Autonomous and proactive multi-cloud optimization using the open-source MELODIC platform (ENG)

In den letzten Jahren sind hybride und Multi-Cloud-Lösungen sehr beliebt geworden. Mit den aufkommenden Cloud-Optionen verlassen sich moderne Unternehmen zunehmend auf hybride Cloud-Lösungen, um ihre Rechenanforderungen zu erfüllen, indem sie je nach Bedarf dynamisch zusätzliche Ressourcen aus öffentlichen Clouds erwerben. Die International Data Corporation (IDC), ein führendes Marktforschungsunternehmen, berichtet in ihrer CloudView-Umfrage 2017, dass 87 % der Cloud-Nutzer eine Hybrid-Cloud-Strategie verfolgen und 56 % der Nutzer mehr als eine Art der Cloud-Bereitstellung nutzen. Dennoch zögern viele Unternehmen mit der Nutzung von Cloud Computing, weil sie Daten haben, die privat bleiben müssen, und es schwierig ist, eine Bindung an einen Cloud-Anbieter zu vermeiden. Außerdem bieten verschiedene Cloud-Anbieter unterschiedliche Lösungen an, und es könnte wünschenswert sein, die besten Angebote zu mischen und anzupassen. Die Mindestanforderungen der meisten Cloud-Nutzer bestehen darin, die Bereitstellungskosten zu minimieren und gleichzeitig die Leistung ihrer Anwendung zu maximieren. Cloud Computing bietet erhebliche Vorteile gegenüber herkömmlichen Cluster-Computing-Architekturen, darunter Flexibilität, hohe Verfügbarkeit, einfache Bereitstellung und bedarfsgerechte Ressourcenzuteilung – alles verpackt in einem für die Nutzer attraktiven wirtschaftlichen Umlagemodell.

Dieser Workshop mit dem Titel „Autonome und proaktive Multi-Cloud-Optimierung mit der Open-Source-Plattform MELODIC“ bietet eine Einführung in die Modellierung, Konfiguration, Bereitstellung und Anpassung von Multi-Cloud-Anwendungen, einschließlich eines Überblicks über die bestehenden Cloud-Management-Plattformen (CMP), Modellierungsmethoden und Sprachen.

Darüber hinaus werden wir einen Überblick über die neueste Forschung und den Vergleich verschiedener verfügbarer CMPs (wie Cyclone RightScale und Google Cloud Anthos) geben.

Während unseres Workshops werden wir die Open-Source-Middleware-Plattform MELODIC verwenden, um ein selbstanpassendes Bereitstellungs- und Rekonfigurations-System zu implementieren, das auf einem rückkopplungsgesteuerten Regelkreis für eine beispielhafte Multikomponenten-Cloud-Anwendung für das Genomdaten-Mining basiert.

Basierend auf dem MELODIC-Ansatz werden wir das bestehende Forschungsprojekt MORPHEMIC und seine erste Version der proaktiven und polymorphen Anpassung, des proaktiven Schedulers, des selbstheilenden Event-Management-Systems und des CAMEL-Designers vorstellen. Wir werden auch bestehende Forschungsherausforderungen in diesem Bereich erwähnen, um die Forschung in dieser Richtung zu motivieren.

Marta Różańska ist Doktorandin an der Universität von Oslo und wissenschaftliche Entwicklerin bei 7bulls.com. Marta Różańska erwarb ihren Bachelor- und Master-Abschluss in Informatik an der Universität Warschau in den Jahren 2015 bzw. 2018. Sie arbeitet seit 4 Jahren an der Optimierung von Cloud Computing. Marta hat mehrere Forschungsarbeiten in diesem Bereich veröffentlicht. In ihrer Masterarbeit untersuchte sie die Modellierung und Implementierung von Nutzerpräferenzen durch Nutzenfunktionen, um die Konfiguration von Cloud-Anwendungsimplementierungen zu bewerten. Ihre Doktorarbeit befasst sich mit der nutzenbasierten Optimierung von Cloud-Anwendungsressourcen. Sie war eine der Hauptentwicklerinnen der MELODIC-Plattform und ist nun Leiterin des Arbeitspakets im H2020-Projekt MORPHEMIC. Zu ihren Forschungsinteressen gehören stochastische multikriterielle Optimierung, Cloud Computing und maschinelles Lernen.

This post is also available in: Englisch