Analyse und Konzept zur Integration eines Enterprise Service Bus in elastischen Infrastructure as a Service Umgebungen

Inhaltsverzeichnis

1 Einleitung

1.1 Motivation

1.2 Ziele

1.3 Aufbau der Arbeit

2 Grundlagen

2.1 Service Orientierte Architekturen

2.1.1 Definition und Prinzipien

2.1.2 Dienst und SOA-Referenzarchitektur

2.1.3 Komposition von Diensten

2.1.4 Technische Umsetzung

2.2 Enterprise Service Bus

2.2.1 Definition und Aufgaben

2.2.2 ESB Architekturen

2.3 Darbietung von bekannten OpenSource ESB Produkten

2.3.1 JBoss ESB

2.3.2 Mule ESB

2.3.3 Sun Open ESB (GlassFish ESB)

2.4 JBoss ESB Clustering und Dienstverwaltung

2.4.1 Dienstverwaltung in JBoss ESB

2.4.2 JGroups und Clustering in JBoss AS

2.5 Cloud Computing und IaaS

2.5.1 Cloud Computing: Definition, Eigenschaften und Einsatzszenarien

2.5.2 Cloud Computing: Vor- und Nachteile

2.5.3 Cloud Computing BigPlayers

2.5.4 Infrastructure-as-a-Service(IaaS)

2.6 Verwandte Arbeiten

2.6.1 Unterstutzung von ESB-Clustering

2.6.2 Unterstutzung von Cloud Computing

3 Analyse und Konzept

3.1 Distributed Service Bus (DSB)

3.1.1 Central-based-Management Distributed Service Bus

3.1.2 Peer-To-Peer basierter DSB

3.1.3 Auswertung und Vergleich

3.1.4 Eigenes Konzept

3.2 Integration eines ESBs in einer elastischen Umgebung (IaaS)

3.2.1 Anforderungen

3.2.2 Aufbaumöglichkeiten

3.3 Automatisches Abfangen der Anfrage-Lastspitzen in SOA anhand von Cloud Computing

3.3.1 Vorstellung

3.3.2 Arbeitsweise des LoadMonitoringFrameworks (LMF)

4 Implementierung

4.1 Realisierung vom Clustered JBoss ESB

4.2 Einstellungen zur Integration vom JBoss ESB in einer IaaS

4.3 Erzeugung von der JBoss ESB-AMI

4.4 Umsetzung des LoadMonitoringFrameworks

4.5 Schwierigkeiten bei der Umsetzung

5 Evaluation anhand einer Fallstudie: DLR-Traffic Data Platform/FCD-Prozessierungsmodul

5.1 Einfuhrung

5.1.1 Vorstellung des DLRs und des DLR-TSs

5.1.2 Beschreibung der Traffic-Data-Platform

5.1.3 Vorstellung vom FCD-Processierungsmodul (oder FCD-Kette)

5.2 SOA-mäßiger Aufbau der FCD Kette

5.2.1 Konzept

5.2.2 Umsetzung

5.3 Simulation des automatischen Abfangens der Lastspitzen basierend auf Cloud Computing

6 Zusammenfassung

Zielsetzung & Themen

Die Arbeit befasst sich mit der Entwicklung eines Konzepts zur Integration eines Enterprise Service Bus (ESB) in elastische Infrastructure-as-a-Service (IaaS) Umgebungen, um eine automatische Skalierung bei Lastspitzen zu ermöglichen. Ziel ist es, die Ausfallsicherheit und Performance von serviceorientierten Architekturen zu erhöhen, indem bei Ressourcenengpässen dynamisch zusätzliche ESB-Instanzen in einer Cloud-Umgebung bereitgestellt werden.

• Integration und Clustering von Enterprise Service Bus Systemen
• Cloud Computing und Infrastructure-as-a-Service (IaaS) Konzepte
• Entwicklung eines Load-Monitoring-Frameworks zur automatischen Lastspitzenerkennung
• Evaluation anhand einer Fallstudie am DLR-Traffic-Data-Platform/FCD-Prozessierungsmodul

Auszug aus dem Buch

Zusammenfassung der Kapitel

1 Einleitung: Beschreibt die Motivation zur Flexibilisierung von IT-Landschaften durch Service-orientierte Architekturen und definiert die Ziele der Masterarbeit.

2 Grundlagen: Erläutert die theoretischen Basisbegriffe von SOA, ESB-Architekturen, JBoss ESB Clustering sowie die Konzepte von Cloud Computing und IaaS.

3 Analyse und Konzept: Analysiert verschiedene Distributed Service Bus Ansätze und leitet ein eigenes Konzept für ein elastisches ESB-Clustering in einer IaaS-Umgebung ab.

4 Implementierung: Beschreibt die technische Realisierung des JBoss ESB-Clusters, die Erstellung des Amazon Machine Images sowie die Umsetzung des LoadMonitoringFrameworks.

5 Evaluation anhand einer Fallstudie: DLR-Traffic Data Platform/FCD-Prozessierungsmodul: Wendet das entwickelte Konzept in einer Fallstudie an, um das automatische Abfangen von Lastspitzen für eine reale DLR-Anwendung zu simulieren.

6 Zusammenfassung: Fasst die Ergebnisse der Arbeit zusammen und gibt einen Ausblick auf mögliche weiterführende Entwicklungen.

Schlüsselwörter

Enterprise Service Bus, ESB, Service-orientierte Architektur, SOA, Cloud Computing, Infrastructure-as-a-Service, IaaS, Lastverteilung, Clustering, JBoss ESB, Skalierbarkeit, Load Balancing, Monitoring, Elasticity, DLR

Häufig gestellte Fragen

Worum geht es in dieser Arbeit grundsätzlich?

Die Arbeit untersucht, wie ein Enterprise Service Bus (ESB) in eine elastische IaaS-Umgebung integriert werden kann, um eine flexible und automatische Skalierung bei variablen Lastprofilen zu erreichen.

Was sind die zentralen Themenfelder?

Die Arbeit verbindet Konzepte aus dem Bereich der verteilten IT-Systeme (SOA, ESB) mit moderner Cloud-Infrastruktur, Lastüberwachung und automatisiertem Cloud-Deployment.

Was ist das primäre Ziel oder die Forschungsfrage?

Das primäre Ziel ist die Entwicklung eines Konzepts, das es ermöglicht, Lastspitzen in SOA-Anwendungen automatisch abzufangen, indem bei Überlast ESB-Instanzen elastisch hoch- oder runterskaliert werden.

Welche wissenschaftliche Methode wird verwendet?

Die Arbeit basiert auf einer Literaturanalyse zu SOA- und Cloud-Grundlagen, gefolgt von einer konzeptionellen Entwurfsphase, einer technischen Implementierung (Prototyping) und einer praktischen Evaluation durch eine Fallstudie.

Was wird im Hauptteil behandelt?

Der Hauptteil gliedert sich in die Analyse von ESB-Clustering-Möglichkeiten, den Entwurf einer Controlling-Schicht, die technische Umsetzung mittels JBoss-Komponenten auf Amazon Web Services und die Fallstudie am FCD-Prozessierungsmodul des DLR.

Welche Schlüsselwörter charakterisieren die Arbeit?

Die Kernaspekte werden durch Begriffe wie Enterprise Service Bus, Cloud Computing, IaaS, elastische Skalierbarkeit, JBoss ESB und Lastüberwachung beschrieben.

Warum wurde JBoss ESB als Untersuchungsobjekt gewählt?

JBoss ESB wurde aufgrund seiner Clustering-Fähigkeiten und der weiten Verbreitung im Open-Source-Umfeld als geeigneter Kandidat für die Integration in elastische Umgebungen ausgewählt.

Welche Rolle spielt das LoadMonitoringFramework (LMF)?

Das LMF bildet die zentrale Komponente zur Überwachung des Ressourcenverbrauchs; es identifiziert Überlastsituationen und löst basierend auf definierten Schwellenwerten die elastische Skalierung aus.