《云计算框架与应用课程论文》

一、对云计算概念的理解及云计算的当前发展状况
(1)对云计算概念的理解:
云计算不是一种技术,它是一种概念。“云”实质上就是一个网络,狭义上讲,云计算就是一种提供资源的网络,使用者可以随时获取“云”上的资源,按需求量使用,并且可以看成是无限扩展的,只要按使用量付费就可以,“云”就像自来水厂一样,我们可以随时接水,并且不限量,按照自己家的用水量,付费给自来水厂就可以。
从广义上说,云计算是与信息技术、软件、互联网相关的一种服务,这种计算资源共享池叫做“云”,云计算把许多计算资源集合起来,通过软件实现自动化管理,只需要很少的人参与,就能让资源被快速提供。也就是说,计算能力作为一种商品,可以在互联网上流通,就像水、电、煤气一样,可以方便地取用,且价格较为低廉。总之,云计算不是一种全新的网络技术,而是一种全新的网络应用概念,云计算的核心概念就是以互联网为中心,在网站上提供快速且安全的云计算服务与数据存储,让每一个使用互联网的人都可以使用网络上的庞大计算资源与数据中心。
云计算是继互联网、计算机后在信息时代有一种新的革新,云计算是信息时代的一个大飞跃,未来的时代可能是云计算的时代,虽然目前有关云计算的定义有很多,但总体上来说,云计算虽然有许多得含义,但概括来说,云计算的基本含义是一致的,即云计算具有很强的扩展性和需要性,可以为用户提供一种全新的体验,云计算的核心是可以将很多的计算机资源协调在一起,因此,使用户通过网络就可以获取到无限的资源,同时获取的资源不受时间和空间的限制。

在这里插入图片描述

(2)云计算的当前发展状况:

云计算已经从新颖的概念,发展成为许多企业首选的组织模式。从共享文档到智能手机数据备份,到服务器数据云端调度,云计算从技术层面开始越来越多地触动我们的生活。云计算正快速成为帮助个人和企业真正高效运作的有力的生产工具。
  一、市场规模。据Global Industry Analysts报告显示,到2017年,全球市场云计算服务规模将达到1270亿美元。其中SaaS服务,将从2011年的135亿美元在2016年增长至328亿美元。
  二、云计算正在改变软件部署模型,其中关键因素之一是它改变了许多关键的许可和交付模式的企业工具。云也改变了其他工具和服务,平台即服务(PaaS),基础设施即服务(IaaS)和数据库即服务(DBaaS)是基于云计算的部署模型在企业的一些应用。
三、云计算能够帮助节约成本,这也是很多组织采用云产品的原因之一。例如,相比从前高昂的网站服务器托管价格,作为云计算的基础设施部署,云服务器价格相对低廉且具有弹性合理的计费模式。调查研究表明,对于成本和时间的节省,是致使企业选择云计算的最重要的因素。
四、系统集成商。系统集成商可以帮助用户来构建云计算的相关软硬件平台,尤其是相关企业具有的私有云。相关代表厂商包括Google、Amazon、Oracle、 Sun、IBM、 HP等。Oracle 2005年用58亿美元成功收购了Siebel 公司,从而举进入了云计算领域前列。自从Oracle收购Sun之后,开发了利用Sun服务器作为相应硬件、使用Java来作为基础架构的一种编程工具。Oracle 可以支持数据中心按需提供相应服务,开发的“POD”架构。

五、服务提供商和电信运营商。这一领域包含了为企业以及个人用户供应计算及存储资源的IaaS公司,例如提供新型数据中心服务的GoGrid、Amazon,电信运营商AT&T、Verizon等,还有为应用开发者提供相应开发平台的PaaS公司譬如微软Azure、Force.com 以及GoogleApp等。

二、OpenStack各个项目的功能及他们之间的关系

(1)OpenStack各个项目的功能
OpenStack的基础管理服务包含Keystone,Glance,Nova,Neutron,Horizon五个服务。
  Keystone:认证管理服务,提供了其余所有组件的认证信息/令牌的管理,创建,修改等等,使用MySQL作为统一的数据库。
  Glance:镜像管理服务,提供了对虚拟机部署的时候所能提供的镜像的管理,包含镜像的导入,格式,以及制作相应的模板。
  Nova:计算管理服务,提供了对计算节点的Nova的管理,使用Nova-API进行通信。
  Neutron:网络管理服务,提供了对网络节点的网络拓扑管理,同时提供Neutron在Horizon的管理面板。
  Horizon:控制台服务,提供了以Web的形式对所有节点的所有服务的管理,通常把该服务称为DashBoard。

OpenStack的扩展管理服务包含Cinder,Swift,Trove,Heat,Centimeter五个服务。
  Cinder:提供管理存储节点的Cinder相关,同时提供Cinder在Horizo中的管理面板。
  Swift:提供管理存储节点的Swift相关,同时提供Swift在Horizon中的管理面板。
  Heat:提供了基于模板来实现云环境中资源的初始化,依赖关系处理,部署等基本操作,也可以解决自动收缩,负载均衡等高级特性。
OpenStack的网络节点仅包含Neutron服务。
Neutron:负责管理私有网段与公有网段的通信,以及管理虚拟机网络之间的通信/拓扑,管理虚拟机之上的防火等等
其中网络节点包含三个网络端口。
OpenStack的计算节点包含Nova,Neutron,Telemeter三个服务。
1)基础服务
Nova:提供虚拟机的创建,运行,迁移,快照等各种围绕虚拟机的服务,并提供API与控制节点对接,由控制节点下发任务。
Neutron:提供计算节点与网络节点之间的通信服务。
2)扩展服务
  Telmeter:提供计算节点的监控代理,将虚拟机的情况反馈给控制节点,是Centimeter的代理服务。

OpenStack的存储节点包含Cinder,Swift等服务。
Cinder:块存储服务,提供相应的块存储,简单来说,就是虚拟出一块磁盘,可以挂载到相应的虚拟机之上,不受文件系统等因素影响,对虚拟机来说,这个操作就像是新加了一块硬盘,可以完成对磁盘的任何操作,包括挂载,卸载,格式化,转换文件系统等等操作,大多应用于虚拟机空间不足的情况下的空间扩容等等。
Swift:对象存储服务,提供相应的对象存储,简单来说,就是虚拟出一块磁盘空间,可以在这个空间当中存放文件,也仅仅只能存放文件,不能进行格式化,转换文件系统,大多应用于云磁盘/文件。

(2)Openstack各个组件之间的关系
E 版本有5个组件

Compute 是 Nova;Image 是 Glance,为 Nova 提供镜像存储服务;Object 是提供 Object 存储服务的 Swift;Dashboard 是我们平时说的 Horizon;Identity 是 Keystone;
F版本有7各组件,核心组件:

有这七个组件可以搭出一个相对完整的云计算环境,Heat、Sahala 是可选的;相对 E 版本,新增加的两个组件分别是 Block Storage Cinder 和 Network Neutron,这两个组件和 Glance,Swift 之间没有直接的联系,实际上是从 Compute Network 和 Compute Volume 发展出来的,Neutron 组件并没有直接的去替换 Compute Network,它是一个相对独立的,也是非常著名的 SDN 的一个项目,它为 Compute 提供网络连接,提供网络的资源管理这样一些服务,Block Storage(也就是 Cinder)为 Compute 提供块存储服务,替换了 Compute Volume.

三、实验完成情况:
在这里插入图片描述

(1)完成到那一部分并简述遇到的问题
本学期课程的学习我的Openstact搭建到了6.1章。
当我做到安装NFS软件包的时候,下载不成功,后来发现没有挂载HDFS导致下载失败,但因为时间不够的原因没有继续往下做,如果再给我一点时间我相信我一定可以全部完成。

在这里插入图片描述

(2)已完成的部分遇到的问题
在这里插入图片描述
在这里插入图片描述

当我配置IP地址的时候,只有controller和network可以ping通,controller和compute1、compute2不能ping通,后来换了IP地址可以ping通了,原来是老师分配的IP地址有人误用了,导致冲突。
还有就是遇到了下面两个截图的问题。
在这里插入图片描述
在这里插入图片描述

后来发现是因为安装NFS软件包失败的一系列后续错误。

  • 1
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
37篇经过消化的云计算论文 下列论文归类: 1、云计算设施管理 监测 2,34 负载均衡 33,35 数据管理 32 能耗管理 29 安全管理 25 2、云计算平台实例 虚拟机 27,31 存储平台 5,6,12,13,14,19,22,26 计算平台 平台测评 1 云平台集成 10 3、云计算理论模型 描述模型 4 选择模型 20 编程模型 7,9,18,24,36 4、云计算应用研究 商业应用 科学应用 11,15,17,23 云安全 21,30 1、 Atmosphere-Ocean Climate (性能测试) 这篇文章讨论了高性能标准测试应用程序在亚马逊EC2云计算系统中的性能。经过测试发现EC2云计算系统是一个可靠的解决方案,支持按需响应,小规模,高性能计算应用程序。 2、 Chukwa: A large-scale monitoring system Chukwa是建立在Hadoop上的数据收集系统,用以监控和分析大规模的分布式系统。本文介绍了他的设计和初步实施。 3、 Cloud Computing and Grid Computing 360-Degree Compared Ian Foster比较对比了云计算和网格计算的各方面,并给出了两者的本质特征。 4、 Toward a Unified Ontology of Cloud Computing 这篇文章把云模型分为5层,解释了他们的内在关系,本文的贡献是第一个对云模型建立本体。 5、 The Cumulus Project: Build a Scientific Cloud for a Data Center 介绍了Cumulus工程的各个方面,如实验床,基础设施,中间件和应用程序模型。 6、 The Eucalyptus Open-source Cloud-computing System Eucalyptus作为云计算开源的软件框架,概述了他设计的基本原则,简单易于使用而且能模块化。 7、 GridBatch: Cloud Computing for Large-Scale Data-Intensive Batch Applications GridBatch系统为解决在云计算下的大规模精密数据批处理问题,GridBatch是一个编程模型,用户能控制数据的分割,控制计算怎么被分布的,最后给出一个例子,展示了他在EC2下的高性能。 8、 Cost-Benefit Analysis of Cloud Computing versus Desktop Grids 分析对比了采用云计算模型和桌面电脑组成的网格模型在性能和成本收益方面的优劣。 9、 Programming Abstractions for Clouds 本文讨论了云应用程序编程面临的挑战与发展,通过几个应用程序的讨论,演示了可能的解决方案。同时讨论了怎样正确使用抽象的编程接口,框架使其更有效,可扩展,最重要的独立于系统,这些接口框架支持普通的编程执行模式。 10、 The RESERVOIR Model and Architecture for Open Federated Cloud Computing 本文提出了RESERVOIR工程,他是一个体系结构,他允许云基础设施的提供者动态的和其他云设施成为伙伴,从而构成一个无限的信息资源池,同时不同的云设施保证他自己技术和商业管理决定高度自治。 11、 Science Clouds: Early Experiences in Cloud Computing for Scientific Applications 这篇文档包含科学项目采用科学云技术的描述,还有他经验的早期总结。 12、 Sector and Sphere: The Design and Implementation of a High Performance Data Cloud 在这篇论文中,我们介绍了一个新的云计算软件,他包括Sector存储云和Sphere计算云。对比现有的数据云,Sector不但支持作为数据中心的数据存储,而且可以在广域网上进行数据分发。Sphere执行流处理示例,从而支持数据密集型的应用。Sphere支持所有能用MapReduce完成的应用,Sphere更简单更容易使用。根据我们的实验研究他的速度是Hadoop的两倍。 13、 Phoenix Cloud: Consolidating Different Computing Loads on Shared Cluster System for Large Organization 在论文中,我们设计运行了software-phoenix云管理系统,在共享的集群系统中整合异构的计算负载。进一步,我们还提出了供大组织和他附属部门共享集群系统的合作资源提供和管理策略。Phoenix Cloud减少了系统的规模。 14、 Adapting MapReduce for Dynamic Environments Using a Peer-to-Peer Model 本文作者描述基于P2P的MapReduce的体系结构,概述了在JXTA框架下的运行情况。 15、 Parallelizing bioinformatics applications with MapReduce 本文讲了采用mapreduce技术来完成并行的生物分析的一个应用。本文的这个应用是在Hadoop下完成的,讲了两个算法,一个用于支持大规模数据集的流计算,一个用于计算小数据集的策略。 16、 Do Clouds Compute? A Framework for Estimating the Value of Cloud Computing 在这篇论文中,我们讨论了云计算中的核心组件,以及在框架中构建组件,这个框架能帮助决策者评估云计算的成本,对比传统解决方案和云计算方案在成本上的差异。 17、 Using Transaction Based Parallel Computing to Solve Image Processing and Computational Physics Problems 本文讲了在Hadoop下用并行计算来解决图像处理和计算物理学的问题。 18、 All-Pairs: An Abstraction for Data-Intensive Cloud Computing 本文提出形成产品的系统应该为终端用户提供高度抽象的使用方法,以便容易表达,对于精密数据的工作量能高效的执行。文中提出了一个抽象的例子,all-pairs,他满足精密数据科学应用的需要。 19、 Seattle: A Platform for Educational Cloud Computing 本文介绍了用于教育界的云计算平台。讲了他的体系,部署,对于学生和教师的使用概况。 20、 Cloud Cube Model: Selecting Cloud Formations for Secure Collaboration 本文解释了不同云的构成,详述了每种云构成的特征,优势和风险。 21、 CloudAV: N-Version Antivirus in the Network Cloud 本文提出了一种在终端主机上检测恶意病毒的新模型。这种检测是基于提供防病毒软件作为一个云网络服务。我们构建配置了云防病毒系统,CloudAV,他包括轻量级跨平台的主机代理,一个由十个防病毒软件引擎构成的网络服务,和两个检测引擎。经过测试有很好的性能。 22、 Implementation Issues of A Cloud Computing Platform 本文在对GFS研究的基础上,设计出可变块大小的兼容文件系统,以便大数据的处理。同时介绍了对MapReduce的改进以增加系统的吞吐量。 23、 Scalable Semantics – the Silver Lining of Cloud Computing 本文提出在云计算模型下快速的进行分布式RDF的查询和推理。 24、 On the Use of Cloud Computing for Scientific Workflows 本文提出在科学工作流中使用云计算,经过测试比较,对于作业运行时间短的工作流,虚拟的环境能有好的计算时间性能,但同时也有资源调度延迟的缺点。 25、 Taking Account of Privacy when Designing Cloud Computing Services 本文讨论了云计算中面临的机密性的问题,提出了解决机密性问题的关键设计原则。 26、 Cloud Computing for e-Science with CARMEN CARMEN供神经学家共享,整合,分析数据的一个系统,本文概述了这个系统。该系统在云计算这个模型下。 27、 An Evaluation of KVM for Use in Cloud Computing 本文描述了一个基于内核虚拟机的虚拟集群,以取代VMware和Xen。本文提出了虚拟组织集群模型技术,他显示了云计算强大的潜能。 28、 A Tale of Clouds: Paradigm Comparisons and Some Thoughts on Research Issues 本文定性的比较了云计算,服务计算,普适计算各方面的特点。 29、 Energy Aware Consolidation for Cloud Computing 本文讨论了云计算中的能量问题,为了使能量有效的整合,我们要研究能量消耗,资源利用,整合后的工作量的性能之间的内在关系,研究揭露了能量性能的权衡与整合,证明存在最佳的工作点,我们模拟了整合的问题,并用一个例子进行了解释。 30、 Toward Automatic Discovery of Malware Signature for Anti-virus Cloud Computing 防病毒安全产品由于他们有大量签名的文件,消耗了大量PC内存和资源,防病毒云计算模型变成流行的解决方案。本文提出了AMSDS在防病毒云下的自动恶意病毒签名发现系统,经测试有很好的性能。 31、 SnowFlock: Rapid Virtual Machine Cloning for Cloud Computing 克隆虚拟机 虚拟机fork是一个新的云计算抽象,他能快速的克隆虚拟机成很多副本运行在不同的主机上。本文提出了SnowFlock项目,他是虚拟机fork的一个实现。文中讲了他的设计原理和实现机制,并对性能进行了测试分析。 32、 Data Management in the Cloud: Limitations and Opportunities 本文讨论了在云计算平台下数据管理的限制与优势。列出了在亚马逊平台下为大型数据分析而设计的DBMS应包含的一些特征。本文还表达了在云计算环境下对新的DBMS的需要。 33、 Cloud Control with Distributed Rate Limiting 这篇文章提出了分布式等级限制器的设计与实现,他能够调整基于云服务的网络通信的策略。这种抽象与设计不但执行全局的限制,同时他确保传输层的响应拥塞流表现得像被单一共享的限制器所控制。这种设计能允许服务的执行者明确的在通信代价和系统效率可靠性之间做出权衡。同时他们证明他们基于中心TCP的设计可在许多节点进行升级,减少系统的通信延迟和损耗。 34、 Computer Meteorology: Monitoring Compute Clouds 云计算环境允许用户在云供应商的硬件上执行任意的代码,云用户面临很多安全的挑战,恶意用户可以利用供应商的硬件发动攻击,这种攻击能破坏供应商的信誉,同时影响他服务于其他客户的能力。我们表明,尽管云供应商可以利用内部机制,检测用户虚拟机恶意行为,必须小心使用,因为现有的内部技术是基于假设并不拥有在云环境中。 35、 Optimizing Utility in Cloud Computing through Autonomic Workload Execution 36、 LINQ-to-DataCenter 37、 Cloud Computing & Databases How databases can meet the demands of cloud computing
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值