Cloud-To-Peer pu`o essere utilizzato in tutte quelle organizzazioni in cui `e richiesto l’utilizzo di infrastrutture in grado di offrire funzionalit`a di supercomputing a basso costo.
Oggigiorno le universit`a sono dotate di reti interne (come la rete LAN che abbiamo adoperato nei test descritti nel capitolo 4) in cui molti PC la maggior parte del tempo restano in stato idle o vengono per lo pi`u utilizzati per eseguire semplici task come il processamento di file di testo che non sfruttano appieno le capacit`a computazionali che il PC `e in grado di offrire. Cloud-to-Peer permette di aggregare tali risorse sottoutilizzate e offrire uno strumento per la risoluzione di problemi computazionalmente onerosi, permettendo ai gruppi di ricerca delle universit`a con budget ristretti di poter proseguire con il proprio lavoro che altrimenti rimarrebbe bloccato dai limiti di spesa imposti.
Analogamente, per le medesime necessit`a di avere alto potere computazionale a basso costo, Cloud-to-Peer pu`o essere utilizzato per connettere tra loro laboratori di ricerca geograficamente distanti. Ad esempio un laboratorio europeo pu`o, durante le ore diurne, utilizzare le risorse inutilizzate di un laboratorio situato in Giappone.Il principio di utilit`a di tale soluzione si basa sul fatto che mentre in Europa `e giorno e dunque le risorse del laboratorio sono contese per espletare molteplici compiti, il Giappone si trova in piena notte e dunque le risorse del laboratorio risultano inutilizzate. Invertendo il ragionamento, anche i laboratori giapponesi possono sfruttare le risorse dei laboratori europei quando questi durante la notte riducono la propria attivit`a, creando cos`ı una stretta collaborazione che permette ad entrambe le parti di ottenere maggior utiliut`a dalle proprie risorse.
Un altro settore in cui Cloud-to-Peer pu`o trovare la propria utilit`a `e all’nterno di aziende che necessitano di analisi periodiche dei dati di produzione, delle vendite o delle informazioni riguardanti clienti e strategie di marketing. In tal caso l’acquisto di una infrastruttura di calcolo per eseguire il data-mining di tali dati pu`o rappresentare un costo troppo oneroso per l’azienda. La periodicit`a con cui vengono effettuate tali operazioni suggerisce l’utilizzo di una infrastruttura volatile come quella offerta da Cloud-to-Peer. In tal modo l’azienda eviter`a i costi di manutenzione per uno strumento che rimarrebbe inutilizzato per la maggior parte del tempo.
Infine, come accennato nella sezione 2.2, l’utilizzo di un modello economico all’inter-no del processo di allocazione delle risorse, pu`o incentivare gli utenti della rete internet a condividere le risorse dei propri PC ottenendone in cambio un profitto. Come nel primo caso analizzato, spesso il PC utilizzato dagli utenti possiede capacit`a computa-zionali superiori rispetto all’utilizzo che ne viene fatto. Poter ottenere un guadagno dalla condivisione del proprio PC permette di abbattere i costi per il suo acquisto dato che l’investimento iniziale pu`o nel tempo essere ripagato.
In ultima analisi forniamo un grafico riassuntivo che in base alle considerazioni fatte finora permette di stabilire quali sono le applicazioni che maggiormente potrebbero be-neficiare dall’utilizzo della piattaforma di calcolo offerta da Cloud-to-Peer. In figura 5.2 `e mostrata una funzione di convenienza basata sulla caratterizzazione delle applicazioni
5.2. SCENARI DI UTILIZZO 65
(CPU-Bound o IO-Bound) e dalla ciclicit`a con cui viene eseguito (esecuzione one-shot o periodica). −10 −5 0 5 10 Ciclicità Caratterizzazione Convenienza −10 −5 0 5 10 I/O bound CPU bound one shot periodico
Figura 5.2: Analisi qualitativa della convenienza dell’utilizzo di Cloud-to-Peer in base alla caratterizzazione e ciclicit`a delle applicazioni
Bibliografia
[1] R. Braun, H. Siegel, N. Beck, L. Boloni, M. Maheswaran, A. Reu-ther, J. Robertson, M. Theys, B. Yao, D. Hensgen and R. Freund. A Comparison of Eleven Static Heuristics for Mapping a Class of Independent Ta-sks onto Heterogeneous Distributed Computing Systems. Journal of Parallel and Distributed Computing (2001).
[2] W. Cirne, F. Brasileiro, N. Andrade, L. Costa, A. Andrade, R. Novaes, and M. Mowbray. Labs of the world, unite!!! Journal of Grid Computing (2006).
[3] Y. Liu. Survey on Grid Scheduling, 2004.
[4] A. Luther, R. Buyya, R. Ranjan, and S. Venugopa. Alchemi: A .NET-based enterprise grid computing system. International Conference on Internet Computing (2005).
[5] A. Mondal, Y. Lifu, and M. Kitsuregawa. “P2PR-Tree: An rtree-based Spa-tial Index for Peer-to-Peer Environments. Peer-to-Peer Computing and Databases (2004).
[6] A.Barak, A.Shiloh. The MOSIX Cluster Operating System for High-Performance Computing on Linux-Clusters, Multi-Clusters and Clouds, 2012.
[7] A.Barak,A.Shiloh,L.Amar. An Organizational Grid of Federated Mosix Clusters. CCGRID (2005).
[8] A.S.Tanenbaum, M.VanSteen. Distributed Systems : Principles and Paradigms, 2007.
[9] C. Schmidt and M. Parashar. “Flexible Information Discovery in Decentralized Distributed Systems. High Performance Distrib. Computing (2003). [10] D. Tsoumakos, and N. Roussopoulos. Adaptive Probabilistic Search for
Peer-to-Peer Networks. Int.Conf.P2P Computing (2003). 67
[11] D. Tsoumakos, N. Roussopoulos. Analysis and Comparison of P2P Search Methods. INFOSCALE (2006).
[12] D.I. Wolinsky, P. St. Juste, P. O. Boykin,R. J. O. Figueiredo. “Ad-dressing the P2P Bootstrap Problem for Small Overlay Networks. IEEE Tenth International Conference on Peer-to-Peer Computing (2010).
[13] D.P.Anderson. BOINC: A System for Public-Resource Computing and Storage. International Workshop on Grid Computing (2004).
[14] D.P.Anderson, J.Cobb, E.Korpela, M.Lepofsky, D.Werthimer. SE-TI@HOME:An Experiment in Public-Resource Computing. Communications of the ACM (2002).
[15] D.Sullivan. The Definitive Guide to Cloud Computing, 2010.
[16] E. Tanin, A. Harwood, and H. Samet. A Distributed Quadtree Index for Peer-to-Peer Settings. Int. Conf. Data Eng. (2005).
[17] F. Cappello, S. Djilali, G. Fedak, T. Herault, F. Magniette, and O. Lodygensky. Computing on large-scale distributed systems: XtremWeb archi-tecture, programming models, security, tests and convergence with grid. Future Generation Computer Systems (2005).
[18] F.Berman, G.Fox, T.Hey. Grid Computing: Making the Global Infrastructure a Reality, 2003.
[19] Ganesan, P., Yang, B., and Garcia-Molina,H. One torus to rule them all:multi-dimensional queries in p2p systems. WebDB (2004).
[20] G.H. L. Fletcher, H. A. Sheth, K. Borner. Unstructured Peer-to-Peer Net-works: Topological Properties and Search Performance. Lecture Notes in Computer Science - Agents and Peer-to- Peer Computing (2005).
[21] G.Tibor. A resource Allocation protocol for Providing Quality of Service in Grid Computing. AICT-ICIW (2006).
[22] I.Foster. The Grid 2: Blueprint for a New Computing Infrastructure, 2003. [23] I.Leila. Dynamic Resource Allocation Mechanism for Grid Computing. IEEE
TRIDENT-COM (2007).
[24] L. Young, S. McGough, S. Newhouse, and J. Darlington. Scheduling Architecture and Algorithms within the ICENI Grid Middleware. UK e-Science All Hands Meeting (2003).
[25] Lv. C, Cao. P, Cohen. E, Li. K and Shenker. S. Search and replication in unstructured peer-to-peer networks. Int. Conf. Supercomputing (2002).
BIBLIOGRAFIA 69
[26] M.Baker, A.Apon, R.Buyya, H.Jin. Cluster Computing and Applications. Encyclopedia of Computer Science and Techology (2002).
[27] M.J.Quinni. Parallel Programming in C with MPI and OpenMP, 2004.
[28] M.Meredith, T.Carringan, J.Brockman, T.Cloninger, J.Privoznik, J.Williams. Exploring Beowulf Clusters. Journal of Computing Sciences in Colleges (2003).
[29] M.S.Sareireh. Performance Evaluation of Search Algorithms over P2P Networks. European Journal of Scientific Research (2011).
[30] Nabhendra Bisnik and Alhussein A. Abouzeid. Optimizing random walk search algorithms in P2P networks. Computer Networks: The International Journal of Computer and Telecommunications Networking (2007).
[31] P.E.Ceruzzi. Computing:A Coincise History. MIT Press Essential Knowledge (2012).
[32] P.Mell, T.Grance. The NIST Definition of Cloud Computing, 2011.
[33] R. Baldoni, S.Bonomi,A. Cerocchi ,L.Querzoni. Virtual Tree: a Robu-st Overlay Network for Ensuring Interval Valid Queries in Dynamic DiRobu-stributed Systems. ICDCN (2012).
[34] R. Dorrigiv, A. Lopez-Ortiz, P. Pralat. Search Algorithms for Unstruc-tured Peer-to-Peer Networks. IEEE Conference on Local Network Protocols and Algorithms Computer Networks (2007).
[35] R.Buyya, D.Abramson,J.Giddy,H.Stockinger. Economic Models for Re-source Management and Scheduling in Grid Computing. Concurrency and Computation:Pratice and Experience (2002).
[36] R.Guerraoui, L.Rodrigues. Introduction to Reliable Distributed Program-ming, 2006.
[37] S. Schulz, W. Blochinger, M. Held, and C. Dangelmayr. Cohesion -a microkernel b-ased desktop grid pl-atform for irregul-ar t-ask-p-ar-allel -applic-ations. Future Generation Computer Systems (2008).
[38] T.White. Hadoop:The Definitive Guide, 2012. [39] W.Stallings. PGP web of trust, 1995.
[40] Y. M. Teo, V. Mar., and X. Wang. “A DHT-Based Grid Resource Indexing and Discovery Scheme. MIT Alliance Annual Symp. (2005).
[41] Yang, and H. Garcia-Molina. Improving search in peer-to-peer networks. IEEE International Conference on Distributed Computing (2002).
[42] Yatin Chawathe, Sylvia Ratnasamy, Lee Breslau, Nick Lanham and Scott Shenker. “Making gnutella-like P2P systems scalable. Applications, Technologies, Architectures, and Protocols for Computer Communications (2003). [43] Y.Ming,L.Yuanan,M.Xiaolei,L.Li,Z.Linbo. Research on grid resource al-location based on equivalent price. Computing,Communication,Control and Management (2009).