SlideShare una empresa de Scribd logo
Dr. Javier Mijail Espadas Pech
Retos actuales y futuros del Cómputo en la
Nube – Un enfoque académico
• Presentar temas relacionados al cómputo
en la nube y desde el punto de vista
académico, tanto actuales como retos y
oportunidades de investigación a futuro.
Objetivo
Agenda
Qué es el Cómputo en la Nube?
Conclusión
Capas del Cómputo en la Nube
Problemáticas Actuales
Ventajas y Desventajas
Cómputo en la Nube y la Academia
Problemáticas Futuras
7
6
5
4
3
2
1
• Cómputo en la Nube (Cloud Computing)
se refiere a las aplicaciones, plataformas e
infraestructuras ofrecidas como servicio ya
sea por Internet o por medio de redes
privadas.
Qué es el cómputo en la nube?
• Compañías importantes (Microsoft, Google,
Amazon, HP, Oracle) han establecido que el
futuro de la tecnología de la información está en
el cómputo en la nube, ya que permite acceder
a sistemas de hardware y software por medio de
servicios bajo demanda y pago-por-uso,
similares a los servicios domésticos (agua,
electricidad).
Qué es el cómputo en la nube?
Qué es el cómputo en la nube?
• Accesibilidad.
• Ambiente distribuido.
• Virtualización.
• Escalabilidad.
• Modelo de negocio.
• “Infinito”
Ventajas
• Localización.
• Seguridad.
• Dependencia.
• Latencia.
Desventajas
Applications
(Software asa Service)
Abstract Services
(Platform as a Service)
Flexible infrastructure
(Infrastructureas a
Service)
Service Service Service
Infrastructure
Interface
Development
Deployment
Data Storage
Virtualization
OS
Hardware
CloudActors
Service Users Service Providers
CloudLayers
Salesforce.com
Microsoft Live Office
Cisco Webex
Google Apps
CloudServices
Amazon S3
Microsoft Azure
Google SDK
Amazon Elastic Cloud
Masso Hosting Cloud
Virtualization
OS
Hardware
Virtualization
OS
Hardware
Capas del Cómputo en la Nube
* Espadas, Et Al.
• Es de interés global el implementar centros y grupos de
investigación en el área de Cloud Computing.
• Actualmente universidades como Stanford o Berkeley
tienen formalmente cátedras de investigación en el área.
• Centros de Investigación en compañías como Microsoft,
HP, Google, Amazon.
Computo en la Nube y la Academia
• Procesamiento masivo de datos.
• Escalabilidad y asignación de recursos.
• Arquitecturas e interoperabilidad.
• Metodologías de desarrollo.
Problemáticas Actuales
• Grandes cantidades de información provenientes de
Internet y de centros de datos privados necesitan ser
procesados de manera eficiente y eficaz con el fin de
generar información relevante.
• Facebook almacena, accede y analiza 30+ petabytes de
datos al día.
• Decodificar el genoma humano tomaba 10 años, ahora
puede ser decodificado en una semana.
• En 2008, Google procesó 20,000 terabytes de datos (20
petabytes) por día.
Procesamiento masivo de datos
Experimentos
Archivos /
Centros de Datos LiteraturaSimulaciones
De petabytes a Exabytes
Procesamiento masivo de datos
• Enfoques de solución:
– Bases de Datos Distribuidas.
– Bases de Datos en la Nube.
– Hardware.
– Paralelismo (MPI, MapReduce)
Procesamiento masivo de datos
• MapReduce
– Es un modelo de programación que permite
procesar y generar grandes cantidades de
datos.
– Los datos son normalmente procesados en
ambientes paralelos, distribuidos dentro de
clusters o nubes.
Procesamiento masivo de datos
Procesamiento masivo de datos
• MapReduce
Procesamiento masivo de datos
Procesamiento masivo de datos
• Apache Hadoop
• Es una implementación del modelo
MapReduce.
• Aplicaciones en la nube
– Analytics (Web, Social, Logs)
– Procesamiento de imágenes y video
– Machine Learning
– Bases de Datos
– Matemáticas
– Biología / Clima
Procesamiento masivo de datos
• Retos académicos
– Clusters y nubes con MapReduce/Hadoop.
– Modelos y algoritmos paralelos.
– Optimización de búsquedas.
– Optimización de recursos.
– Diseño y análisis basados en paralelismo.
– Identificación de problemáticas.
Procesamiento masivo de datos
• Facebook genera dinámicamente más de dos
billones de páginas por día.
• Facebook procesa aproximadamente 23,000
requests por segundo. Actualmente tiene +1800
instancias de bases de datos.
• Walmart procesa 1 million de transacciones por
hora.
Escalabilidad y Asignación de Recursos
• Escalabilidad es la habilidad de un
sistema a reponder en base a la demanda
creciente.
Escalabilidad y Asignación de Recursos
Escalabilidad y Asignación de Recursos
• Los modelos de escalabilidad en la nube aún
carecen de mecanismos adecuados para
escalar dinámicamente aplicaciones Web.
* Espadas, Et Al.
Escalabilidad y Asignación de Recursos
• Enfoques de solución:
– Balanceo de cargas.
– Escalabilidad bajo demanda.
– Asignación dinámica de recursos.
Pay-per-use resources
Real demand
Expected demand
Under provisioning (saturation)
Over provisioning (underutilization)
* Espadas, Et Al.
Escalabilidad y Asignación de Recursos
• Muchos de los algoritmos de escalabilidad
y asignación efectiva de recursos son
relativos problemas de maximización de
utilidad y minimización de costo.
* Espadas, Et Al.
• Retos académicos
– Algoritmos de optimización de recursos (ej. Maxmin,
Mochila).
– Lenguajes, plataformas y arquitecturas auto-
escalables (ej. Scala).
– Clusters / nubes privadas (ej. Eucalyptus).
– Virtualización.
Escalabilidad y Asignación de Recursos
• La adopción del cómputo en la nube
depende en mayor medida de su
interoperabilidad y estandarización
Arquitecturas e interoperabilidad
Parameswaran & Chaddha, 2009
• Problemáticas actuales
– Arquitecturas
– Integración
– Seguridad
– Tolerancia a fallos
– SLA (Niveles de Servicio)
Arquitecturas e interoperabilidad
• Retos académicos
– Arquitecturas específicas (matemáticas, biología,
multimedia).
– Protocolos de integración (SOAP, REST).
– Modelos de consumo (stateless, stateful).
– Formatos de intercambio de datos (XML, JSON).
– Algortimos de seguridad (RSA, simétricos, asimétricos).
– Mecanismos de seguridad (DoS, Cross-site).
Arquitecturas e interoperabilidad
• Los modelos de desarrollo de software
también están cambiando en medida que
el crecimiento de aplicaciones en la nube
crece.
Metodologías de desarrollo
• Problemáticas actuales.
– Metodologías de desarrollo actuales no son
orientadas a servicios en la nube.
– Nuevas plataformas de desarrollo (ej. Salesforce,
Azure, App Engine).
Metodologías de desarrollo
* Espadas, Et Al.
• Retos académicos
– Ingeniería de Software orientada al Cómputo en la Nube.
– Metodos ágiles de testing y deployment.
– Nuevas herramientas de desarrollo.
Metodologías de desarrollo
* Espadas, Et Al.
• Uno de los crecientes enfoques en procesamiento de
datos ha sido para en análisis de datos genéticos.
• La bioinformática es la aplicación de tecnologías de
información a la gestión y análisis de datos biológicos.
Problemáticas Futuras: Bioinformática
• Los principales esfuerzos de investigación incluyen el
secuenciación de ADN, la predicción de genes, montaje
análisis estructural de proteínas, predicciones de la
expresión génica y modelado de la evolución.
Problemáticas Futuras: Bioinformática
Alineamiento de diferentes proteínas de hemoglobina, realizado con el servicio web para ClustalW
implementado en el Instituto Europeo de Bioinformática. El alineamiento de secuencias biológicas es
una de las herramientas básicas de la bioinformática.
• Para qué?
– Medicamentos de acción específica para enfermedades (cáncer,
artritis).
– Detección de enfermedades genéticas / hereditarias.
– Análisis y creación de nuevas proteínas.
– Análisis de mutaciones en el cáncer.
Problemáticas Futuras: Bioinformática
• Porqué necesitan la informática:
– «En un paciente, una enfermedad crónico-degenerativa es
causada por una mutación en un par de genes, de 3 billones de
pares»
– «GenBank contiene información de cerca de 100 billones de
nucleótidos y 100 millones de secuencias”
• Hasta hace unos años, los esfuerzos para analizar
eficientemente datos genéticos eran sobre clusters de
computadoras, programados con herramientas como MPI
(C++).
Problemáticas Futuras: Bioinformática
• Técnicas tradicionales:
– Clustering
– Minería de Datos
– Búsqueda
• Técnicas nuevas:
– Tradicionales + MapReduce
– Cloud Computing + Hadoop
Problemáticas Futuras: Bioinformática
• Retos académicos
• “Next-generation sequencing”
– Procesar todo en la nube (Amazon EC2).
– Algoritmos en paralelo (Hadoop).
– Optimizar algortimos de análisis (Clustering).
– Analizar resultados en tiempo real (Analytics).
Problemáticas Futuras: Bioinformática
• El uso de variantes de Redes Neuronales
(IA) para reconocimiento de patrones.
• Aplica en diversos dominios: Preferencias,
reconocimiento de imágenes, reconocimiento
del lenguaje, modelos de lenguaje, etc.
Problemáticas Futuras: Deep Learning
• Netflix logró correr algoritmos en 16,000 CPUs
(cores) en 1000 máquinas virtuales del cloud de
Amazon (AWS) para entrenar una red neuronal
en cuestion de días.
• Argumentan que la infraestructura usada es aún
impráctica.
• Técnicas nuevas:
– Distributing Machine Learning
Problemáticas Futuras: Deep Learning
Computación en la Nube: Futuro
Cliente/Servidor
Ambientes
Distribuidos
Computación
en la Nube
Internet de
las Cosas
Conclusiones
El cómputo en la nube es una tendencia primordial en el área de las TI.1
2
3
4
5
6
7
Es un área de investigación con importante crecimiento.
El análisis de grandes cantidades de datos en la nube es tópico de investigación.
La escalabilidad efectiva en la nube debe alcanzarce con nuevas técnicas.
Interoperabilidad entre las plataformas es detonante para la adopción.
Nuevas metodologías de desarrollo para nuevos tipos de aplicaciones.
Importante futuro en áreas como bioinformática, aprendizaje, etc.
• Javier Mijail Espadas Pech
• mijail.espadas@gmail.com
• http://linkedin.com/in/mijailespadas/
INFO

Más contenido relacionado

Destacado

Las profesiones
Las profesionesLas profesiones
Las profesiones
Smilinguptc
 
TEORÍA EMPRESARIAL
TEORÍA EMPRESARIALTEORÍA EMPRESARIAL
TEORÍA EMPRESARIAL
Yolimar Campos
 
Compu 1
Compu 1Compu 1
Compu 1
victorjulio82
 
Carrière
CarrièreCarrière
Carrière
robertcormier007
 
Análisis 2
Análisis 2 Análisis 2
Análisis 2
Marcenari04
 
Tic resumen materia
Tic resumen materiaTic resumen materia
Tic resumen materia
santiago0a
 
Presentación fisica 1
Presentación fisica 1Presentación fisica 1
Presentación fisica 1Oriana Sarai
 
Engativá
EngativáEngativá
OFIMÁTICA EN EL SIGLO XXI PARTE A
OFIMÁTICA EN EL SIGLO XXI PARTE A OFIMÁTICA EN EL SIGLO XXI PARTE A
OFIMÁTICA EN EL SIGLO XXI PARTE A
UNIVERSIDAD PEDAGÓGICA Y TECNOLÓGICA DE COLOMBIA UPTC
 
Guia educacion y_sociedad_pedagogia_primaria2012 (1)
Guia educacion y_sociedad_pedagogia_primaria2012 (1) Guia educacion y_sociedad_pedagogia_primaria2012 (1)
Guia educacion y_sociedad_pedagogia_primaria2012 (1)
Javi Garcia Rodriguez
 
Les bases de Twitter - ADN'Ouest
Les bases de Twitter - ADN'OuestLes bases de Twitter - ADN'Ouest
Les bases de Twitter - ADN'Ouest
adnouest
 
Folclor colombiano
Folclor colombianoFolclor colombiano
Folclor colombiano
Escuela Normal Superior
 
Article e-commerce magazine 3-3-2014
Article e-commerce magazine 3-3-2014Article e-commerce magazine 3-3-2014
Article e-commerce magazine 3-3-2014
Logicités
 
EL LOBITO BUENO
EL LOBITO BUENOEL LOBITO BUENO
EL LOBITO BUENO
escuela infantil
 
E portafolio claudia hernandez_52490726_83_pptx
E portafolio claudia hernandez_52490726_83_pptxE portafolio claudia hernandez_52490726_83_pptx
E portafolio claudia hernandez_52490726_83_pptx
clapaherza
 
Facebook, Twitter, Google+ : Comment tirer parti des réseaux sociaux en B2C?
Facebook, Twitter, Google+ : Comment tirer parti des réseaux sociaux en B2C?Facebook, Twitter, Google+ : Comment tirer parti des réseaux sociaux en B2C?
Facebook, Twitter, Google+ : Comment tirer parti des réseaux sociaux en B2C?
WSIdee
 
Herramientas web
Herramientas webHerramientas web
Herramientas web
Alejo Vera
 
La marche vers les élections: Étapes à franchir
La marche vers les élections: Étapes à franchir La marche vers les élections: Étapes à franchir
La marche vers les élections: Étapes à franchir
laurentlamothe
 
E portafolio edinson polo Grupo 201512A
E  portafolio edinson polo Grupo 201512AE  portafolio edinson polo Grupo 201512A
E portafolio edinson polo Grupo 201512A
epolob
 
Qumica I SOLUCIONES Y PROPIEDADES COLIGATIVAS Wilfredo José maya ortega
Qumica I SOLUCIONES Y PROPIEDADES COLIGATIVAS  Wilfredo José maya ortega Qumica I SOLUCIONES Y PROPIEDADES COLIGATIVAS  Wilfredo José maya ortega
Qumica I SOLUCIONES Y PROPIEDADES COLIGATIVAS Wilfredo José maya ortega
wilfredo141991
 

Destacado (20)

Las profesiones
Las profesionesLas profesiones
Las profesiones
 
TEORÍA EMPRESARIAL
TEORÍA EMPRESARIALTEORÍA EMPRESARIAL
TEORÍA EMPRESARIAL
 
Compu 1
Compu 1Compu 1
Compu 1
 
Carrière
CarrièreCarrière
Carrière
 
Análisis 2
Análisis 2 Análisis 2
Análisis 2
 
Tic resumen materia
Tic resumen materiaTic resumen materia
Tic resumen materia
 
Presentación fisica 1
Presentación fisica 1Presentación fisica 1
Presentación fisica 1
 
Engativá
EngativáEngativá
Engativá
 
OFIMÁTICA EN EL SIGLO XXI PARTE A
OFIMÁTICA EN EL SIGLO XXI PARTE A OFIMÁTICA EN EL SIGLO XXI PARTE A
OFIMÁTICA EN EL SIGLO XXI PARTE A
 
Guia educacion y_sociedad_pedagogia_primaria2012 (1)
Guia educacion y_sociedad_pedagogia_primaria2012 (1) Guia educacion y_sociedad_pedagogia_primaria2012 (1)
Guia educacion y_sociedad_pedagogia_primaria2012 (1)
 
Les bases de Twitter - ADN'Ouest
Les bases de Twitter - ADN'OuestLes bases de Twitter - ADN'Ouest
Les bases de Twitter - ADN'Ouest
 
Folclor colombiano
Folclor colombianoFolclor colombiano
Folclor colombiano
 
Article e-commerce magazine 3-3-2014
Article e-commerce magazine 3-3-2014Article e-commerce magazine 3-3-2014
Article e-commerce magazine 3-3-2014
 
EL LOBITO BUENO
EL LOBITO BUENOEL LOBITO BUENO
EL LOBITO BUENO
 
E portafolio claudia hernandez_52490726_83_pptx
E portafolio claudia hernandez_52490726_83_pptxE portafolio claudia hernandez_52490726_83_pptx
E portafolio claudia hernandez_52490726_83_pptx
 
Facebook, Twitter, Google+ : Comment tirer parti des réseaux sociaux en B2C?
Facebook, Twitter, Google+ : Comment tirer parti des réseaux sociaux en B2C?Facebook, Twitter, Google+ : Comment tirer parti des réseaux sociaux en B2C?
Facebook, Twitter, Google+ : Comment tirer parti des réseaux sociaux en B2C?
 
Herramientas web
Herramientas webHerramientas web
Herramientas web
 
La marche vers les élections: Étapes à franchir
La marche vers les élections: Étapes à franchir La marche vers les élections: Étapes à franchir
La marche vers les élections: Étapes à franchir
 
E portafolio edinson polo Grupo 201512A
E  portafolio edinson polo Grupo 201512AE  portafolio edinson polo Grupo 201512A
E portafolio edinson polo Grupo 201512A
 
Qumica I SOLUCIONES Y PROPIEDADES COLIGATIVAS Wilfredo José maya ortega
Qumica I SOLUCIONES Y PROPIEDADES COLIGATIVAS  Wilfredo José maya ortega Qumica I SOLUCIONES Y PROPIEDADES COLIGATIVAS  Wilfredo José maya ortega
Qumica I SOLUCIONES Y PROPIEDADES COLIGATIVAS Wilfredo José maya ortega
 

Similar a Retos actuales y futuros del Cómputo en la Nube - Un enfoque académico

7984
7984 7984
COMPUTACIÓN DISTRIBUIDA Y SU APLICACIÓN TECNOLÓGICA.ppt
COMPUTACIÓN DISTRIBUIDA Y SU APLICACIÓN TECNOLÓGICA.pptCOMPUTACIÓN DISTRIBUIDA Y SU APLICACIÓN TECNOLÓGICA.ppt
COMPUTACIÓN DISTRIBUIDA Y SU APLICACIÓN TECNOLÓGICA.ppt
JUANPABLOCHVEZNAVA
 
Arquitectura Lambda
Arquitectura LambdaArquitectura Lambda
Arquitectura Lambda
Israel Gaytan
 
Introducción al Big Data
Introducción al Big DataIntroducción al Big Data
Introducción al Big Data
Daniel Jiménez
 
Data as a Service
Data as a ServiceData as a Service
Data as a Service
Software Guru
 
computación en la nube
computación en la nubecomputación en la nube
computación en la nube
Estefanny Martinez Soto
 
7984
79847984
7984
79847984
7984
stalinjc
 
tema1 clase 1
tema1 clase 1tema1 clase 1
tema1 clase 1
chaflaedwin93
 
Computación Avanzada
Computación AvanzadaComputación Avanzada
Computación Avanzada
jairofarinango145
 
7984
79847984
7984
79847984
7984
stalinjc
 
COMPUTACION AVANZADA
COMPUTACION AVANZADACOMPUTACION AVANZADA
COMPUTACION AVANZADA
LuisEdu1591
 
7984
79847984
7984
79847984
Computacion Avanzada
Computacion AvanzadaComputacion Avanzada
Computacion Avanzada
jairofarinango145
 
7984
79847984
7984
79847984
7984
79847984
7984
79847984

Similar a Retos actuales y futuros del Cómputo en la Nube - Un enfoque académico (20)

7984
7984 7984
7984
 
COMPUTACIÓN DISTRIBUIDA Y SU APLICACIÓN TECNOLÓGICA.ppt
COMPUTACIÓN DISTRIBUIDA Y SU APLICACIÓN TECNOLÓGICA.pptCOMPUTACIÓN DISTRIBUIDA Y SU APLICACIÓN TECNOLÓGICA.ppt
COMPUTACIÓN DISTRIBUIDA Y SU APLICACIÓN TECNOLÓGICA.ppt
 
Arquitectura Lambda
Arquitectura LambdaArquitectura Lambda
Arquitectura Lambda
 
Introducción al Big Data
Introducción al Big DataIntroducción al Big Data
Introducción al Big Data
 
Data as a Service
Data as a ServiceData as a Service
Data as a Service
 
computación en la nube
computación en la nubecomputación en la nube
computación en la nube
 
7984
79847984
7984
 
7984
79847984
7984
 
tema1 clase 1
tema1 clase 1tema1 clase 1
tema1 clase 1
 
Computación Avanzada
Computación AvanzadaComputación Avanzada
Computación Avanzada
 
7984
79847984
7984
 
7984
79847984
7984
 
COMPUTACION AVANZADA
COMPUTACION AVANZADACOMPUTACION AVANZADA
COMPUTACION AVANZADA
 
7984
79847984
7984
 
7984
79847984
7984
 
Computacion Avanzada
Computacion AvanzadaComputacion Avanzada
Computacion Avanzada
 
7984
79847984
7984
 
7984
79847984
7984
 
7984
79847984
7984
 
7984
79847984
7984
 

Último

Informe DATA & IA 2024 Primera encuesta sobre el uso de IA en las empresas pe...
Informe DATA & IA 2024 Primera encuesta sobre el uso de IA en las empresas pe...Informe DATA & IA 2024 Primera encuesta sobre el uso de IA en las empresas pe...
Informe DATA & IA 2024 Primera encuesta sobre el uso de IA en las empresas pe...
alejandromanuelve
 
Projecte Iniciativa TIC 2024 KAWARU CONSULTING. inCV.pdf
Projecte Iniciativa TIC 2024 KAWARU CONSULTING. inCV.pdfProjecte Iniciativa TIC 2024 KAWARU CONSULTING. inCV.pdf
Projecte Iniciativa TIC 2024 KAWARU CONSULTING. inCV.pdf
Festibity
 
Catalogo General Electrodomesticos Teka Distribuidor Oficial Amado Salvador V...
Catalogo General Electrodomesticos Teka Distribuidor Oficial Amado Salvador V...Catalogo General Electrodomesticos Teka Distribuidor Oficial Amado Salvador V...
Catalogo General Electrodomesticos Teka Distribuidor Oficial Amado Salvador V...
AMADO SALVADOR
 
Catalogo general Ariston Amado Salvador distribuidor oficial Valencia
Catalogo general Ariston Amado Salvador distribuidor oficial ValenciaCatalogo general Ariston Amado Salvador distribuidor oficial Valencia
Catalogo general Ariston Amado Salvador distribuidor oficial Valencia
AMADO SALVADOR
 
maestria-motores-combustion-interna-alternativos (1).pdf
maestria-motores-combustion-interna-alternativos (1).pdfmaestria-motores-combustion-interna-alternativos (1).pdf
maestria-motores-combustion-interna-alternativos (1).pdf
JimmyTejadaSalizar
 
Catalogo Cajas Fuertes BTV Amado Salvador Distribuidor Oficial
Catalogo Cajas Fuertes BTV Amado Salvador Distribuidor OficialCatalogo Cajas Fuertes BTV Amado Salvador Distribuidor Oficial
Catalogo Cajas Fuertes BTV Amado Salvador Distribuidor Oficial
AMADO SALVADOR
 
herramientas de sitio web 3.0 2024
herramientas de sitio web 3.0  2024herramientas de sitio web 3.0  2024
herramientas de sitio web 3.0 2024
julio05042006
 
ACTIVIDAD 2P de Tecnología, 10-7, 2024..
ACTIVIDAD 2P de Tecnología, 10-7, 2024..ACTIVIDAD 2P de Tecnología, 10-7, 2024..
ACTIVIDAD 2P de Tecnología, 10-7, 2024..
IsabelQuintero36
 
Conceptos básicos de programación 10-5.pdf
Conceptos básicos de programación 10-5.pdfConceptos básicos de programación 10-5.pdf
Conceptos básicos de programación 10-5.pdf
ValeriaAyala48
 
Informació Projecte Iniciativa TIC HPE.pdf
Informació Projecte Iniciativa TIC HPE.pdfInformació Projecte Iniciativa TIC HPE.pdf
Informació Projecte Iniciativa TIC HPE.pdf
Festibity
 
Manual de soporte y mantenimiento de equipo de cómputo
Manual de soporte y mantenimiento de equipo de cómputoManual de soporte y mantenimiento de equipo de cómputo
Manual de soporte y mantenimiento de equipo de cómputo
doctorsoluciones34
 
Refrigeradores Samsung Modo Test y Forzado
Refrigeradores Samsung Modo Test y ForzadoRefrigeradores Samsung Modo Test y Forzado
Refrigeradores Samsung Modo Test y Forzado
NicandroMartinez2
 
SISTESIS RETO4 Grupo4 co-creadores .ppsx
SISTESIS RETO4 Grupo4 co-creadores .ppsxSISTESIS RETO4 Grupo4 co-creadores .ppsx
SISTESIS RETO4 Grupo4 co-creadores .ppsx
tamarita881
 
mantenimiento de chasis y carroceria1.pptx
mantenimiento de chasis y carroceria1.pptxmantenimiento de chasis y carroceria1.pptx
mantenimiento de chasis y carroceria1.pptx
MiguelAtencio10
 
Actividad Conceptos básicos de programación.pdf
Actividad Conceptos básicos de programación.pdfActividad Conceptos básicos de programación.pdf
Actividad Conceptos básicos de programación.pdf
NajwaNimri1
 
HERRAMIENTAS WEB--------------------.pptx
HERRAMIENTAS WEB--------------------.pptxHERRAMIENTAS WEB--------------------.pptx
HERRAMIENTAS WEB--------------------.pptx
maralache30
 
TECLADO ERGONÓMICO Y PANTALLAS TACTILES - GESTIÓN INTEGRAL EDUCATIVA
TECLADO ERGONÓMICO Y PANTALLAS TACTILES - GESTIÓN INTEGRAL EDUCATIVATECLADO ERGONÓMICO Y PANTALLAS TACTILES - GESTIÓN INTEGRAL EDUCATIVA
TECLADO ERGONÓMICO Y PANTALLAS TACTILES - GESTIÓN INTEGRAL EDUCATIVA
LilibethEstupian
 
IA en entornos rurales aplicada a la viticultura
IA en entornos rurales aplicada a la viticulturaIA en entornos rurales aplicada a la viticultura
IA en entornos rurales aplicada a la viticultura
Miguel Rebollo
 
Nuevos tiempos, nuevos espacios.docxdsdsad
Nuevos tiempos, nuevos espacios.docxdsdsadNuevos tiempos, nuevos espacios.docxdsdsad
Nuevos tiempos, nuevos espacios.docxdsdsad
larapalaciosmonzon28
 
Computacion cuántica y sus ventajas y desventajas
Computacion cuántica y sus ventajas y desventajasComputacion cuántica y sus ventajas y desventajas
Computacion cuántica y sus ventajas y desventajas
sofiahuarancabellido
 

Último (20)

Informe DATA & IA 2024 Primera encuesta sobre el uso de IA en las empresas pe...
Informe DATA & IA 2024 Primera encuesta sobre el uso de IA en las empresas pe...Informe DATA & IA 2024 Primera encuesta sobre el uso de IA en las empresas pe...
Informe DATA & IA 2024 Primera encuesta sobre el uso de IA en las empresas pe...
 
Projecte Iniciativa TIC 2024 KAWARU CONSULTING. inCV.pdf
Projecte Iniciativa TIC 2024 KAWARU CONSULTING. inCV.pdfProjecte Iniciativa TIC 2024 KAWARU CONSULTING. inCV.pdf
Projecte Iniciativa TIC 2024 KAWARU CONSULTING. inCV.pdf
 
Catalogo General Electrodomesticos Teka Distribuidor Oficial Amado Salvador V...
Catalogo General Electrodomesticos Teka Distribuidor Oficial Amado Salvador V...Catalogo General Electrodomesticos Teka Distribuidor Oficial Amado Salvador V...
Catalogo General Electrodomesticos Teka Distribuidor Oficial Amado Salvador V...
 
Catalogo general Ariston Amado Salvador distribuidor oficial Valencia
Catalogo general Ariston Amado Salvador distribuidor oficial ValenciaCatalogo general Ariston Amado Salvador distribuidor oficial Valencia
Catalogo general Ariston Amado Salvador distribuidor oficial Valencia
 
maestria-motores-combustion-interna-alternativos (1).pdf
maestria-motores-combustion-interna-alternativos (1).pdfmaestria-motores-combustion-interna-alternativos (1).pdf
maestria-motores-combustion-interna-alternativos (1).pdf
 
Catalogo Cajas Fuertes BTV Amado Salvador Distribuidor Oficial
Catalogo Cajas Fuertes BTV Amado Salvador Distribuidor OficialCatalogo Cajas Fuertes BTV Amado Salvador Distribuidor Oficial
Catalogo Cajas Fuertes BTV Amado Salvador Distribuidor Oficial
 
herramientas de sitio web 3.0 2024
herramientas de sitio web 3.0  2024herramientas de sitio web 3.0  2024
herramientas de sitio web 3.0 2024
 
ACTIVIDAD 2P de Tecnología, 10-7, 2024..
ACTIVIDAD 2P de Tecnología, 10-7, 2024..ACTIVIDAD 2P de Tecnología, 10-7, 2024..
ACTIVIDAD 2P de Tecnología, 10-7, 2024..
 
Conceptos básicos de programación 10-5.pdf
Conceptos básicos de programación 10-5.pdfConceptos básicos de programación 10-5.pdf
Conceptos básicos de programación 10-5.pdf
 
Informació Projecte Iniciativa TIC HPE.pdf
Informació Projecte Iniciativa TIC HPE.pdfInformació Projecte Iniciativa TIC HPE.pdf
Informació Projecte Iniciativa TIC HPE.pdf
 
Manual de soporte y mantenimiento de equipo de cómputo
Manual de soporte y mantenimiento de equipo de cómputoManual de soporte y mantenimiento de equipo de cómputo
Manual de soporte y mantenimiento de equipo de cómputo
 
Refrigeradores Samsung Modo Test y Forzado
Refrigeradores Samsung Modo Test y ForzadoRefrigeradores Samsung Modo Test y Forzado
Refrigeradores Samsung Modo Test y Forzado
 
SISTESIS RETO4 Grupo4 co-creadores .ppsx
SISTESIS RETO4 Grupo4 co-creadores .ppsxSISTESIS RETO4 Grupo4 co-creadores .ppsx
SISTESIS RETO4 Grupo4 co-creadores .ppsx
 
mantenimiento de chasis y carroceria1.pptx
mantenimiento de chasis y carroceria1.pptxmantenimiento de chasis y carroceria1.pptx
mantenimiento de chasis y carroceria1.pptx
 
Actividad Conceptos básicos de programación.pdf
Actividad Conceptos básicos de programación.pdfActividad Conceptos básicos de programación.pdf
Actividad Conceptos básicos de programación.pdf
 
HERRAMIENTAS WEB--------------------.pptx
HERRAMIENTAS WEB--------------------.pptxHERRAMIENTAS WEB--------------------.pptx
HERRAMIENTAS WEB--------------------.pptx
 
TECLADO ERGONÓMICO Y PANTALLAS TACTILES - GESTIÓN INTEGRAL EDUCATIVA
TECLADO ERGONÓMICO Y PANTALLAS TACTILES - GESTIÓN INTEGRAL EDUCATIVATECLADO ERGONÓMICO Y PANTALLAS TACTILES - GESTIÓN INTEGRAL EDUCATIVA
TECLADO ERGONÓMICO Y PANTALLAS TACTILES - GESTIÓN INTEGRAL EDUCATIVA
 
IA en entornos rurales aplicada a la viticultura
IA en entornos rurales aplicada a la viticulturaIA en entornos rurales aplicada a la viticultura
IA en entornos rurales aplicada a la viticultura
 
Nuevos tiempos, nuevos espacios.docxdsdsad
Nuevos tiempos, nuevos espacios.docxdsdsadNuevos tiempos, nuevos espacios.docxdsdsad
Nuevos tiempos, nuevos espacios.docxdsdsad
 
Computacion cuántica y sus ventajas y desventajas
Computacion cuántica y sus ventajas y desventajasComputacion cuántica y sus ventajas y desventajas
Computacion cuántica y sus ventajas y desventajas
 

Retos actuales y futuros del Cómputo en la Nube - Un enfoque académico

  • 1. Dr. Javier Mijail Espadas Pech Retos actuales y futuros del Cómputo en la Nube – Un enfoque académico
  • 2. • Presentar temas relacionados al cómputo en la nube y desde el punto de vista académico, tanto actuales como retos y oportunidades de investigación a futuro. Objetivo
  • 3. Agenda Qué es el Cómputo en la Nube? Conclusión Capas del Cómputo en la Nube Problemáticas Actuales Ventajas y Desventajas Cómputo en la Nube y la Academia Problemáticas Futuras 7 6 5 4 3 2 1
  • 4. • Cómputo en la Nube (Cloud Computing) se refiere a las aplicaciones, plataformas e infraestructuras ofrecidas como servicio ya sea por Internet o por medio de redes privadas. Qué es el cómputo en la nube?
  • 5. • Compañías importantes (Microsoft, Google, Amazon, HP, Oracle) han establecido que el futuro de la tecnología de la información está en el cómputo en la nube, ya que permite acceder a sistemas de hardware y software por medio de servicios bajo demanda y pago-por-uso, similares a los servicios domésticos (agua, electricidad). Qué es el cómputo en la nube?
  • 6. Qué es el cómputo en la nube?
  • 7. • Accesibilidad. • Ambiente distribuido. • Virtualización. • Escalabilidad. • Modelo de negocio. • “Infinito” Ventajas
  • 8. • Localización. • Seguridad. • Dependencia. • Latencia. Desventajas
  • 9. Applications (Software asa Service) Abstract Services (Platform as a Service) Flexible infrastructure (Infrastructureas a Service) Service Service Service Infrastructure Interface Development Deployment Data Storage Virtualization OS Hardware CloudActors Service Users Service Providers CloudLayers Salesforce.com Microsoft Live Office Cisco Webex Google Apps CloudServices Amazon S3 Microsoft Azure Google SDK Amazon Elastic Cloud Masso Hosting Cloud Virtualization OS Hardware Virtualization OS Hardware Capas del Cómputo en la Nube * Espadas, Et Al.
  • 10. • Es de interés global el implementar centros y grupos de investigación en el área de Cloud Computing. • Actualmente universidades como Stanford o Berkeley tienen formalmente cátedras de investigación en el área. • Centros de Investigación en compañías como Microsoft, HP, Google, Amazon. Computo en la Nube y la Academia
  • 11. • Procesamiento masivo de datos. • Escalabilidad y asignación de recursos. • Arquitecturas e interoperabilidad. • Metodologías de desarrollo. Problemáticas Actuales
  • 12. • Grandes cantidades de información provenientes de Internet y de centros de datos privados necesitan ser procesados de manera eficiente y eficaz con el fin de generar información relevante. • Facebook almacena, accede y analiza 30+ petabytes de datos al día. • Decodificar el genoma humano tomaba 10 años, ahora puede ser decodificado en una semana. • En 2008, Google procesó 20,000 terabytes de datos (20 petabytes) por día. Procesamiento masivo de datos
  • 13. Experimentos Archivos / Centros de Datos LiteraturaSimulaciones De petabytes a Exabytes Procesamiento masivo de datos
  • 14. • Enfoques de solución: – Bases de Datos Distribuidas. – Bases de Datos en la Nube. – Hardware. – Paralelismo (MPI, MapReduce) Procesamiento masivo de datos
  • 15. • MapReduce – Es un modelo de programación que permite procesar y generar grandes cantidades de datos. – Los datos son normalmente procesados en ambientes paralelos, distribuidos dentro de clusters o nubes. Procesamiento masivo de datos
  • 16. Procesamiento masivo de datos • MapReduce
  • 18. Procesamiento masivo de datos • Apache Hadoop • Es una implementación del modelo MapReduce.
  • 19. • Aplicaciones en la nube – Analytics (Web, Social, Logs) – Procesamiento de imágenes y video – Machine Learning – Bases de Datos – Matemáticas – Biología / Clima Procesamiento masivo de datos
  • 20. • Retos académicos – Clusters y nubes con MapReduce/Hadoop. – Modelos y algoritmos paralelos. – Optimización de búsquedas. – Optimización de recursos. – Diseño y análisis basados en paralelismo. – Identificación de problemáticas. Procesamiento masivo de datos
  • 21. • Facebook genera dinámicamente más de dos billones de páginas por día. • Facebook procesa aproximadamente 23,000 requests por segundo. Actualmente tiene +1800 instancias de bases de datos. • Walmart procesa 1 million de transacciones por hora. Escalabilidad y Asignación de Recursos
  • 22. • Escalabilidad es la habilidad de un sistema a reponder en base a la demanda creciente. Escalabilidad y Asignación de Recursos
  • 23. Escalabilidad y Asignación de Recursos • Los modelos de escalabilidad en la nube aún carecen de mecanismos adecuados para escalar dinámicamente aplicaciones Web. * Espadas, Et Al.
  • 24. Escalabilidad y Asignación de Recursos • Enfoques de solución: – Balanceo de cargas. – Escalabilidad bajo demanda. – Asignación dinámica de recursos. Pay-per-use resources Real demand Expected demand Under provisioning (saturation) Over provisioning (underutilization) * Espadas, Et Al.
  • 25. Escalabilidad y Asignación de Recursos • Muchos de los algoritmos de escalabilidad y asignación efectiva de recursos son relativos problemas de maximización de utilidad y minimización de costo. * Espadas, Et Al.
  • 26. • Retos académicos – Algoritmos de optimización de recursos (ej. Maxmin, Mochila). – Lenguajes, plataformas y arquitecturas auto- escalables (ej. Scala). – Clusters / nubes privadas (ej. Eucalyptus). – Virtualización. Escalabilidad y Asignación de Recursos
  • 27. • La adopción del cómputo en la nube depende en mayor medida de su interoperabilidad y estandarización Arquitecturas e interoperabilidad Parameswaran & Chaddha, 2009
  • 28. • Problemáticas actuales – Arquitecturas – Integración – Seguridad – Tolerancia a fallos – SLA (Niveles de Servicio) Arquitecturas e interoperabilidad
  • 29. • Retos académicos – Arquitecturas específicas (matemáticas, biología, multimedia). – Protocolos de integración (SOAP, REST). – Modelos de consumo (stateless, stateful). – Formatos de intercambio de datos (XML, JSON). – Algortimos de seguridad (RSA, simétricos, asimétricos). – Mecanismos de seguridad (DoS, Cross-site). Arquitecturas e interoperabilidad
  • 30. • Los modelos de desarrollo de software también están cambiando en medida que el crecimiento de aplicaciones en la nube crece. Metodologías de desarrollo
  • 31. • Problemáticas actuales. – Metodologías de desarrollo actuales no son orientadas a servicios en la nube. – Nuevas plataformas de desarrollo (ej. Salesforce, Azure, App Engine). Metodologías de desarrollo * Espadas, Et Al.
  • 32. • Retos académicos – Ingeniería de Software orientada al Cómputo en la Nube. – Metodos ágiles de testing y deployment. – Nuevas herramientas de desarrollo. Metodologías de desarrollo * Espadas, Et Al.
  • 33. • Uno de los crecientes enfoques en procesamiento de datos ha sido para en análisis de datos genéticos. • La bioinformática es la aplicación de tecnologías de información a la gestión y análisis de datos biológicos. Problemáticas Futuras: Bioinformática
  • 34. • Los principales esfuerzos de investigación incluyen el secuenciación de ADN, la predicción de genes, montaje análisis estructural de proteínas, predicciones de la expresión génica y modelado de la evolución. Problemáticas Futuras: Bioinformática Alineamiento de diferentes proteínas de hemoglobina, realizado con el servicio web para ClustalW implementado en el Instituto Europeo de Bioinformática. El alineamiento de secuencias biológicas es una de las herramientas básicas de la bioinformática.
  • 35. • Para qué? – Medicamentos de acción específica para enfermedades (cáncer, artritis). – Detección de enfermedades genéticas / hereditarias. – Análisis y creación de nuevas proteínas. – Análisis de mutaciones en el cáncer. Problemáticas Futuras: Bioinformática
  • 36. • Porqué necesitan la informática: – «En un paciente, una enfermedad crónico-degenerativa es causada por una mutación en un par de genes, de 3 billones de pares» – «GenBank contiene información de cerca de 100 billones de nucleótidos y 100 millones de secuencias” • Hasta hace unos años, los esfuerzos para analizar eficientemente datos genéticos eran sobre clusters de computadoras, programados con herramientas como MPI (C++). Problemáticas Futuras: Bioinformática
  • 37. • Técnicas tradicionales: – Clustering – Minería de Datos – Búsqueda • Técnicas nuevas: – Tradicionales + MapReduce – Cloud Computing + Hadoop Problemáticas Futuras: Bioinformática
  • 38. • Retos académicos • “Next-generation sequencing” – Procesar todo en la nube (Amazon EC2). – Algoritmos en paralelo (Hadoop). – Optimizar algortimos de análisis (Clustering). – Analizar resultados en tiempo real (Analytics). Problemáticas Futuras: Bioinformática
  • 39. • El uso de variantes de Redes Neuronales (IA) para reconocimiento de patrones. • Aplica en diversos dominios: Preferencias, reconocimiento de imágenes, reconocimiento del lenguaje, modelos de lenguaje, etc. Problemáticas Futuras: Deep Learning
  • 40. • Netflix logró correr algoritmos en 16,000 CPUs (cores) en 1000 máquinas virtuales del cloud de Amazon (AWS) para entrenar una red neuronal en cuestion de días. • Argumentan que la infraestructura usada es aún impráctica. • Técnicas nuevas: – Distributing Machine Learning Problemáticas Futuras: Deep Learning
  • 41. Computación en la Nube: Futuro Cliente/Servidor Ambientes Distribuidos Computación en la Nube Internet de las Cosas
  • 42. Conclusiones El cómputo en la nube es una tendencia primordial en el área de las TI.1 2 3 4 5 6 7 Es un área de investigación con importante crecimiento. El análisis de grandes cantidades de datos en la nube es tópico de investigación. La escalabilidad efectiva en la nube debe alcanzarce con nuevas técnicas. Interoperabilidad entre las plataformas es detonante para la adopción. Nuevas metodologías de desarrollo para nuevos tipos de aplicaciones. Importante futuro en áreas como bioinformática, aprendizaje, etc.
  • 43. • Javier Mijail Espadas Pech • mijail.espadas@gmail.com • http://linkedin.com/in/mijailespadas/ INFO