Orchestrace a běhová prostředí služeb při nasazení v edge cloud

Abstract

Tato práce má za cílem prozkoumat edge cloud computing a jeho existující technologie pro správu služeb, aby pomohla správcům edge cloud klastrů činit informovanější rozhodnutí při výběru technologie pro jejich klastr. V rámci práce byl vytvořen projekt pro jednoduché automatizované zprovoznění a nasazení klastrů Kubernetes, K3s, MicroK8s a KubeEdge pomocí jednotného rozhraní a nástroje pro nasazení a monitorování služeb v těchto klastrech. Práce taktéž porovnala obtížnost nasazení, používání a vliv na výkon výpočetních uzlů a služeb mezi technologiemi pomocí implementované demonstrační aplikace využívající technologii Apache Kafka. Vyvinutý software byl publikován jako open-source. Práce identifikovala významné rozdíly mezi technologiemi prostřednictvím statistických měření, vizualizací dat a statistických testů shromážděných výkonnostních metrik. Vyvinuté nástroje, porovnání a analyzované data umožňují správcům klastrů snadno prozkoumat a porovnat zmíněné technologie pro učinění informovanějších rozhodnutí ohledně řídící technologie.

The thesis aims to explore edge cloud computing and its existing management technologies for services to help edge cloud cluster administrators make a more informed decision when determining a technology for their cluster. The thesis has created a project for simple automated provisioning and deployment of Kubernetes, K3s, MicroK8s, and KubeEdge clusters using a unified interface and tooling for deploying and monitoring services in these clusters. The thesis has also compared deployment difficulty, usage, and performance impact on nodes and services between the technologies using an implemented demonstration application based on Apache Kafka technology. The developed software has been published as open-source. The thesis has identified significant differences between the technologies through statistical measurements, data visualization, and statistical tests of collected performance metrics. The developed tooling, comparisons, and analyzed data enable cluster administrators to explore and compare the technologies easily to make a more informed decision concerning the management technology.