از کجا شروع کنیم
برای شروع به کار در زمینه رایانش ابری چه کنیم؟ این سئوالی است که برای خیلی از افرادی که علاقه دارند در زمینه رایانش ابری فعالیت کنند مطرح میشود. در اینجا سعی شده است بر اساس نوع کاربری، نقاط شروع مختلف مطرح شود. سایر دوستان نیز میتوانند تجربیات خود را به اشتراک بگذارند.
1. به عنوان دانشجو یا محقق
چنانچه برای پروژه پایانی، پروژه درسی یا سمینار میخواهید در زمینه رایانش ابری فعالیت کنید، میتوانید طبق روش تحقیق پیشنهادی، تحقیقات خود را شروع کنید. همچنین بصورت جانبی با برخی ابزارهای معرفی شده در خصوص رایانش ابری در لایه های مختلف مطالعه نموده و تا حد ممکن با آنها بصورت عملی کار کنید تا با دید بهتری فرآیند تحقیق را ادامه دهید.
ملاحظات
- یک اشتباه رایج معمولا این است که دانشجوها به استفاده از شبیه ساز اکتفا میکنند. در صورتیکه تنوع خیلی خوبی از ابزارها وجود دارد که میتواند در کنار روشهای شبیه سازی، برای تکمیل فرآیند تحقیق استفاده شوند. وابسته شدن به شبیه ساز معمولا سبب میشود که محقق از فضای واقعی فاصله بگیرد. خصوصا اینکه برای بسیاری از موارد سعی میشود از شبیه سازی نظیر کلادسیم استفاده شود. در صورتیکه رایانش ابری بحث بسیار گسترده ای است و هر ابزار فقط میتواند طیف محدودی از سرویس ها و فناوری های مرتبط با این فضا را پوشش دهد.
- اشتباه دیگر این است که اغلب پردازش موازی با رایانش ابری اشتباه گرفته میشود. مثلا استفاده از هادوپ و مدل نگاشت کاهش گاهی به عنوان نمونه هایی از رایانش ابری فرض میشود. در صورتیکه پردازش موازی و ابزارهای مربوط به آن میتوانند هم به صورت ابری و هم بصورت غیر ابری مورد استفاده قرار بگیرند.
- معمولا مفهوم مجازی سازی با رایانش ابری اشتباه گرفته میشود. مجازی سازی یکی از فناوری های حوزه زیرساخت است که از جمله اهداف آن افزایش بهره وری در استفاده از منابع و مدیریت بهتر آنهاست و این فناوری میتواند در رایانش ابری نیز استفاده شود. در حقیقت بدون استفاده از مجازی سازی نیز میتوان ابر ایجاد کرد. بنابراین باید دقت کرد این که این دو مفهوم نیز با هم اشتباه گرفته نشوند.
2. برای ایجاد آزمایشگاه دانشگاهی
برای ایجاد آزمایشگاه، ابتدا باید حوزه تحقیقاتی مشخص باشد. یک آزمایشگاه در حوزه IaaS با آزمایشگاه در حوزه PaaS و نیز با حوزه SaaS متفاوت است. در هر کدام نیز متعاقبا میتوان سرویس های مختلفی را در نظر گرفت.
- آزمایشگاه های مرتبط با نرم افزار معمولا تجهیزات سرور و شبکه نیاز ندارند و بسیاری از مباحث مرتبط با این حوزه نظیر چندمستاجری، کیفیت سرویس، مدل سازی بار کاری، وب سرویس، مدل های قیمت گذاری، امنیت سرویس بدون نیاز به زیرساخت اولیه از طریق ابزارهای موجود و شبیه سازها قابل مطالعه و پیاده سازی است. همچنین با استفاده از مجازی سازی و سایر فناوری های مرتبط میتوان محیط های مختلف را برای تست ایجاد کرد.
- آزمایشگاه های مرتبط با PaaS نیز معمولا نیاز به تجهیزات سخت افزاری خاص ندارند. مثلا برای ایجاد یک پلت فرم میتوان با 4 الی 6 سیستم چندپردازنده ای کلاسترهای مختلف را شبیه سازی کرد و در صورت نیاز از مجازی سازی برای ایجاد بسترهای تست متنوع استفاده کرد.
- چنانچه قصد مطالعه وتحقیق در حوزه IaaS داشته باشید، 2 الی 3 سرور مناسب خواهد بود. با استفاده از ابزارهای متن باز موجود میتوان یک زیرساخت ابری را در مقیاس کوچک ایجاد کرد. ضمن اینکه با توجه به هدف آزمایشگاه، میباست در انتخاب ابزار نیز بررسی کافی انجام شود. ابزارهایی نظیر openstack و opennebula و cloudstack و eucalyptus برای ایجاد زیرساخت ابری مناسب هستند.
ملاحظات
- یک اشتباه رایج در فعالیت های آزمایشگاهی این است که به دلیل معماری لایه ای ارایه شده از رایانش ابری، در ارایه سرویس SaaS، معمولا فرض میشود که باید حتما زیرساخت آن نیز ابری و بصورت مجازی یا IaaS باشد، در صورتیکه این موضوع به مدل مدیریت هزینه سرویس SaaS برمیگردد. زیرا اگر سرویس دهنده نرم افزار خودش قادر به تامین زیرساختش باشد، لزوما نیاز به استفاده از مدل ابری ندارد و استفاده از مدل ابری تنها یک مساله اقتصادی است.
- اشتباه رایج دیگر این است که ارایه سرویس SaaS در مدل ابری معادل استقرار نرم افزار در ماشین مجازی در نظر گرفته میشود. لازم به ذکر است که مجازی سازی به عنوان یک ابزار توانمندساز برای تسریع در ارایه سرویس و مدیریت چرخه عمر آن در سطح زیرساخت و پلت فرم مورد استفاده قرار میگیرد، در صورتیکه ماهیت ارایه سرویس نرم افزاری مستقل از آن است. مثلا نیاز نیست گوگل سرویس جیمیل خود را برای اینکه ابری باشد در داخل ماشین مجازی قرار دهد.
- استفاده از ابزارهای تجاری نظیر وی ام ویر برای فعالیت های تحقیقاتی مناسب نمی باشد، زیرا امکان مطالعه در سطح زیرساخت و پلت فرم را فراهم نمیکنند، مگر در حد مقایسه و ارزیابی بین محصولات تجاری و متن باز.
3. به عنوان کارشناس در صنعت
4. به عنوان مدیر فناوری اطلاعات
5. به عنوان توسعه دهنده
6. بعنوان مدیر دولتی
7. برای استفاده از راینش ابری در ایجاد یک استارتاپ و کارآفرینی
7