پلتفرم کلان داده ابری با تمرکز بر مقیاس پذیری و بهره‌وری هزینه

امروزه یکی از بزرگترین کارفرعیای فضای ابری، محاسبه ، پردازش ، تحلیل و شبیه سازی حجم زیادی از داده‌های مورد نظر است. محاسبات ابری در حال تبدیل شدن به یک مدل فن‌آوری اطلاعات به طور گسترده برای رفع نیازهای بسیاری از کارفرعیای بزرگ داده علمی و تجاری است. در این مقاله، ما یک روش گسترش پلتفرم هادوپ را برای زیرساخت‌های ابر مختلف با ابزار Orchestration ابر Occopus ارائه می‌دهیم. راه‌حل خودکار ما یک روش آسان، قابل‌حمل و مقیاس پذیر را برای استقرار پلتفرم هادوپ محبوب با هدف اصلی برای جلوگیری از مسائل قفل فروشنده فراهم می‌کند، یعنی هیچ وابستگی به هر ارائه‌دهنده ابر آماده‌شده و تصویر ماشین مجازی یا مکانیسم سرویس پلاتفورم جعبه سیاه وجود ندارد. این مقاله نتایج اندازه‌گیری‌های عملکرد و تحلیل هزینه امیدوار کننده را ارائه می‌دهد.

Nowadays a significant part of the cloud applications processes a large amount of data to provide the desired analytics, simulation and other results. Cloud computing is becoming a widely used IT model to address the needs of many scientific and commercial Big Data applications. In this paper, we present a Hadoop platform deployment method for various cloud infrastructures with the Occopus cloud orchestrator tool. Our automated solution provides an easy-to-use, portable and scalable way to deploy the popular Hadoop platform with the main goal to avoid vendor locking issues, i.e. there is no dependency on any cloud provider prepared and offered virtual machine image or “black-box” Platform-as-a-Service mechanism. The paper presents promising performance measurements results and cost analysis.