سامانه تصمیم‌یار برای مهاجرت برنامه های کاربردی محلی به ابر: بهبود دسترس‌پذیری سامانه و محافظت در برابر بلایا

نوع مقاله : مقاله پژوهشی

نویسندگان

دانشگاه صنعتی شیراز

چکیده

استفاده از رایانش ابری در کاهش هزینه­های عملیاتی برنامه­های کاربردی مؤثر بوده و در کنار آن افزایش مقیاس‌پذیری، انعطاف‌پذیری، در دسترس بودن و قابلیت اعتماد را نیز به همراه دارد. از همین رو سازمان­ها برای افزایش دسترس‌پذیری و محافظت از سامانه‌های خود در برابر تهدیدهای مختلف که ارائه خدمات مورد انتظار را با چالش مواجه می­سازند، به دنبال مهاجرت برنامه­های کاربردی خود به محیط ابر هستند. فرآیند مهاجرت به ابر، با توجه به پیچیدگی برنامه­های کاربردی و محیط پویای سازمان­ها، فرآیندی پیچیده و زمان­بر است. باوجود تحقیقات بسیار در این رابطه تاکنون مدل مهاجرت مناسبی بر اساس الگوهای شناخته‌شده ارائه نشده است. در این مقاله جبر فرآیند حالت متناهی (FSP) به‌عنوان پایه­ای برای ایجاد یک سامانه پشتیبان مهاجرت گام‌به‌گام به ابر مورد استفاده قرار گرفته است. این سامانه با استفاده از مشخصات برنامه­های کاربردی و سازمان به‌صورت خودکار ساخته می­شود. با توجه به این واقعیت که رویکرد گام‌به‌گام برای محیط‌های پویا مناسب­تر است، مدل مهاجرت گام‌به‌گام در مقایسه با مدل­های بهینه­سازی موجود که برای یافتن بهترین معماری برای استقرار مؤلفه‌های برنامه کاربردی بر روی سرویس­های ابری مورد استفاده قرار می­گیرند، عملکرد بهتری دارد درواقع مهم‌ترین مزیت آن در مقایسه با روش­های قبلی پشتیبانی از خودکار سازی طرح مهاجرت با امکان اصلاح مسیر مهاجرت بر اساس تغییر اهداف در محیط­های سازمانی پویا است.

کلیدواژه‌ها


عنوان مقاله [English]

Decision Support System for Migrating Legacy Applications to the Cloud: Improving System Availability and Protecting Against Disasters

نویسندگان [English]

  • Omid Bushehrian
  • Seyyed Yahya Nabavi
Shiraz University of Technology
چکیده [English]

Using cloud computing helps enterprises to reduce their operational costs as well as to improve the scalability, availability, and reliability of their services. To improve system availability and protecting against disasters, enterprises have to decide how to migrate their on-premise applications to the cloud. Migrating of a legacy application to the cloud is a very complicated and time-consuming process, due to the complexity of applications, the dynamic environment of the enterprises and the variety of available cloud services. Despite many types of research in this context, a formal migration model based on known patterns has not been presented yet.  In this paper, the Finite State Process (FSP) algebra is applied as a formal basis by which a step by step migration support system can be built automatically from the known application and cloud profiles. The proposed step by step migration model is superior to the current optimization methods that search the optimal deployment of application components to cloud services due to the fact that a step by step approach is more appropriate for dynamic environments. In fact, the main advantage of this method over previous methods is that it supports the automation of the migration plan with the possibility of modifying the migration path based on changing objectives in dynamic enterprise environments.

 

کلیدواژه‌ها [English]

  • Finite State Process
  • Cloud Migration
  • Protecting Against Disasters
[1]     Rahimdel Meybodi, M. ; Amiri , A.; Karbasian, M. “Evolutionary Stable Strategies to Defend of Sensitive Systems with False Attacks and Reliability Approach”; Advanced Defence Sci. Technol. 2017, 8, 339–348. (In Persian)
[2]     Khajeh-Hosseini, A.; Greenwood, D.; Sommerville, I. “Cloud Migration: A Case Study of Migrating an Enterprise IT System to IaaS”; Proc. IEEE 3rd Int. Conf. Cloud Comput. 2010, 450–457.
[3]     Andrikopoulos, V.; Binz, T.; Leymann, F.; Strauch, S. “How to Adapt Applications for the Cloud Environment”; Comput. 2013, 95, 493–535.
[4]     Buyya, R.; Yeo, C. S.; Venugopal, S.; Broberg, J.; Brandic, I. “Cloud Computing and Emerging IT Platforms: Vision, Hype, and Reality for Delivering Computing as the 5th Utility”; Futur. Gener. Comput. Syst. 2009, 25, 599–616.
[5]     Maenhaut, P. J.; Moens, H.; Ongenae, V.; De Turck, F. “Migrating Legacy Software to the Cloud: Approach and Verification by Means of Two Medical Software Use Cases”; Softw. Pract. Exp. 2016, 46, 31–54.
[6]     Saripalli, P.; Pingali, G. “MADMAC: Multiple Attribute Decision Methodology for Adoption of Clouds”; Proc. IEEE 4th Int. Conf. Cloud Comput. CLOUD2011,  316–323.
[7]     Menzel, M.; Ranjan, R. “CloudGenius: Decision Support for Web Server Cloud Migration”; Proc. 21st Int. Conf. World Wide Web - WWW’12 2012, 979–988.
[8]     Frey, S.; Hasselbring, W. “The CloudMIG Approach: Model-Based Migration of Software Systems to Cloud-Optimized Applications”; Int. J. Adv. Softw. 2011, 4, 342–353.
[9]     Sahandi, R.; Alkhalil, A.; Opara-Martins, J. “Cloud Computing from SMEs Perspective : A Survey-Based Investigation”; J. Inf. Technol. Manag. 2013, 24, 1–12.
[10]  Dieter, F.; Shoeib, A. “Key Decision-Making Phases and Tasks for Outsourcing Information Technology,” Pac. Asian. Conf. Inf. Syst. PACIS 2000, 774–784.
[11]  Li, A.; Yang, X.; Kandula, S.; Zhang, M. “CloudCmp: Comparing Public Cloud Providers”; IMC’10 Proc. 10th ACM SIGCOMM Conf. Internet Meas. 2010, 1–10.
[12]  Omerovic, A.; Munt, V.; Matthews, P.; Gunka, A. “Towards a Method for Decision Support in Multi-cloud Environments”; Fourth Int. Conf. Cloud Comput. 2013, 162–168.
[13]  Fekete, A. “FSP Lectures”; http://www.it.usyd.edu.au/~fekete/ info2810/INFO2810fsp.pdf, 2004.
[14]  Liu, T.; Lu, T.; Wang, W.; Wang, Q.; Liu, Z.; Gu, N.; Ding, X. “SDMS-O: A Service Deployment Management System for Optimization in Clouds While Guaranteeing Users’ QoS Requirements”; Futur. Gener. Comput. Syst. 2012, 28, 1100–1109.
[15]  Chauhan, M. A.; Babar, M. A. “Migrating Service-Oriented System to Cloud Computing: an Experience Report”; Proc. IEEE 4th Int. Conf. Cloud Comput. CLOUD 2011, 404–411.
[16]  Church, P.; Mueller, H.; Ryan, C.; Gogouvitis, S. V.; Goscinski, A.;  Tari, Z. “Migration of a SCADA System to IaaS Clouds – a Case Study”; J. Cloud Comput. 2017, 6, 1–12.
[17]  Tran, V.; Keung, J.; Liu, A.; Fekete, A. “Application Migration to Cloud: a Taxonomy of Critical Factors”; Proc. Int. Work. Softw. Eng. Cloud Comput. 2011, 22–28.
[18]  Cunha, M.; Mendoņa, N.; Sampaio, A. “Investigating the Impact of Deployment Configuration and User Demand on a Social Network Application in the Amazon EC2 Cloud”; Proc.  3rd IEEE Int. Conf. Cloud Comput. Technol. Sci. 2011, 746–751.
[19]  Mendonca, N. C. “Architectural Options for Cloud Migration”; IEEE Comput. Long. Beach. Calif. 2014, 47, 62–66.
[20]  Fehling, C.; Leymann, F.; Ruehl, S. T.; Rudek, M.; Verclas, S. “Service Migration Patterns: Decision Support and Best Practices for the Migration of Existing Service-Based Applications to Cloud Environments”; Proc. IEEE 6th Int. Conf. Serv. Comput. Appl. SOCA 2013, 9–16.
[21]  Jamshidi, P.; Pahl, C.; Mendonça, N. C. “Pattern-Based Multi-Cloud Architecture Migration”; Softw. Pract. Exp. 2017, 47, 1159–1184.
[22]  Leymann, F.; Fehling, C.; Mietzner, R.; Nowwak, A.; Dustdar, S. “Moving Applications to the Cloud: An Approach Based on Application Model Enrichment”; Int. J. Coop. Inf. Syst. 2011, 20, 307–356.
[23]  Megahed, A.; Nazeem, A.; Yin, P.; Tata, S.; Nezhad, H. R. M.; Nakamura, T. “Optimizing Cloud Solutioning Design”; Futur. Gener. Comput. Syst. 2019, 86–95.
[24]  García-Galán, J.; Trinidad, P.; Rana, O. F.; Ruiz-Cortés, A. “Automated Configuration Support for Infrastructure Migration to the Cloud”; Futur. Gener. Comput. Syst. 2016, 55, 200–212.
[25]  Alkhalil, A.; Sahandi, R.; John, D. “Migration to Cloud Computing: a Decision Process Model”; Cent. Eur. Conf. Inf. Intell. Syst. 2014, 154–163.
[26]  Bushehrian, O.; Ghaedi, H.; Ghanbari Baghnavi, R. “Automated Transformation of Distributed Software Architectural Models to Finite State Process”; Int. J. Comput. Sci. Eng. 2010, 2, 3120–3125.