Методи та засоби моніторингу й управління ресурсами у хмарних середовищах

Размещено на http://www.allbest.ru/

Методи та засоби моніторингу й управління ресурсами у хмарних середовищах

Кобилюк Андрій Григорович аспірант, Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського", м. Київ

Анотація

У статті розкрито методи та засоби моніторингу й управління ресурсами у хмарних середовищах. Підкреслено, що в даний час на ринку існує ціла низка інструментів управління та моніторингу хмарної інфраструктури, які можуть допомогти користувачам в управлінні та моніторингу хмарних додатків. Інструменти дуже відрізняються один від одного функціоналом та можливостями. Індустрія хмарних обчислень швидко зростає та розвивається з часом, даючи велику перевагу бізнесу. Наголошується, що інструменти управління та моніторингу хмарною інфраструктурою допомагають у моніторингу різних програм у хмарному середовищі та забезпечують оптимізацію та підвищення продуктивності. Зазначається, що управління витратами є важливим аспектом хмарних платформ керування. Визначено ключові особливості платформ управління та моніторингу хмарних ресурсів, які включають: скорочення витрат; моніторинг процесів; швидке масштабу - вання; забезпечення безпеки; інтеграція з іншими системами Підкреслено, що ці особливості допомагають користувачам ефективно управляти та моніто- рити ресурси у хмарних середовищах з мінімальними зусиллями.

Оптимізація хмари є кінцевою метою платформи управління. За допомогою хмарних інструментів управління мають збільшитись продуктивність та ефективність роботи організацій. Таким чином, щоб мати успішну кар'єру в якості професіонала у сфері хмарних обчислень, важливо знати про інструменти управління хмарою, їх плюси та мінуси. Також фахівцям у цій галузі необхідно пройти хмарну сертифікацію та ознайомитися з навчальними курсами із сертифікації хмарних обчислень.

Ключові слова: хмарне середовище, технологія, управління, моніторинг, безпека, процес, система.

Abstract

Kobyliuk Andrii Hryhorovych Postgraduate Student, National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Kyiv,

METHODS AND MEANS OF MONITORING AND MANAGING RESOURCES IN CLOUD ENVIRONMENTS

The article describes methods and tools for monitoring and managing resources in cloud environments. It is emphasized that currently there are a number of cloud infrastructure management and monitoring tools on the market that can help users manage and monitor cloud applications. The tools are very different from each other in terms of functionality and capabilities. The cloud computing industry is rapidly growing and evolving with time, giving a great advantage to businesses. It is emphasized that cloud infrastructure management and monitoring tools help in monitoring various applications in the cloud environment and provide optimization and performance improvement. Cost management is noted to be an important aspect of cloud management platforms. The key features of cloud resource management and monitoring platforms are identified, which include: cost reduction; process monitoring; fast scaling; ensuring security; integration with other systems It is emphasized that these features help users effectively manage and monitor resources in cloud environments with minimal effort.

Cloud optimization is the ultimate goal of a management platform. With the help of cloud management tools, the productivity and efficiency of organizations should increase. Thus, to have a successful career as a cloud computing professional, it is important to know about cloud management tools, their pros and cons. Also, specialists in this field need to pass cloud certification and familiarize themselves with cloud computing certification training courses.

Keywords: cloud environment, technology, management, monitoring, security, process, system.

Постановка проблеми

Хмарні обчислення - це нова парадигма, яка надає своїм клієнтам практично необмежене сховище та обчислювальну потужність з будь-якого місця [1]. Це забезпечує універсальний і простий доступ до різних комп'ютерних ресурсів, таких як мережі, сховище, пристрої, служби та програми. Постачальники хмарних послуг (CSP) можуть динамічно використовувати ці ресурси з мінімальними адміністративними зусиллями та взаємодією [2], [3]. Хмарні обчислення надають численні моделі послуг, насамперед інфраструктуру, платформу та програмне забезпечення як послугу (IaaS, PaaS та SaaS відповідно), які полегшують її адаптацію. Інфраструктура як послуга (IaaS) пропонує хмарним клієнтам послуги на основі інфраструктури, включаючи сховище, обчислення та мережеві послуги. Платформа як послуга (PaaS) позбавляє компаній від необхідності керувати та розробляти звичайні платформи для створення програм. Програмне забезпечення як послуга (SaaS) забезпечує розміщення програмного забезпечення [4]. Хмарні обчислення реалізують чотири моделі розгортання:

- публічна хмара, багатокомпонентна структура, яка дозволяє багатьом клієнтам спільно використовувати різні ресурси веб-сервера;

- приватна хмара, структура з одним учасником, яка дозволяє споживачам використовувати хмарні послуги;

- гібридна хмара для приватних і публічних CSP для спільного використання ресурсів;

- об'єднана хмара, в якій численні CSP працюють разом під одним органом.

Будучи новою фундаментальною концепцією хмарних обчислень, парадигма взаємопов'язаного середовища хмарних обчислень (ICCE) привернула значну увагу науковців. Вона надає різним CSP широкий спектр зв'язків і партнерств. CSP діляться своїми ресурсами через регульовану систему в парадигмі ICCE, також відому як міжхмарна, об'єднана хмара, багатохмарна або взаємопов'язана хмара [5]. Найбільш очевидним поясненням ICCE є обмеженість фізичних ресурсів у пулі ресурсів одного постачальника. Однією з головних особливостей ICCE є взаємодія фреймворку. І CSP, і клієнти отримують вигоду від різноманітних потенційних хмарних ситуацій, коли відбувається хмарна сумісність. Сумісність у хмарах вимагає від CSP запровадити та впровадити норми, інтерфейси, протоколи, формати та архітектурні компоненти співпраці. CSP та їхні клієнти отримали багато переваг від взаємопов'язаної хмарної екосистеми. Отже, хмарна сумісність має важливі мотиви для запобігання блокуванню постачальника, масштабованості, доступності, низької затримки та енергоефективності.

Обмеження ресурсів і хмарного середовища, ускладнює для CSP встановлення додаткових ресурсів у сценарії, коли служби та центри обробки даних розширюються та будуються. Тому, зважаючи на обмеження ресурсів, імовірно, що різні CSP працюють разом, щоб створити систему для призначення ресурсів і розширення їх сфери. На основі багатьох адміністративних областей із багатьма політиками використання ресурсів необхідна адаптивна структура для обробки всіх додаткових ресурсів, щоб оновити привілеї прав доступу. Ефективне управління ресурсами має вирішальне значення як для членів, так і для прямих споживачів комплексної системи. Для невеликих організацій, залучених до системи, цей процес особливо важливий, оскільки він дає їм можливість розширити свій бізнес з мінімальними ресурсами.

Моніторинг ресурсів може допомогти системним адміністраторам контролювати ресурси платформи хмарних обчислень. Системні адміністратори можуть зрозуміти робочий стан компонентів хмарних обчислень і вжити відповідних заходів до того, як платформи хмарних обчислень перестануть працювати. Питання полягає в тому, як можна обробляти та контролювати основні аспекти управління ресурсами. Управління ресурсами та моніторинг в ICCE включають ціноутворення ресурсів, вибір ресурсів, розподіл ресурсів, виявлення ресурсів та управління збоями.

Аналіз останніх досліджень і публікацій. У науково-дослідницькому просторі сьогодення з'являються роботи, присвячені моніторингу й управління ресурсами у хмарних середовищах.

Огляди моніторингу хмар обговорювалися в літературі [6-9]. Однак ці опитування були зосереджені на таксономії, термінології, значеннях і проблемах моніторингу хмарних обчислень.

У дослідженні [10] пропонується адаптивний багатохмарний алгоритм управління ресурсами (AMCRMA), щоб подолати перешкоди та отримати вигоду від управління ресурсами в багатохмарному контексті. Щоб забезпечити оптимальне використання ресурсів, економічну ефективність і ефективність обслуговування, AMCRMA включає моніторинг у реальному часі, прогнозування робочого навантаження та інтелектуальний розподіл ресурсів. Результати експерименту показують, що AMCRMA успішно адаптується до мінливих ситуацій і керує ресурсами в режимі реального часу, що призводить до покращеного використання ресурсів і загальної продуктивності в багатохмарних системах.

У [11] досліджуються потенційні атаки на інфраструктуру віртуалізова- них хмарних обчислень (VCCI) і вразливості моніторів віртуальних машин (VMM), пропонуючи уявлення про їх ефективний захист. Щоб зібрати вичерпні дані про використання ресурсів, необхідний моніторинг гіпервізора або VMM. Для захисту VCCI та VMM життєво важливі такі методи, як шифрування та керування ключами (EKM), механізми контролю доступу (ACM), модулі віртуальної довіреної платформи (vTPM), віртуальні брандмауери (VF) і довірені віртуальні домени (TVD).

Крім того, варто зазначити праці наступних науковців: Сандовал Йосандра, Галліцо Джорджіна, Куріель Маріела [12], Кацарос Грегорі, Галліцо Джорджіна, Кюберт Роланд, Ван Тінхе, Фіто Оріол, Бергстрем Даніель [13], Рахман М., Рана С.М., Хан Мд. Насір Уддін, Хок М. Робіул, Кабір М. Хумаюн [14], Донг Мо, Ю Хайє, Сунь Чжипенг, Чжан Лей, Суй Юаньюань, Чжао Руохань [15] та інших.

Проте, беручи до уваги вище зазначену наукову документацію, питання, пов'язане із оглядом методів та засобів моніторингу й управління ресурсами у хмарних середовищах, все ще залишається недостатньо дослідженим та потребує подальшого опрацювання.

Постановка завдання. Метою роботи є дослідження методів та засобів моніторингу й управління ресурсами у хмарних середовищах.

Викладення основного матеріалу дослідження

Управління ресурсами є основною властивістю будь-якої створеної людиною системи, що впливає на три основні критерії оцінки системи: продуктивність, функціональність і вартість. Управління ресурсами (УР) - це широка область досліджень, яка складається в основному з багатьох взаємопов'язаних аспектів. Щоб забезпечити ізоляцію продуктивності та ефективне використання апаратних ресурсів, УР вважається одним із впливових аспектів хмарних обчислень. Більше того, усі ресурси, якими спільно користується користувач, віртуалі- зуються. Таким чином, наслідок віртуалізації ресурсів призводить до появи проблем, пов'язаних із завданнями, пов'язаними з управлінням ресурсами. Крім того, управління ресурсами є дуже складним завданням. Гетерогенний, динамічний і складний характер запитів користувачів, які завжди коливаються відповідно до потреб, ускладнює управління.

Управління ресурсами передбачає складні рішення та політику через складний характер перелому. Таким чином, прозорість між усіма зацікавленими сторонами в рамках ICCE є критично важливим аспектом управління ресурсами. Кожен із зацікавлених сторін контролює використання ресурсів з різних причин. Моніторинг ресурсів може допомогти CSP виявити несправності апаратного чи програмного забезпечення в середовищі або в ідеалі оптимізувати розподілені ресурси між користувачами, тоді як для хмарного клієнта мотивація моніторингу ресурсів полягає у виявленні або перевитрати ресурсів, або недоліку ресурсів.

Майже кожен ресурс віртуалізовано та спільно використовується кількома користувачами в хмарних середовищах. Віртуалізація включає ряд складних завдань, особливо для управління ресурсами ICCE. УР регулярно займається різними аспектами ICCE, зокрема розподілом, відбором, виявленням і ціноутворенням ресурсів, а також управлінням стихійними лихами.

Для ефективного управління ICCE розроблено різні методи, такі як усвідомлення енергоефективності, усвідомлення SLA, балансування навантаження, мінімізація навантаження на мережу та управління прибутком. Щоб забезпечити найкращі рішення УР, також реалізовано багатокрите- ріальну техніку оптимізації. Однак, якщо метрики, що розглядаються, суперечать, оптимізація за багатьма критеріями внесе додаткові аспекти та проблеми в таксономію УР. Це пов'язано з тим, що суперечливі показники залежать один від одного, і покращення одного призводить до погіршення продуктивності інших. Деякі приклади конфлікту включають порушення енергоефективності та SLA, енергоефективності та навантаження на мережу, а також порушення SLA та максимізацію прибутку.

Розподіл ресурсів є невід'ємною частиною зобов'язань CSP щодо невизначених потреб у ресурсах і фінансових прибутків. Загалом, окремий CSP може не пропонувати безмежні послуги з обмеженими фізичними ресурсами. Тому одним із потенційних рішень може бути об'єднання кількох хмар. Розподіл ресурсів допомагає CSP приймати рішення щодо розподілу ресурсів, щоб подолати проблему конкуренції ресурсів у рамках ICCE SLA. Для різноманітних практичних сценаріїв вплив ICCE на одного постачальника для розподілу компонентів розподілених програм викликає занепокоєння щодо впливу різних стратегій на певний робочий процес служби.

Поняття розподілу робочого навантаження між різними ресурсами називається балансуванням навантаження. Однією з важливих особливостей ICCE є балансування навантаження, яке визначає спосіб розподілу робочого навантаження на певний ресурс. Тому після використання алгоритму балансування навантаження завдання переносяться між фізичною та віртуальною машинами. Крім того, необхідно розробити методи УР, які відповідатимуть такому аспекту, щоб ресурси могли розподіляти своє робоче навантаження.

Процес вибору ресурсу включає конфігурацію для задоволення всіх потреб користувачів і оптимізації інфраструктури. Технології, реалізовані різними CSP, ускладнюють вибір корисних ресурсів із пулу ресурсів ICCE. Крім того, вибір ресурсу ICCE є традиційною багатоатрибутною проблемою прийняття рішень, з проблемами, які потрібно вирішити: кількісна оцінка атрибутів хмарних сервісів, вагові коефіцієнти переваг користувача та ранжування хмарних ресурсів. Різні вимоги CSP, висока складність алгоритмів і динамічність ускладнюють вибір цінних ресурсів у об'єднаному пулі ресурсів. Щоб підтримувати рівень задоволеності користувачів, у процесі відбору також слід враховувати всі поведінкові аспекти середовища. Енергоефективність є одним із ключових питань у ICCE. Одним із можливих способів вирішення цієї проблеми є консолідація робочого навантаження, яка зменшує споживання енергії за рахунок консолідації більшого робочого навантаження на меншій кількості серверів. Це досягається лише шляхом відповідного вибору ресурсу.

У ICCE є кілька машин/вузлів, і кожен вузол має різні доступні ресурси. Лише підмножина всіх хмарних вузлів відома будь-якому вузлу. Функція виявлення ресурсів описує, як CSP відображає свої ресурси та служби, щоб інші учасники ICCE могли знайти ресурси та служби, необхідні для автоматизації та легкого використання процесу вибору, таким чином, виконуючи запити. Такі схеми, як адаптивна стратегія виявлення ресурсів, децентралізоване виявлення ресурсів за допомогою компонента мета- посередництва, модель виявлення ресурсів на основі обмежень, масштабоване гібридне багатоатрибутне накладання на основі пліток для виявлення ресурсів.

Навантаження на мережу - це кількість потоку трафіку в мережі в певний час. Обмін інформацією між менеджерами ресурсів, позиціонування віртуальних машин, зв'язок між віртуальними машинами та міграція віртуальних машин може призвести до вибухового навантаження на мережу в ICCE. Високі навантаження на мережу призводять до зниження продуктивності системи, оскільки CSP повинні чекати, доки віртуальні машини будуть переміщені, і критичний зв'язок між віртуальними машинами, як наслідок, затримується. Тому існує потреба в ефективній роботі з виявленням ресурсів, щоб мінімізувати трафік через мережу.

ICCE - це різнорідні системи, які поєднують кілька CSP для надання необмежених ресурсів користувачам. Однак це завдання не завжди легко виконати. Тому забезпечення високого рівня якості обслуговування (QoS) є дуже складним завданням. CSP завжди повинні оновлюватися щодо статусу ресурсів один одного з сиситемою. Моніторинг у найпростішому вигляді є трифазним процесом: компіляція відповідного стану, аналіз сукупного стану та прийняття рішення як висновку. Інструменти Unix, які використовуються для моніторингу, включають, наприклад, df, uptime або top. Цими інструментами керує користувач, який аналізує стан системи та визначає можливість прийняття рішення. Таким чином, більшу частину моніторингу здійснює фактично користувач, а не програмне забезпечення. Оскільки комп'ютерні системи зростають у розмірі та ускладнюються, автоматизовані інструменти все більше потрібні для моніторингу зі зниженими або виключеними вимогами до взаємодії людини. Ці системи повністю або частково включають 3-ступеневий процес моніторингу. Кожен етап має свої виклики, особливо у сфері ICCE. Існує багато загальних мотиваційних факторів моніторингу практично для всіх обчислювальних сфер, включаючи ICCE. До них належать можливості планування, виявлення помилок або результатів, виявлення надмірностей, оцінка системи та виявлення порушень політики. Після розгляду різних аспектів техніки УР важливо виявити деякі проблеми, пов'язані з управлінням ресурсами: перш за все, користувачі надсилають запити в об'єднанні хмар протягом тривалого часу та мігрують час від часу від одного постачальника хмари до іншого, управління ресурсами з точки зору планування ресурсів, балансування навантаження та розподілу ресурсів є більш складним, оскільки спосіб розподілу ресурсів між CSP безпосередньо впливає на SLA з точки зору економічних інтересів. Гетерогенний аспект системи ускладнює управління ресурсами.

Рішення хмарного моніторингу - це системи, створені з нуля для моніторингу впровадження хмарних технологій. Такі системи традиційно усвідомлюють такі принципи хмари, як еластичність, різні зони доступності, віртуальна машина та інші прояви, пов'язані з хмарою. Ці інструменти мають концептуальну перевагу в порівнянні з інструментами, які не орієнтовані на хмару, оскільки вони можуть масштабуватися та підлаштовуватися під функціональні можливості хмари, коли змінюється їхня інфраструктура.

Швидке зростання використання хмарних технологій створює серйозні проблеми. Відсутність інформації є однією з проблем налаштування метричних даних. MonPaaS - це інструмент із відкритим вихідним кодом, доступний онлайн і реалізований. Потужність MonPaaS полягає в його здатності перехоплювати чергу повідомлень OpenStack і оновлювати інформацію віртуальної машини за допомогою повідомлень. Як постачальники хмарних послуг, так і споживачі отримують модуль MonPaaS як API. Це вводить іншу функцію моніторингу віртуальної машини (MVM) для будь-якого нового користувача хмари. MonPaas відстежує фізичні та віртуальні ресурси та оновлює будь-які вдосконалення у віртуальній або фізичній інфраструктурі. Він здійснює безагентний контроль, що забезпечує високий ступінь захисту клієнтів. Недоліком MonPaas є те, що він створює окрему MVM; потрібні додаткові фізичні ресурси. MonPaaS є вдосконаленою версією IaaSMon.

Nagios - це добре відомий стандартний інструмент моніторингу, який відстежує різні розгортання серверів. Це інструмент із відкритим кодом, який у своїх найпростіших конфігураціях побудований на дворівневій ієрархічній архітектурі. Сервер, який відіграє роль моніторингу, заповнюється файлом конфігурації, у якому детально описано всі сервери, що контролюються, і їхні служби. У процесі моніторингу Nagios створює розклад, потім перевіряє всі сервери, крім того, перевіряє кожну службу відповідно до розкладу. Nagios не ідеально підходить для хмарного моніторингу. Потрібна велика кількість конфігурацій вручну, включно з необхідністю налаштувати конфігурацію, коли контрольовані віртуальні машини створюються та завершуються.

Рішення для моніторингу Zabbix створено для архітектури сервер/агент. Сервер Zabbix працює на окремій машині, тому дані, надіслані агентами Zabbix, можна збирати та агрегувати для відстеження. Рішення Zabbix підтримує систему попередження, яка активується, коли виникають заздалегідь визначені події та умови, наприклад, коли споживання пам'яті досягає 80%. Ці застереження корисні тим, що стимули активують підготовку до адаптації, наприклад заходи для еластичності. Бази даних на мові структурованих запитів (SQL) використовуються для зберігання обчислених вимірювань, а доступ до даних здійснюється через веб-інтерфейс та інтерфейс прикладного програмування (API).

У хмарах багатокористувацький доступ і складність розподіленої віртуалізованої системи створюють нові проблеми з хмарним моніторингом. З точки зору представлення даних, зберігання, обробки та доставки, хмарний моніторинг стикається з проблемами. Метод хмарного моніторингу було запропоновано щоб зосередитися на даних, зібраних з віртуальних машин хмарного моніторингу. Цей підхід підкреслює фундаментальні концепції моніторингу даних і питання, що стосуються представлення даних, зберігання, передачі та моніторингу доставки. Це дослідження для підтвердження концепції включає технічний підхід під назвою моніторинг нового покоління (Ngmon). Функція збору даних Ngmon визначається як журнали, попередження та бізнес-операції на базі подій і зберігається як визначена структура у формі типізованих даних. Дані кодуються у форматі нотації об'єктів JavaScript (JSON) на наступному етапі як сутність події. Для забезпечення автентифікації на основі безпеки існує список контролю доступу (ACL). Оцінювач запитів застосовується, коли є з'єднання для запитів/відповідей для відстеження даних користувача. Опубліковане/передплачене програмне забезпечення використовується для моніторингу основних потреб клієнта, тоді як гібридна модель зв'язку була прийнята в запропонованому рішенні для представлення системного протоколу керування передачею (TCP). Ngmon також підтримує шифрування на рівні безпечних сокетів (SSL).

Неефективні методи моніторингу для широко розподілених інфраструктур стикаються з проблемами через складність хмарних систем. Щоб подолати ці проблеми, розроблено архітектуру хмарного моніторингу під назвою глобальна система моніторингу (GMonE). Архітектура GMonE складається з чотирьох основних компонентів: монітора глобальної системи моніторингу (GMonEMon), бази даних глобальної системи моніторингу (GMonEDB), доступу до глобальної системи моніторингу (GMonEAccess) і плагінів моніторингу. GMonEMon працює на основі необхідних компонентів для збору та надсилання метричних даних до GMonEDB. Плагіни моніторингу у вигляді додатків для моніторингу виконання є частиною GMonEMon. GMonEDB збирає та підтримує дані відстеження GMonE як базу даних. Графічний інтерфейс GMonEAccess надає користувачеві легкий доступ до даних.

У відносинах між використанням хмари та CPS рівень задоволеності клієнтів узгодженою угодою про рівень обслуговування (SLA) є найважливішим. Більшість рішень хмарного моніторингу наразі не пропонують обчислення раніше зазначеного параметра на стороні користувача. Дана проблема вирішується за допомогою архітектури для управління залишковими ресурсами, що називається моніторинговим SLA (MonSLAR). MonSLAR надає користувачам інформацію про затверджений рівень обслуговування на основі SLA, який досягнутий або не досягнутий. Збираючи дані про якість досвіду (QoE), які постачальник хмарних послуг використовує як ключовий показник управління продуктивністю для виконання SLA, MonSLar забезпечує еталон задоволеності клієнтів для постачальника послуг.

Хмарні програми моніторингу знаходять хмарні середовища, у яких віртуальні машини та контейнери не є основною частиною хмарної операційної системи. Контейнери та віртуальні машини створюються та знищуються з неймовірною точністю у хмарному середовищі. Тому хмарний моніторинг вимагає перевірки цього твердження певним чином. Моніторинг ближнього поля (NFM) є основою для вирішення цієї проблеми. NFM використовує нову форму відстеження, у якій агент моніторингу не взаємодіятиме з головною віртуальною машиною та не підключатиметься до неї, щоб надавати моніторингові та аналітичні операційні служби. У NFM користувач/хост може ввімкнути або вимкнути, оскільки немає додаткової програми чи ресурсу віртуальної машини/контейнера. NFM пропонує широке уявлення про інструменти та віртуальні машини через хмарного постачальника.

OpenNebula - це набір інструментів із відкритим вихідним кодом, призначений для створення приватних, загальнодоступних і навіть гібридних моделей хмарного розгортання IaaS, PaaS і SaaS. OpenNebula містить структуру моніторингу, яка працює як підсистема для збору інформації про хост і віртуальну машину, включаючи статус хоста, основні показники продуктивності, статус віртуальної машини та енергоспоживання. Є дві конфігурації для OpenNebula: push і pull. Переважним режимом функціонування є модель push. Тут агент моніторингу збирає показники ресурсів і передає їх на інтерфейс OpenNebula за допомогою протоколу дейтаграм користувача (UDP). Тоді веб-інтерфейс OpenNebula вироблятиме візуалізації та попередження. За відсутності режиму push OpenNebula за замовчуванням використовує режим pull, і в цьому режимі агенти моніторингу зосереджені на створенні з'єднань SSH для кожної контрольованої віртуальної машини. Структура моніторингу OpenNebula не є особливо інноваційною, але є однією із кількох прикладів хмарного рішення моніторингу з відкритим кодом.

Lattice - це структура моніторингу, яка в першу чергу спрямована на усунення різноманітних обмежень деяких інструментів моніторингу, не пов'язаних із хмарою. У порівнянні з іншими методами, які містяться в цьому дослідженні, Lattice сама по собі не є рішенням для моніторингу. Це радше середовище для розробки моніторингових рішень. Як і інші рішення для моніторингу, Lattice має однакову швидкість абстракції для CSP, користувачів і зразків. Lattice також включає джерело даних і поняття схеми розподілу. Lattice не повністю реалізує структури повного інструменту моніторингу. Однак забезпечує будівельні блоки для розробки повного рішення моніторингу. Таке впровадження має на меті дозволити розробникам створювати рішення моніторингу, які відповідають їхнім конкретним потребам. Перевага цього полягає в тому, що розділення проблем між різними модулями моніторингу полегшує розробку компонентів і зміну їх з часом без впливу на інші елементи.

Ciuffoletti - це платформа керування за запитом, яка надається як послуга. OCCI API - це програмний API із відкритим вихідним кодом IaaS, який підтримує деякі специфікації та протоколи. Датчик збирає метричні дані, які користувачі визначають у міксинах. Міксини мають три окремі функції, які можна оновлювати, наприклад рейтинги, агрегатори та видавці.

Висновки

У статті розглянуто методи та засоби моніторингу й управління ресурсами у хмарних середовищах. Моніторинг хмарних ресурсів надає детальну інформацію про моніторинг керування ресурсами та інфраструктурами, як-от контроль доступу, еластичність сервісу, фінансові витрати сервісу та керування SLA. У ICCE моніторинг відіграє роль нагляду за всім, що може статися з управлінням. Моніторинг втручається в масштабування хмарних ресурсів як додатків, що інтенсивно використовують центральний процесор (CPU), коли виконуються непропорційні вихідні витрати. Цей процес допомагає розподілити розподілені прикладні модулі на багатьох доступних вузлах у межах об'єднання. Відстежуючи різні вузли, агенти керування знають про необхідні ресурси для задоволення вимог конкретного компонента розподіленої програми. Моніторинг відіграє важливу роль у системі управління ресурсами. У рамках даної наукової роботи представлено різні рішення для моніторингу.

Перспективами подальших досліджень є огляд різних алгоритмів, які використовуються в управлінні ресурсами в ICCE щодо факторів QoS, які виконують ефективний моніторинг інфраструктури.

Література

1. Лемешко А. В., Антоненко А. В., Слюсар В. О., Бахуринський Д. В., Куценко М. О. Технології хмарних обчислень та динаміка їх розвитку. ITSynergy, 2023. №1. С. 89-108. https://doi.org/10.53920/ITS-2023-1-6

2. Смірнова Т. В. Дослідження хмарних технологій як сервісів для системи інженерних розрахунків / Т. В. Смірнова, Л. І. Поліщук/ Кібербезпека та інформаційні технології: монографія / М-во освіти і науки України, Центральноукраїн. нац. техн. ун-т. - Х.: ДІСА ПЛЮС, 2020. С. 106-121.

3. Хмарні обчислення, Integrity Systems. URL: http://integritysys.com.ua/solutions/ pricatecloud-solution. (дата звернення: 23.07.2024).

4. Романків Н., Ситніков Д. Аналіз та вибір методів налаштування рішень SAAS, побудованих за технологіями Cloud-Native. Інноваційні технології та наукові рішення для промисловості. 2023. С. 68-77. DOI: 10.30837/ITSSI.2023.26.068.

5. Цвик О.С. Аналіз і особливості програмного забезпечення для контролю трафіку // Вісник Хмельницького національного університету. Cерія: Технічні науки, 2023. (1).

6. Khoudali Saad, Benzidane Karim, Sekkaki Abderrahim. EMMCS: An edge monitoring framework for multi-cloud environments using SNMP. International Journal of Advanced Computer Science and Applications. 2019. №10. DOI: 10.14569/IJACSA.2019.0100178.

7. Joy Adegoke, Abdullah Olamide Akingbade, Miracle Agboola, Damola Precious. An integrated strategy for continuous environmental monitoring that leverages IoT sensors, cloud- based artificial intelligence, and satellite broadband for advanced ESG governance in smart urban environment Author. International Journal of Innovative Science and Research Technology. 2024. №9. Р. 6.

8. Kim Changjong, Kim Sunggon. Optimizing Logging and Monitoring in Heterogeneous Cloud Environments for IoT and Edge Applications. IEEE Internet of Things Journal. 2023. PP. 1-1. DOI: 10.1109/JIOT.2023.3304373.

9. Moeyersons Jerico, Kerkhove Sarah, Wauters Tim, De Turck Filip, Volckaert Bruno. Towards cloud-based unobtrusive monitoring in remote multi-vendor environments. Software: Practice and Experience. 2021. №52. DOI: 10.1002/spe.3029.

10. Basha H., Anilkumar B., Swetha G., Reddy Raghavendra, Manoli Sunil. Real-Time Challenges and Opportunities for an Effective Resource Management in Multi-cloud Environment. SNComputer Science. 2024. №5. DOI: 10.1007/s42979-023-02578-3.

11. Eneh Ugochukwu. Title: Security Analysis of Virtual Machine Monitoring in Cloud Computing Environments. 2024.

12. Sandoval Yosandra, Gallizo Georgina, Curiel Mariela. Evaluation of monitoring tools for cloud computing environments. 38th Latin America Conference on Informatics, CLEI2012 - Conference Proceedings. 2012. Р. 1-10. DOI: 10.1109/CLEI.2012.6427251.

13. Katsaros Gregory, Gallizo Georgina, Kubert Roland, Wang Tinghe, Fito Oriol, Bergstrom Daniel. An Integrated Monitoring Infrastructure for Cloud Environments. 2012. DOI: 10.1007/978-1 -4614-2326-3_8.

14. Rahman M., Rana S. M., Khan Md. Nasir Uddin, Hoque M. Robiul, Kabir M Humayun. Development of IoT Cloud based Environment Control and Monitoring System using Raspberry Pi. 2018. Р.11.

15. Dong Mo, Yu Haiye, Sun Zhipeng, Zhang Lei, Sui Yuanyuan, Zhao Ruohan. Research on agricultural environmental monitoring Internet of Things based on edge computing and deep learning. Journal of Intelligent Systems. 2024. Р. 33. DOI: 10.1515/jisys-2023-0114.

References

1. Lemeshko, A. V., Antonenko, A. V., Sliusar, V. O., Bakhurynskyi, D. V., Kutsenko, M. O. (2023). Tekhnolohii khmarnykh obchyslen' ta dynamika yikh rozvytku [Cloud computing technologies and their development dynamics]. ITSynergy, 1, 89-108. https://doi.org/10.53920/ ITS-2023-1-6 [in Ukrainian].

2. Smirnova, T. V., Polischuk, L. I. (2020). Doslidzhennya khmarnykh tekhnolohii yak servisiv dlya systemy inzhenernykh rozrakhunkiv [Research of cloud technologies as services for the engineering calculation system]. Kiberbezpeka ta informatsiini tekhnolohii - Cybersecurity and Information Technologies: Monohrafiya / M-vo osvity i nauky Ukrainy, Tsentral'no- ukrains'kyi nats. tekhn. un-t. - Kh.: DISA PLIUS, 106-121 [in Ukrainian].

3. Khmarni obchyslennya [Cloud computing], Integrity Systems. URL: http://integritysys.com.ua/ solutions/pricatecloud-solution. (date of access: 23.07.2024) [in Ukrainian].

4. Romankiv, N., Sytnikov, D. (2023). Analiz ta vybir metodiv nlashtuvannya rishen' SAAS, pobudovanykh za tekhnolohiiamy Cloud-Native [Analysis and selection of methods for setting up SAAS solutions built on Cloud-Native technologies]. Innovatsiini tekhnolohii ta naukovi rishennya dlya promyslovosti - Innovative Technologies and Scientific Solutions for Industries, 68-77. DOI: 10.30837/ITSSI.2023.26.068 [in Ukrainian].

5. Tsvyk, O. S. (2023). Analiz i osoblyvosti prohramnoho zabezpechennya dlya kontrolyu trafiku [Analysis and features of software for traffic control]. Visnyk Khmel'nyts'koho natsional'noho universytetu. Seriia: Tekhnichni nauky - Bulletin of Khmelnytsky National University. Series: Technical Sciences, 1 [in Ukrainian].

6. Khoudali, S., Benzidane, K., Sekkaki, A. (2019). EMMCS: An edge monitoring framework for multi-cloud environments using SNMP. International Journal of Advanced Computer Science and Applications, 10. DOI: 10.14569/IJACSA.2019.0100178.

7. Adegoke, J., Akingbade, A. O., Agboola, M., Precious, D. (2024). An integrated strategy for continuous environmental monitoring that leverages IoT sensors, cloud-based artificial intelligence, and satellite broadband for advanced ESG governance in smart urban environment. International Journal of Innovative Science and Research Technology, 9, 6.

8. Kim, C., Kim, S. (2023). Optimizing Logging and Monitoring in Heterogeneous Cloud Environments for IoT and Edge Applications. IEEE Internet of Things Journal, PP. 1-1. DOI: 10.1109/JIOT.2023.3304373.

9. Moeyersons, J., Kerkhove, S., Wauters, T., De Turck, F., Volckaert, B. (2021). Towards cloud-based unobtrusive monitoring in remote multi-vendor environments. Software: Practice and Experience, 52. DOI: 10.1002/spe.3029.

10. Basha, H., Anilkumar, B., Swetha, G., Reddy, R., Manoli, S. (2024). Real-Time Challenges and Opportunities for an Effective Resource Management in Multi-cloud Environment. SNComputer Science, 5. DOI: 10.1007/s42979-023-02578-3.

11. Eneh, U. (2024). Security Analysis of Virtual Machine Monitoring in Cloud Computing Environments.

12. Sandoval, Y., Gallizo, G., Curiel, M. (2012). Evaluation of monitoring tools for cloud computing environments. 38th Latin America Conference on Informatics, CLEI2012 - Conference Proceedings, 1-10. DOI: 10.1109/CLEI.2012.6427251.

13. Katsaros, G., Gallizo, G., Kubert, R., Wang, T., Fito, O., Bergstrom, D. (2012). An Integrated Monitoring Infrastructure for Cloud Environments. DOI: 10.1007/978-1-4614-2326-3_8.

14. Rahman, M., Rana, S. M., Khan, Md. N. U., Hoque, M. R., Kabir, M. H. (2018). Development of IoT Cloud based Environment Control and Monitoring System using Raspberry Pi, 11.

15. Dong, M., Yu, H., Sun, Z., Zhang, L., Sui, Y., Zhao, R. (2024). Research on agricultural environmental monitoring Internet of Things based on edge computing and deep learning. Journal of Intelligent Systems, 33. DOI: 10.1515/jisys-2023-0114.

Размещено на Allbest.ru