Verarbeitung großer Datenmengen in der Cloud

Transkript

1 Verarbeitung großer Datenmengen in der Cloud Andy Stumpp Abstract: Hohe Rechenkapazitäten sind oft erforderlich, aber an hohe Kosten gebunden. In der Praxis werden diese Kapazitäten jedoch nicht ständig ausgelastet. Beim Cloud Computing geht es darum, dem Nutzer Dienste und Kapazitäten so zur Verfügung zu stellen, dass er sie bei Bedarf abrufen kann. Dem Hype liegt das Versprechen zugrunde, dass durch die effektivere Ausnutzung von IT-Ressourcen Kosten gespart werden können. In dieser Arbeit soll der Begriff des Cloud Computing konkretisiert werden und der praxisnahe Einsatz dieser Technologie untersucht werden. 1 Einführung Man stelle sich folgende Situation vor: Die Washington Post erfährt, dass das US-amerikanische Nationalarchiv die Herausgabe des offiziellen Terminplans von Hillary Clintons Zeit im Weißen Haus angekündigt hat. Die Daten sollen der Öffentlichkeit in wenigen Tagen zur Verfügung gestellt werden: Seiten im PDF-Format. Die schlecht aufbereiteten Daten würden hunderte Arbeitsstunden benötigen, um vom Bildformat in einen vom Computer lesbaren Text umgewandelt werden zu können. Unter einem kritischen Zeitrahmen konnte dieses Projekt mittels Cloud-Computing und der Nutzung von ca. 200 Serverinstanzen innerhalb von 9 Stunden abgeschlossen werden. Die Kosten für die genutzten 1407 Stunden virtuelle Rechenzeit betrugen für die Washington Post knapp 150 USD. Das vorliegende Beispiel soll einen ersten Eindruck des Cloud Computing in einer Umgebung vermitteln, welche schnellen Änderungen unterliegt und wie darauf mit einer geeigneten Technologie reagiert werden kann. Der Begriff Cloud Computing ist derzeit ein wohlbekanntes Buzzword (dt. Schlagwort ), für das es noch keine allgemeingültige Definition gibt. Unternehmen, die Cloud Computing anbieten, orientieren sich bei der Festlegung des Begriffs an ihren individuellen Dienstleistungen und Geschäftsmodellen. Dennoch lassen sich Gemeinsamkeiten feststellen, um Cloud Computing gegenüber anderen Konzepten wie dem Grid Computing abgrenzen zu können. Bereits 1960 beschrieb John McCarthy [WCEN] die zugrundeliegenden Konzepte mit computation may someday be organized as a public utility, wie sie heutzutage immer mehr in Erscheinung treten. Die rasante Entwicklung des Internets im Bezug auf Technologien und Geschwindigkeit der Datenübertragung ermöglichen heutzutage die Auslagerung von Berechnungsprozessen bzw. Rechnerkapazitäten. Erste Meilensteine beim Cloud Computing-Ansatz lassen sich auf das Jahr 2001 zurückführen, als Salesforce.com begann, eine CRM-Lösung über ein Technologiemodell anzubieten, welches Software im Rahmen eines Abonnements über die Cloud zur Verfügung stellte, anstatt sie zu installieren. Amazon gab am 16. Juli 2002 den Start der Amazon Web Services bekannt und bot, aufbauend auf den Standards SOAP und XML, erste Möglichkeiten, mithilfe der Web Services den Produktkatalog zu durchsuchen auf eigenen Seiten einzubinden. Schließlich wurde 2004 von Google das MapReduce-Programmiermodell ins Leben gerufen, mit dem riesige Datenmengen parallel auf Standardhardware verarbeitet werden können. Zwei Jahre später erschien Amazon s Elastic Compute Cloud (EC2) als erster öffentlich zugänglicher Infrastruktur-Service, von dem flexibel Rechenkapazitäten bezogen werden konnten. Der Begriff Cloud Computing wurde allerdings erst ab 2007 in der breiten Öffentlichkeit verwendet und erhielt am 3. März 2007 Einzug in die englische Version von Wikipedia 1. Schließlich folgten weitere Cloud-Anbieter wie IBM mit Blue Cloud im Jahre 2007, Microsoft mit Windows Azure und Google mit der APP Engine im Jahre In den folgenden Abschnitten soll der Trend des Cloud Computing mit engem Bezug zur Praxis und den Prinzipien des Software Engineerings weiter untersucht werden. 1

2 2 Grundlagen 2.1 Definition in Abgrenzung zum Grid- Computing Unternehmen orientieren sich bei der Definition von Cloud Computing an die von ihnen angebotenen Dienstleistungen und Geschäftsmodelle. Grundsätzlich lässt sich aber feststellen: Cloud Computing steht für einen Pool aus abstrahierter, hochskalierbarer und verwalteter IT-Infrastruktur, die Kundenanwendungen vorhält und falls erforderlich nach Gebrauch abgerechnet werden kann [FOSR]. Weitere Merkmale bestehen laut Forrester Research in den Aspekten der vollen Virtualisierung und dem Einsatz von dynamischer Infrastruktursoftware. Maßgeblich für Cloud Computing ist außerdem die Abrechnung nach Verbrauch und dass keine langfristigen Verträge zum Einsatz kommen. Abbildung 1: Abgrenzung des Cloud Computing gegenüber Grid Computing; In Anlehnung an: [FZRL] Beim Cloud Computing bieten die Betreiber die in ihnen konzentrierten Ressourcen über das Internet an. Anwendungen und Daten befinden sich also nicht mehr auf dem lokalen Rechner, sondern metaphorisch gesprochen in einer Wolke (Cloud). Die Cloud basiert laut der Definition charakteristisch auf einer hochskalierbaren, zumeist weltweit verteilten, Infrastruktur. Damit liegt ein Vergleich zum Grid Computing nahe, das seit Ende der 90er-Jahre eines der dominierenden Schlagworte in der IT-Welt war. Der Begriff des Grid wird abgeleitet aus dem englischen Wort Electrical Power Grid [CU10] (dt. Stromnetz ), dessen Idee, ähnlich wie beim Cloud Computing, darin bestand, die Ressourcen den Benutzern so zur Verfügung zu stellen, als wenn sie den Strom aus der Steckdose bekommen würden. Nach einer populären Definition von Ian Foster [FOS02] besteht das entscheidende Ziel des Grid Computing darin, Ressourcen gemeinschaftlich global zu nutzen sowie diese zu koordinieren und darüber hinaus gemeinsam Probleme institutionsübergreifend in dynamischen, virtuellen Organisationen zu lösen. Während es sich primär an den Bedürfnissen des verteilten und Hochleistungsrechnens orientiert, geht die Zielsetzung des Cloud Computing in die Richtung, skalierbare IT-Dienste für eine potentiell große Zahl externer Nutzer mit heterogenen Anwendungen bereitzustellen. Das Grid verfolgt dagegen einen föderativen Ansatz für spezielle Anwendungen und unterschiedlichen Zugangsregelungen. In der Praxis resultiert daher beim Cloud Computing eine bessere Benutzbarkeit bei geringeren Kosten und leichterem Zugang. 2.2 Arten von Clouds Man unterscheidet allgemein drei Cloud-Kategorien, die sowohl technisch als auch in ihrer Zielsetzung differieren: Infrastructure as a Service (IaaS) Platform as a Service (PaaS) Software as a Service (SaaS) Infrastructure as a Service: Im Rahmen von IaaS-Angeboten werden dem Nutzer Compute, Storage und Netzwerkinfrastruktur (Firewalls, Load-Balancer) zur Verfügung gestellt. Typischerweise werden dem Kunden virtuelle Maschinen angeboten, die dynamisch über webbasierte Administrationswerkzeuge verteilt werden können.

3 Platform as a Service: Mit PaaS werden Cloud-Systeme bezeichnet, die ein niedrigeres Abstraktionslevel bieten als IaaS: Anstatt virtualisierte Infrastruktur zur Verfügung zu stellen, wird die Plattform selbst zur Verfügung gestellt, auf dem die Systeme laufen [VAC09]. Diese Umgebung versteckt die zugrundeliegende Infrastruktur inklusive der virtuellen und physischen Maschinen für den Entwickler hinter Services. Diese Plattform kann somit genutzt werden, um einfacher eigene SaaS-Lösungen zu entwickeln und zu betreiben. Software as a Service: SaaS-Clouds stellen Software über das Internet zur Verfügung. Beispiele dafür können Dokument-Management-Lösungen, CRM-Systeme oder Office-Anwendungen sein. Der SaaS-Betreiber sorgt dabei selbst für die Wartung und Administration, die Abrechnung erfolgt in der Regel nach dem Verbrauch der Software. Dieses Modell gehört zu den populärsten Angeboten unter den XaaS-Diensten. Neben der technischen Unterscheidung der Cloud-Systeme gibt es Unterschiede in der Organisation, welche folgendermaßen bezeichnet werden: Public Cloud Private Cloud Hybrid Cloud Bei Public Clouds gehören Anbieter und Benutzer nicht der gleichen Organisation an, wodurch in den meisten Fällen sensible Daten die eigene Organisation verlassen. Basierend auf einem kommerziellen Geschäftsmodell schafft das Prinzip Abhängigkeit gegenüber dem Anbieter, da sich ein Wechsel des Anbieters bei steigenden Kosten als schwierig gestaltet. Abbildung 2: Clouds können Software, Plattformen oder Infrastrukturen anbieten. Private Clouds werden innerhalb der eigenen Organisation betrieben, der auch die Benutzer angehören. Die Motivation für den Aufbau von Private Clouds sind Bedenken hinsichtlich der Sicherheit und des Datenschutzes. Innerhalb einer Hybrid Cloud kommen sowohl Private als auch Public Clouds gemischt zum Einsatz. Das Ziel dieser Strategie besteht darin, Belastungsspitzen mit den zusätzlichen Ressourcen abzufangen oder Failover- Mechanismen zu realisieren. 2.3 Sicherheitsaspekte Die Schutzziele der IT-Sicherheit (Vertraulichkeit, Integrität, Verfügbarkeit, Authentizität, Zurechenbarkeit und der Schutz der Privatsphäre) lassen sich auf Cloud-Computing-Systeme übertragen [SIT]. Nach der Fraunhofer- Studie gäbe es bisher kaum Sicherheitsstandards beim Cloud Computing. Die Kernpunkte dieser Studie können folgendermaßen zusammengefasst werden: Angaben zu Service Level Agreements (SLA) und zum Schutz der Privatsphäre machen die Anbieter zwar meist, allerdings sind gerade die SLAs zum Teil ungenau definiert. Einige Sicherheits-Zertifikate sind bereits weit verbreitet. Darunter fallen die Regularien des Statement on Auditing Standard 70 Type II Report wie auch die Zertifizierung nach ISO/IEC 27001, der internationalen Norm für Systeme zum Informationssicherheits-Management. Anbieter statten ihre Cloud-Angebote mit ganz unterschiedlichen Sicherheitsmerkmalen aus, daher falle ein direkter Vergleich schwer. Die Sicherheitstechnologien in Infrastruktur, Architektur, Verwaltung und Comliance seien noch nicht genügend dokumentiert, um tiefergreifendere Analysen vornehmen zu können.

4 Kleine und mittlere Unternehmen (KMU) können laut Studie selbst oft keine genauen Sicherheitsrichtlinien ausarbeiten, weshalb dort der Einsatz von Cloud Computing ein höheres Sicherheits-Niveau mit sich bringen kann. Bei den anspruchsvolleren Sicherheitsanforderungen großer Firmen sei das hingegen oft nicht der Fall. Wer auf Cloud Computing setzt, muss sich darüber im Klaren sein, dass die Verantwortung über die Daten in der Regel bei ihm bleibe [CIO], lautet das Fazit einer Analyse aufgrund der SIT-Studie. 2.4 Rechtliche Aspekte des Cloud Computing Je nach Art der Daten müssen länderspezifische Gesetze und rechtliche Anforderungen beachtet werden. Durch die Virtualisierung von Diensten ist es leicht möglich, dass die zu verarbeitenden Daten auf Servern landen, die sich nicht mehr in dem Land befinden, in dem das Unternehmen seinen Sitz hat. Damit eröffnet sich ein rechtliches Problemfeld, welches von international unterschiedlichen Datenschutzgesetzen bis hin zu länderspezifischen Krypto-Exportgesetzen reicht. Der weltweite uneinheitliche Datenschutz sei dabei die größte Gefahr des Cloud Computing [MSI]. Auf der rechtlichen Seite orientiere man sich laut [MSI] an die Regelungen des Application-Service-Providing und Outsourcing-Verträgen. Im Gegensatz zum normalen Outsourcing versteckt Cloud Computing jedoch die Datenhaltung vor dem Anwender, was es schwieriger macht, die jeweiligen Gesetze zu beachten. Schließlich muss genau bekannt sein, wo sich die Daten befinden und ob sie überhaupt exportiert werden. Da die Server der Provider weltweit verteilt sein können, ist es nicht einfach, bei der Datenhaltung klare Grenzen zu erkennen und sicherzustellen, dass die relevanten gesetzlichen Regelungen erfüllt sind. 3 Amazon Web Services (AWS) Im Folgenden soll die Berechnung eines beispielhaften Algorithmus anhand der Amazon Web Services gezeigt werden. 3.1 AWS Übersicht Um die Systematik hinter dem Zielprogramm nachzuvollziehen, hilft es, einige Grundlagen von Amazons Cloud zu beschreiben: Eine Instanz der Elastic Compute Cloud (EC2) ist eine virtuelle Maschine, bei der das Betriebssystem inklusive der Anwendungen beliebig ausgewählt bzw. konfiguriert werden kann. Als Amazon Machine Images (AMI) angeboten werden virtuelle Maschinen mit vorinstallierten Windows-, Linux und Solaris-Systemen. Darüber hinaus gibt es die Möglichkeit, auf Basis dieser AMIs zusätzliche Softwareinstallationen und Konfigurationen durchzuführen und diese als eigene AMIs zu hinterlegen. AMIs können dank der eingesetzten Virtualisierung beliebig oft nebeneinander laufen. Für einen permanenten Datenspeicher im Verzeichnisformat, der auch nach dem Einsatz der virtuellen Maschinen vorhanden bleibt, bietet Amazon den Elastic Block Store (EBS) an. Um den gesamten Zustand einer Instanz zu erhalten, gibt es die Möglichkeit, Machine Images auf einem EBS- Volume zu speichern. Nach dem Beenden der VM kann mit dieser Methode der Zustand wieder hergestellt werden, da der komplette Zustand des Dateisystems auf einem EBS- Volume festgehalten wird. Abbildung 3: Amazon AWS Übersicht

5 Die Cloud wird erst dann richtig genutzt, wenn die Software so strukturiert ist, sodass ein Scale-Out-Ansatz genutzt werden kann. Ressourcen sind bei den Amazon Web Services, wie bei Cloud-Systemen üblich, ondemand verfügbar. Somit können Anwendungen skaliert werden, indem Serverinstanzen hinzugefügt oder entfernt werden oder der Speicherplatz dem aktuellen Bedarf angepasst wird. Eine Lastverteilung lässt sich über den plattformeigenen Load Balancer realisieren, welcher wie die anderen Komponenten über die Konsole oder die API eingerichtet werden kann. AutoScaling kommt dann zum Einsatz, wenn automatisch Knoten hinzugefügt oder entfernt werden sollen. Das System reguliert die Zahl der laufenden Instanzen dabei automatisch nach den Vorgaben des Benutzers. Amazon stellt bei erfolgreicher Registrierung alle Cloud-Angebote auf Anhieb zur Verfügung. Ein Großteil der Funktionen kann über eine webbasierte Management-Konsole gesteuert werden. Für das Echtzeit-Monitoring der Server-Instanzen und dem Load-Balancer sorgt die CloudWatch-Lösung. Der Sensor überwacht die Leistung der Systeme, wobei unter anderem Lese- und Schreibzugriffe, der Netzwerk-Traffic oder die CPU- Auslastung erfasst wird. Amazon bietet unter anderem folgende Zusatzdienste: Simple Storage Service (S3): Key-value-basierter File-Hosting-Service. MapReduce: Verarbeitung von großen Datenmengen mithilfe eines Hadoop-Frameworks. SimpleDB: Einfaches verteiltes Datenbankmanagementsystem mit den nötigsten Grundfunktionen. CloudFront: Webservice für die Bereitstellung von Inhalten. Simple Queue Services: Skalierbarer Messaging Service. 3.2 Verarbeitung großer Datenmengen mit MapReduce MapReduce ist ein von Google eingeführtes Programmiermodell zur Verarbeitung von großen unstrukturierten oder semi-strukturierten Datensätzen. Das Framework sorgt für die Aufteilung der Berechnungen auf mehrere Recheneinheiten, wodurch eine parallele Ausführung auf mehreren Rechnern möglich wird. Für die Verwendung des MapReduce- Frameworks sind keine High-End Server notwendig, sondern es genügt handelsübliche Hardware. Abbildung 4: Aufgabenteilung mit MapReduce Der entscheidende Vorteil des Programmiermodells liegt in der Skalierung. Für die Berechnung wird ein Master-Knoten benötigt, der die Arbeiten der Slave-Knoten koordiniert. Von Letzeren können beliebig viele zugeschaltet werden. Das MapReduce-Projekt basiert auf zwei separat ablaufenden Prozessen: Map und Reduce. Der Map-Vorgang ist hierbei für die Gruppierung der Daten zuständig. Aus Eingabedaten werden dabei geeignete Key/Value-Paare gebildet. Diese werden im Anschluss zu gruppierten Key/Value-Paaren zusammengefasst, welche aus einem Key und einer Menge von zugeordneten Values bestehen. Die Map-Berechnungen sind voneinander unabhängig und können somit parallel ausgeführt werden. Sobald alle Map-Aufrufe abgeschlossen sind, werden die gruppierten Key/Value-Paare in der Reduce-Phase verarbeitet. Dabei entsteht eine neue Liste von Key/Value-Paaren, bei der jedem Key nur noch ein Value zugeordnet ist.

6 Im Folgenden seien die beiden Funktionen beschrieben: map( k, v ) list ( k 1 reduce( k 1 2, list ( v 2 2, v 2 ) )) ( k 2, v ) MapReduce-Beispielanwendung: Worthäufigkeit Das Hadoop-Projekt ist eine auf Java-basierende Open-Source Implementierung des Programmiermodells und kann verwendet werden, um das nachfolgende Beispiel für den MapReduce-Service der Amazon AWS umzusetzen. Für das Beispiel soll die Häufigkeit aller Wörter in den Eingabedokumenten bestimmt werden. Die Map-Funktion wird dabei folgendermaßen umgesetzt: public static class Map extends MapReduceBase implements Mapper<LongWritable, Text, Text, IntWritable> { private final static IntWritable one = new IntWritable(1); private Text word = new Text(); public void map(longwritable key, Text value, OutputCollector<Text, IntWritable> output, Reporter reporter) throws IOException { StringTokenizer tokenizer = new StringTokenizer(value.toString()); while (tokenizer.hasmoretokens()) { word.set(tokenizer.nexttoken()); output.collect(word, one); Die Map-Klasse implementiert das generische Interface Mapper, wobei die Datentypen der Keys und Values angegeben werden müssen. In der Map-Methode wird die übergebene Datei per StringTokenizer in einzelne Wörter gesplittet, welche als Key anschließend jeweils mit dem zusätzlichen Value 1 in die Zwischenergebnisse eingefügt werden. Die Reduce-Funktion wird wie folgt umgesetzt: public static class Reduce extends MapReduceBase implements Reducer<Text, IntWritable, Text, IntWritable> { public void reduce(text key, Iterator<IntWritable> values, OutputCollector<Text, IntWritable> output, Reporter reporter) throws IOException { int sum = 0; while (values.hasnext()) { sum += values.next().get(); output.collect(key, new IntWritable(sum)); Ähnlich der Map-Klasse muss das generische Interface Reducer implementiert werden und die Datentypen für Keys und Values angegeben werden. Die Reduce-Funktion wird für jeden Key in der Zwischenergebnisliste aufgerufen. Mit übergeben wird unter anderem die vom Mapper erzeugte Value-Liste, dessen Elemente für die Worthäufigkeitsanalyse aufsummiert werden müssen. In die Endergebnisliste kann schließlich das Wort als key mit der zugehörigen Häufigkeit eingetragen werden.

7 Ein- und Ausgabeverzeichnisse werden bei Programmstart als Parameter entgegengenommen und an das Framework weitergegeben: public static void main(string[] args) throws Exception { JobConf conf = new JobConf(WordCount.class); conf.setjobname("wordcount"); conf.setoutputkeyclass(text.class); conf.setoutputvalueclass(intwritable.class); conf.setmapperclass(map.class); conf.setcombinerclass(reduce.class); conf.setreducerclass(reduce.class); conf.setinputformat(textinputformat.class); conf.setoutputformat(textoutputformat.class); FileInputFormat.setInputPaths(conf, new Path(args[0])); FileOutputFormat.setOutputPath(conf, new Path(args[1])); JobClient.runJob(conf); Beim Starten wird der Dateityp für die Datenverarbeitung festgelegt und die notwendigen Mapper- und Reduce- Implementierungen angegeben. Zusätzlich kann eine Combiner-Klasse zwischen die Map- und Reduce-Phase geschaltet werden, um die Netzwerklast zu verringern. Durch die unterschiedliche Häufigkeit bestimmter Wörter in der jeweiligen Grammatik würde im Normalfall durch oft vorkommende Wörter wie und die Netzwerklast erhöht werden. Anstatt 50 Nachrichten als ( und, 1)-Tupel zu versenden, könnte eine einzige Nachricht als ( und, 50)-Tupel generiert werden. Diese Methodik würde die Netzwerklast signifikant reduzieren, ist aber nicht in allen Anwendungsfällen möglich. 3.4 MapReduce-Anwendung konfigurieren und ausführen Beim Simple Storage Service (S3) werden Daten in sogenannten Buckets organisiert. Für den Einsatz des Beispielprogramms unter MapReduce muss also zu allererst ein Bucket erzeugt werden, der sowohl als Input- Datenstrom sowie als Ausgabeverzeichnis dient. Ebenfalls wird in diesem Bucket die ausführbare Version des Programms vorgehalten, die von den Server-Knoten abgerufen wird. Mit der Management-Console kann nach der Verzeichniserstellung mithilfe der Job Flow -Funktion eine MapReduce-Anwendung konfiguriert werden. Dabei müssen die Anzahl und Typen der EC2-Instanzen ausgewählt werden, sowie der Pfad zur Anwendung angegeben werden. Der Fortschritt der Auftragsabläufe kann anschließend direkt über die Management-Console eingesehen werden. 4 Einordnung in das Software-Engineering 4.1 Anwendung von Software-Engineering Prinzipien auf Cloud Computing In diesem Abschnitt soll Cloud Computing auf wesentliche Aspekte des Software Engineerings untersucht werden. Dabei sollen die zentralen Prinzipien des Software Engineerings herausgegriffen werden und auf das Cloud Computing abgebildet werden. Die Strukturierung stellt eines der führenden Prinzipien im Software Engineering dar. Die Bedeutung liegt darin, für ein komplexes System eine reduzierte Darstellung zu finden, wobei charakteristische Merkmale erhalten bleiben. Beim Cloud Computing findet sich genau diese Strukturierung in der Architektur wieder, die dem Benutzer erheblich vereinfacht zur Verfügung gestellt wird. Durch APIs werden dem Nutzer einfache Funktionsaufrufe angeboten und komplexe Sachverhalte der Infrastruktur verborgen.

8 Ein derart komplexes System benötigt eine strikte Hierarchisierung, um eine Trennung der Verantwortlichen im technischen Sinne konsequent realisieren zu können. Vor allem aber zeigt Cloud Computing am Beispiel der Amazon Web Service einen unverkennbaren Nutzen der Abstraktion, welche an den allseitig einsetzbaren Machine Images deutlich wird. Die AMIs können ohne erheblichen Mehraufwand für beliebige Situationen konkretisiert und im System hinterlegt werden. Cloud Computing ist bei den Anbietern als Kombination unterschiedlicher Module erhältlich, um dem Nutzer größtmögliche Flexibilität zu gewährleisten. Bei den AWS müssen einzelne Systeme explizit freigeschaltet werden, um sie nutzen zu können. Es wird also eine klare Trennung der Funktionsbereiche durchgesetzt. Einzelne Services können beim Cloud Computing unabhängig von anderen genutzt werden. Bei dem Prinzip der Mehrfachverwendbarkeit finden sich eindeutig die Stärken des Cloud Computing wieder: Der Anbieter nutzt die Mehrfachverwendbarkeit, um Nutzern die fertig gestellte Infrastruktur und vordefinierten AMIs zur Verfügung zu stellen. Der Nutzer selbst kann diese AMIs beliebig oft wiederverwenden, indem er Instanzen vervielfältigt und somit eine schnellere Datenverarbeitung erreicht. Daraus bildet sich der entscheidende Faktor für die Zeit- und Kostenersparnis. Cloud Computing baut vom Grundsatz auf die Mehrfachverwendbarkeit bestimmter Komponenten auf und kann somit erst seinen wirtschaftlichen Erfolg sichern. Durch das Einhalten bestimmter Konventionen und Schnittstellen findet sich innerhalb eines Cloud-Systems das Prinzip der Standardisierung wieder. Außerhalb jedoch, also zwischen Cloud-Systemen unterschiedlicher Anbieter, ist dieses Prinzip nicht gegeben: Weder werden dem Nutzer einheitliche Schnittstellen präsentiert, noch finden Sicherheitsprinzipien in einer standardisierten Form Anwendung (s. Kap 2.3). 4.2 Ertrag des Software Engineerings aus dem Cloud Computing Welchen Ertrag erhält das Software Engineering aus der Entwicklung und dem Einsatz von Cloud-Computing Systemen? Kann die Qualität von Softwareprodukten durch Cloud Computing gesteigert werden? Um diese Fragen zu beantworten, sollen die qualitativen Aspekte der Softwareentwicklung herangezogen werden. Ein Qualitätsaspekt, der beim Cloud Computing besonders signifikant hervorsticht, ist die Skalierbarkeit. Voraussetzung dafür ist die Nutzung der Biblitotheken bzw. Infrastruktur des jeweiligen Cloud-Systems. Dadurch kann die zu erstellende Software wesentlich einfacher skaliert werden als herkömmliche Software, um sich den ändernden Anforderungen anzupassen. Ohne großen Aufwand klappt dies bei der Skalierung der Serverinstanzen oder Bereitstellung des Speicherplatzes. Einhergehend mit der Skalierbarkeit soll mithilfe von parallel laufenden Serverinstanzen die Verarbeitungsgeschwindigkeit und somit die Performanz der Software erhöht werden. Der integrierte Load Balancer sorgt bei den AWS für eine automatische Lastverteilung. Bei einem webbasierten System kann dadurch die Antwortzeit verringert werden, bei einem Hadoop-System kann dadurch die Geschwindigkeit von Berechnungen gesteigert werden. Bei den Anbietern der Cloud-Systeme wird außerdem mit einer hohen Zuverlässigkeit geworben. Mit einer niedrigen Ausfallrate soll die Verfügbarkeit der Software gesichert werden, welches ein besonders wichtiges Merkmal bei geschäftskritischen Anwendungen darstellt. Da die Cloud-Anbieter untereinander kaum Standards pflegen, gestalten sich plattformabhängige APIs für die Portierbarkeit der Software eher hinderlich. Vor der Entwicklung muss sich explizit für ein Cloud-System entschieden werden, was Abhängigkeiten gegenüber dem Anbieter schafft. Um auf ein Cloud-System eines anderen Anbieters zu wechseln, ist ein nicht unerheblicher Arbeitsaufwand notwendig. Clouds sind komplexe und mächtige Systeme, die aus einer Vielzahl von entkoppelten Teilsystemen zusammengesetzt sind. Um als Entwickler die eigene Anwendung optimal auf ein Cloud-System abstimmen zu können, ist ein größeres Verständnis für Architekturen notwendig als bei einem herkömmlichen Systementwurf. Generell muss beim Entwurf einer cloud-basierten Software stets darauf geachtet werden, parallele Ausführungsstränge zu ermöglichen.

9 5 Ein kritischer Blick auf den Einsatz des Cloud Computing Clouds besitzen in der Literatur immer noch keine eindeutige und vollständige Definition. Hinsichtlich der Schutzziele der IT-Sicherheit ergibt sich ein ähnliches Bild: Service Level Agreements sind zu ungenau definiert und die Sicherheitstechnologien in den Bereichen der Infrastruktur, Verwaltung und Architektur sind für den Nutzer noch nicht transparent genug. Außerdem fehlen derzeit gesetzliche Regelungen, die den Umgang mit weltweit verteilten Daten steuern. Uneinheitliche Datenschutzgesetze stellen für das Cloud Computing die größte Gefahr dar. Grenzen müssen in Zukunft klarer herausgearbeitet werden, vor allem muss der Nutzer eines Cloud-Dienstes erfahren, wo genau seine Daten gespeichert werden und in welches Land sie unter Umständen exportiert werden. Es stellt sich demzufolge die Frage, warum man auf den rasenden Zug des Cloud Computing aufspringen sollte? Ein wesentliches Argument ist die viel umworbene Kostenkontrolle. Das Argument gilt allerdings nur, wenn die Nutzung der Cloud on-demand bleibt, der Dienst also nicht durchgängig gemietet wird. Derzeit kann die Preisgestaltung der Cloud-Anbieter nicht mit herkömmlichen Hosting-Angeboten mithalten, wenn es um die permanente Nutzung der Server geht. Vor allem für Start-Ups kann dieses Business Modell aber von großem Nutzen sein, um Over-/ und Underprovisioning erfolgreich zu vermeiden. Umfangreiche Begutachtungen und Planungsangelegenheiten treten durch das auf kurzfristiger Basis basierende Geschäftsmodell in den Hintergrund. Dennoch liegen die Stärken des Cloud Computing eindeutig in der Skalierbarkeit, welche eng mit der Preisgestaltung verzahnt ist. Die Einfachheit, mit der Server-Instanzen hinzu geschaltet oder entnommen werden können bildet zusammen mit dem Pay-as-you-go -Geschäftsmodell ein interessantes Konzept, wodurch neue Anreize für die Softwareentwicklung entstehen können. Cloud Computing deckt viele Prinzipien des Software Engineerings ab, darunter die Abstraktion und Mehrfachverwendbarkeit, und kann einen entscheidenden Beitrag zur Steigerung der Qualitätskriterien einer Software bringen. Mithilfe von Cloud-Diensten kann durch die vereinfachte Skalierbarkeit die Performanz von Anwendungen und Berechnungen erhöht werden, um auch mit dynamischem Datenwachstum zu Recht zu kommen. Cloud Computing erfodert aber auch Eingeständnisse hinsichtlich der Portabilität, weshalb eine Entscheidung über den Einsatz von Cloud Computing nur gefällt werden kann, wenn man sich über das Ziel der Anwendung und dessen Entwicklungsumfeld im Klaren ist. 6 Zusammenfassung Innerhalb dieser Ausarbeitung wurde zunächst gezeigt, was unter dem Begriff des Cloud Computing verstanden wird, wie er vom Grid Computing abgegrenzt werden kann und welche technischen und organisatorischen Unterschiede er beinhaltet. Cloud Computing bietet neue Aspekte, konzentriert sich dabei auf die Illusion, unendliche IT-Ressourcen anzubieten, die on-demand abgerufen werden können. Hinsichtlich der Sicherheit macht das Fraunhofer-SIT eine klare Aussage: Jeder Nutzer muss sich im Klaren sein, dass die Verantwortung der Daten bei ihm selbst bleibe. Rechtlich gesehen bereitet Cloud Computing durch die weltweite Verteilung der Daten die Schwierigkeit, klare Grenzen zu erkennen und sicher zu stellen, dass gesetzliche Regelungen eingehalten werden. Im zweiten Teil der Ausarbeitung wurde als praktische Einführung ein Überblick über die Amazon Web Services gegeben und eine Beispielanwendung implementiert. Das MapReduce-Framework bietet ein skalierbares Konzept, um Berechnungen zu parallelisieren und somit die Ausführungsgeschwindigkeit zu erhöhen. Abschließend wurde Cloud Computing auf grundlegende Prinzipien des Software Engineerings untersucht. Cloud Computing vereint nicht nur SE-Prinzipien, sondern kann auch als Qualitätsfaktor für die Softwareentwicklung herangezogen werden. Um Cloud Computing in einer bereits bestehenden Umgebung einsetzen zu können, wird es unter Umständen nötig sein, existierende Anwendungen in die Cloud zu portieren. Eine Kosten-/Nutzenanalyse im Bezug auf einzelne Anbieter wäre dann erforderlich. Leider sprengen diese Themen den Rahmen der Arbeit. Es sei an dieser Stelle auf das Buch von Rittinghouse und Ransome [RR09] verwiesen.

10 Literaturverzeichnis [VAC09] Vaquero et al.; A break in the Clouds: Towards a Cloud Definition ; ; Stand: [CU10] CloudUser Expert; Was ist Grid Computing?, Stand: [FOSR] Forrester Research; Inquiry Spotlight: Cloud Computing ; Q2 2009; [WCEN] Wikipedia: Cloud Computing ; ; Stand: [FOS02] Ian Foster; The Anatomy of the Grid ; Enabling Scalable Virtual Organizations; Intl J. Supercomputer Applications, 2001 [FZRL] Ian Foster, Yong Zhao, Ioan Raicu, Shiyong Lu; Cloud Computing and Grid Computing 360-Degree Compared, [WO09] Florian Wolters et al.; Cloud Computing und Open Source ; Stand: [FRA09] Fraunhofer-Gesellschaft; Cloud-Computing: Sicherheit in der Wolke ; Stand: ; [JH10] Shantenu Jha et al.: Understanding Scientific Applications for Cloud Environments ; 2010 [SIT] Streitberger, Rüppel; Fraunhofer SIT Cloud Computing Sicherheit - Schutzziele. Taxonomie. Marktübersicht ; 2009 [RR09] John W. Rittinghouse, James F. Ransome: Cloud Computing: Implementation, Management and Security ; 2009 [MSI] Müller, Siegert; Sicherheitsaspekte rund um die Cloud ; ix Special 2/2010 [SCIP] Ruef; 10 sicherheitsrelevante Gründe gegen Cloud Computing ; [CIO] CIO; Sicherheitsrisiko bleibt beim Anwender ; ; Stand: