уровнях предоставления сервисов.

Таким образом, использование технологий облачных вычислений для решения различных задач является перспективным как во всех трех основных моделях [16] (IaaS, PaaS, SaaS), поскольку обеспечивает динамическое выделение ресурсов и приложений по заданному требованию. Однако решение вопроса о фактическом объеме и характеристиках предоставляемых ресурсов должно вырабатываться на приложения, с учетом возможных ограничений, диктуемой средой облачных вычислений. Также следует признать, что эволюция облачных технологий на этом не заканчивается, и при стабилизации ОВ первого поколения большую популярность будут набирать более специфические парадигмы второго поколения [17].

1.2 Обзор систем работы с WF

1.2.1 Рассматриваемые системы

Парадигма eScience была сформулирована в 2000 году Джоном Тейлором [18], генеральным директором Исследовательского совета Бюро по науке и технологии Великобритании. К настоящему времени было создано множество систем [19], реализующих предложенную парадигму разными способами и с различным уровнем качества. Данная глава содержит результаты аналитического обзора наиболее популярных на текущий момент средств eScience, в том числе систем исполнения композитных приложений (Workflow management System, WMS) и систем управления распределенными ресурсами. Также были проанализированы инструменты, позволяющие ученым делиться как результатами исследований, так и разработанными инструментами - предметными прикладными пакетами и композитными приложениями. Выбранный список программных систем детально исследовался по следующим пунктам:

1. Методы использования пользовательских вычислительных ресурсов,

2. Методы встраивания прикладных пакетов,

3. Доступные способы взаимодействия пользователей,

4. Методы разграничения прав на ресурсы системы,

5. Коммерческие аспекты.

Краткие описания рассмотренных систем приведено далее в этой главе. Кроме того, был проведен анализ специализированных web-pecypcoB, предназначенных для коллаборативного взаимодействия ученых из близких научных областей, обмена данными, композитными приложениями и результатами исследований, по сути дела, научных социальных сетей.

1.2.2 Системы управления композитными приложениями 1.2.2.1 Taverna

Taverna [20] - система управления композитными приложениями, разрабатываемая

/у

в университете Манчестера , и публикуется под свободной лицензией LGPL версии 2.1.

Основы системы были заложены в проекте myGrid [21], запущенном для создания набора инструментов для поддержки парадигмы электронной науки (eScience). Хотя первичной целью проекта была исследование биоинформатики, в дальнейшем система была переквалифицирована в универсальный продукт, который применяется в большом разнообразии предметных областях.

Пользователи системы могут делиться данными несколькими способами, кроме традиционной прямой передачи фалов в этот набор входит уже описанные web-портал myExperiment и портал биоинформационных алгоритмов BioCatalog.

Композитные приложения в системе Taverna строятся в виде графической диаграммы в локальном графическом приложении Taverna Workbench - в среде разработки WF, которая выполняет роли редактора и системы исполнения WF. Данная система может запускать как локальные пакеты, так и обращаться к удаленным web-сервисам. Центрально приложение исполнения может быть развернуто как локально, так и удаленно.

Список литературы диссертационного исследования кандидат наук Чуров, Тимофей Николаевич, 2013 год

Список использованных источников

1. Foster I. и др. Cloud Computing and Grid Computing 360-Degree Compared // 2008 Grid Comput. Environ. Work. 2008.

2. Buyya R. и др. Cloud computing and emerging IT platforms: Vision, hype, and reality for delivering computing as the 5th utility // Futur. Gener. Comput. Syst. 2009. T. 25. № 6. C. 17.

3. Geelan J. Twenty-One Experts Define Cloud Computing // Cloud Comput. J. 2009. C. 5.

4. The Mendeley Support Team. Getting Started with Mendeley // Mendeley Deskt. 2011. С. 1-16.

5. Linthicum D. What Level is Your SOA // Web Serv. J. 2004. T. 4. № 12. C. 18-19.

6. Youseff L., Butrico M., Silva D. Da. Toward a Unified Ontology of Cloud Computing // 2008 Grid Comput. Environ. Work. 2008.

7. Antonopoulos N., Gillam L. Cloud Computing: Principles, Systems and Applications / под ред. N. Antonopoulos, L. Gillam.: Springer, 2010.

8. Dikaiakos M.D. и др. Cloud Computing: Distributed Internet Computing for ГГ and Scientific Research // IEEE Internet Comput. 2009. T. 13. № 5.

9. Ejarque J. и др. SLA-Driven Semantically-Enhanced Dynamic Resource Allocator for Virtualized Service Providers // 2008 IEEE Fourth Int. Conf. eScience. 2008.

10. Buyya R., Abramson D., Venugopal S. The Grid Economy // Proc. IEEE. 2005. T. 93. № 3.

ll.Stuer G., Vanmechelen K., Broeckhove J. A commodity market algorithm for pricing substitutable Grid resources //Futur. Gener. Comput. Syst. 2007. T. 23. № 5. C. 688-701.

12. Schneider В., White S.S. Service Quality: Research Perspectives.: Sage, 2004.

13. Crouhy M., Galai D., Mark R. The Essentials of Risk Management.: McGraw-Hill, 2006.

14. Verschoor C.C. COSO ENTERPRISE RISK MANAGEMENT: UNDERSTANDING THE NEW INTEGRATED ERM FRAMEWORK // Intern. Audit. 2007. T. 22. № 5. C. 40-42.

15. Ludwig H. и др. A Service Level Agreement Language for Dynamic Electronic Services // 2003. T. 59. C. 43-59.

16. Zhang Q., Cheng L., Boutaba R. Cloud computing: state-of-the-art and research challenges //J. Internet Serv. Appl. 2010. Т. 1. № 1. C. 7-18.

17. Gil Y. и др. Wings: Intelligent Workflow-Based Design of Computational Experiments // IEEE In tell. Syst. 2011. T. 26. № 1. C. 62-72.

18. Hey Т., Trefethen A. e-Science and its implications. // Philos. Trans. A. Math. Phys. Eng. Sci. 2003. T. 361. № 1809. C. 1809-1825.

19. Yu J., Buyya R. A taxonomy of scientific workflow systems for grid computing // ACM SIGMOD Rec. 2005. T. 34. № 3. C. 44.

20. Taverna [Электронный ресурс]. - Режим доступа: http://www.taverna.org.uk/.

21. MyGRID [Электронный ресурс]. - Режим доступа: http://www.mygrid.org.uk/.

22. R-project [Электронный ресурс]. - Режим доступа: http://www.r-project.org/.

23. Kepler [Электронный ресурс]. - Режим доступа: https://kepler-project.org/.

24. Globus [Электронный ресурс]. - Режим доступа: http://www.globus.org/.

25. EcoGRID [Электронный ресурс]. - Режим доступа: http://ecogrid.nchc.org.tw/.

26. PTOLEMY-II [Электронный ресурс]. - Режим доступа: http://ptolemy.eecs.berkeley.edu/ptolemyII/.

27. Triana [Электронный ресурс]. - Режим доступа: http://www.trianacode.org/.

28. GEO 600 [Электронный ресурс]. - Режим доступа: http://www.geo600.uni-hannover.de/.

29. GEMMS [Электронный ресурс]. - Режим доступа: http://users.cs.cf.ac.uk/Ali.Shaikhali/faehim/index.htm.

30. Data Mining GRID [Электронный ресурс]. - Режим доступа: http://www.datamininggrid.org/.

31. Meandre [Электронный ресурс]. - Режим доступа: http://www.seasr.org/meandre/.

32. Eclipse IDE [Электронный ресурс]. - Режим доступа: http://www.eclipse.org/.

33. Trident [Электронный ресурс]. - Режим доступа: http://research.microsoft.com/en-us/collaboration/tools/trident.aspx.

34. Trident Documentation [Электронный ресурс]. - Режим доступа; http://tridentworkflow.codeplex.com/documentation.

35. OPC format [Электронный ресурс]. - Режим доступа: http://msdn.microsoft.com/ru-ru/magazine/ccl63372.aspx.

36. Nimrod [Электронный ресурс]. - Режим доступа: http://messagelab.monash.edu.au/Nimrod/.

37. MathCloud [Электронный ресурс]. - Режим доступа: http://dcs.isa.ru/drupal/ru/development/mathcloud/.

38. Сухорослов О.В. Архитектура и реализация сервис-ориентированной научной среды MathCloud // XIII Российская конференция "Распределенные информационные и вычислительные ресурсы" (DICR'2010). Новосибирск, 30 ноября - 4 декабря 2010 г. 30 стр.

39. Pegasus [Электронный ресурс]. - Режим доступа: http://pegasus.isi.edu/.

40. WINGS [Электронный ресурс]. - Режим доступа: http://wings-workflows.org/.

41. Galaxy [Электронный ресурс]. - Режим доступа: http://galaxyproject.org/.

42. Galaxy evaluation portal [Электронный ресурс]. - Режим доступа: http://usegalaxy.org/.

43. Askalon [Электронный ресурс]. - Режим доступа: http://www.dps.uibk.ac.at/projects/askalon/.

44. LONI Pipeline [Электронный ресурс]. - Режим доступа: http://pipeline.Ioni.usc.edu/.

45. Condor [Электронный ресурс]. - Режим доступа: http://research.cs.wisc.edu/htcondor/.

46. UNICORE [Электронный ресурс]. - Режим доступа: http://www.unicore.eu/.

47. MyExperiment [Электронный ресурс]. - Режим доступа: http://www.myexperiment.org/.

48. BioVel [Электронный ресурс]. - Режим доступа: http://biovel.eu/.

49. SCAPE [Электронный ресурс]. - Режим доступа: http://www.scape-project.eu/.

50. WF4Ever [Электронный ресурс]. - Режим доступа: http://www.wf4ever-project.org/.

51. e-Research South [Электронный ресурс]. - Режим доступа: http://www.eresearchsouth.ac.uk/.

52. BioCatalogue [Электронный ресурс]. - Режим доступа: https://www.biocatalogue.org/.

53. Васильев В.Н. CLAVIRE: облачная платформа для обработки больших объемов данных/ Васильев В.Н., Князьков К.В., Чуров Т.Н. и др.// Информационно-измерительные и управляющие системы. - 2012. - №3 - С. 7-16.

54. Князьков К. В., Ларченко А. В. Предметно-ориентированные технологии разработки приложений в распределенных средах // Изв. вузов. Приборостроение. 2011. Т. 54, № 10. С. 36-43.

55. Марьин С.В. Интеллектуальная платформа управления композитными приложениями в распределенных вычислительных средах: Дис. ... канд. техн. наук: 05.13.11. - Санкт-Петербург. 2010. -117 с.

56. Ларченко А.В. Инструментальная оболочка проектирования и разработки высокопроизводительных приложений в среде Грид: Дис. ... канд. техн. наук: 05.13.11. - Санкт-Петербург. 2008. - 114 с.

57. Ковальчук С. В., Маслов В. Г. Интеллектуальная поддержка процесса конструирования композитных приложений в распределенных проблемно-ориентированных средах //Изв. вузов. Приборостроение. 2011. Т. 54, № 10. С. 29— 36.

58. Garijo D. и др. Common motifs in scientific workflows: An empirical analysis // Futur. Gener. Comput. Syst. 2013.

59. Subashini S., Kavitha V. A survey on security issues in service delivery models of cloud computing//J. Netw. Comput. Appl. 2011. T. 34. № 1. C. 1-11.

60. Князьков K.B. Технология разработки композитных приложений с использованием предметно-ориентированных программных модулей: Дис. ... канд. техн. наук: 05.13.11. - Санкт-Петербург. 2012. - 170 с.

61. Болгова Е.В. Автоматизация процесса разработки виртуальных лабораторий на основе облачных вычислений: Дис. ... канд. техн. наук: 05.13.06. - Санкт-Петербург. 2012. - 126 с.

62. ГОСТ 24.701—86 Единая система стандартов автоматизированных систем управления. Надежность автоматизированных систем управления.

63. Shooman M.L. Operational Testing and Software Reliability Estimation During Program Development // IEEE Symposium on Computer Software Reliability. 1973. No 73. pp. 5176.

64. Благодатских В., Волик В., Поскакалов К., Стандартизация разработки программных средств - М.:Финансы и статистика, 2005. - 288 с.

65. Г. Майерс, Искусство тестирования программ, - М.: Финансы и статистика, 1982. -174 с.

)

66. Грид ННС [Электронный ресурс]. - Режим доступа: http://www.ngrid.ru/.

67. Бухановский А. В., Ковальчук С. В., Марьин С. В. Интеллектуальные высокопроизводительные программные комплексы моделирования сложных систем: концепция, архитектура и примеры реализации // Изв. вузов. Приборостроение. 2009. Т. 52, № 10. С. 5—24.

68. Gipson В., Hsu D., Kavraki L., Latombe J. Computational models of protein kinematics and dynamics: beyond simula-tion. Annual reviews of Analytical Chemistry // 2012. V. 5. P. 273-291

69. Karplus M., Kuriyan J. Molecular dynamics and protein function // Proc. Natl. Acad. Sci. USA. 2005. V. 102. P. 6679 - 6685

70. Yuriev E., Agostino M., Ramsland P. A. Challenges and ad-vances in computational docking: 2009 in review //J. Mol. Recognit. 2011. V. 24. P. 149 - 164.

71. Hansen N., Muller S. D., Koumoutsakos P. Reducing the Time Complexity of the Derandomized Evolution Strategy with Covariance Matrix Adaptation (CMA-ES) // Evolution-ary Computation 11(1). 2003. P. 1 - 18.

72. Enabling data transport between web services through alternative protocols and streaming / S. Koulouzis, E. Meij, M. S. Marshall, A. Belloum // Proceedings of the 2008 Fourth IEEE International Conference on eScience. — Washington, DC, USA: IEEE Computer Society, 2008. —Pp. 400-401.

73. Berg J. van den, Lin M.L.M., Manocha D. Reciprocal Velocity Obstacles for real-time multi-agent navigation // 2008 IEEE Int. Conf. Robot. Autom. 2008.

74. Helbing D. и др. Simulation of Pedestrian Crowds in Normal and Evacuation Situations // Pedestrian and Evacuation Dynamics., 2002. C. 21-58.

75. Швецов В. И. Математическое моделирование транспортных потоков // Автоматика и телемеханика. 2003. № 11.

76. Knyazkov К. V. и др. Interactive Workflow-based Infrastructure for Urgent Computing // Procedía Comput. Sci. 2013. T. 18. C. 2223-2232.

77. Kovalchuk S. V. et al. Deadline-Driven Resource Management within Urgent Computing Cyberinfrastructure // Procedía Computer Science. Vol. 18. Proceedings of the International Conference on Computational Science. ICCS 2013. 2013. P. 2203 - 2212.