BioNimbus : uma arquitetura de federação de nuvens computacionais híbrida para a execução de workflows de Bioinformática

Abstract

O paradigma da Computação em Nuvem tem possibilitado o surgimento de um grande ecossistema composto por diferentes tecnologias e provedores de serviço com o objetivo de oferecer enorme quantidade de recursos computacionais sob demanda. Neste cenário, pesquisas científicas têm aproveitado a computação em nuvem como plataforma capaz de lidar com processamento e armazenamento em larga escala necessários na realização de seus experimentos. Em especial, a Bioinformática deve lidar com a grande quantidade de dados produzida pelas modernas máquinas de sequenciamento genômico. Neste contexto, várias ferramentas têm sido projetadas e implementadas para tirar proveito da infraestrutura oferecida pela computação em nuvem. Nuvens públicas, disponibilizadas por grandes provedores de serviço seriam capazes de oferecer, individualmente, recursos suficientes para atender ao poder computacional requerido pelas aplicações de bioinformática. Entretanto, esta escolha cria uma dependência tecnológica em relação ao provedor de serviço escolhido, tornando as instituições de pesquisa sujeitas as escolhas estratégicas deste provedor. Além disso, a infraestrutura computacional existente nessas instituições ficaria ociosa, ao invés de ser aproveitada em conjunto com o uso da nuvem pública. Como alternativa, surge a Federação de Nuvens Computacionais, que possibilita a utilização simultânea das diversas infraestruturas existentes nas várias instituições de pesquisa de maneira integrada, além de permitir a utilização dos recursos oferecidos pelas nuvens públicas. O presente trabalho tem como objetivo propor uma arquitetura de federação de nuvens computacionais híbrida, denominada BioNimbus, capaz de executar aplicações e workflows de bioinformática de maneira transparente, flexível, eficiente e tolerante a falhas, com grande capacidade de processamento e de armazenamento. Os serviços necessários a construção da federação são detalhados, juntamente com seus requisitos. Foi realizado um estudo de caso com um workflow e dados reais a partir da implementação de um protótipo da arquitetura, integrando nuvens públicas e privadas. Com os resultados obtidos, foi possível observar a real aplicabilidade de uma arquitetura de federação híbrida em particular a BioNimbus, que atingiu as características projetadas inicialmente. Ao mesmo tempo, foram identificadas características que devem ser tratadas com o intuito de construir uma federação de nuvens computacionais híbrida que execute de forma eficiente e segura aplicações e workflows de bioinformática. _______________________________________________________________________________________ ABSTRACT

The Cloud Computing paradigm has enabled the emergence of a large ecosystem composed of different technologies and service providers with the goal of providing enormous amount of computing resources on demand. In this scenario, scientists have taken advantage of cloud computing as a platform capable of handling the large scale processing and storage requirements to carry out their experiments. In particular, Bioinformatics must handle large amounts of data produced by modern genomic sequencing machines. Thus, several tools have been designed and implemented to take advantage of the infrastructure offered by cloud computing. However, as the computing power required can be very large, only public clouds, provided by large service providers, would be able to offer, individually, sufficient resources. In these conditions, there would be a technological dependence on the chosen service provider, making research institutions subject to the strategic choices of this provider. Furthermore, the existing computing infrastructure in these institutions would remain idle, causing great waste. Alternatively, Cloud Federation emerges as a way to allow the simultaneous use of several existing infrastructures in the various research institutions in an integrated manner, besides allowing the use of the resources offered by public clouds. The present work aims to propose an architecture of a hybrid cloud federation, called BioNimbus, capable of running applications and bioinformatics workflows in a transparent, flexible, efficient and fault-tolerant manner, with high processing power and huge storage capacity. The services required to build the federation are detailed, along with their requirements. We conducted a case study with a real work ow and real data through the implementation of a prototype of the architecture, integrating public and private clouds. With the results obtained, it was possible to observe the real applicability of the BioNimbus architecture, reaching the desired characteristics. At the same time, some details to be studied better in future work were identified in order to obtain a better implementation of a bioinformatics cloud federation.