چکیده
نتایج حاصل از پژوهش ها در حوزه های مختلف علوم و تکنیک تایید می کند که یک مسیر موثر به منظور حل امور مهم، امکان انتقال منابع داده ها در درون فضای ابر است. بنابراین، خدمات رایانش ابری شامل زیرساخت به عنوان یک ابر خدماتی (IaaS Cloud) می بایست دارای سطح بالایی از دسترسی باشد. این مساله جدی است چرا که حتی ارائه دهندگان بزرگ خدمات ابری نیز با خرابی های تصادفی IaaS Cloud مواجه می شوند. این موضوع شگفت آور نیست که دانشمندان طبقه بندی این سیستم را بر اساس استفاده از تمامی عناصر مورد نظر همانند ماشین های فیزیکی (PM) و ماشین های مجازی (VM) در نظر می گیرند. بنابراین ارائه دهندگان خدمات ابری همواره می بایست در نظر داشته باشند که ویژگی های پنهان PM ها یکی از دلایل اصلی خسارت به دارایی های ابری آن ها است. در این مقاله روشی را برمبنای استفاده از مدل شبه مارکوف به منظور تعیین سطح دسترسی برای IaaS Cloud به همراه سیستم کنترل فنی حالت پیشنهاد می دهیم.
1. مقدمه
زیرساخت ابری یکی از مدل های رایانش ابری است که به طور گسترده مورد استفاده قرار گرفته است. بنابراین، ارائه دهندگان بزرگ خدمات ابری همانند آمازون، مایکروسافت، گوگل و Rackspace نیازمند روش ها و مدل هایی برای کمیت سنجی سطح اطمینان پذیری هستند. به ویژه، مراکز داده (دیتاسنتر) مربوط به ارائه دهندگان ابر زیرساخت به عنوان یک سرویس (IaaS) سعی می کنند که کیفیت خدمات (QoS) را با استفاده از روش های مختلف برای تعیین سطح دسترسی آن ها تضمین کنند. اهمیت تضمین مساله دسترسی به IaaS Cloud به سختی قابل اغراق است.
علاوه بر این، انگیزه بیشتر برای ارائه دهندگان ابری، انتقال دارایی های سایبری برای زیرسخت های مهم و حیاتی متعدد به فضای ابری است. براساس پژوهش انجام شده توسط دانشگاه های Cornell و Washington State ، گروهی از دانشمندان تلاش هایی را به منظور توسعه زیرساخت نرم افزاری برای زیرساخت انرژی شبکه هوشمند انجام داده اند [1]. به عنوان نمونه، پلتفورم Amazon EC2 توسط آن ها به منظور اجرای نیازهای رایانش ابری برای زیرساخت حیاتی انرژی مورد استفاده قرار گرفته است.
Abstract
Results of researches in different areas of science and technique confirm that an effective route in order to solve important tasks is the possibility of migrating data resource within the cloud. Therefore Cloud Computing services including Infrastructure as a Service Cloud (IaaS Cloud) should have high availability level. It is serious problem, because even large cloud providers face with sudden failures of IaaS Cloud. It comes no surprise, that scientists consider taxonomy of this system on base of using overall underlying components, such as physical machines (PMs) and virtual machines (VMs). However cloud providers should always remember that hidden failures of PMs are one of the main causes of damage for their cloud assets. In this paper we propose approach on base of using Semi-Markov model in order to determine availability level for the IaaS Cloud with Technical State Control System.
1 Introduction
Cloud Infrastructure is one of the most widely used model of Cloud Computing. Therefore modern large cloud providers such as Amazon, Microsoft, Google, Rackspace need approaches and models for the quantification of reliability level. In particular, Infrastructure as a Service (IaaS) Cloud provider’s data centers try to ensure quality of service (QoS) by using different approaches for determining of their availability level. Significance of issue ensuring of availability of the IaaS Cloud can hardly be exaggerated.
Moreover additional incentive for cloud providers is transformation of cyber assets for several important Critical Infrastructures into cloud. According to researches by Cornell University and Washington State University, group of scientists have made efforts to develop software platform for Grid Smart energy infrastructure [1]. Amazon EC2 was used by them in order to perform the cloud computing needs for the Critical Energy Infrastructure.
چکیده
1. مقدمه
2. بیان نتایج حاصل از پژوهش ها
2-1 روشی برای تحلیل دسترسی IaaS Cloud
2.2 مدل تحلیلی و تصادفی دسترسی برای یک IaaS Cloud با در نظر گرفتن خرابی های پنهان ماشین های فیزیکی
3. نتیجه گیری ها درباره نتایج حاصل از پژوهش ها
منابع
Abstract
1 Introduction
2 Statement of the Researches Results
2.1 Approach for Availability Analysis of IaaS Cloud
2.2 Analytical and Stochastic Availability Model for an IaaS Cloud Considering Hidden Failures of PMs
3 Conclusions Statement of the Researches Results