其中 Utility Computing 作為 Cloud Computing 中的計量 (以及計費)基礎，就跟水電瓦斯一樣，用了多少運算能力就付多少錢 (pay-as-you-go)。而 Grid Computing 則是作為 Cloud Computing 中的計算基礎，用以組織數量龐大的電腦來執行平行運算，以提昇運算效能 ＆ 容錯能力。
接下來再這次聽到的「如何用一句話定義雲端運算」：
雲端運算就是將已量化的許多運算資源，以網路為媒介，透過特定的介面提供給需要服務的使用者。
其中幾個重點包括：
- 已量化：方便計算使用量 –> 方便計費 –> Utility Computing 的觀念
- 許多：認定硬體的不穩定性(終究會壞)，因此要以 redundant 的方式提供運算資源 –> Grid Computing 的觀念
- 運算資源：包括 CPU、RAM、Storage、Bandwidth 等
將運算資源打散，找出最小的計量單位，之後將其全部集中起來，並重新分配的過程。
廠商提供服務就是為了賺錢，要賺錢就得知道要收多少錢。為了要計費，就必需要先計算使用量，因此必須先「量化」。要計算使用量，就必需要定義出「最小計量單位」，就和水電瓦斯會定義甚麼叫做「一度」，一定要先定義出消耗多少電能稱為一度，才能定義一度電要收多少錢(and for 廠商的成本估算)，最後紀錄每個月每戶的使用量(用電度數)，就能以此為依據跟用戶收錢了。
因此在衡量電腦運算資源時，要如何定義出一個最小的計量單位，就是一個重要的課題。「最小計量單位」跟上一篇文章中提到的強大擴充性有關：
我覺得使用者能夠 on-demand 的、基本上無上限的(只要付的出錢來)、在短時間內(數十秒到幾分鐘)擴充所需的運算資源，是雲端運算最重要的特性，因為這是以往的架構所做不到的。
在上述這些運算資源中(CPU/RAM/Storage/Bandwidth)，通常會將 Storage 隔離出來(以 NAS 實作)，因為 Disk Space 的劃分是很容易的，可以動態根據使用者的需求來切割。而剩下的 CPU/RAM/Bandwidth 則可以用一個完整的作業系統來包裝，包裝起來之後成為一個「最小計量單位」，當需要擴充系統的運算能力時，便可以一個作業系統為單位，看要增加幾個作業系統來提供服務，而後依照用戶使用的作業系統數量 ＆ 時間來收費。
基本概念是如此，但是如果作業系統必須被安裝在實體機器上，那麼要擴充運算能力時就必須新增實體機器，這往往要耗費大量的時間和人力，對於應付短時間內暴增的運算需求是緩不濟急的(e.g., 美國的 Black Friday)，例如紐約時報的 PDF 轉檔案例 (中文資料)，在 24 小時內開啟 100 個 EC2 VM 的 instance 將 4TB 的原始資料轉換為 1.5TB 的 PDF 檔，為求結果正確，整個運算還執行了兩次！如果要買進 100 台實體機器來執行這個運算任務，光是把這 100 台實體機器組裝、上架 & config 好，可能就要耗去一週了 (就算是湊出 100 台舊機器也是很浩大的工程)。更重要的是，這種一次性的運算執行完畢以後，最頭痛的就是後續這些機器要怎麼運用，而紐約時報只要關閉那 100 個 VM 的 instance，就不用再持續付出任何成本了。
為了解決實體機器造成的龐大成本問題(金錢 ＆ 時間)，虛擬化技術扮演非常重要的角色，除了把 CPU/RAM/Bandwidth 包裝成作業系統以外，進一步包裝成虛擬機器 (VM) 後，配合最近幾年幾個虛擬化技術的成熟，終於讓「在極短時間內大幅擴充運算能力」的願景得以實現。
虛擬化技術發展已經很久了，最早從 1960 年代開始，最近幾年的重要技術包括：
- VM templates and clone：可將 VM 製作成範本，而後以此範本為基礎大量產生新的 VM (現在從 Amazon EC2 開啟一個 VM 就是這樣的效果)(參考)
- VMware vMotion/Hyper-V Live Migration：在 VM 不停機的狀況下，將 VM 從一台實體 server 移轉到另一台實體 server 上執行，在此期間該 VM 所提供的服務不中斷 (MS Hyper-V demo)
至於每種 Instance 的規格是甚麼，就要看 EC2 Instance Types 的說明：
使用者(除了 IaaS 廠商之外)只要選擇合適的硬體規格，再跟據需求啟用適當數量的 VM Instance 之後，就可以開始執行運算任務了，整個過程在數分鐘內就可以完成，如此就不用自己建置、維運數量龐大的實體機器了！對於 IaaS 廠商來說，透過 VM 可以有效提高實體機器的利用率，提昇服務的可靠性，以服務更多的使用者，才可以賺更多的錢。
以上補充虛擬化技術在雲端運算中扮演的角色，如有錯誤歡迎指教 :D
相關文章：
沒有留言:
張貼留言