5.3. Case study: hybrid cloud provi

5.3. Case study: hybrid cloud provisioning strategy
In this section, a more complete experiment that also captured the networking behavior (latencies)
between clouds is presented. This experiment showed that the adoption of a hybrid public/private
Cloud computing environments could improve the productivity of a company. With this model,
companies can dynamically expand their system capacity by leasing resources from public clouds
at a reasonable cost.
The simulation scenario models a network of a private and a public cloud (Amazon EC2
cloud). The public and the private clouds were modeled to have two distinct data centers. A
CloudCoordinator in the private data center received the user’s applications and processed (queue,
execute) them on an FCFS basis. To evaluate the effectiveness of a hybrid cloud in speeding up
tasks execution, two test scenarios were simulated: in the first scenario, all the workload was
processed locally within the private cloud. In the second scenario, the workload (tasks) could be
migrated to public clouds in case private cloud resources (hosts, VMs) were busy or unavailable.
In other words, the second scenario simulated a Cloud-Burst by integrating the/a local private
cloud with public cloud for handing peak in service demands. Before a task could be submitted to
a public cloud (Amazon EC2), the first requirement was to load and instantiate the VM images at
the destination. The number of images instantiated in the public cloud was varied from 10 to 100%
of the number of hosts available in the private cloud. Task units were allocated to the VMs in the
space-shared mode. Every time a task finished, the freed VM was allocated to the next waiting
task. Once the waiting queue ran out of tasks or once all tasks had been processed, all the VMs
in the public cloud were destroyed by the CloudCoordinator.
The private cloud hosted approximately 100 machines. Each machine had 2GB of RAM, 10 TB
of storage, and one CPU run 1000 MIPS. The VMs created in the public cloud were based on
an Amazon’s small instance (1.7GB of memory, 1 virtual core, and 160GB of instance storage).
We considered in this evaluation that the virtual core of a small instance has the same processing
power as the local machine.
The workload sent to the private cloud was composed of 10 000 tasks. Each task required
between 20 and 22min of processor time. The distributions for processing time were randomly
generated based on the normal distribution. Each of the 10 000 tasks was submitted at the same
time to the private cloud.

ผลลัพธ์ (ไทย) 1:

5.3. กรณีศึกษา: เตรียมกลยุทธ์คลาวด์แบบผสมผสานในส่วนนี้ ทดลองแก่ที่ยัง จับลักษณะการทำงานระบบเครือข่าย (เวลาแฝง)ระหว่างก้อนเมฆมีการนำเสนอ การทดลองนี้ชี้ให้เห็นว่าการยอมรับของสาธารณะ/ส่วนตัวไฮบริดสภาพแวดล้อมระบบคอมพิวเตอร์คลาวด์สามารถปรับปรุงประสิทธิภาพของบริษัท กับรุ่นนี้บริษัทสามารถขยายกำลังการผลิตระบบแบบไดนามิก โดยการเช่าทรัพยากรคลาวด์สาธารณะในราคาที่เหมาะสมเครือข่ายส่วนตัวและคลาวด์สาธารณะ (Amazon EC2 โมเดลสถานการณ์จำลองเมฆ) สาธารณะและส่วนตัวเมฆได้จำลองให้มีศูนย์ข้อมูลที่แตกต่างกันสอง ACloudCoordinator ในข้อมูลส่วนตัวได้รับการใช้งานของผู้ใช้ และประมวลผล (คิวปฏิบัติ) พวกเขาบนพื้นฐานการ FCFS การประเมินประสิทธิภาพของคลาวด์แบบผสมผสานในการเร่งงานการดำเนินการ มีจำลองสถานการณ์การทดสอบสอง: ในสถานการณ์สมมติแรก ปริมาณงานทั้งหมดได้ประมวลผลเฉพาะภายในคลาวด์ส่วนตัว ในสถานการณ์สมมติ 2 ปริมาณงาน (งาน) อาจจะย้ายไปเมฆสาธารณะในกรณีที่มีทรัพยากรส่วนตัวคลาวด์ (โฮสต์ VMs) ไม่ว่าง หรือไม่ในคำอื่น ๆ สองสถานการณ์จำลองเมฆระเบิด โดยรวม / มีเอกชนท้องถิ่นเมฆกับคลาวด์สาธารณะสำหรับ handing สูงสุดในความต้องการของบริการ ก่อนจะส่งงานคลาวด์สาธารณะการ (Amazon EC2), ความต้องถูกโหลด และภาพ VM ที่สร้างอินสแตนซ์ปลายทาง หมายเลขของภาพที่สร้างอินสแตนซ์ในคลาวด์สาธารณะแตกต่างกันตั้งแต่ 10 100%หมายเลขของโฮสต์ที่ว่างในคลาวด์ส่วนตัว หน่วยงานจัดสรรให้ VMs ในการโหมดที่ใช้ร่วมกันพื้นที่ ทุกครั้งที่เสร็จงาน VM อิสระถูกปันส่วนให้รอต่อไปงาน เมื่อคิวรอวิ่งออก จากงาน หรือ เมื่อมีการ ดำเนินงานทั้งหมด VMs ทั้งหมดในคลาวด์สาธารณะถูกทำลาย โดยการ CloudCoordinatorคลาวด์ส่วนตัวโฮสต์ประมาณ 100 เครื่อง เครื่องมี RAM, 10 TB 2GBจัดเก็บ และหนึ่ง CPU รัน 1000 MIPS VMs ในคลาวด์สาธารณะได้ตามของ Amazon เล็กอินสแตนซ์ (1.7 GB ของหน่วยความจำ เสมือนหลัก 1, 160 GB เก็บอินสแตนซ์)เราพิจารณาในการประเมินนี้ว่า หลักเสมือนของตัวอย่างขนาดเล็กมีการประมวลผลเดียวกันพลังงานเป็นเครื่องปริมาณงานที่ส่งไปยังเมฆส่วนถูกประกอบงาน 10 000 แต่ละงานที่ต้องการระหว่าง 20 และ 22 นาทีเวลาประมวลผล มีการกระจายการประมวลผลเวลาแบบสุ่มสร้างขึ้นตามการแจกแจงปกติการ งาน 10 000 ส่งที่เดียวกันเวลาคลาวด์ส่วนตัว

ผลลัพธ์ (ไทย) 2:

5.3 กรณีศึกษา: กลยุทธ์การจัดเตรียมไฮบริดคลาวด์
ในส่วนนี้การทดลองที่สมบูรณ์มากขึ้นที่ยังจับพฤติกรรมของเครือข่าย (ศักยภาพ)
ระหว่างเมฆจะนำเสนอ การทดลองนี้แสดงให้เห็นว่าการยอมรับของประชาชนไฮบริด / เอกชน
คอมพิวเตอร์เมฆสภาพแวดล้อมที่สามารถปรับปรุงประสิทธิภาพการผลิตของ บริษัท ด้วยรูปแบบนี้
บริษัท ไดนามิกสามารถขยายความจุของระบบของพวกเขาโดยการเช่าทรัพยากรจากเมฆประชาชน
ในราคาที่เหมาะสม.
จำลองสถานการณ์จำลองเครือข่ายของภาคเอกชนและสาธารณะเมฆ (Amazon EC2
เมฆ) ภาครัฐและเอกชนเมฆรูปแบบที่จะมีสองศูนย์ข้อมูลที่แตกต่างกัน
CloudCoordinator ในศูนย์ข้อมูลส่วนตัวที่ได้รับการใช้งานของผู้ใช้และการประมวลผล (คิว
รัน) พวกเขาบนพื้นฐาน FCFS เพื่อประเมินประสิทธิภาพของไฮบริดคลาวด์ในการเร่ง
การดำเนินงานที่สองสถานการณ์การทดสอบที่ถูกจำลอง: ในสถานการณ์แรกทุกภาระงานที่ได้รับการ
ประมวลผลในประเทศที่อยู่ในระบบคลาวด์ส่วนตัว ในสถานการณ์ที่สองภาระงาน (งาน) อาจจะมีการ
ย้ายไปยังเมฆของประชาชนในกรณีที่ทรัพยากรเมฆส่วนตัว (เจ้าภาพ VMs) เป็นไม่ว่างหรือไม่พร้อมใช้งาน.
ในคำอื่น ๆ สถานการณ์ที่สองจำลองเมฆ Burst โดยการบูรณาการ / ท้องถิ่นส่วนตัว
เมฆเมฆสาธารณะสำหรับจุดสูงสุดในการมอบบริการที่ตอบสนองความต้องการ ก่อนที่จะเป็นงานที่จะถูกส่งไปยัง
ระบบคลาวด์สาธารณะ (Amazon EC2) เป็นครั้งแรกที่ความต้องการในการโหลดและยกตัวอย่างภาพ VM ที่
ปลายทาง จำนวนภาพ instantiated ในเมฆของประชาชนที่ได้รับแตกต่างกัน 10-100%
ของจำนวนของโฮสต์ที่มีอยู่ในระบบคลาวด์ส่วนตัว หน่วยงานที่ได้รับการจัดสรรให้กับ VMs ใน
โหมดพื้นที่ที่ใช้ร่วมกัน ทุกครั้งที่งานเสร็จแล้ว VM อิสระได้รับการจัดสรรให้รอต่อไป
งาน เมื่อคิวรอวิ่งออกจากงานหรือครั้งเดียวงานทั้งหมดได้รับการประมวลผลทั้งหมด VMs
ในเมฆประชาชนถูกทำลายโดย CloudCoordinator.
เมฆส่วนตัวเจ้าภาพประมาณ 100 เครื่อง แต่ละเครื่องมี RAM ขนาด 2GB, 10 TB
ของการจัดเก็บและเรียกใช้ CPU หนึ่ง MIPS 1000 VMs สร้างขึ้นในเมฆประชาชนอยู่บนพื้นฐานของ
ตัวอย่างเล็ก ๆ ของอเมซอน (1.7GB ของหน่วยความจำ 1 หลักเสมือนจริงและการจัดเก็บข้อมูล 160GB เป็นต้น).
เราได้พิจารณาในการประเมินผลที่แกนเสมือนจริงของตัวอย่างขนาดเล็กที่มีการประมวลผลเดียวกัน
อำนาจในฐานะ เครื่องท้องถิ่น.
ภาระงานที่ส่งไปยังระบบคลาวด์ส่วนตัวประกอบด้วย 10 000 งาน งานแต่ละงานต้อง
ระหว่าง 20 และ 22min เวลาการประมวลผล สำหรับการกระจายเวลาการประมวลผลได้รับการสุ่ม
สร้างขึ้นบนพื้นฐานของการกระจายปกติ แต่ละงาน 10 000 ถูกส่งในเวลาเดียวกัน
เวลาที่จะเมฆส่วนตัว

ผลลัพธ์ (ไทย) 3:

5.3 . กรณีศึกษา : ระบบไฮบริดเมฆกลยุทธ์
ในส่วนนี้สมบูรณ์มากขึ้น การทดลองที่ยังจับพฤติกรรมของระบบเครือข่าย ( การเกิด )
ระหว่างเมฆคือแสดง การทดลองนี้แสดงให้เห็นว่าการยอมรับของไฮบริดเมฆเอกชน
สาธารณะ / นวัตกรรมใหม่สามารถปรับปรุงประสิทธิภาพการผลิตของบริษัท กับรุ่นนี้
บริษัทแบบไดนามิกสามารถขยายขีดความสามารถของระบบโดยการเช่าซื้อทรัพยากรจากเมฆสาธารณะ

ในราคาที่เหมาะสม สถานการณ์จำลองรูปแบบเครือข่ายของภาคเอกชนและเมฆสาธารณะ ( Amazon EC2
เมฆ ) สาธารณะ และเมฆเอกชนแบบมีสองที่แตกต่างกันศูนย์ข้อมูล a
cloudcoordinator ในศูนย์ข้อมูลส่วนบุคคลได้รับการใช้งานของผู้ใช้และประมวลผล ( คิว
รัน ) บนพื้นฐานก่อน . เพื่อประเมินประสิทธิภาพของเมฆไฮบริดในการเร่ง
งานปฏิบัติการสองสถานการณ์จำลองทดสอบคือ : ในสถานการณ์แรก ทุกภาระงานคือ
ประมวลผลภายในภายในเมฆส่วนตัว ในสถานการณ์ที่สอง ภาระงาน ( งาน ) สามารถย้ายไปยังเมฆสาธารณะ
ทรัพยากรเมฆเอกชนกรณี ( โยธา , VMS )
ยุ่งหรือใช้งานไม่ได้ในคำอื่น ๆสถานการณ์ที่สอง ) เมฆระเบิดโดยการบูรณาการ /
เมฆเมฆสาธารณะเอกชนท้องถิ่นในความต้องการสูงสุด สำหรับให้บริการ ก่อนที่งานจะถูกส่งไปยัง
เมฆสาธารณะ ( Amazon EC2 ) ความต้องการแรกคือการโหลดและยกตัวอย่าง VM ภาพ
ปลายทาง จำนวนภาพ instantiated ในเมฆสาธารณะมีค่าตั้งแต่ 10 ถึง 100 %
จำนวนโฮสต์ที่มีอยู่ในเมฆส่วนตัว หน่วย งานที่ถูกจัดสรรให้วัดในพื้นที่ร่วมกัน
โหมด ทุกครั้งที่งานเสร็จ , อิสระ VM ถูกจัดสรรให้ต่อไปรอ
งาน เมื่อคิวรอวิ่งออกมาจากงาน หรือเมื่องานทั้งหมดถูกประมวลผลทั้งหมด HP
ในเมฆสาธารณะถูกทำลายโดย cloudcoordinator .
เมฆส่วนตัวเป็นเจ้าภาพ ประมาณ 100 เครื่อง แต่ละเครื่องมี 2GB ของแรม 10 TB
ของกระเป๋าและวิ่ง 1000 mips ซีพียู . ทางวัดสร้างขึ้นในเมฆสาธารณะตาม
Amazon ขนาดเล็กเช่น ( 1 1.7gb หน่วยความจำหลักเสมือนและที่มีอินสแตนซ์ของกระเป๋า ) .
เราพิจารณาในการประเมินว่าหลักเสมือนของอินสแตนซ์ขนาดเล็กที่มีพลังในการประมวลผลเหมือนกับเครื่องท้องถิ่น
.
ภาระงานส่งไปยังเมฆส่วนตัวเป็นจำนวน 10 , 000 งาน งานแต่ละงานต้อง
ระหว่าง 20 และ 22min เวลาประมวลผล การแจกแจงเวลาการประมวลผลสุ่ม
สร้างตามการแจกแจงแบบปกติ แต่ละ 10 000 งานส่งในเวลาเดียวกัน
ไปยังเมฆส่วนตัว