Biomedical Cloud Computing With Amazon Web Services
•Download as PPTX, PDF•
0 likes•421 views
Recommended
More Related Content
Featured
Featured (20)
Biomedical Cloud Computing With Amazon Web Services
- 1. Αθανασίου Γ. Κωνσταντίνος Πρόγραμμα Μεταπτυχιακών Σπουδών “Πληροφορική και Τηλεματική” Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Σύγχρονες Αρχιτεκτονικές Υπολογιστικών Συστημάτων 09/01/20131 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο Εργασία για το Ακαδημαϊκό Έτος 2013-14
- 2. Vincent A. Fusaro, Prasad Patil, Eric Gafni, Dennis P. Wall, Peter J. Tonellato Biomedical Cloud Computing With Amazon Web Services 09/01/20132 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο Εργασία για το Ακαδημαϊκό Έτος 2013-14
- 3. Περιεχόμενα Εισαγωγή Amazon Web Services Ασφάλεια στο Cloud Πρωτότυπο & Ανάπτυξη Κλιμακωτή ανάπτυξη υπολογιστικού περιβάλλοντος Περίπτωση Μελέτης: Δημιουργία ολόκληρου γονιδιώματος στο υπολογιστικό πλαίσιο Επίλογος 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο3 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
- 4. Εισαγωγή Βιοϊατρική τεχνολογία Εναλλακτική προσέγγιση 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο4 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
- 5. Εισαγωγή Σκοπός Cloud στη βιοϊατρική Ανάπτυξη έργων Κόστος έργων 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο5 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
- 6. Εισαγωγή Πάροχοι επί πληρωμή-commercial AWS, Rackspace, GoGrid Ανοιχτοί-Open Source Eucalyptus, Nimbus 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο6 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
- 7. Εισαγωγή Luis M. Vaquero (ερευνητής βιοϊατρικής) "cloud is a large pool of easily usable and accessible virtualized resources. These resources can be dynamically re-configured to adjust to variable load, allowing for optimum resource utilization" 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο7 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
- 8. Εισαγωγή Εργαλείο προσφοράς περιοδικής υπολογιστικής ισχύς Ελκυστική εναλλακτική Εικονική τεχνολογία Οικονομική επιλογή 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο8 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
- 9. Amazon Web Services Μνήμη, ισχύ, χώρο, δικτύωση IaaS Ευεληξία στο σχεδιασμό έργων ad hoc 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο9 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
- 10. Amazon Web Services Elastic Computer Cloud (EC2) 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο10 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
- 11. Amazon Web Services Elastic Block Storage (EBS) 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο11 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
- 12. Amazon Web Services Simple Storage Service (S3) 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο12 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
- 13. Amazon Web Services Buckets 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο13 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
- 14. Ασφάλεια στο Cloud Με χρήση ζεύγους δημοσίου/ιδιωτικού κλειδιού Με χρήση ασφαλούς σύνδεσης 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο14 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
- 15. Ασφάλεια στο Cloud Δημιουργία λογαριασμών με περιορισμένες δυνατότητες 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο15 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
- 16. Ασφάλεια στο Cloud Έλεγχος πρόσβασης με χρήση τοιχωμάτων προστασίας – firewalls Επιπλεόν ασφάλεια 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο16 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
- 17. Πρωτότυπο & Ανάπτυξη Υλικό Δεδομένα Χρόνο απόκρισης 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο17 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
- 18. Κλιμακωτή ανάπτυξη υπολογιστικού περιβάλλοντος Συνδυασμός προγραμμάτων - cloud Σύμπλεγμα (cluster) StarCluster Boto Condor Hadoop AWS Elastic Map Reduce (EMR) 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο18 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
- 19. Περίπτωση Μελέτης: Δημιουργία ολόκληρου γονιδιώματος στο υπολογιστικό πλαίσιο Μέγεθος ~4 δισ. Ζεύγη γονιδίων MAQ Μέγεθος δεδομένων 370 GB Χαρτογράφηση σε 303 φακέλους Χρόνος υπολογισμού εκτός cloud για φάκελο 4-12 ώρες Έως και 24 ώρες 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο19 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
- 20. Περίπτωση Μελέτης: Δημιουργία ολόκληρου γονιδιώματος στο υπολογιστικό πλαίσιο - $ 3.85 Instance MAQ (10 h, 800 MB 1 εκατμ. ζεύγη) 7 GB Κόστος $ 0.68 /h 400 GB EBS Μικρή ποσότητα δεδομένων Μέτρια Ολόκληρο γονιδίωμα 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο20 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
- 21. Περίπτωση Μελέτης: Δημιουργία ολόκληρου γονιδιώματος στο υπολογιστικό πλαίσιο - $ 49.60 Cluster των 2 instances Sun Grid Engine, OpenMPI Ρυθμίσεις ασφαλείας Παροχή ID Εγκατάσταση MAQ Αντίγραφο Ασφαλείας Ζεύγη κλειδιών Εγκατάσταση StarCluster 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο21 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
- 22. Περίπτωση Μελέτης: Δημιουργία ολόκληρου γονιδιώματος στο υπολογιστικό πλαίσιο - $ 320.10 38 instances 38*8 = 304 CPU cluster Επικοινωνία με το EBS – 370 GB. Sun Grid Engine – 10 h 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο22 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
- 23. Περίπτωση Μελέτης: Δημιουργία ολόκληρου γονιδιώματος στο υπολογιστικό πλαίσιο 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο23 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
- 24. Επίλογος Cloud στη βιοϊατρική Γρήγορες και οικονομικές λύσεις 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο24 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
- 25. Επίλογος 09/01/2013 Τμήμα Πληροφορικής & Τηλεματικής, Χαροκόπειο Πανεπιστήμιο25 Βιοϊατρική στο Cloud με χρήση Amazon Web υπηρεσιών
Editor's Notes
- Η έρευνα στην βιοϊατρική ακολουθεί την εξέλιξη της τεχνολογίας. Αποτελεί μια ενοποιημένη διαδικασία καθώς όσο πιο γρήγορη είναι η νέα τεχνολογία (μνήμη, επεξεργαστές, δίσκος), τόσο πιο γρήγορα θα αποδώσει τα δεδομένα στους ερευνητές της βιοϊατρικής. Γιαυτό το λόγο, πολλές εταιρίες βιοϊατρικής/φαρμακευτικής σκέφτονται να χρησιμοποιήσουν το cloud, ως μια εναλλακτική προσέγγιση επεξεργασίας και αποθήκευσης δεδομένων.
- Σκοπός του άρθρου αποτελεί παρουσίαση του cloud στη βιοϊατρική παρουσίαση ανάπτυξης έργων στο cloud παρουσίαση κόστους ανάπτυξης των παραπάνω έργων
- Υπάρχουν πολλαπλοί πάροχοι της υπηρεσίας cloud, επί πληρωμή ή και δωρεάν, όπως Amazon Web Services (AWS), Rackspace, GoGrid, Nimbus, Eucalyptus. Εμείς θα επικεντρωθούμε στη πλατφόρμα AWS .
- Vaquero "cloud is a large pool of easily usable and accessible virtualized resources. These resources can be dynamically re-configured to adjust to variable load, allowing for optimum resource utilization" cloud είναι μια μεγάλη πισίνα εύκολης χρηστικότητας και προσβάσιμων εικονικών πόροι. Οι πόροι αυτοί μπορούν να ρυθμιστούν δυναμικά εκ, επιτρέποντας τη βέλτιστη αξιοποίηση των πόρων
- Το cloud αποτελεί το ιδανικό εργαλείο για έργα που απαιτούν περιοδικά υπολογιστική ισχύ. Επίσης, αποτελεί μία ελκυστική εναλλακτική σε περιπτώσεις όπου τα τοπικά μηχανήματα φτάνουν στο όριό τους (ταχύτητα, χώρος, μνήμη). Αποτελεί μια εικονική τεχνολογία, στην οποία το υλικό αναπτύσεται εικονικά σε πολλαπλά συστήματα και σε πολλές περιπτώσεις ("instances"). Αποτελεί, επιπλέον μια οικονομική επιλογή, καθώς αγοράζεις υπολογιστική μηχανή όποτε χρειάζεσαι και μόνο, αποκλείοντας με αυτό το τρόπο τη συνεχή κατανάλωση πόρων και χρημάτων.
- AWS παρέχει τον απαραίτητο εξοπλισμό (μνήμη, ισχύ, χώρο, δικτύωση) και χαρακτηρίζεται ως Infrastructure as a Service (IaaS). Το IaaS είναι γνωστό στους ερευνητές βιολογίας διότι παρέχει ευεληξία στο σχεδιασμό έργων (ad hoc, μια πράξη που γίνεται για ειδικό σκοπό και συνήθως κατ' εξαίρεση των συνηθισμένων κανόνων).
- Τρία πακέτα υπηρεσιών από το AWS Elastic Computer Cloud (EC2) - περιέχει "instances", όπου ο χρήστης μπορεί να επιλέξει με κλίμακα ως προς το κόστος και την υπολογιστική ισχύ. Ενεργοποιείται σε λίγα λεπτά και ο χρήστης έχει δικαιώματα admin.
- Elastic Block Storage (EBS) - μηχανισμός αποθήκευσης που μπορεί να προσαρτηθεί σε ένα τρέχων "instance". Μπορούμε να το προσομοιάσουμε ως ένα USB με χωριτικότητα από 1GB έως 1 TB. Λαμβάνονται τακτικά αντίγραφα ασφαλείας (back-up) και παρέχετε αντοχή σε ποσοστό 99.7%. Οι χρήστες μπορούν να λάβουν επιπλέον αντίγραφο ασφαλείας του EBS στον S3, παίρνοντας ένα στιγμιότυπο (snapshot).
- Simple Storage Service (S3) - αποτελεί αξιόπιστο σύστημα αποθήκευσης δεδομένων .
- Το συστημα φακέλων χωρίζεται σε πακέτα "buckets", διανέμονται σε πολλαπλούς χώρους δεδομένων ("data center") καθώς επίσης και δημιουργούνται αντίγραφα ασφαλείας που διανέμονται σε διαφορετικούς χώρους δεδομένων. Παρέχει 99.999999999% αντοχή και 99.99% διαθέσιμα τα αρχεία όποτε ζητηθούν (από εξουσιοδοτημένους χρήστες). Για τη πρόσβαση στη πλατφόρμα AWS, ο χρήστης έχει δύο επιλογές. Διαμέσου της διεπαφής (Web-based console) ή διαμέσου εντολών (AWS-specific application programming interface-API). Το κόστος του AWS μετριέται είτε ανά ώρα είτε με τη ποσότητα μεταφοράς ή αποθήκευσης δεδομένων.
- Θα αναφερθούμε στις καλύτερες πρακτικές ελέγχου κόστους και ασφάλειας δεδομένων Με χρήση ζεύγους δημοσίου/ιδιωτικού κλειδιού. Το δημόσιο κλειδί είναι ανοιχτό προς όλους, ενώ τα κρυπτογραφημένα δεδομένα μπορούν να αποκρυπτογραφηθούν μόνο με χρήση του ιδιωτικού κλειδιού. Είναι λογικό, το ιδιωτικό κλειδί να μη φανερώνεται σε τρίτους καθώς αποτελεί τη ψηφιακή υπογραφή (ταυτότητα) του χρήστη. Με τον παραπάνω τρόπο παρέχεται αυθεντικοποίηση. Με χρήση ασφαλούς σύνδεσης. Χρησιμοποιώντας ασφαλή πρωτόκολλο όπως είναι Secure Shell(ssh) ή Secure Copy (scp), η μεταφορά δεδομένων γίνεται με ασφαλή τρόπο. Κατά την ενεργοποίηση ενός "instance", παρέχεται στο χρήστη ένα ζεύγος κλειδιών. Το δημόσιο αυτόματα αποθηκεύεται στο "instance", και το ιδιωτικό θα χρησιμοποιηθεί στον τοπικό υπολογιστή ώστε να συνδεθεί με το "instance". Δημιουργία λογαριασμών με περιορισμένες δυνατότητες. Το AWS παρέχει τη δυνατότητα διαχείρισης λογαριασμών (Identity and Access Management-IAM) πολλαπλών χρηστών. Κάθε χρήστης έχει τα δικά του χαρακτηριστικά και διαπιστευτήρια. Παράδειγμα, ένας χρήστης με συγκεκριμένη IP μπορεί να έχει πρόσβαση στο S3 μόνο από 9π.μ. έως 5 π.μ. .
- Θα αναφερθούμε στις καλύτερες πρακτικές ελέγχου κόστους και ασφάλειας δεδομένων Δημιουργία λογαριασμών με περιορισμένες δυνατότητες. Το AWS παρέχει τη δυνατότητα διαχείρισης λογαριασμών (Identity and Access Management-IAM) πολλαπλών χρηστών. Κάθε χρήστης έχει τα δικά του χαρακτηριστικά και διαπιστευτήρια. Παράδειγμα, ένας χρήστης με συγκεκριμένη IP μπορεί να έχει πρόσβαση στο S3 μόνο από 9π.μ. έως 5 π.μ. .
- Θα αναφερθούμε στις καλύτερες πρακτικές ελέγχου κόστους και ασφάλειας δεδομένων Έλεγχος πρόσβασης με χρήση τοιχωμάτων προστασίας - firewalls. Σε αυτή τη περίπτωση καθορίζονται κανόνες κίνησης δεδομένων. Από κατασκευής, δεν επιτρέπεται η εισροή δεδομένων, ενώ επιτρέπεται η έξοδος δεδομένων ή η επικοινωνία μεταξύ των "instances" Οι κανόνες αυτοί μπορούν να διαχειριστούν από εξουσιοδοτημένους χρήστες. Επιπλεόν ασφάλεια. Τα κλειδιά θα πρέπει να αλλάζουν κάθε 30-90 μέρες. Επίσης, επιπλέον λογισμικό μπορεί να προσπατεύει το λογισμικό από επιθέσεις. Υπάρχει επίσης το ιδιωτικό cloud , κρυπτογραφημένα συστήματα φακέλων τα οποία χρησιμοποιούνται μόνο από προσωπικό με παρόμοια δικαιώματα.
- Ένα απλό πρόγραμμα και όχι απαραίτητα απαιτητικό σε μνήμη, επεξεργαστική ισχύ και χώρο, λειτουργεί πιο αποδοτικά όταν χρησιμοποιείται σε συνδυασμό με ένα πιο γρήγορο επεξεργαστή, μεγαλύτερη μνήμη. Σε μερικές περιπτώσεις το κόστος είναι τόσο λίγο που οι χρήστες αφήνουν το "instance" να λειτουργεί συνέχεια. Θα πρέπει να κατανοήσουμε, στη περίπτωση που θέλουμε να δημιουργήσουμε "instance" τις τεχνικές προδιαγραφές του έργου που θέλουμε να αναπτύξουμε. Στο άρθο, οι συγγραφείς, προτείνουν τρία κριτήρια εκτίμησης. Υλικό. Αρχική εκτίμηση μνήμης, χώρου στο δίσκο, CPU ισχύ. (user documentation ή "top command" σε UNIX συστήματα). Δεδομένα. Η χρέωση στο AWS είναι ανά GB για μεταφορά εκτός cloud και ανά GB για αποθήκευση στο cloud. Αποτέλεσμα της χρέωσης είναι η εκτίμηση ανεπιθύμητων δεδομένων, καθώς η χρέωση γίνεται μόλις το "instance" ξεκινήσει τη λειτουργία του. Χρόνος απόκρισης. Σε συνδυασμό με τα δεδομένα, το κόστος του χρόνου απόκρισης σχετίζεται με τα δεδομένα. Όσο πιο πολλά έχουμε, τόσο το μεγάλο χρόνο απόκρισης θα έχουμε, με αποτέλεσμα μεγαλύτερο κόστος.
- Ένας τεράστιος όγκος επεξεργασίας δεδομένων σε συγκεκριμένο περιβάλλον αποτελεί μία από τις πιο εύκολα κατανοητές εργασίες του cloud. Παρόλαυτά, δε αποτελεί ένα μαγικό εργαλείο. Οι ενδιαφερόμενοι θα πρέπει να κατανοούν ότι τα προγράμματα που "τρέχουν" στο cloud θα πρέπει επίσης να είναι συμβατα. Παράδειγμα αποτελεί ένα πρόγραμμα που τρέχει σε παράλληλους επεξεργαστές. Αν δεν περιέχει τον αντίστοιχο κώδικα παραλληλισμού τότε δεν θα μπορέσει να ανταποκριθεί. Για τον παραπάνω λόγο δημιουργήθηκαν το σύμπλεγμα-συστάδα - "cluster". Παλαιότερα η δημιουργία των "cluster" γινόταν από εξειδικευμένο προσωπικό, ενώ σήμερα, υπάρχει λογισμικό που βοηθά τον χρήστη στη δημιουργία "cluster". Παράδειγμα open source framework είναι StarCluster, Boto, Condor, Hadoop. Τα παραπάνω δημιουργούν, τερματίζουν, αυτοματοποιούν εργασίες και προτιμούνται από ειδικούς της βιοϊατρικής οι οποίοι έχουν μικρή γνώση και εμπειρία στη διαχείριση συστημάτων. Στο AWS υπάρχει το Elastic Map Reduce (EMR). Σημείωση. Οι χρήστες για να μπορέσουν να εξοικωνωμήσουν χρήματα θα πρέπει να απενεργοποιήσουν τους CPU που δεν χρησιμοποιούνται.
- Η μελέτη περίπτωσης αναφέρεται στην εκτίμηση των διαδικασιών μελέτης των ανθρώπινων γονιδίων. Το μέγεθος ανάλυσης είναι ~4 δισ. ζεύγη γονιδίων. Για τη περίπτωση, η χαρτογράφηση και αναγνώριση των γονιδίων έγινε με το εργαλείο MAQ. Το MAQ είναι λογισμικό που δεν έχει σχεδιαστεί να χρησιμοποιείται σε παράλληλες διεργασίες και αποτελεί το πιο διαδεδομένο λογισμικό βιοϊατρικής. Το μέγεθος των γονιδίων είναι της τάξης 370 GB. Ο χρόνος υπολογισμού για ένα φάκελο από τους 303, εκτιμάται από 4 έω 12 ώρες που μπορεί να φτάσει έως και 1 μέρα. (εκτός cloud)
- Αρχικά, ελέγχεται η ακολουθία του γονιδιώματος. Πραγματοποιείται ενεργοποίηση ενός "instance" , στο οποίο εγκαθήστατε το MAQ λογισμικό. Για να διαβαστεί και να χαρτογραφηθεί η ακολουθία , απαιτείται, σύμφωνα με το εγχειρίδιο 10 ώρες, 800 ΜΒ μνήμης για 1 εκατομ. ζεύγη. Δημιουργείται από το χρήστη ένα "instance" 7GB, 8 CPU, με κόστος $ 0.68 / h διαβάζονται περιεχόμενα 10.000 φακέλων. Με τη AWS κονσόλας, ενεργοποιείται το "instance". Επίσης, 400 GB στο EBS, ώστε να το ενσωματώσουμε στο "instance". Πραγματοποιείται σύνδεση και εγκαθήστατε το MAQ, διαμέσου του οποίου θα διαβαστεί το γονιδίωμα. Μέσα στο EBS, δημιουργούνται 3 περιοχές, όπου θα φιλοξενήσουν το γονιδίωμα. Μικρή ποσότητα δεδομένων (2 φάκελοι, 10.000 στοιχεία) Μέτρια (32 φάκελοι, 1 Μ στοιχεία) Ολόκληρο το γονιδίωμα. Η όλη διαδικασία εκτέλεσης απαιτεί 2 ώρες για τη πρώτη κατηγορία γονιδιώματος, με τη χρήση μόνο ενός CPU, καθώς το MAQ δε χρησιμοποιείται για παραλληλισμό. Για να μπορέσουμε να επιτύχουμε τη χρήση και των 8 CPU θα δημιουργήσουμε ένα ''cluster".
- Παρουσιάζεται, στη συνέχεια η χρήση του StarCluster με τη δημιουργία και διαχείριση μικρών cluster των 2 "instances".Χρησιμοποιεί την έκδοση Sun Grid Engine για τη διαχείριση των διεργασιών σε συνδυασμό με το OpenMPI για την επικοινωνία μεταξύ των "instances". Αρχικά, θα πρέπει να γίνουν οι απαραίτητες ρυθμίσεις ασφαλείας και έπειτα η εγκατάσταση του λογισμικού σε τοπικό μηχάνημα. Γίνονται οι αναγκαίες ρυθμίσεις του StarCluster ή του Amazon Machine Image. Το Amazon Machine παρέχει ένα αναγνωριστικό κλειδί -ID, ώστε να μπορεί να αναγνωριστεί και να προσαρμοστεί πάνω στο λογισμικό το EBS, το οποίο περιέχει τα δεδομένα ή να τρέξει καινούργια "instances". Έπειτα γίνεται εγκατάσταση του MAQ. Προσαρμόζουμε το "instance" στο AMI, ώστε να μπορεί διαμέσου του StarCluster να ενεργοποιούνται πολλαπλά "instances". Παίρνουμε αντίγραφο ασφαλείας και αποθηκεύεται στο S3. Το αντίγραφο ασφαλείας θα χρησιμοποιηθεί στο StatCluster ώστε να επιτρέψει τη πρόσβαση του κάθε "instance", στα δεδομένα. Δημιουργούμε ομάδα ασφαλείας και ζευγάρια κλειδιών για τη προστασία του λογαριασμού. Κάθε χρήστης που θα δημιουργηθεί έχει και διαφορετικά χαρακτηριστικά ή δύναται η δημιουργία χρήστη του cluster, ο οποίος δεν έχει πρόσβαση στον S3. Τέλος, γίνεται εγκατάσταση του StarCluster και των αντίστοιχων ρυθμίσεων που περιέχουν AMI ID, αριθμό "instances", χαρακτηριστικά χρηστών, τύπος "instances", ζευγάρια κλειδιών, EBS ID αντίγραφο ασφαλείας που περιέχει τα δεδομένα και την ομάδα ασφαλείας. Στη πρώτη περίπτωση, ελέγχουμε την επικοινωνία και τη λειτουργικότητα. Με τη χρήση του StarCluster δημιουργούμε 2 "instances". Αυτό επιστρέφει τις IP και μπορούμε να τις χρησιμοποιήσουμε διαμέσου του ssh στο "instances".
- Επεκτήνουμε τη περίπτωση μελέτης σε σημείο ώστε να μπορέσουμε να μελετήσουμε ολόκληρο το γονιδίωμα. Για τη περίπτωση αυτή, απαιτούνται ενδεικτικά 38 "instances" (38*8=304 CPU cluster). Κάνουμε τις αντίστοιχες ρυθμίσεις , ώστε να υπάρχει επικοινωνία με το EBS, το οποίο περιέχει 370 GB δεδομένα. Ρυθμίζουμε το Sun Grid Engine ώστε να επιτρέπει τη λειτουργία του cluster για 10 ώρες. Μόλις περάσουν οι 10 ώρες το cluster να απενεργοποιείται αυτόματα. Αποθηκεύουμε τα δεδομένα σε τοπικό μηχάνημα και τερματίζουμε το cluster (142 GB).
- Στο άρθρο που μελετήθηκε, έγινε προσπάθεια παρουσίασης τη χρήσης του cloud στη βιοϊατρική. Το παράδειγμα που δόθηκε δεν είχε σκοπό να αντικαταστήσει ή να συγκρίνει του αλγορίθμους που υπάρχουν ήδη, αλλά πως σε συνδυασμό με το cloud, οι ερευνητές να οδηγηθούν σε πιο γρήγορες και οικονομικές λύσεις.
- Σας ευχαριστώ για τη προσοχή που δείξατε, είμαι στη διάθεσή σας για ερωτήσεις!