I CONGRESO ARGENTINO DE TECNOLOGIA DE LA INFORMACION Y COMUNICACIONES

1. I CONGRESO ARGENTINO DE TECNOLOGIA DE LA INFORMACION Y COMUNICACIONES “Análisis de Rendimiento para Soluciones de Cloud Computing” Autor: Mg. Ing. Marcelo Damián Parrino 21 / 10 / 2010

2. Proposición • Investigar algunos de los posibles algoritmos aplicables al análisis de rendimiento de soluciones disponibles de “Cloud Computing”, para poder evaluar el rendimiento comparado de cada una de ellas. • Seleccionar el conjunto de algoritmos más adecuado, ajustarlo y probarlo para evaluar de un manera objetiva las soluciones de “Computación en la Nube” de diferentes proveedores del mercado, logrando una visión más clara y objetiva de las capacidades de computo provistas por cada uno de ellos.

3. Investigación - Objetivos • Investigar puntualmente algunos de los algoritmos disponibles junto con sus posibles optimizaciones y mejoras, que permitan obtener datos objetivos para el análisis de rendimiento de las soluciones de “Cloud Computing” • Desarrollar una aplicación de software que implemente las pruebas de rendimiento planteadas, registrando los resultados para su posterior análisis y comparación • Evaluar y analizar los resultados obtenidos a partir de la implementación de las pruebas. El análisis de los resultados permitirá evaluar el desempeño y rendimiento objetivo de las soluciones disponibles de “Cloud Computing”

4. Computación en la Nube • Es un paradigma que permite ofrecer servicios de computación a través de Internet. Todo se ofrece como servicio • Los usuarios pueden acceder a los servicios disponibles en la nube sin la necesidad de gestionar los recursos que aquellos servicios utilizan • Ofrece una infraestructura de TI capaz de escalar prácticamente de manera ilimitada para cubrir la demanda de los usuarios

5. Computación en la Nube

6. Google App Engine • Permite ejecutar aplicaciones Web en la infraestructura de Google • Admite aplicaciones escritas en varios lenguajes de programación (Java, Python, Ruby) • Ofrece un servicio de almacenamiento de datos distribuido que incluye un motor de búsqueda y transacciones • Se puede utilizar de forma totalmente gratuita

7. Google App Engine

8. Microsoft Windows Azure • Sistema operativo basado en Cloud Services • Brinda funciones que proporcionan soporte para el desarrollo, el alojamiento de servicios remotos y la gestión del propio sistema, todo ello en la nube • Arquitectura dividida en capas • Capa 0: Global Foundational Services (GFS) • Capa 1: Gestión y coordinación de N máquinas • Capa 2: Servicios para la creación de aplicaciones • Capa 3: Aplicaciones alojadas dentro de Azure

9. Microsoft Windows Azure

10. Amazon Web Services (EC2) • AWS provee capacidad computacional virtual con posibilidad de crecimiento en la nube • Amazon EC2 permite computar dentro de la nube • Amazon S3 permite almacenar dentro de la nube • El servicio es elástico: brinda la posibilidad de incrementar o reducir la capacidad de las instancias en cuestión de minutos

11. Amazon Web Services

12. Benchmarks: Whetstone • Diseñado por Brian Wichmann • Primer benchmark sintético, basado en el análisis de 949 programas científicos • Primera implementación  Fortran, 1972 • Mide la velocidad de ejecución de una variedad de instrucciones de punto flotante en datos escalares o vectoriales • Intenta estimar la velocidad de la CPU con la Unidad de Punto Flotante (FPU)

13. Benchmarks: Dhrystone • Diseñado por Reinkol Weicker (1984) • Benchmark sintético representativo de sistemas que manejan enteros • Contiene muchas instrucciones simples, llamadas a procedimiento y condicionales, y pocas de coma flotante y bucles • Intenta medir la velocidad del sistema en cuanto a rendimiento no numérico

14. Benchmarks: Linpack • Desarrollado por Jack Dongarra (1976) • Propósito original: resolver sistemas de ecuaciones • Uso muy intensivo de las operaciones de coma flotante • Mayor parte del tiempo ejecutando BLAS (Subrutinas de Álgebra Lineal Básica) • Describe la performance para resolver un problema de matrices generales

15. Desarrollo: Framework

16. Desarrollo: Google App Engine • Herramientas de desarrollo Java y de estándares API comunes • SDK de Google App Engine cuenta con un plugin para el entorno de desarrollo Eclipse, permitiendo crear, probar y subir aplicaciones de App Engine desde el propio IDE • Incluye una aplicación de servidor Web que emula todos los servicios de App Engine desde el equipo local

17. Desarrollo: Google App Engine

18. Desarrollo: Microsoft Azure • SDK para Visual Studio de Windows Azure proporciona un entorno simulado para el desarrollo y prueba de servicios en el equipo local • Development storage • Development fabric • Azure provee soporte para diferentes lenguajes de la familia .NET • Se decidió utilizar el lenguaje C# dada su similitud con Java

19. Desarrollo: Microsoft Azure

20. Desarrollo: Amazon EC2 • AWS Toolkit incluye un plugin de código abierto para Eclipse que facilita el desarrollo, la depuración e implementación de aplicaciones Java utilizando Amazon Web Services • Se decidió utilizar una Java Web Starter AMI (“Amazon Machine Image”) provista por AWS • Fedora Core 8 de 32 bits, Java JDK 7, Tomcat 5.5, Apache 2.2.9 y MySQL 5.0.

21. Desarrollo: Amazon EC2

22. Ejecución: Google App Engine • Resultados de los benchmarks ejecutados en Google App Engine:

23. Ejecución: Microsoft Azure • Resultados de los benchmarks ejecutados en Microsoft Azure:

24. Ejecución: Amazon EC2 • Resultados de los benchmarks ejecutados en Amazon EC2:

25. Evaluación de las pruebas

26. Análisis de resultados (I)

27. Análisis de resultados (II)

28. Análisis de resultados (III)

29. Evaluación de resultados • Google App Engine fue claramente superior a las otras dos alternativas (Amazon EC2 y Microsoft Azure) en Whetstone y Dhrystone • En el benchmark Linpack Google App Engine fue mínimamente superado en ocasiones por Microsoft Azure • Google App Engine es la mejor alternativa de cómputo en la nube • mínimos tiempos de ejecución • mejores tiempos máximos • mejores tiempos promedios

30. Conclusión • Se definió un conjunto de tres pruebas ampliamente difundidas (Whetstone, Dhrystone y Linpack) • Se desarrolló un Framework de pruebas que simplificara el desarrollo de las pruebas de software planteadas • El Framework se puede aplicar a cualquier solución de Cloud Computing que permita la ejecución de un “Web Service” • Útil como puntapié inicial para la evaluación y comparación del poder computacional en soluciones de Cloud Computing

31. Conclusión • Se realizó la evaluación de los resultados obtenidos y se pudo comprobar las diferencias de rendimiento computacional de cada una de las “nubes” • La solución más costosa en el ámbito monetario no asegura la mejor performance a nivel de procesamiento para una aplicación en particular • No debe aplicarse para la selección de un proveedor si el núcleo de la aplicación que se ejecutará en la Nube no tiene un componente crítico de procesamiento computacional

32. Futuras Líneas de Investigación • Extensión del Framework para soportar benchmarks y pruebas relacionadas con el almacenamiento de datos en la nube • Optimización e incorporación de otros benchmarks reconocidos para obtener resultados mas detallados • Desarrollo de pruebas inéditas que utilicen llamadas a funciones específicas de las APIs disponibles para cada nube computacional • Implementación del Framework en otros lenguajes de programación, permitiendo comparar el rendimiento del conjunto de pruebas en una misma nube, pero en un lenguaje e intérprete diferente

33. Hindú Chino Tradicional Tailandés Thank You Ruso Inglés Gracias Obrigado Español Portugués Árabe Danke Alemán Grazie Merci Francés Italiano Chino Simplificado Tamil Japonés Coreano

34. Preguntas ? ¿