Курсовая с практикой на тему Рынок облачных вычислений в РФ и в мире.

Содержание:

Введение 3
1. Иерархические периферийные вычисления 5
1.1. Вычисления на периферии сегодня 5
1.2. Концепция иерархических периферийных вычислений 11
1.3. Потенциал иерархических периферийных вычислений 17
2. Оценка российского и мирового рынков облачных технологий 35
2.1. Виды и модели облачных услуг, представленных на российском рынке… 35
2.2. Оценка мирового рынка облачных технологий 40
Заключение 44
Список использованных источников 46

Введение:

Введение

Научно-технический прогресс обусловил широкое внедрение информационных технологий (ИТ) во всех областях жизнедеятельности общества . Роль современных ИТ заключается в повышении эффективности функционирования, прибыли, конкурентоспособности предприятия не только за счет увеличения производительности труда работников, повышения качества и скорости принятия управленческих решений, но и за счет организации новых способов работы с клиентами и поставщиками.
На современном этапе развития ИТ важную роль для предприятия стали играть облачные вычисления. Все больше предприятий рассматривают возможность перехода к облачным технологиям, которые имеют огромный потенциал для существенного повышения эффективности без ущерба для производительности. Популярность облачных ИТ доказывается тем, что по результатам исследований аналитических компаний Forrester Research, IDC, российской ассоциации электронных коммуникаций (РАЭК) мировой рынок облачных услуг вырос на 70 % в 2014 г. По их прогнозу к 2020 г. объем этого рынка составит $160 млрд. В 2016 г. уже более 75 % расходов российских предприятий на ИТ связаны с облачными технологиями.
Среди исследований в области системного анализа и управления, которые применялись для оценки ИТ, либо представляют собой особый интерес в методологии, можно отметить работы Р. Брейли, В.А. Силича, М.П. Силич, А.А. Захаровой, А.А. Мицеля, В.А. Анфилатова , Ю.П. Ехлакова, Ф.И. Перегудова, А.М. Корикова, С.И. Павлова и др.
Цель: разработка моделей и программного обеспечения поддержки выбора облачных ИТ-сервисов для внедрения на предприятии, повышающих обоснованность и эффективность решений при разработке ИТ-стратегии.
Для достижения цели решались следующие задачи:
1. Исследование проблем, стоящих перед предприятиями при выборе облачных ИТ-сервисов для внедрения.
2. Анализ существующих методов, моделей и программных продуктов оценки эффективности и рисков внедрения инвестиционных ИТ-проектов на предмет их возможного использования для обоснования решений при внедрении облачных технологий в условиях неопределенности.
3. Разработка методики поддержки принятия решений при выборе облачных ИТ-сервисов для внедрения на предприятии.
4. Разработка системы критериев и показателей оценки результативности внедрения облачных технологий.
5. Разработка модели оценки результативности внедрения облачных ИТ-сервисов на основе предложенной системы критериев.
Объект исследования: процесс выбора облачных ИТ-сервисов для внедрения на предприятии при разработке ИТ-стратегии.
Предмет исследования: методы, модели поддержки принятия решений при выборе облачных ИТ-сервисов для внедрения на предприятии.
Методы выполнения работы. При выполнении диссертационной работы использовались методы системного анализа, метод анализа иерархий, метод

Текст работы:

Цифровая экономика — это экономика, основанная на новых методах генерирования, обработки, хранения, передачи данных, а также цифровых компьютерных технологиях.
Цифровая трансформация экономики позволит в ближайшем будущем совершить огромный рывок во всех отраслях производства, кардинально повысить производительность труда за счет внедрения автоматических производств, робототехники, создать новые инновационные продукты и технологии, которые в ускоренном темпе можно будет выводить на рынок. Не случайно сегодня многие страны США, Китай, Германия инвестируют огромные средства во все направления цифровой экономики, связанные с развитием производства, финансового сектора, государственных услуг. Объемы мирового рынка цифровой экономики в традиционном понимании достигли в 2018 году по разным оценкам 6,5% от мирового внутреннего валового продукта (ВВП), а в абсолютном выражении 4,66 триллиона долларов. Если же рассматривать цифровую экономику в расширенном понимании, включая все ключевые технологии, то ее объем составил около 8,1% от мирового ВВП, что в абсолютном выражении составляет 7,14 триллиона долларов.
По прогнозам объем цифровой экономики традиционного подхода должен вырасти к 2025 году в 1,7 раза и достичь показателя почти в 7 триллионов долларов, а цифровой экономики с точки зрения расширенного подхода должен увеличиться свыше 12,6 триллионов долларов.
Средние темпы роста цифровой экономики в первом варианте должны составить около 6% в год, а во втором, около 8,8%, что в несколько раз превышает показатель развития мировой экономики, который в 2016 году составил 2,9%. Драйверами роста цифровой экономики будет сектор потребления, который к 2025 году достигнет показателя в 4,88 триллиона долларов, на втором месте логистические компании с величиной 1,55 триллиона долларов и на третьей позиции электрические компании с показателем в 1,36 триллиона долларов. Лидером в цифровой экономике, относящийся в большей степени к интернет-технологиям является Великобритания, чей ВВП созданный этой сферой экономики достиг уровня в 12,4% увеличившись с 2010 года почти в 1,5 раза.
В заключении можно сделать следующие выводы:
• мировым трендом экономического развития является цифровая экономика, которая сегодня начинает охватывать сферы не только связанные со сферой потребления и электронной коммерции, но и проникает во все сферы экономики;
• цифровая экономика растет достаточно быстрыми темпами, по сравнению с традиционной, среднегодовой рост цифровой экономики составляет от 6,0% до 8,8% в зависимости от рассмотрения секторов, которые включаются в понятие цифровая экономика, по данному показателю развития цифровая экономика в 2-3 раза превышает темпы роста традиционной экономики;
• к 2025 году цифровая экономика достигнет объема в 12,6 триллиона долларов.

Заключение:

Введение

Научно-технический прогресс обусловил широкое внедрение информационных технологий (ИТ) во всех областях жизнедеятельности общества . Роль современных ИТ заключается в повышении эффективности функционирования, прибыли, конкурентоспособности предприятия не только за счет увеличения производительности труда работников, повышения качества и скорости принятия управленческих решений, но и за счет организации новых способов работы с клиентами и поставщиками.
На современном этапе развития ИТ важную роль для предприятия стали играть облачные вычисления. Все больше предприятий рассматривают возможность перехода к облачным технологиям, которые имеют огромный потенциал для существенного повышения эффективности без ущерба для производительности. Популярность облачных ИТ доказывается тем, что по результатам исследований аналитических компаний Forrester Research, IDC, российской ассоциации электронных коммуникаций (РАЭК) мировой рынок облачных услуг вырос на 70 % в 2014 г. По их прогнозу к 2020 г. объем этого рынка составит $160 млрд. В 2016 г. уже более 75 % расходов российских предприятий на ИТ связаны с облачными технологиями.
Среди исследований в области системного анализа и управления, которые применялись для оценки ИТ, либо представляют собой особый интерес в методологии, можно отметить работы Р. Брейли, В.А. Силича, М.П. Силич, А.А. Захаровой, А.А. Мицеля, В.А. Анфилатова , Ю.П. Ехлакова, Ф.И. Перегудова, А.М. Корикова, С.И. Павлова и др.
Цель: разработка моделей и программного обеспечения поддержки выбора облачных ИТ-сервисов для внедрения на предприятии, повышающих обоснованность и эффективность решений при разработке ИТ-стратегии.
Для достижения цели решались следующие задачи:
1. Исследование проблем, стоящих перед предприятиями при выборе облачных ИТ-сервисов для внедрения.
2. Анализ существующих методов, моделей и программных продуктов оценки эффективности и рисков внедрения инвестиционных ИТ-проектов на предмет их возможного использования для обоснования решений при внедрении облачных технологий в условиях неопределенности.
3. Разработка методики поддержки принятия решений при выборе облачных ИТ-сервисов для внедрения на предприятии.
4. Разработка системы критериев и показателей оценки результативности внедрения облачных технологий.
5. Разработка модели оценки результативности внедрения облачных ИТ-сервисов на основе предложенной системы критериев.
Объект исследования: процесс выбора облачных ИТ-сервисов для внедрения на предприятии при разработке ИТ-стратегии.
Предмет исследования: методы, модели поддержки принятия решений при выборе облачных ИТ-сервисов для внедрения на предприятии.
Методы выполнения работы. При выполнении диссертационной работы использовались методы системного анализа, метод анализа иерархий, метод

Список литературы:

1. Иерархические периферийные вычисления
1.1. Вычисления на периферии сегодня

На сегодняшний день было предложено несколько подходов к организации ИКТ-инфраструктуры для приложений, для которых решающее значение имеет время отклика: туманные вычисления (Fog computing), облачка – мобильные облачные мини-ЦОДы (Cloudlets), мобильные вычисления на границе (MEC), микро-ЦОДы (MDC). Все они в основном сосредоточены на потребностях IoT и имеют ограниченную интерпретацию концепции периферии (Edge) сети. Например, это может быть зона доступа в сеть, расположенная как можно ближе к пользовательскому устройству или датчику (Customer Premise Equipment – CPE) и оснащенная средствами вычисления, хранения и накопления данных.
Ниже кратко рассмотрены перечисленные выше подходы. Fog computing представляет собой платформу, которая обеспечивает облачные вычисления в непосредственной близости от конечных пользователей. Первоначально термин «туман» был введен Cisco [9]: виртуализированная «туманная» платформа развертывается близко к конечным пользователям – между традиционными giant-like облачными ЦОДами и конечными пользователями. Хотя как облачная, так и «туманная» парадигма поддерживает почти аналогичный набор сервисов (вычисление, хранение, сетевое взаимодействие), между ними существуют разли-чия. Развертывание «туманных» вычислений предназначено только для определенного географического региона. Кроме того, эта платформа специально создавалась для приложений IoT и для приложений, требующих ответа в реальном времени с минимальной задержкой.
С другой стороны, традиционный облачный ЦОД централизован и расположен в основном далеко от пользователя. Ему присущи некоторые ограничения по задержке и времени отклика приложений реального времени. «Туманная» платформа предполагает использование разнообразных устройств, собирающих данные разных типов. Взаимодействие между гетерогенными устройствами – не единственная проблема для «туманных» вычислений. Другими являются оркестрация и управление ресурсами, их балансировка, масштабируемость, безопасность и конфиденциальность. До сих пор нет стандартной модели монетизации для «туманных» вычислений. Это все еще открытая исследовательская проблема. Cloudlets (облачка) разрабатываются командой Университета Карнеги – Меллона [11], [28]. Они предназначались для приближения облачных сервисов к мобильным пользователям. Внутри «облачка» состоят из набора достаточно мощных ресурсов, таких как многоядерные серверы с высокоскоростным подключением к Интернету и высокоскоростной беспроводной локальной сетью для связи с мобильными устройствами [11].
Мобильное устройство, рассматриваемое как тонкий клиент, может загружать вычислительные задачи через беспроводную сеть в «облачко», находясь при этом от него на расстоянии одного скачка (hop). Наличие облачка вблизи мобильного устройства необходимо для сокращения и предсказуемости времени приема-передачи для исполняемых приложений. Если устройство выходит из зоны действия «облачка», то оно либо должно переключиться на удаленный облачный ЦОД или пользоваться своими собственными ресурсами. Концепция Micro-DС (µDC; микро-ЦОД) была представлена компанией Microsoft Research [10]. Она рассматривает микро-ЦОД как расширение сегодняшнего большого облачного ЦОД. Подобно «облачкам», микро-ЦОД также разработан для приложений, которые требуют малых задержек на коммуникацию, обработку, и устройств, которые работают в условиях жестких ограничений по энергетике.
Микро-ЦОД – это вычислительный комплекс, состоящий из одного или нескольких соединенных между собой стоек, оснащенных всей необходимой инфраструктурой для ИТ-оборудования, собранных и протестированных производителем. Микро-ЦОД представляет собой автономную безопасную вычислительную среду, которая включает в себя все необходимые вычислительные ресурсы, хранилище данных и сетевое оборудование для работы клиентских приложений. Потребляемая мощность микроЦОД может составлять от 1 до 100 кВт для удовлетворения требований к масштабируемости и задержкам с учетом рабочей нагрузки, она может меняться, если в будущем потребуется больше энергии.
Следует отметить, что промышленность давно освоила производство таких вычислительных комплексов. Примерами являются UCS от Cisco, V-Blocks компании VCE, Active Systems от Dell, компания Schneider Electric предлагает Smart Bunker и Smart Data Safe. Система VPLEX является продуктом компаний EMC, Microsoft и AVNET [28]. Huawei – еще один производитель, выпускающий микро-ЦОДы [20].
Перечисленные выше микро-ЦОДы в основном предназначены для размещения вычислительных ресурсов и телекоммуникационного оборудования в неподготовленных помещениях (таких как офисы, склады, подсобные помещения или производ-ственные объекты) и подключения их в корпоративную сеть. По словам поставщиков, время их установки (до начала использования) сократилось до 60–70% по сравнению с классическим решением. Mobile Edge Computing (MEC; мобильные периферийные вычисления) предназначены для предоставления облачных вычислительных ресурсов и ИТ-услуг на периферии сотовых сетей [14] (см. Рис. 1.1). MEC обеспечивает малые задержки, близость к оконечному устройству пользователя, знание контекста его работы и местоположения, а также более высокую пропускную способность.
Как видно на рисунке 1.1, серверы MEC развернуты на сотовых базовых станциях, что позволяет гибко и быстро развертывать новые приложения и услуги конечным пользователям. MEC можно рассматривать как облачные серверы, работающие на границе зоны радиодоступа мобильных сетей и реализующие конкретные услуги, которые не могут быть достигнуты с использованием традиционной сетевой инфраструктуры. При использовании MEC весь трафик перенаправляют не на удаленный облачный ЦОД, а на серверы MEC.

Рис. 1.1 Mobile Edge Computing для сетей 5G
Таким образом, серверы MEC, работающие с приложениями и выполняющие связанные с ними задачи обработки данных, ближе к сотовым клиентам, уменьшают нагрузку на сети и время отклика приложения. ETSI1 разработал отраслевую спецификацию MEC [21] и опубликовал ее в сентябре 2014 года. Были предложены системная архитектура и стандарты ряда API, необходимые для MEC [21]. Компания Nokia, например, продемонстрировала, что MEC играет ключевую роль в автоматизации вождения автомобилей. В случае подключения автомобиля к традиционному облачному ЦОД задержки будут составлять не менее 100 мс. Базовые станции с распределенными облаками MEC продемонстрировали сквозную задержку в пределах 20 мс.
Анализ приложения CDN. Технологии периферийных вычислений, описанные выше, подходят для тех приложений, для которых можно локализовать необходимые сервисы в непосредственной близости от мобильного устройства, чтобы удовлетворить ограничениям, связанным с задержками или с недостатком вычислительной мощности. Однако есть приложения, для которых ни один из вышеупомянутых вариантов организации ИКТ-инфраструктуры не является достаточным. Например, согласно данным компании Akamai [30], более 650 сетей участвуют в доставке 90% трафика этой компании. Если мы посмотрим на приложение доставки контента как на пример приложения реального времени, то мы увидим, что в доставке этой услуги участвуют несколько разных сетей разных провайдеров. Рассмотрим в качестве примера организацию трансляции игр на чемпионате мира по футболу 2014 года в Бразилии [23].
Для этого чемпионата была создана специальная инфраструктура по производству видеоконтента, включающая следующие услуги, поддерживаемые компанией EVS (Event Video Service):
• Мультимедийная прямая трансляция матча;
• Выделенный мобильный/мультимедийный канал;
• Дополнительный контент в режиме видео по запросу (Video-on-Demand; VoD);
• Многоракурсный контент;
• Вставка рекламных видеоклипов в контент;
• Мультимедиа и текстовые сообщения (MMS и SMS);
• Интерактивный доступ к данным;
• Визуализация данных.
Техническая инфраструктура EVS объединила множество ведущих технологических решений нескольких компаний, которые работали вместе, предлагая для зрителей лучшие интерактивные и мультимедийные продукты:
• от компании Elemental Cloud для облачной обработки видеопотока в реальном времени;
• от компании Aspera для передачи файлов на высокой скорости через сети от места проведения мероприятия до облачной инфраструктуры;
• от компании Brightcove – облачные сервисы для операций по перекодированию мультимедийного контента;
• от Amazon S3 – хранилище данных;
• от Akamai – сеть доставки контента (CDN);
• от компании NETCO Sports — сервис режима второго экрана («second screen»).
Во время проведения матчей шесть видеопотоков с шести камер (camera angles) записывались на серверах EVS XT3 непосредственно на месте проведения матча, где автоматически обрабатывались средствами EVS C-Cast Agent и отправлялись в виде потоков по 10 Мбит/с каждый компанией IBC (Международная вещательная корпорация) через волоконно-оптическую сеть. В компании IBC они обрабатывались специальным программным обеспечением C-Cast Central, после чего обработанные потоки передавались по волоконно-оптической сети из IBC в хранилище Amazon S3 в Дублине, где было развернуто производство EVS C-Cast. Там каждый входящий поток, при помощи программного обеспечения компании Elemental, был фрагментирован на пакеты, каждый из которых нёс видеофрагмент с фиксированным временем проигрывания. После этого из каждого такого пакета генерировали 10 различных видеопотоков разного качества, которые передавали со скоростью 10 Мбит/с для доставки по CDN сети по конкретному адресу. В рассматриваемом примере отметим следующее. Сеть доставки контента (CDN) имеет статическую оверлейную структуру, производство 10 видеопотоков различного качества для передачи одного и того же контента было распределено между конкретными устройствами, кэширование производилось только на Edge серверах. Если бы такие сервисы для видеопотоков, как перекодирование, кэширование, трансрейтинг, компрессия, были доступны не только на Original и Edge серверах, но и в сетях, через которые велась трансляция, это значительно снизило бы нагрузку на эти серверы.
Также за счет интенсивного использования групповой передачи (multicast) вместо одноадресной (unicast) передачи сократилась бы и нагрузка на сеть. Следует отметить, что эффект от размещения всех перечисленных сервисов в сети значительно возрос бы, если бы размещение определенных видов сервисов в сети можно было менять динамически. Примером такого сервиса может служить кэширование. В зависимости от степени популярности, контент должен быть кэширован как можно ближе к какой-либо локальной группе клиентов, если этот контент представляет интерес в значительной степени для этой локальной группы клиентов. Если же он будет интересен более широкой аудитории, то размещать его надо так, чтобы время доступа и объем передаваемого трафика для клиентов из разных регионов были сбалансированными. Из рассмотренного примера видно, что между сетями, в которых размещается источник данных и/или инициатор запроса данных, было задействовано несколько сетей с дополнительными услугами по обработке видеопотоков. Возникает вопрос: где та «граница», периферия, о которой мы говорим? Границу какой сети мы имеем в виду, когда говорим о доставке контента? Другой важный вывод, который можно сделать на основе рассмотренного – приложение более не локализовано в одном ЦОДе. Оно превратилось в систему взаимодействующих сервисов, распределенных, в общем случае, в разных сетях.