Entwicklung einer Architektur für das Accounting in dynamischen Virtuellen Organisationen

Von Mario Golling und Michael Kretzschmar

Grid Computing entstand in den späten neunziger Jahren vor dem Hintergrund, aufwändige physikalische Berechnungen über mehrere Supercomputer verteilt durchführen zu wollen. Daraus entwickelte sich der generelle Wunsch, weltweit vorhandene, heterogene Ressourcen wie Rechner, Instrumente, Software und Daten zur koordinierten Lösung so genannter Grand Challenge-Applikationen verwenden zu können. Typische Grid-Anwendungen sind daher daten- und rechenintensive Operationen, die auf Ressourcen innerhalb so genannter Virtueller Organisationen verteilt werden. In der letzten Zeit hat auch die Industrie ein zunehmendes Interesse am Grid Computing gezeigt. Schon heute sind sich deshalb viele Analysten darüber einig, dass sich Grid Computing zu einer der wichtigsten Technologien der nächsten Jahre entwickeln und nachhaltig zum Motor völlig neuer Anwendungen werden wird.
Accounting widmet sich hierbei dem Ziel, eine erbrachte Leistung unter Berücksichtigung der Bilanzierung, Buchführung, Rechnungslegung und des Steuerwesens vergüten zu können. Es bezeichnet allgemein im Grid-Umfeld das Sammeln und Aggregieren von Informationen über die Nutzung von Ressourcen und Diensten sowie deren Zuordnung zu Nutzern, das so genannte Usage-to-User-Mapping.

Diese Arbeit widmet sich nach einer kurzen Einführung in die Begriffe Grid Computing und Accounting im Kern der Entwicklung eines Accountingsystems für dynamische Virtuelle Organisationen. Neben der Vorstellung eines Service-Modells, das elementare Komponenten präsentiert und abgrenzt, wird diesbezüglich zunächst anhand verschiedener Szenarien eine Anforderungsanalyse durchgeführt, in der allgemeine und Grid-spezifische Anforderungen identifiziert und mit bestehenden Accountingsystemen verglichen werden. Aufgrund vorhandener Defizite existierender Systeme wird dann im weiteren Verlauf die Architektur des Accountingsystems vorgestellt, das in der Lage ist, dem entwickelten Anforderungskatalog zu entsprechen. Diesbezüglich wird zunächst ein Ablauf eines Jobs entwickelt, wie er für die Nutzung des Grids sowohl im wissenschaftlichen, als auch im kommerziellen Umfeld sinnvoll ist, bevor das Accountingsystem abschließend mit all seinen Komponenten und Prozessen eingehend dargestellt und durch den Anforderungskatalog bewertet wird.

Dieses Buch beinhaltet die Diplomarbeit der Autoren und ist nahezu identisch mit der Fassung die am 29. September 2006 abgegeben wurde.

• Sprache: Deutsch
• Herausgeber: Books on Demand
• Erscheinungsdatum: 2. März 2015
• ISBN: 9783738696530

Buchvorschau

Glossar

1 Einführung

Das Kapitel beschäftigt sich mit einer allgemeinen Einführung in die Thematik dieser Diplomarbeit. Ohne dabei zentrale Begriffe zu definieren, werden die Notwendigkeit und Potentiale von Accounting bzw. Grid Computing erläutert. Anschließend wird im zweiten Teil dieses Kapitels auf die Zielsetzung sowie den weiteren Aufbau der nachfolgenden Kapitel eingegangen.

1.1 Motivation

1.1.1 Accounting

Die moderne Buchführung ist gegenwärtig aus nahezu allen Unternehmen unserer Gesellschaft nicht mehr wegzudenken. Welche Auswirkungen und vor allem welche Vorteile in der Regel mit dem Einsatz der Buchführung verbunden sind, soll an dieser Stelle anhand der Ergebnisse einer kleinen Fallstudie erfolgen [1]. Sie handelt von der Einführung der Kosten- und Leistungsrechnung, der Finanzplanung und des Projektsystems bei dem Landesbetrieb Straßen und Verkehr Rheinland-Pfalz (LSV), der mit über 4.000 Mitarbeitern sowie 57 Straßen- und 13 Autobahnmeistereien für die Planung, den Bau und die Unterhaltung der Autobahnen sowie der Kreis-, Landesund Bundesstraßen in Rheinland Pfalz zuständig ist.

Durch die Einführung eines Enterprise Resource Planning (ERP)-Systems, das sich der modernen Buchführung bedient, soll sich der LSV zu einem wettbewerbsfähigen Dienstleister weiterentwickeln. So ist es zum Beispiel gelungen, den Einsatz der Mitarbeiter langfristig um 10 Prozent effizienter zu gestalten und allein dadurch Personalkosten in Höhe von jährlich 1,6 Millionen Euro einzusparen und parallel dazu die Produktivität der Mitarbeiter zu steigern. Weitere Vorteile sind ferner die Kostentransparenz, die zentrale Beschaffung, die gezielte Optimierung einzelner Prozesse oder weitere quantitative Vorteile, wie sie aus Abbildung 1.1 ersichtlich sind.

Abbildung 1.1: Kennzahlen im Überblick, n. [1]

1.1.2 Grid Computing

Wie insbesondere im zweiten Kapitel näher dargestellt wird, gibt es bereits heute für das Grid Computing eine Vielzahl von Anwendungsgebieten. Stellvertretend für alle Bereiche soll im nachfolgenden Abschnitt ein repräsentativer Einblick in das herausfordernde Feld der Bioinformatik dazu dienen, eine erste Vorstellung der Chancen zu bekommen, die mit dem Einsatz von Grid Computing verbunden sind.

Im Rahmen dieses Abschnittes wird zunächst - in gebotener Kürze - eine Abgrenzung des Begriffs Bioinformatik erfolgen, bevor auf die Forschungsgebiete und die Verbindung zwischen Bioinformatik, Grid Computing und Accounting eingegangen wird. Zum Ende dieses Abschnittes soll ein kurzer Ausblick in die nahe Zukunft der Bioinformatik dann deren Erfolgsaussichten anhand einiger Beispiele verdeutlichen.

Einführung in die Bioinformatik

Die biomedizinische Forschung erfährt gegenwärtig dramatische Veränderungen. Biotechnologie und Gentechnik erschließen und verändern die traditionellen Märkte der Ernährung, Pharma, Medizin, Umwelt und Landwirtschaft, in denen die menschliche Gesundheit eine bedeutende Rolle spielt.

Egal ob zur Analyse molekularbiologischer Sequenzen, dem systematischen Genomvergleich zur Auffindung von krankheitsrelevanten Genen oder zur Verbesserung der Wirkstoffqualität und -effizienz - in der Vergangenheit waren die Forscher fast immer gezwungen, aufwändige Trial-and-Error Verfahren im Labor durchzuführen [2]. Durch die Bioinformatik versuchen Wissenschaftler heutzutage einen Großteil dieser Experimente rechnergestützt durchzuführen. Mit neuen experimentellen Methoden, die mit Begriffen wie Automatisierung, Parallelisierung und Miniaturisierung beschreiben werden können, soll das unübersichtliche Puzzle der Genom- und Proteinforschung zu ganzen Bildern zusammengesetzt werden und durch effektive Auswertung der molekularbiologischen Daten quantitativ wie qualitativ beschleunigt werden. Damit helfen sie erhebliche Zeit bei der Entwicklung neuer Wirkstoffe einzusparen [2]. Die Bioinformatik beschäftigt sich dabei mit Fragen bezüglich des Aufbaus biologischer Sequenzen (DNA¹ und Proteine), deren Speicherung/Vergleich sowie eine Erforschung der Struktur und Funktion von Proteinen mit Hilfe des Computers. Ferner befasst sie sich mit der Interaktion von Proteinen, der DNA und biochemischen Verbindungen, die biologische Signalweiterleitung in Zellen und dem Erstellen von evolutionären Stammbäumen anhand biologischer Sequenzen [3]. Allgemein ausgedrückt löst die Bioinformatik somit Probleme der Molekularbiologie, Genetik, Biochemie, Neurobiologie und Medizin mit den Methoden der Informatik und Mathematik [4]. Die Rolle der Informatik in den Biowissenschaften ähnelt dabei der Rolle der Mathematik in der Physik [5].

Bioinformatik und Grid Computing

Angesichts der gewaltigen Datenmengen, die behandelt werden müssen und den allgegenwärtigen Ausnahmen zu erkennbaren Gesetzmäßigkeiten bieten die Biowissenschaften ein herausragendes Anwendungsfeld für die moderne Informatik [5]. Im Laufe der letzten Jahre hat sich dabei das Verständnis über den Aufbau und die Funktionsweise des menschlichen Körpers in beeindruckender Weise weiterentwickelt. Um einen Eindruck zu vermitteln, welche Größenordnung bei der Lösung von Fragen dieser Art zu beachten ist, soll Abbildung 1.2 dienen.

Abbildung 1.2: Genome verschiedener Spezies, n. [6] [3]

Im Gegensatz zu anderen Wissenschaftsgebieten, bei denen häufig Fortschritte auf einem Gebiet wenig zu Ergebnissen auf anderen Gebieten beitragen, sind weiterführende Forschungen auf dem Gebiet der Medizin sehr stark von der Steigerung des Angebots an verfügbarer Rechenleistung abhängig [7]. Neuronale Netze, Mustererkennung, Maschinelles Lernen, kombinatorische Optimierung oder stochastische Algorithmen sind hierbei nur ein Auszug der Methoden, die in der Bioinformatik zum Einsatz kommen und die angesichts der Komplexität den koordinierten Einsatz großer Rechenleistung erfordern. Parallel dazu müssen zum einen die gewaltigen Datenmassen gespeichert werden und zum anderen möglichst automatisiert mit Verfahren wie Knowledge Discovery, Data Mining oder ontologiebasierten Semantiken auf verschiedene Merkmale hin untersucht werden [5]. Sowohl der Zugriff auf die Rechenleistung als auch der Zugriff auf Datenbanken sind dabei wesentliche Ziele des Grid Computings. Insbesondere mit der Unterstützung verteilter Anwendungen und der interdisziplinären Online-Zusammenarbeit ist das Grid auf dem besten Wege, eine zentrale Quelle der Wertschöpfung für den medizinischen Bereich zu werden [7].

Abbildung 1.3: Auf finiten Elementen basierendes Modell zur Untersuchung des menschlichen Herzens, n. [8]

Bioinformatik in der nahen Zukunft

Anhand dessen, was Bioinformatik in der nahen Zukunft zu leisten vermag, sollen nun abschließend einige Erfolgsaussichten näher erläutert werden. Hierzu wurde [7], das als Vorlage für diesen Abschnitt dient, geeignet modifiziert und erweitert.

Zukünftig werden Ärzte in der Lage sein, im Rahmen des Datenschutzes medizinische Aufzeichnungen ihrer Patienten mit Millionen anderer Aufzeichnungen vergleichen zu können. Schnelle pattern matching-Algorithmen, die fähig sind Aufzeichnungen anhand spezifischer Muster auszuwerten, können hierzu in Verbindung mit anderen medizinischen und genetischen Informationen verwendet werden, um ähnliche Krankheitsbilder zu finden. Diese bereits vorhandenen Informationen, die in den medizinischen Aufzeichnungen von Patienten mit ähnlichem Krankheitsbild vorhanden sind, werden darüber hinaus auch durch den Vergleich so genannter DNA-Basissequenzen und fortwährende Genexpressionsanalysen, die es erlauben, das Erbmaterial und die Gene von zahlreichen gesunden und kranken Patienten parallel zu untersuchen, ergänzt. Diese Informationen dienen sodann im nächsten Schritt als Grundlage für verschiedene Resultate. Die so genannte molekular-basierte, personalisierte Medizin, bei der Patienten individuell zusammengestellte Wirkstoffpräparate verabreicht und entsprechende Therapien entwickelt werden, ist hierbei nur ein Schwerpunkt der Forschung. Die fortwährende Aufzeichnung der Behandlungsergebnisse, die ständig der wachsenden Fülle an Informationen hinzugefügt werden, kann zum Beispiel auch dazu beitragen, bislang unbekannte Krankheiten zu erkennen oder die Frühdiagnose, die im Idealfall bereits vor dem Auftreten von Symptomen ansetzt, zu verbessern. Abbildung 1.4 fasst diesen Gesamtprozess noch einmal grafisch zusammen.

Abbildung 1.4: Medizinische Diagnose unter dem Einfluss der Bioinformatik, n. [7]

Generell lässt sich festhalten, dass Algorithmen für das zeitabhängige Vergleichen von Profilen auf dem besten Weg sind, ein Kernbestandteil des klinischen Werkzeugsatzes zu werden. All dies wird eine gewaltige Menge an Speicherplatz erfordern, da die Daten zu verschiedenen Zeiten an verschiedenen Orten gesammelt werden. Wie ebenfalls bereits erwähnt, sind auch die Herausforderungen in Bezug auf den Bedarf an Rechenleistung, die mit einer Analyse dieser Daten verbunden ist, bedeutend. So hat zum Beispiel das Human-Genom-Projekt für die Analyse eines Fragmentes den konstanten Betrieb von zwei Supercomputern für mehr als ein Jahr erfordert [7]. Fortschritte im Bereich der Informationstechnologien versprechen hier eine deutliche Beschleunigung. Grid Computing, als eines der vielversprechendsten Ansätze auf diesem Gebiet, bietet die besten Vorraussetzungen, um eine Basiskomponente der Bioinformatik zu werden.

1.2 Ziel der Arbeit

Im Rahmen der Diplomarbeit werden zunächst im ersten Teil die Grundlagen für das Gesamtverständnis geschaffen, verwendete Begriffe definiert und vor allem die für das Grid relevanten Bestandteile Virtueller und realer Organisationen vorgestellt und voneinander abgegrenzt.

In einer Grid-Umgebung entstehen durch die Virtualisierung der Organisationen und Ressourcen sowie der angebotenen Dienste neuartige Anforderungen an Accountingarchitekturen. Ziel des zweiten Teils der Arbeit ist es, Grid-spezifische Anforderungen, welche an Besonderheiten des Accountings in dynamischen Virtuellen Organisationen (VO) adressiert sind, zu identifizieren und unter Zuhilfenahme allgemeiner Anforderungen zu einem generischen Anforderungskatalog zu konkretisieren. Zudem gilt es, existierende Accountingsysteme darzustellen und hinsichtlich eines möglichen Einsatzes innerhalb dynamischer Virtueller Organisationen unter Zuhilfenahme dieses Anforderungskataloges zu evaluieren.

Im dritten Teil findet schließlich der Entwurf eines eigenen Accountingsystems statt. Dazu erfolgt zunächst eine Identifikation und Definition von Komponenten, bevor Teilprozesse des Accountings identifiziert und beschrieben werden. Sowohl technische als auch organisatorische Abhängigkeiten sowie die Schnittstellen der Komponenten werden im Anschluss daran geeignet dargestellt und beschrieben.

1.3 Aufbau der Arbeit

Die Arbeit ist allgemein in acht Kapitel unterteilt. Abbildung 1.5 zeigt den Aufbau der einzelnen Kapitel und somit die Gesamtgliederung. Im weiteren Verlauf erfolgt sodann eine kurze inhaltliche Darstellung der einzelnen Kapitel.

Kapitel 2: Allgemeine Begriffsbestimmung/Begriffsabgrenzung

Zunächst wird eine allgemeine Einführung in die Begriffswelten Grid Computing, Virtuelle Organisationen und Accounting gegeben. Ohne dabei zu sehr auf Detailfragen einzugehen, soll eine klare Abgrenzung dieser wesentlichen Eckpfeiler helfen, den Zugang in die Gesamtthematik zu vereinfachen, bevor ab Kapitel 3 der eigentliche Schwerpunkt dieser Arbeit beginnt.

Zentrale Kernfragen dieses Kapitels sind:

Was ist Grid Computing?

Was sind Virtuelle Organisationen und wie ist ihr Verhältnis zu gewöhnlichen Organisationen?

Was wird im Grid-Umfeld unter Accounting verstanden?

Kapitel 3: Service-Modell für dynamische Virtuelle Organisationen

Im dritten Kapitel wird ein Service-Modell für Virtuelle Organisationen vorgestellt. Dazu werden nach einem kurzen Einblick in die Modellierung und die Service Oriented Architecture (SOA) die elementaren Bestandteile reale Ressource, realer Dienst, virtuelle Ressource und virtueller Dienst voneinander abgegrenzt, bevor das Service-Modell mit Hilfe dieser Elemente eingeführt und erläutert wird. Im Anschluss soll dann ein komplexes Szenario aus dem Bereich des Krisenmanagements helfen, die gewonnen Erkenntnisse zu verdeutlichen.

Dieses Kapitel behandelt folgende Fragen:

Was unterscheidet Dienste von Ressourcen?

Was wird im Grid-Kontext unter Virtualisierung verstanden?

Was sind die Elemente von realen bzw. Virtuellen Organisationen?

Kapitel 4: Anforderungen an ein Accountingsystem

Im Mittelpunkt steht die Identifikation von Anforderungen an Accountingsysteme. Dazu werden verschiedene Szenarien hinsichtlich des Abrechnungsmanagements und der sich hieraus ergebenden Problemstellungen analysiert. Zunächst wird eine Analyse eines Internet Service Providers (ISP) vorgenommen, die sich auf allgemeine Anforderungen an jedes Accountingsystem konzentriert. Anschließend werden wiederum anhand von Beispielszenarien Grid-spezifische Zusatzanforderungen abgeleitet, bevor ein generischer Anforderungskatalog erstellt wird.

Primäre Fragen dieses Kapitels sind:

Welche Basisanforderungen an Grid-Accountingsysteme können aus dem Abrechnungsmanagement von ISPs übernommen werden?

Welche Zusatzanforderungen entstehen bei einer Verwendung von Accountingsystemen im Grid-Umfeld?

Welche Anforderungen sind für den Nutzer bzw. Anbieter relevant?

Kapitel 5: Darstellung und Bewertung bestehender Accountingsysteme

Innerhalb des Kapitels werden bestehende Accountingsysteme untersucht. Begonnen wird mit der Vorstellung jedes einzelnen Ansatzes, bevor ein Vergleich mit dem im Kapitel 4 erarbeiteten, generischen Anforderungskatalog erfolgt und abschließend eine Gesamtbewertung bestehender Ansätze vorgenommen wird.

Folgende Fragen werden hierbei untersucht:

Welche Accountingsysteme gibt es gegenwärtig?

Gibt es ein Accountingsystem, welches alle identifizierten Anforderungen abdeckt?

Kapitel 6: Umfeld des Accountingsystems

Im Zentrum des Kapitels steht die Vorstellung aller Elemente, die beim Ablauf eines Auftrages in der Grid-Umwelt gegenseitig interagieren und hierbei insbesondere Daten für das Accounting vorhalten.

Kernaspekte dieses Kapitels sind:

Welche Komponenten interagieren beim Ablauf eines Jobs?

Welche Schnittstellen existieren zu der Grid Middleware Globus Toolkit?

Kapitel 7: Architektur des Accountingsystems

Das Kapitel 7 beschreibt insbesondere das Accountingsystem. Dazu wird im ersten Abschnitt dieses Kapitels zunächst ein allgemeiner, komponentenübergreifender Überblick über den Aufbau und die Prozesse des Accountingsystems gegeben, bevor im zweiten Abschnitt eine eingehendere Beschreibung aller Prozesse innerhalb der Komponenten erfolgt.

Gegenstand des Kapitels sind folgende Punkte:

Wie ist das Accountingsystem aufgebaut?

Welche Prozesse können identifiziert werden?

Kapitel 8: Schluss

Abschließend werden in Kapitel 8 die Ergebnisse der Arbeit noch einmal zusammenfassend dargestellt und eine Bewertung hinsichtlich der Problemstellung vorgenommen. Weiterhin wird sowohl ein Ausblick über mögliche Lösungen offener Probleme als auch bzgl. einer Realisierung des Accountingsystems gegeben.

Grundsätzliche Fragen des Kapitels sind:

Welche Ergebnisse wurden im Hinblick auf die Zielsetzung erreicht?

Wie sind die Resultate zu bewerten?

Welche Probleme sind noch zu lösen?

Wie sollte im weiteren Verlauf vorgegangen werden?

Abbildung 1.5: Dokumentstruktur

---

¹Desoxyribonucleic Acid; international gebräuchliche Abkürzung für Desoxyribonukleinsäure (DNS)

2 Allgemeine Begriffsbestimmung/Begriffsabgrenzung

Wie bereits erwähnt, widmet sich dieses Kapitel einer allgemeinen Einführung in die Begriffswelten Grid Computing, Virtuelle Organisationen und Accounting. Ohne zu sehr auf Detailfragen einzugehen, soll eine klare Abgrenzung dieser wesentlichen Eckpunkte helfen, den Zugang in die Gesamtthematik zu vereinfachen, bevor dann ab Kapitel 3 der eigentliche Schwerpunkt dieser Arbeit beginnt.

2.1 Grid Computing

2.1.1 Einführung

Moores Gesetz² hat derart leistungsfähige Computer hervorgebracht, dass selbst der normale Desktopanwender die ihm verfügbaren Prozessor- und Speicherressourcen nur zu 5 Prozent ausnutzt. Sogar in Unternehmensrechenzentren wurde nur eine Auslastung zwischen 10-35 Prozent gemessen [9]. Solche ungenutzten Potentiale zur Verfügung zu stellen ist eine Motivation des Grid Computing. Eine weitere Motivation entstand in den frühen neunziger Jahren aus dem Wunsch heraus, bestehende Hochleistungsrechner über schnelle Datenleitungen zu koppeln, um auf diese Weise extrem speicher- oder rechenintensive Probleme, so genannte Grand Challenge-Applikationen, zu lösen. Auf das Ziel der koordinierten Ressourcennutzung für große Rechenaufgaben [10] verweisen auch die damals geprägten Begriffe Metacomputing oder Hypercomputing. Die Pioniere auf diesem Gebiet, wie Ian Foster und Carl Kesselman, verwenden die Analogie des Stromnetzes für das Grid, das unerschöpflichen Zugang zu Elektrizität bietet. Grid-Compting wird ein ähnliches Potential zur Transformation und Erweiterung der Möglichkeiten einer Gesellschaft zugesprochen. Diese Ansicht wird vor allem mit der Möglichkeit der Versorgung mit einfach zugänglicher und bezahlbarer Rechenleistung gestützt. Frei übersetzt wird in dem Zusammenhang auch von der Rechenleistung aus der Steckdose gesprochen.

2.1.2 Definition

Die explosionsartige Verbreitung des Grid Computing in den letzten Jahren hatte eine Vielzahl von Begriffen und Definitionen zur Folge, da jeder im Grid die Lösung seiner speziellen Aufgaben sah und dementsprechend mit einer eigenen Definition für den Begriff Grid aufwartete [9].

Dennoch lässt sich in der Vielfalt der Definitionen eine klare Entwicklung von gemeinsamen Merkmalen erkennen [11]. In den Anfängen erfuhr der Begriff eine erste Prägung durch Ian Foster und Carl Kesselman, indem das Grid als eine Hard- und Softwareinfrastruktur bezeichnet wird, die den Zugang zu Rechenleistung ermöglicht:

The Grid is a hardware and software infrastructure that provides dependable, consistent, pervasive, and inexpensive access to high-end computational capabilities. [12]

Der hier noch sehr allgemein beschriebene Zugang zu den Ressourcen wurde im Laufe der Zeit genauer spezifiziert. Grid Computing koordiniert den Zugriff auf verteilte Ressourcen und ermöglicht deren dynamische Verknüpfung [13]. In diesem Zusammenhang mussten soziale Aspekte und Regeln der übergreifenden Ressourcenteilung beantwortet werden. Ressourcen unterliegen nicht einer zentralen Kontrolle und werden im Umfang von Vereinbarungen, so genannten Policies zur Verfügung gestellt. Bei den Vereinbarungen besitzen lokale Regeln eine höhere Priorität als globale außerhalb der Organisation. Weiterhin dient das Grid Computing der koordinierten Problemlösung, um eine bessere Effizienz hinsichtlich des zeitlichen Aufwands zur Problemlösung zu ermöglichen. Notwendige Merkmale dafür sind einerseits die Gewährleistung einer sicheren und flexiblen Zusammenarbeit, andererseits die Existenz von Vertrauensbeziehungen zwischen den Teilnehmern im Grid.

The key concept is the ability to negotiate resource-sharing arrangements among a set of participating parties (providers and consumers) and then to use the resulting resource pool for some purpose.[11]

Transparenz als ein weiteres Merkmal des Grid Computing leitet Ahmar Abbas in Anlehnung an die Metapher des Stromnetzes ab. Wie bei der Nutzung des Stroms, bei der es unerheblich ist, auf welchem Weg dieser produziert wurde (z.B. über Solarenergie, Windenergie, Kohlekraftwerk), braucht sich auch der Nutzer des Grid in den meisten Fällen keine Gedanken über die Heterogenität der Ressourcen zu machen. Beispielsweise sind Unterschiede bei der Architektur der Hardware (Intel vs. Sun SGI), des Betriebssystems (Solaris vs. Windows 2000 vs. IRIX) und der Datenspeicherung für den Nutzer transparent [14].

Abbildung 2.1: Teilung von Ressourcen und Diensten über Organisationsgrenzen hinweg, n. [15]

Im weiteren Verlauf wurde das Hauptaugenmerk verstärkt in Richtung Virtueller Organisationen und der Verwendung von standardisierten Protokollen, die eine bessere Interoperabilität gewährleisten, gelegt [16]. Virtuelle Organisationen werden in Abschnitt 2.2 weiter erläutert.

Neueste Ansätze erweitern den Begriff des Grid um eine stärker dienstorientierte Ausrichtung. In diesem Zusammenhang wird der Begriff Service Oriented Architecture (SOA) für das Grid verwendet [15]. SOA ist ein Modell, um verlässliche verteilte Systeme zu implementieren, die ihre Funktionalitäten als Dienste anbieten und dabei den Aspekt von veränderlichen Verbindungen zwischen den Diensten betont. Dienste, als Technologie unabhängig, variabel verbindbar und transparent, sind hierbei die zentrale Schnittstelle für Zugriffe auf Ressourcen und andere Dienste [17]. Bisherige Modelle arbeiten beispielsweise ähnlich dem Internet auf best-effort Basis, bei der keine Garantien dafür gegeben werden können, einen Dienst in der zu erwartenden Qualität zu bekommen. Wenn diese Leistungen nicht mehr unentgeltlich zur Verfügung gestellt werden, wird der Nutzer verstärkt darauf achten, den bezahlten Dienst auch in dem geforderten Leistungsumfang zu erhalten [18]. Grid Computing erweitert den SOA-Ansatz noch um die Koordinierung und das Management von Diensten [19]. Darüber hinaus wird eine Übersicht über angebotene Dienste und deren Statusinformationen, als Art Metainformationen bereitgestellt. Im Zusammenhang mit der Weiterentwicklung des Spektrums wird das Grid Computing auch als Knowledge Grid bezeichnet.

An dieser Stelle sollen für das Gesamtverständnis der Arbeit die wichtigsten Merkmale zusammengefasst werden.

Ein Grid:

bietet Nutzern sicheren Zugriff auf eine Vielzahl von heterogenen Ressourcen und Diensten

koordiniert flexibel Ressourcen und Dienste, die nicht einer zentralen Kontrolle unterliegen (gewährleistet lokale Autonomie)

unterstützt die Bildung von Virtuellen, gemeinschaftlichen Organisationen (so genannte dynamische Virtuelle Organisationen; siehe Abschnitt 2.2)

ermöglicht die dynamische und adaptive Ressourcenentdeckung und -zuteilung zu Individuen, Institutionen und Organisationen, insbesondere auch bei Fehlersituationen einzelner Komponenten

nutzt standardisierte, offene, generische Protokolle und Schnittstelle

erbringt nicht-triviale Quality of Service (QoS)

gewährleistet eine sichere Authentifizerung/Autorisierung³

bietet eine neue Abstraktionsebene:

– Der Benutzer muss sich nicht mehr mit den Eigenheiten der einzelnen Systeme auseinander setzen. Das Grid erlaubt die Aggregation und Skalierung von geographisch entfernten Ressourcen und Diensten, um diese als eine Einheit erscheinen zu lassen

– Der Nutzer interagiert mit dem Grid und nicht mit einzelnen Ressourcen

2.1.3 Anwendungsbereiche

Das Grid erfährt gegenwärtig eine große Teilnahme von Seiten vieler internationaler Wissenschaftler, IT-Spezialisten und Fachleuten aus der Industrie. Das Global Grid Forum (GGF), als eine der wichtigsten Standardisierungsinstitutionen auf dem Gebiet des Grid Computing, wird in seiner internationalen Community unter anderem durch eine Vielzahl an Leistungsanforderungen und Best Practices beeinflusst [20].

Abbildung 2.2 stellt hierbei die maßgeblichen Akteure im Grid-Umfeld dar:

Abbildung 2.2: Das Grid-Ecosystem, n. [20]

Grundsätzlich können alle Funktionen, Operationen oder Programme, die von gewöhnlichen Desktop PCs her bekannt sind, auch im Grid erfolgen, welches