Cloud Reliability Engineering: Technologies and Tools

مهندسی قابلیت اطمینان Coud یکی از مشکلات پیشرو در خدمات ابری است. ارائه‌دهندگان خدمات ابری، محاسبات، ذخیره‌سازی و برنامه‌ها را از طریق توافق‌نامه‌های سطح سرویس (SLA) برای سطوح وعده‌داده‌شده عملکرد و زمان آپدیت تضمین می‌کنند. مهندسی قابلیت اطمینان ابر: فناوری‌ها و ابزارها مطالعات موردی را ارائه می‌کند که خدمات ابری، چالش‌های آن‌ها و مکانیسم‌های قابلیت اطمینان مورد استفاده توسط ارائه‌دهندگان خدمات ابری را بررسی می‌کند. این مطالعات موردی تکنیک‌هایی را در اختیار خوانندگان قرار می‌دهد تا از قابلیت اطمینان ابر و الزامات در دسترس بودن در تلاش‌های خود استفاده کنند. این کتاب چه مفهومی و چه کاربردی، تئوری قابلیت اطمینان و بهترین شیوه های استفاده شده توسط شرکت های خدمات ابری را برای ارائه دسترسی بالا توضیح می دهد. همچنین تعادل بار و امنیت ابر را بررسی می‌کند.

فصل‌های کتاب که توسط محققان و متخصصان نوشته شده است، مطالعه‌ای جامع درباره مسائل و راه‌حل‌های قابلیت اطمینان و در دسترس بودن ابر است. توزیع های مختلف کلاس قابلیت اطمینان و اثرات آنها بر قابلیت اطمینان ابر مورد بحث قرار می گیرد. یکی از جنبه‌های مهم نمودارهای بلوک قابلیت اطمینان برای دسته‌بندی قابلیت اطمینان ضعیف زیرساخت‌های ابری استفاده می‌شود، جایی که می‌توان برای کاهش نرخ خرابی سیستم، بهبودهایی انجام داد. این تکنیک را می توان در مراحل طراحی و عملکرد برای تعیین قابلیت اطمینان ضعیف یک سیستم و ایجاد بهبودهای هدف مورد استفاده قرار داد. تعادل بار برای قابلیت اطمینان به عنوان یک فرآیند مهاجرت بررسی می شود یا با استفاده از ماشین های مجازی انجام می شود. رویکرد مورد استفاده برای شناسایی گره مقصد با بارگذاری سبک که فرآیندها/ماشین‌های مجازی به آن مهاجرت می‌کنند را می‌توان با استفاده از یک الگوریتم ژنتیک بهینه کرد. برای تجزیه و تحلیل ریسک امنیتی و قابلیت اطمینان، یک تکنیک جدید برای به حداقل رساندن تعداد کلیدها و سیستم امنیتی ارائه شده است. این کتاب همچنین مروری بر روش‌های آزمایش برای ابر ارائه می‌کند، و یک مطالعه موردی به بررسی قابلیت اطمینان، نصب و امنیت تست می‌پردازد. یک جلد جامع، مهندسی قابلیت اطمینان ابر: فناوری‌ها و ابزارها ترکیبی از تحقیقات، تئوری و بهترین شیوه‌های مورد استفاده برای مهندسی در دسترس بودن و عملکرد ابر قابل اعتماد است.

Coud reliability engineering is a leading issue of cloud services. Cloud service providers guarantee computation, storage and applications through service-level agreements (SLAs) for promised levels of performance and uptime. Cloud Reliability Engineering: Technologies and Tools presents case studies examining cloud services, their challenges, and the reliability mechanisms used by cloud service providers. These case studies provide readers with techniques to harness cloud reliability and availability requirements in their own endeavors. Both conceptual and applied, the book explains reliability theory and the best practices used by cloud service companies to provide high availability. It also examines load balancing, and cloud security.

Written by researchers and practitioners, the book’s chapters are a comprehensive study of cloud reliability and availability issues and solutions. Various reliability class distributions and their effects on cloud reliability are discussed. An important aspect of reliability block diagrams is used to categorize poor reliability of cloud infrastructures, where enhancement can be made to lower the failure rate of the system. This technique can be used in design and functional stages to determine poor reliability of a system and provide target improvements. Load balancing for reliability is examined as a migrating process or performed by using virtual machines. The approach employed to identify the lightly loaded destination node to which the processes/virtual machines migrate can be optimized by employing a genetic algorithm. To analyze security risk and reliability, a novel technique for minimizing the number of keys and the security system is presented. The book also provides an overview of testing methods for the cloud, and a case study discusses testing reliability, installability, and security. A comprehensive volume, Cloud Reliability Engineering: Technologies and Tools combines research, theory, and best practices used to engineer reliable cloud availability and performance.