Mục lục

I. GIỚI THIỆU ................................................................................................................................... 4

1. Điện toán đám mây là gì ? .......................................................................................................... 4

2. Quản lý tài nguyên trên môi trường điện toán đám mây ............................................................ 5

3. Các thách thức của quản lý tài nguyên trên môi trường điện toán đám mây .............................. 5

4. Bài toán 1: Cung cấp tài nguyên tính toán cho các yêu cầu Batch-job và đặt chỗ ..................... 6

5. Bài toán 2: cung cấp tài nguyên tính toán trên hệ thống cloud với tiêu chí tiết kiệm năng

lượng: .......................................................................................................................................... 7

II. TÌNH HÌNH NGHIÊN CỨU LIÊN QUAN ................................................................................... 9

1. So sánh điện toán đám mây và tính toán lưới ............................................................................. 9

2. Các phần mềm xây dựng hạ tầng điện toán đám mây (cloud computing) ................................ 12

III. KẾT LUẬN ................................................................................................................................... 14

IV. Tài liệu tham khảo ........................................................................................................................ 14

Trang 2

Các thuật ngữ hay dùng

Tên thuật ngữ bằng tiếng Anh Ý nghĩa

Cloud computing Điện toán đám mây

Infrastructure-as-a-Service (IaaS) Hạ tầng như là dịch vụ: là môi trường điện

toán đám mây cung cấp các dịch vụ của

tạo, hủy, thuê bao, thực thi các máy ảo

(Virtual Machine) chứa ứng dụng của

người dùng, đồng thời trên IaaS còn có các

dịch vụ lưu trữ, quản lý, tính phí,…

Platform-as-a-Service (PaaS) Là môi trường điện toán đám mây dưới

dạng engine (như là Goolge AppEngine

[1]) cho phép chúng ta phát triển ứng dụng

chạy trên hạ tầng phân bố trải rộng trên

nhiều bộ xử lý.

Software-as-a-Service (SaaS) Phần mềm như là dịch vụ: là ứng dụng

dưới dạng dịch vụ trên nền điện toán đám

mây IaaS cho nhiều người sử dụng thông

qua Internet.

Virtual Machine Máy ào

Trang 3

DANH MỤC HÌNH

Hình 1 giải thuật đặt các máy ảo tiết kiệm năng lượng [11] ................................................................. 8

Hình 2 Giải thuật lập lịch máy ảo dựa trên công suất [13] ................................................................... 8

Hình 3: So sánh hệ thống điện toán đám mây và hệ thống lưới về kích thước (scale) và tính hướng

ứng dụng hay hướng dịch vụ .......................................................................................................... 9

Hình 4: So sánh kiến trúc của Grid và Cloud ..................................................................................... 10

DANH MỤC BẢNG

Bảng 1 Các tiêu chí so sánh Grids và Clouds ..................................................................................... 10

Trang 4

MỘT NGHIÊN CỨU VỀ QUẢN LÝ TÀI

NGUYÊN TRONG MÔI TRƯỜNG

ĐIỆN TOÁN ĐÁM MÂY

Nguyễn Quang Hùng

hungnq2@gmail.com

I. GIỚI THIỆU

1. Điện toán đám mây là gì ?

Thuật ngữ điện toán đám mây (ĐTĐM) với tên “Compute Cloud” hay phổ biến

là “Cloud computing” là khái niệm mới và có nhiều cách định nghĩa. Định nghĩa về điện

toán đám mây (Cloud computing) sẽ tùy thuộc vào cách chúng ta khai thác, nó có thể

được xem như là một dịch vụ tiện ích cần thiết thứ năm (bên cạnh bốn dịch vụ tiện ích

trong sinh hoạt là điện, nước, điện thoại, gas) . Công nghệ đa nhân (multicore) và công

nghệ ảo hóa (virtualization) phát triển đã hình thành cách thức sử dụng mới – cho phép

chạy nhiều hệ điều hành trên cùng một máy vậy lý. Đồng thời kết hợp với sự phát triển

nhanh của các kỹ thuật phần mềm trên nền tảng Internet – đặc biệt là các chuẩn mở về

Web services (như SOAP, RESTful, XML, WSDL). Sự hội tụ này đã dẫn đến khái niệm

mới trong nhánh tính toán phân bố là điện toán đám mây. Do khái niệm về điện toán đám

mây được hiểu theo các nghĩa khác nhau, chúng ta có thể hiểu điện toán đám mây là khả

năng cung cấp tài nguyên (tính toán – CPU, bộ nhớ vật lý, không gian lưu trữ, ..v..v…)

và phần mềm (kèm theo bản quyền phần mềm) theo nhu cầu dưới dạng tính tiền theo thời

gian sử dụng (pay-as-you-go).

Hiện có ba định nghĩa được chấp nhận trong cộng đồng nghiên cứu về điện toán

đám mây, chúng là các định nghĩa của Rajkumar Buyya (2009) [1], Ian Foster, et.al.

(2008 & 2010) [2] & [3]. Ngoài ra vẫn còn các định nghĩa khác về điện toán đám mây

[4]….

- Theo Ian Foster, et.al. (2008) [2]: “…cloud là dạng Infrastructure-as-a-Service

(IaaS) cloud, như là Amazon EC2. Ở đó, hạ tầng IT được triển khai trong

datacenter của nhà cung cấp cloud dưới dạng các máy ảo…”.

- Theo Rajkumar Buyya (2009) [1]: “…một cloud là dạng hệ thống song song

và phân bố bao gồm tập các máy tính được ảo hóa và kết nối lại với nhau,

chúng (các máy tính ảo này) được cung cấp động và xuất hiện dưới dạng các

Trang 5

tài nguyên tính toán thống nhất dựa trên thỏa thuận mức dịch vụ (service-level

agreements) thỏa thuận giữa nhà cung cấp dịch vụ và khách hàng.

- Theo [3], bổ sung định nghĩa ở [2] khi đưa thêm yếu tố tính kinh tế

(economies of scale) và tài nguyên gồm power, storage, platform, và dịch vụ

được trừu tượng hóa, ảo hóa, co dãn động và quản lý để cung cấp cho người

dùng qua Internet.

Về phân loại, các hệ thống cloud có thể xếp vào ba loại, theo [4]:

- Infrastructure-as-a-Service (IaaS): ví dụ: hệ thống Amazon EC2 [5] và S3 [8]

- Platform-as-a-Service (PaaS): ví dụ: Google AppEngine [7]

- Software-as-a-Service (SaaS): ví dụ: Gmail, SalesForce,…

- Data-as-a-Service (DaaS): ví dụ: Strikeiron.com, Kognitio.com, thực ra cũng có

vài ý kiến khác xếp DaaS vào dạng SaaS.

2. Quản lý tài nguyên trên môi trường điện toán đám mây

Quản lý tài nguyên trên môi trường điện toán đám mây (cloud computing) có

chức năng cung cấp các tài nguyên tính toán (như CPU, bộ nhớ…) hay tài nguyên lưu trữ

(storage) theo yêu cầu của người sử dụng. Công nghệ điện toán đám mây được thúc đẩy

bởi mô hình kinh tế - tính tiền người dung theo thời gian họ dùng: dùng bao nhiêu trả bấy

nhiêu (pay-as-you-go). Ví dụ: người dùng có thể thuê 2 - 3 giờ máy để chạy một ứng

dụng tạm thời trên Amazon EC2.

3. Các thách thức của quản lý tài nguyên trên môi trường điện toán đám

mây

Đứng ở mỗi góc nhìn khác nhau bài toán quản lý tài nguyên cho Cloud đặt ra các

thách thức khác nhau:

- Ở góc nhìn nhà cung cấp hạ tầng cloud (Infrastructure-as-a-Service): có hai vấn

đề mà tôi sẽ trình bày cụ thể bên dưới.

- Ở góc nhìn của nhà cung cấp dịch vụ (một loại ứng dụng nào đó) cho người dùng

đầu cuối: ví dụ một công ty ABC cung cấp dịch vụ tài chính trên môi trường

Internet. Thách thức đặt ra với họ là họ hạ thấp nhất chi phí thuê bao tài nguyên

của nhà cung cấp hạ tầng Cloud để chạy ứng dụng, nhưng đồng thời vẫn đáp ứng

chất lượng dịch vụ đối với người dùng cuối.

- Ở góc nhìn người dùng: người dùng muốn thuê tài nguyên đáp ứng tiêu chí ràng

buộc về chất lượng đã ràng buộc với nhà cung cấp dịch vụ hoặc hạ tầng cloud (thể

hiện bằng SLA – Service Level Agreement).

Trang 6

Trong bài viết này, tôi khảo sát hai bài toán (problem) được xác định trong việc

quản lý tài nguyên cho môi trường điện toán đám mây. Trong từng bài toán, tôi khảo sát

một vài hướng tiếp cận :

- Bài toán 1: thách thức trong việc cung cấp (provision) tài nguyên cho cả hai loại :

các yêu cầu cho công việc best-effort (các chương trình mô phỏng yêu cầu tính

toán hiệu năng cao (HPC batch-job)) và các yêu cầu đặt chỗ trên cùng một hệ

thống.

- Bài toán 2: quản lý tài nguyên hiệu quả về năng lượng điện tiêu thụ của cả Data

center.

4. Bài toán 1: Cung cấp tài nguyên tính toán cho các yêu cầu Batch-job và

đặt chỗ

Trong việc cung cấp tài nguyên (tính toán), thường là nhu cầu sử dụng trong thời

gian ngắn (vài giờ). Chúng ta xét vài trường hợp sử dụng tài nguyên sau:

- “một nhà khoa học cần một số lượng lớn các máy tính để chạy một chương trình

giả lập (mô phỏng) trong vài giờ”,

- “một giảng viên ở trường Đại học cần một cluster của 10 nút để dạy thực hành

MPI”,

- “một công ty cần nơi để hosting website của công ty có thể mở rộng (scale

up/down) theo lưu lượng người dùng)”.

Vấn đề là cùng một tiêu chí tối ưu không thể áp dụng cho cả hai trường hợp : batch-job

(để chạy ứng dụng mô phỏng) và đặt chỗ (cho trường hợp lớp học MPI).

Các hướng tiếp cận:

o Dựa trên máy ảo (VM-based approaches) : Virtual Clusters (Nishimura et al,

Yamasaki et al, Nimbus toolkit,…).

o Dựa trên lô (Batch-jobs approaches) : PBS, SGE, Condor,…

o Mô hình thuê bao (Lease based approaches) : Borja Sotomayor (2010) [8] [9]

So với những mô hình khác thì mô hình cung cấp tài nguyên tính toán sử dụng trừu tượng

là máy ảo và “lease” có nhiều ưu điểm hơn các tiếp cận khác và đã được khẳng định ở

[10] [8] [9].

Mô hình thuê bao tài nguyên (Lease-based Model)

Mô hình thuê bao (Lease-based Model) trong môi trường ảo hóa dùng máy ảo được

đề xuất bởi Borja Sotomayor [9].

Trang 7

- Lease: tương tự khái niệm lease đã được dùng trong Computer Network. Ví dụ: trong

Networking, lease có thể là bandwidth trong mạng; hay lease có thể là tài nguyên

phần cứng thô trong datacenter,…

- Có hai nhân tố: nhà cung cấp (lessor – resource provider và lessee - resource

consumer).

- VM-based leases: nếu quan tâm đến các overheads đến các máy ảo (ví dụ: thời gian

truyền ảnh máy ảo đến nơi thực thi, thời gian khởi động máy ảo – có thể lên đến 10

phút/6 GB VM image/mạng 100Mbps). Do đó yêu cầu đặt ra là làm thế nào để mô

hình hóa chính xác & lập lịch chúng hiệu quả (efficiently).

- Do hai yêu cầu Best-effort (BE) và Advance Reservation (AR) đôi khi mâu thuẫn

nhau. Ví dụ: nếu chấp nhận nhiều AR vô điều kiện thì có thể sẽ làm các yêu cầu BE

chờ vô thời hạn; còn nếu trong BE không có chính sách nhường tài nguyên (preempt)

thì sẽ làm giảm số lượng AR được chấp nhận (chưa cần lập lịch).

Mô hình thuê bao tài nguyên của B. Sotomayor (2010) [9] được mô tả như sau:

- Lease là khái niệm trừu tượng.

- Máy ảo là hiện thực cho đối tượng được thuê bao (leased).

- Tập trung vào một miền quản trị.

- Hướng hiệu năng cao

- Hỗ trở cả hai loại best-effort và đặt chỗ (advanced reservation).

- Các best-effort job có thể nhường cho yêu cầu đặt chỗ.

5. Bài toán 2: cung cấp tài nguyên tính toán trên hệ thống cloud với tiêu

chí tiết kiệm năng lượng:

Với chủ sở hữu của hệ thống cloud (các data-centers) thì họ muốn giảm chi phí vận hành

hệ thống, trong đó tiền điện là chi phí không nhỏ. Các data-center thường tiêu thụ một

lượng điện rất lớn và tăng mạnh (theo một dự báo của Ủy ban năng lượng của Mỹ), điều

này đồng nghĩa với việc khí thải CO2 sẽ thải ra môi trường nhiều gây nhiều hậu quả

(global warming). Do đó, một xu hướng khác trong việc quản lý tài nguyên là năng lượng

hiệu quả (Energy-efficient resource management) : Green Cloud [11][12].

Trong việc cung cấp tài nguyên thì bài toán lập lịch tiết kiệm/nhận biết năng lượng được

xây dựng, ví dụ: một số giải thuật lập lịch nhận biết năng lượng đến từ [11][13]…

Trang 8

Hình 1 giải thuật đặt các máy ảo tiết kiệm năng lượng [11]

Hình 2 Giải thuật lập lịch máy ảo dựa trên công suất [13]

Trang 9

II. TÌNH HÌNH NGHIÊN CỨU LIÊN QUAN

1. So sánh điện toán đám mây và tính toán lưới

Phần này trình bày tóm lược so sánh của điện toán đám mây (Cloud computing) và tính

toán lưới (Grid computing) dựa trên tài liệu so sánh của Ian Foster, et.al., (2008) [2]. Tôi có

đưa vào một số ý kiến đánh giá của cá nhân trong hình vẽ và bảng các tiêu chí so sánh chức

năng, nhiệm vụ và mục tiêu của quản lý tài nguyên trong Grids và Clouds.

Hình 3 bên dưới so sánh Cloud và Grid về kích thước (scale), hướng ứng dụng

(application oriented) hay hướng dịch vụ (services oriented). Qua hình 3, chúng ta thấy hệ

thống lưới là những hệ thống phân bố (distributed systems) bắt đầu từ hướng ứng dụng về

sau chuyển sang hướng dịch vụ. Các chuẩn như Open Grid Service Archtiectures (OGSA)

cũng đề xuất các dịch vụ mức kiến trúc cho các chức năng của hệ thống lưới. Trục tung thể

hiện kích thước (scale) và trục hoành thể hiện tính hướng ứng dụng hay hướng dịch vụ.theo

hai trục: trục tung thể hiện kích thước (scale) và trục hoành thể hiện tính hướng ứng dụng

hay hướng dịch vụ.

Hình 3: So sánh hệ thống điện toán đám mây và hệ thống lưới về kích thước (scale) và tính hướng ứng dụng hay

hướng dịch vụ

Hình 4 so sánh kiến trúc Grid và kiến trúc Cloud:

Trang 10

Hình 4: So sánh kiến trúc của Grid và Cloud

Bảng 1: sau so sánh Grid và Cloud qua một số thuộc tính đặc trưng liên quan đến chức

năng và nhiệm vụ của quản lý tài nguyên dành cho hai hệ thống:

Bảng 1 Các tiêu chí so sánh Grids và Clouds

Tiêu chí (criteria) Grids Clouds

Quản lý tài nguyên

- Mô hình tính toán

(Compute model)

- Quản lý batch-job:

+ Portable Batch System

(PBS), Condor, Sun Grid

Engine (SGE), LSF,…

+ chủ yếu ở hệ thống xếp

hàng (queuing system).

- chia sẻ tài nguyên cho tất

cả người dùng lúc cao điểm

(cả triệu người dùng).

- Data Model Data Grid Tính bảo mật và riêng tư

của dữ liệu

Dữ liệu rất lớn (Tbytes) trên

hệ thống vốn có của người

dùng, khi truyền qua mạng

sẽ tốn rất nhiều thời gian.

Trang 11

- Data locality - Even harder than Cloud

- Shared data stores on

NFS/GPFS/PVFS/Luster

- Need scheduler to be data-

aware

Hardly

Google’s MapReduce on

Google File System

Need scheduler to be

data-aware

- Combining compute

and data management

- In progress of works on

schedulter data-aware Not yet

- Virtualization - Not need as much as Cloud

on Virtualization

- Needs Virtualization

- Monitoring - Mostly physical resource - Hard to fully monitor

resources and services on

cloud systems

- Provenance - Built-in workflows systems:

Chimera, Swift, Keepler,

Tavena,…

- More difficult than in

Grids

- Programming Models - Similar to parallel &

distributed computing: MPI,

MPICH-G2, GridRPC, Pop-

C++,…

- MapReduce

- Mash-up and scripting

- Security Models - Across many VOs

- Single Sign-On - Clouds mostly is

dedicated data centers

belong to one

orgranization.

- SSL based

-

Trang 12

2. Các phần mềm xây dựng hạ tầng điện toán đám mây (cloud computing)

Hiện nay các lĩnh vực liên quan đến Cloud computing đã trở thành những chủ đề

quan trọng và sự được quan tâm trong các hội nghị khoa học về song song và phân bố nổi

tiếng trên thế giới. Cloud computing cũng hình thành cộng đồng nghiên cứu đông trải

rộng từ Mỹ, Châu Âu, Châu Á, Úc (nhóm Nimbus Toolkit, nhóm CloudLab,…). Các

hướng nghiên cứu chính của Cloud gồm: (i) hướng nghiên cứu xây dựng hạ tầng Cloud

theo mô hình “Infrastructure as a Service” (IaaS) - giống hoặc tương tự Amazon Elastic

Computing Cloud (Amazon EC2) , các công cụ phổ biến như là EUCALYPTUS ,

Nimbus Toolkit , OpenNebulla ; (ii) hướng nghiên cứu xây dựng Cloud dưới dạng

“Platform as a Service” (PaaS) – ví dụ Google AppEngine là một dạng này, cho phép

người dùng với tài khoản của Google có khả năng tạo các ứng dụng trên nền tảng

MapReduce và BigTable ; (iii) hướng nghiên cứu xây dựng mô hình dịch vụ phần mềm

trên Cloud kiểu “Software as a Service” (SaaS) – mô hình này khác dạng truyền thống ở

điểm số lượng người dùng rất lớn (toàn cầu) và nó có khả năng đàn hồi theo số lượng

người dùng – bởi hạ tầng bên dưới của nó lại là một Cloud IaaS. Nhóm phát triển ứng

dụng hiện đa dạng và thu hút sự quan tâm của cả các cộng đồng khác như các ứng dụng

trong lĩnh vực công nghệ sinh học, ví dụ: dự án ScienceCloud.

Sự kết hợp giữa hạ tầng Cloud mức “Infrastructure as a Service” (IaaS) và SaaS cho

phép chúng ta phát triển khái niệm gọi là “Computing as a Service” (CaaS). Khái niệm

CaaS này là một hệ thống các dịch vụ (dạng Web service) cung cấp dịch vụ tính toán theo

nhu cầu sử dụng của người dùng. Đối với người sử dụng khi sử dụng hệ thống (có khả

năng CaaS) này thì các yêu cầu về bảo mật, fault-tolerant, load-balancing, software

provisioning, Service Level Agreement (SLA), ...v..v... được cung cấp (cho các người

dùng). Verizon là một doanh nghiệp thương mại cung cấp khả năng dịch vụ tính toán

(CaaS) với tính năng bảo mật, đảm bảo tính sẳn sàng 100%. Nhưng Verizon chưa đề cập

đến vấn đề cung cấp phần mềm trên Cloud.

Đánh giá về các bộ khung phần mềm xây dựng Cloud IaaS thì EUCALYPTUS là một

khung (framework) làm việc mã nguồn mở cho Cloud computing dưới dạng IaaS.

EUCALYPTUS cung cấp các giao diện tương thích với các thư viện lập trình API sẳn có

của Amazon EC2 và Amazon S3. Hiện tại EUCALYPTUS chưa cung cấp tính năng như

bảo mật trong khi một CaaS sẽ phục vụ cho hàng ngàn người dùng với dữ liệu riêng tư

cao, hoặc chức năng quản lý người dùng, các ảnh của máy ảo (virtual machine image),

giao diện cung cấp chức năng giám sát (monitoring) cho từng người dùng và cho người

quản trị hệ thống chưa hoàn thiện và còn khá đơn giản. EUCALYPTUS cũng không được

trang bị Cloud gateway để giao tiếp với hệ thống Cloud khác. EUCALUPTUS còn thiếu

sự hỗ trợ cho các phần mềm quản lý cluster thông dụng như Portable Batch System

(PBS), SunGrid Engine (mà chỉ hỗ trợ Rocks cluster). EUCALYPTUS hiện được phát

Trang 13

triển dưới dạng sản phẩm thương mại (nguồn vốn tài trợ là 5 triệu đô la Mỹ) và nó có

dành một phiên bản khác cho cộng đồng dạng mã nguồn mở.

Nimbus Toolkit cung cấp môi trường Workspace cho phép tạo và thực thi các máy

ảo trên cụm các máy tính thực. Nimbus sử dụng một số dịch vụ của Globus Toolkit như

GridFTP để di chuyển (transfer) các ảnh của các máy ảo đến máy tính thực để thực thi.

Nimbus có trang bị Cloud gateway để giao tiếp với các hệ thống Cloud khác.

OpenNebulla với ý tưởng là phát triển các tính năng cho một Cloud hay Hydrid

Cloud như một DataCenter. Kiến trúc của OpenNebulla cho phép chúng ta mở rộng bộ

lập lịch của nó dễ dàng. OpenNebulla có lợi thế là sự hậu thuẫn của dự án EU’s Reservoir

(www. reservoir-fp7.eu) của Ủy Ban Châu Âu và có sự liên kết thực hiện của nhiều nhóm

nghiên cứu ở các trường Đại học khác nhau của Châu Âu (Tây Ban Nha,…).

Trong các hạ tầng Cloud IaaS thương mại thì tuy không phải là nơi đầu tiên đưa ra ý

tưởng Cloud computing, nhưng Amazon Elastic Compute Cloud (Amazon EC2) và

Amazon Simple Storage Service (Amazon S3) là hai trong số các dịch vụ dạng Cloud

được cung cấp bởi Amazon AWS rất thành công hiện nay. Người dùng chỉ cần thẻ tín

dụng (Credit Card, hay Master Card) có khả năng thanh toán qua mạng là có thể đăng ký

tài khoản trên Amazon AWS để thuê các dịch vụ như: thuê chạy một hay nhiều máy ảo

trên Amazon EC2, thuê không gian lưu trữ trên Amazon S3…

Virtual Computing Lab (VCL) đã được quan tâm ở trường Đại học ở Mỹ, một mô

hình điển hình là Virtual Computing Lab của trường Đại học tiểu bang Bắc Carolina. Họ

đã cung cấp mã nguồn mở Apache VCL cho cộng đồng nghiên cứu. Hiện tại Apache

VCL đã được triển khai ở tám trường khác (thông tin trên web site dự án

http://vcl.ncsu.edu/academic-partners). Mục tiêu của Apache VCL là cung cấp môi

trường tính toán theo yêu cầu cho người dùng có giới hạn thời gian thông qua trình duyệt.

Môi trường tính toán này có thể đơn giản là việc chạy một máy ảo, chạy một ứng dụng

tuần tự hoặc song song (ví dụ: CAD, GIS, các gói phần mềm thống kê, doanh nghiệp…)

trên một cụm máy tính vật lý. Về mặt ý tưởng, người dùng có thể dùng trình duyệt trên

máy tính Desktop hay di động để gửi yêu cầu thực thi một ứng dụng (trên một máy ảo)

qua đường truyền Internet đến bộ lập lịch của Apache VCL, bộ lập lịch sẽ lựa chọn và

thực thi yêu cầu (nếu có), kết quả người dùng có thể tương tác với giao diện ứng dụng từ

xa. Hiện tại, Apache VCL dùng môi trường ảo hóa là VMware ESXi, VMware ESX

Standard Server, VMWare Free Server mà chưa hỗ trợ XEN , Microsoft Hyper-V,…. Bộ

lập lịch của Apache VCL không thể quyết định khi nào máy vật lý sẽ thực thi máy ảo và

thực thi như thế nào (do mỗi máy thực sẽ bị quản lý bởi phần ảo hóa như VMware ESXi).

Trang 14

III. KẾT LUẬN

Bài báo này tôi đã trình bày về khái niệm và phân loại về điện toán đám mây (cloud

computing) qua các định nghĩa của nhiều người, nhiều góc độ khác nhau. Bài báo cũng đã

khảo sát các vấn đề liên quan đến việc cung cấp tài nguyên trên môi trường điện toán đám

mây. Đồng thời bài báo cũng đề cập đến việc so sánh giữa các hệ thống Grids và Clouds trên

các tiêu chí của quản lý tài nguyên.

IV. Tài liệu tham khảo

[1] R. Buyya, C. Shin, S. Venugopal, J. Broberg, and I. Brandic, “Cloud computing and

emerging IT platforms: Vision, hype, and reality for delivering computing as the 5th

utility,” Future Generation Computer Systems, vol. 25, 2009, pp. 599-616.

[2] I. Foster, Y. Zhao, I. Raicu, and S. Lu, “Cloud Computing and Grid Computing 360-

Degree Compared,” 2008 Grid Computing Environments Workshop, Nov. 2008, pp. 1-10.

[3] B. Sotomayor, S. Montero, I.M. Llorente, and I. Foster, “An Open Source Solution for

Virtual Infrastructure Management in Private and Hybrid Clouds,” IEEE Internet

Computing Special Issue on CLoud Computing, vol. 13, 2009, pp. 14-22.

[4] M. Armbrust, A.D. Joseph, R.H. Katz, and D.A. Patterson, “Above the Clouds : A

Berkeley View of Cloud Computing,” Technical Report No. UCB/EECS-2009-28, 2009,

pp. 1-23.

[5] A.P.I. Reference and A.P.I. Version, “Amazon Elastic Compute Cloud,” 2010.

[6] “Amazon simple storage service - http://aws.amazon.com/s3/.”

[7] “Google appengine - http://code.google.com/appengine/.”

[8] B. Sotomayor, K. Keahey, and I. Foster, “Combining batch execution and leasing using

virtual machines,” Proceedings of the 17th international symposium on High performance

distributed computing - HPDC ’08, New York, New York, USA: ACM Press, 2008, p. 87.

[9] B. Sotomayor, “Provisioning Computational Resources Using Virtual Machines and

Leases,” PhD Thesis submited to The University of Chicago, 2010.

[10] B. Sotomayor, K. Keahey, I. Foster, and T. Freeman, “Enabling Cost-Effective Resource

Leases with Virtual Machines,” Hot Topics session in HPDC 2007, Monterey Bay, CA

(USA): 2007, pp. 16-18.

Trang 15

[11] A. Beloglazov and R. Buyya, “Energy Efficient Resource Management in Virtualized

Cloud Data Centers,” 2010 10th IEEE/ACM International Conference on Cluster, Cloud

and Grid Computing, May. 2010, pp. 826-831.

[12] Í. Goiri, F. Julià, R. Nou, and J.L. Berral, “Energy-Aware Scheduling in Virtualized

Datacenters,” 2010, pp. 1-23.

[13] A.J. Younge, G.V. Laszewski, L. Wang, S. Lopez-alarcon, and W. Carithers, “Efficient

Resource Management for Cloud Computing Environments,” To appear in the Work in

Progress in Green Computing with the IEEE International Green Computing Conference

(IGCC), I.A. Behrooz Shirazi, ed., Chicago, IL USA: IEEE, 2010.