לפני הענן
- 17 דקות
כעת, לאחר שהגדרנו מהו מיחשוב ענן, הבה נבחן את האופן שבו נעשה שימוש בחישובים שונים, כגון מיחשוב עסקי, מיחשוב מדעי ומחשוב אישי לפני הופעתם של מיחשוב ענן.
Business computing: מחשוב עסקי כרוך לעתים קרובות בשימוש במערכות ניהול מידע הכוננים לוגיסטיקה ופעולות, תכנון משאבים ארגוניים (ERP), ניהול קשרי לקוחות (CRM), פרודוקטיביות משרדית ובינה עסקית (BI). כלים אלה אפשרו תהליכים יעילים יותר שהובילו לשיפור הפרודוקטיביות והפחתת העלות במגוון ארגונים.
לדוגמה, תוכנת CRM מאפשרת לחברות לאסוף, לאחסן, לנהל ולפרש מגוון נתונים לגבי לקוחות עתידיים בעבר, נוכחיים ופוטנציאל. תוכנת CRM מציעה תצוגה משולבת (בזמן אמת או בקרבת זמן אמת) של כל האינטראקציות הארגוניות עם הלקוחות. עבור חברת ייצור, צוות המכירות יכול להשתמש בתוכנה CRM כדי לתזמן פגישות, משימות והמשך טיפול עם לקוחות. צוות שיווק יכול לייעד לקוחות באמצעות קמפיינים המבוססים על דפוסים ספציפיים. צוותי חיוב יכולים לעקוב אחר הצעות מחיר וחשבוניות. לפי כך, זהו מאגר מרכזי לאחסון מידע זה. כדי לאפשר פונקציונליות זו, מגוון טכנולוגיות חומרה ותוכנה משמשות את צוותי הארגון והמכירות כדי לאסוף את הנתונים שיש לאחסן ולנתח באמצעות מערכות שונות של מסדי נתונים וניתוח.
מדעי: מיחשוב מדעי משתמש במודלים מתמטיים ובטכניקות ניתוח המיושמות במחשבים כדי לנסות לפתור בעיות מדעיות. דוגמה פופולרית היא הדמיית מחשב של תופעה פיזית - לדוגמה, שימוש במודלים אקלים לחיזוי מזג האוויר. תחום זה שבש את השיטות התיאורטיות והניסיוניות המסורתיות על-ידי מתן אפשרות למדענים ומהנדסים לבנות מחדש אירועים ידועים או לחזות מצבים עתידיים על-ידי פיתוח תוכניות לדמות ולבצע מחקר של מערכות שונות בנסיבות שונות. הדמיות כאלה בדרך כלל דורשות מספר גדול מאוד של חישובים אשר פועלים לעתים קרובות במחשבי-על יקרים או פלטפורמות מיחשוב מבוזרות.
אישית: בחישוב אישי, משתמש מפעיל יישומים שונים במחשב אישי (PC) למטרות כלליות. דוגמאות לאפליקציות אלה כוללות מעבדי תמלילים ותוכנות אחרות לפרודוקטיביות במשרד, אפליקציות תקשורת כגון לקוחות דואר אלקטרוני ותוכנות בידור כגון משחקי וידאו ונגני מדיה. משתמש PC הוא בדרך כלל הבעלים, ההתקנה והתחזוקה של התוכנה וה החומרה מנוצלים כדי לבצע משימות אלה.
קנה מידה של מיתן כתובות
אחד מהאתגרים הארוך ב- IT הוא שינוי קנה מידה של משאבי חישוב כדי לעמוד בדרישות - לדוגמה, כדי להגדיל את הקיבולת של אתר אינטרנט כדי לעמוד בצרכים של בסיס לקוחות הולך וגדל או כדי לטפל בטעינה "רצף" במהלך שעות עבודה שיא או אירועים מיוחדים שלמשוך קהלים עצומים.
הגדלת קנה המידה במחשוב הייתה תהליך מתמשך, בין אם בהגדלת מספר הלקוחות והאירועים ללכידה, לניטור ולניתוח ב- CRM, או הגדלת הדיוק של הדמיות מספריות במחשב מדעי או ב ריאליזם ביישומי משחקי וידאו. יתר על כן, הצורך בקנה מידה גדול יותר הונע על-ידי העלייה בהטמעה של טכנולוגיות על-ידי תחומים שונים או הרחבת עסקים ושווקים, כמו גם עלייה מתמשכת במספר המשתמשים והצרכים שלהם. ארגונים חייבים לכלול בחשבון את העלייה בקנה המידה כאשר הם מתכננים ותקציב עבור פריסת הפתרונות שלהם.
ארגונים מתכננים בדרך כלל את תשתית ה- IT שלהם בתהליך תכנון קיבולת. במהלך תהליך תכנון הקיבולת, הצמיחה בשימוש של שירותי IT שונים מוערכת ומשמשת כ בחינת ביצועים להרחבה עתידית. ארגונים צריכים לתכנן מראש רכישה, הגדרה ותחזוקה של שרתים חדשים וטובים יותר, התקני אחסון וציוד רשת. לעתים ארגונים מוגבלים על-ידי תוכנה, מכיוון שייתכן שהם רכשו קבוצה מוגבלת של רשיונות ועשויים לדרוש יותר כדי להרחיב את התשתית כדי לכסות קבוצה גדולה יותר של משתמשים.
צורת קנה המידה הבסיסית ביותר נקראת שינוי קנה מידה אנכי של , שבה מערכות קיימות מוחלפים במערכות חדשות יותר עם ביצועים טובים יותר עם יחידות CPU מהירות יותר וזיכרון ו שטח דיסק נוספים. במקרים רבים, שינוי קנה מידה אנכי מורכב משדרוג או החלפה של שרתים והוספת קיבולת למערכים של אחסון. תהליך זה עשוי להימשך חודשים כדי לתכנן ולבצע, ולתדירות גבוהה נדרשות תקופות זמן קצרות של זמן ההפצה של השדרוגים.
ניתן גם לבצע שינוי באופן על-ידי הגדלה או הקטנה של מספר המשאבים המוקדש למערכת. דוגמה לכך היא מחשוב בעל ביצועים גבוהים, שבו ניתן להוסיף שרתים וקיבולת אחסון נוספים לאשכולות קיימים, וביצועים אלה מגדילים את מספר החישובים שניתן לבצע לשניה. דוגמה נוספת כרוכה בחוות אינטרנט - אשכולות של שרתים שמארחים אתרי אינטרנט ויישומי אינטרנט - שבהם ניתן להביא שרתים נוספים למצב מקוון כדי לטפל בתעבורה מוגברת. בדיוק כמו בקנה מידה אנכי, תהליך זה עשוי להימשך חודשים כדי לתכנן ולבצע, עם זמני ההקשה גם אפשרות.
מאחר שציוד ה- IT של חברות בבעלותן ובתחזוקה שלו, ככל שהעלות של טיפול בקנה המידה ממשיכה לעלות, חברות זיהו שיטות אחרות כדי לצמצם את העלות. חברות גדולות איחדו את צרכי המיחשוב של מחלקות שונות למרכז נתונים גדול אחד, שבו רכזו נדל"ן, עוצמה, קירור ורשתות כדי להפחית את העלות. עם זאת, חברות קטנות ובינונית יכולות להחכיר נדל"ן, רשת, חשמל, קירור ואבטחה פיזית על-ידי הצבת ציוד ה- IT במרכז נתונים משותף. פעולה זו נקראת בדרך שירות שיתוף אשר אומצה על-ידי חברות קטנות עד בינוניות שלא רוצים לבנות מרכזי נתונים משלהן בארגון. שירותי מיקום משותף ממשיכים להטמיע בתחומים שונים כגישה חסכונית להפחתת הוצאות תפעוליות.
המיחשוב העסקי הותאם לקנה מידה באמצעות קנה מידה אנכי ואופקי וכן איחוד של משאבי IT למרכזי נתונים ולמיקום משותף. במחשוב מדעי, אומצו מערכות מקבילות ומערכות מבוזרות כדי להקטין את גודל הבעיות ואת מידת הדיוק של ההדמיות המספריות שלהן. הגדרה אחת עיבוד מקבילי היא השימוש במחשבים הומוגניים מרובים המשתף מצב ופועלים כמחשב גדול יחיד כדי להפעיל חישובים בקנה מידה גדול או ברמת דיוק גבוהה. מבוזרת הוא השימוש במערכות מיחשוב אוטונויות מרובות המחוברות על-ידי רשת כדי לחלק בעיה גדולה בתת-פעילויות שמבצעות בו-זמנית ומעבירות הודעות דרך הרשת. הקהילה המדעית המשיכה לחדש תחומים אלה כדי לטפל בקנה המידה. במחשוב אישי, לקנה המידה הייתה השפעה באמצעות דרישות מוגברות שהובאו על-ידי תוכן עשיר יותר ויישומים שרעבים לזיכרון. המשתמשים מחליפים את המחשבים שלהם במודלים חדשים ומהירים יותר או משדרגים מודלים קיימים כדי להתעדכן בדרישות אלה.
עליית שירותי האינטרנט
בסוף 1990 סימן גידול קבוע בהטמעה של אפליקציות מיחשוב ופלטפורמות אלה בין תחומים. בקרוב, התוכנה ציפתה לא רק להיות פונקציונלית, אלא גם מסוגל לייצר ערך ותובנות עבור דרישות עסקיות ואישיות. השימוש באפליקציות אלה הפך לשיתוף פעולה; אפליקציות היו מעורבות והתאימו להזנה של מידע זה לזה. ה- IT כבר לא היה רק מרכז עלות עבור חברה, אלא מקור לחדשנות ויעילות.
איור 1.2: השוואת מיחשוב מסורתי Internet-Scale.
המאה ה-21 סומנה כפיצוץ בנפח ובקיבולת של תקשורת אלחוטית, האינטרנט והאינטרנט. שינויים אלה הובילו לחברה מבוססת-רשת ונתונים, שבה הפקה, הפצה וגישה למידע דיגיטציה היא פשוטה יותר. האינטרנט יצר שוק גלובלי הכולל יותר מ- 4 מיליארד משתמשים. עלייה זו בנתונים ובחיבורים היא בעלת ערך לעסקים. נתונים יוצרים ערך במספר דרכים, כולל על-ידי הפעלת ניסויים, פילוח אוכלוסיות ותמיכה בהחלטות בעזרת אוטומציה1. על-ידי הפקת טכנולוגיות דיגיטליות, 10 הכלכלות המובילות בעולם היו צפויות להגדיל את הפלט שלהן ביותר טריליון דולרים בין 2015 ל- 2020.
המספר הגדל של חיבורים שהאינטרנט הפך לזמין גם הוא. חוקרים השערו שהערך של רשת משתנה בצורה סופר ליניאארית כפונקציה של מספר המשתמשים. לכן, בקנה מידה של האינטרנט, הלקוחות המשיגים ושומרת על הלקוחות הם בעדיפות עליונה, ותהליך זה מתבצע על-ידי בניית שירותים אמינים ותגובתיים, ו ביצוע שינויים בהתבסס על דפוסי נתונים שנצפתו.
להלן כמה דוגמאות למערכות בקנה מידה של אינטרנט:
- חיפוש לסריקה, לאחסון, לאינדקס ולחיפוש בערכות נתונים גדולות (עד בגודל petabyte). לדוגמה, Google התחילה כאינדקס אינטרנט ענק שנסרק ונתח תעבורת אינטרנט פעם בכמה ימים והתאים אינדקסים אלה למילות מפתח. כעת, הוא מעדכן את מדדי הנתונים שלו בזמן אמת קרוב, והוא אחת הדרכים הפופולריות ביותר לגשת למידע באינטרנט. האינדקס שלהם כולל טריליון עמודים עם גודל של אלפי טרה-בתים3.
- חברתיות כמו Facebook ו- LinkedIn המאפשרות למשתמשים ליצור קשרי גומלין אישיים ומקצועיים ולבנות קהילות בהתבסס על תחומי עניין דומים. Facebook, לדוגמה, מתגאה כעת ביותר מ- 2 מיליארד משתמשים פעילים בכל חודש.
- הקמעונאות המקוונים, כגון Amazon, מתחזקים רשימת מלאי של מיליוני מוצרים ומשמשים בסיס משתמש גלובלי. ב-2017, הפעולה הקמעונאית המקוונת של אמזון השיגה מכירות נטו של $178 מיליארד דולר,% 31 מיליון דולר מהשנה שלפניה.
- אפליקציות מולטימדיה עשירות מאפשרות לאנשים לצפות ולשתף סרטוני וידאו וצורות אחרות של תוכן עשיר. דוגמה אחת כזו, YouTube, משרתת עד 5 מיליארד סרטוני וידאו ליום ויש לה 300 דקות של וידאו המועלות אליו בכל שניה.
- תקשורת בזמן אמת שיחות קוליות, וידאו וטקסט, כגון Skype, אשר שעון המכיל יותר מ- 50 מיליארד דקות של שיחות בכל חודש.
- פרודוקטיביות ושיתוף פעולה משרתות מיליוני מסמכים למשתמשים בו-זמניים רבים המאפשרים עדכונים מתמידים בזמן אמת. לדוגמה, Microsoft 365 משרת כ- 60 מיליון משתמשים פעילים מדי חודש.
- CRM-ידי ספקים כמו SalesForce נפרסים ביותר ממאה אלף ארגונים. ארגונים גדולים מספקים כעת לוחות מחוונים אינטואיטיביים למעקב אחר מצב וניתוח כדי למצוא את הלקוחות שיצרו את חיזוי ההכנסות והעסקים הרב ביותר כדי לחזות את הצמיחה העתידית.
- כריית נתונים ובינה עסקית אפליקציות שמנתחות את השימוש בשירותים אחרים (כמו אלה לעיל) כדי למצוא חוסר יעילות והזדמנויות לממון.
באופן ברור, מערכות אלה צפויות לטפל בכמויות גדולות של משתמשים בו-זמניים. לשם כך נדרשת תשתית עם קיבולת לטיפול בכמויות גדולות של תעבורת רשת, ליצור ולאחסן נתונים באופן מאובטח, כל זאת ללא עיכובים משמעותיים. שירותים אלה מפיקים את הערך שלהם על-ידי מתן תקן איכות קבוע ומהימן. הם גם מספקים ממשקי משתמש עשירים עבור מכשירים ניידים ודפדפני אינטרנט, מה שמקשה עליהם לבנות ולתחזק אותם.
אנו מסכמים חלק מהדרישות של מערכות בקנה מידה באינטרנט כאן:
- Ubiquity --- נגיש מכל מקום בכל עת, מתוך מספר רב של מכשירים. לדוגמה, איש מכירות מצפה ששירות CRM שלו יספק עדכונים בזמן במכשיר נייד כדי לבצע ביקורים בלקוחות קצרים יותר, מהירים ויעילים יותר. השירות אמור לפעול בצורה חלקה תחת מגוון חיבורי רשת.
- זמינות גבוהה --- השירות חייב להיות "תמיד למעלה". זמני פעולה תקינה נמדדים במונחים של מספר תשע. שלוש תשע, או 99.9%, מרמז על כך ששירות לא יהיה זמין למשך 9 שעות בשנה. חמש תשע (כ- 6 דקות בשנה) הוא סף טיפוסי לשירות בזמינות גבוהה. אפילו כמה דקות של זמן ההכבה ביישומים הקמעונאיים המקוונים יכולים להשפיע על מיליוני דולרים של מכירות.
- השהיה נמוכה --- גישה מהירה ומגיבה. זמני טעינת עמודים איטיים עוד יותר הוצגו כדי להפחית באופן משמעותי את השימוש בדף האינטרנט המושפע. לדוגמה, הגדלת השהיית החיפוש מ- 100 אלפיות שניה ל- 400 אלפיות שניה מקטינה את מספר החיפושים לכל משתמש מ- 0.8% ל- 0.6%והשינוי נמשך גם לאחר השהיה משוחזר לרמות המקוריות.
- מדרגיות --- היכולת להתמודד עם עומסים משתנים כתוצאה מענתיות ונגיפיות, מה שגורם ל פסגות וחוצה בתעבורה לאורך פרקי זמן ארוכים וקצרים. בימים כגון "יום שישי השחור" ו-"Cyber Monday", קמעונאים כמו Amazon ו- Walmart מקבלים מספר פעמים את תעבורת הרשת מאשר בממוצע.
- יעילות --- אינטרנט דורש תשתית משמעותית מאשר יישום מסורתי וכן ניהול טוב יותר[4]. דרך אחת לייעול העלויות היא על-ידי הפיכת השירותים לקלים יותר לניהול ולהפחתת מספר מנהלי המערכת שמטפלים בשירות. שירותים קטנים יותר יכולים להרשות לעצמם יחס שירות למנהל מערכת נמוך (לדוגמה, 2:1, כלומר, מנהל מערכת יחיד חייב לשמור על שני שירותים). עם זאת, כדי לשמור על רווחיות, שירותים כמו Microsoft Bing חייבים להיות בעלי יחס שירות למנהלי מערכת גבוהים (לדוגמה, 2500:1, כלומר, מנהל יחיד שומר על 2500 שירותים).
- פעולה הדדית --- רבים מהשירותים הללו משמשים לעתים קרובות יחד ולכן חייבים לספק ממשק קל לשימוש חוזר ולתמיכה במנגנונים סטנדרטיים לייבוא ולייצוא של נתונים. לדוגמה, שירותים כגון Uber עשויים לשלב את Google Maps במוצרים שלהם כדי לספק מידע פשוט יותר על מיקום וניווט למשתמשים.
כעת נחקור כמה מהפתרונות המוקדמים לבעיות השונות לעיל. האתגר הראשון להתמודדות היה זמן הלוך ושוב הגדול עבור שירותי אינטרנט המוקדמים שהיו ממוקמים בעיקר בארצות הברית. המנגנונים המוקדמים ביותר להתמודדות עם בעיות של השהיה נמוכה (עקב שרתים רחוקים) וכשל בשרת פשוט מסתכם ביתירות. טכניקה אחת להשגת תוכן זה היתה "שיקוף", שבה עותקים של דפי אינטרנט פופולריים יאוחסנו במיקומים שונים ברחבי העולם. פעולה זו מזערה את כמות העומס בשרת המרכזי, צמצמה את ההשהיה של משתמשי קצה, והיתה אפשרות להעביר את התעבורה לשרת אחר במקרה של כשלים. אי-העקביות היתה עלייה במורכבות כדי להתמודד עם חוסר עקביות אם אפילו עותק אחד של הנתונים השתנה. לכן, שיטה זו שימושית יותר עבור עומסי עבודה סטטיים וכבדי קריאה, כגון הגשת תמונות, סרטוני וידאו או מוסיקה. בשל היעילות של שיטה זו, רוב השירותים בקנה מידה באינטרנט משתמשים ברשתות אספקת תוכן (CDN) לאחסון מטמון כללי מבוזר של תוכן פופולרי. לדוגמה, Cable News Network (CNN) שומרת כעת עותקים משוכפלים של סרטוני הווידאו שלהם בשרתים מרובים מסוג "edge" במיקומים שונים ברחבי העולם, עם פרסום מותאם אישית לכל מיקום.
כמובן, לא תמיד היה הגיוני לחברות בודדות לקנות עשרות שרתים ברחבי העולם. יעילות העלות הושגה לעתים קרובות באמצעות אירוח משותפים. כאן, מניות של שרת אינטרנט יחיד יוחכרו לדיירים מרובים, והפחתת העלות של תחזוקת שרת. שירותי אירוח משותפים עשויים להיות יעילים מאוד במשאבים, כיוון שניתן להקצות משאבים מעבר להנחה שלא כל השירותים עשויים לפעול בקיבולת שיא בו-זמנית. (שרת פיזי שהוקצה על-ידיו הוא שרת שבו הקיבולת המצטברת של כל הדיירים גדולה מהקיבולת בפועל של השרת.) הירידה היתה שכמעט בלתי אפשרי לבודד את שירותי הדיירים משירותיהם של השכנים. לפיכך, שירות אחד עמוס מדי או שרץ לשגיאות עלול להשפיע לרעה על כל השכנים שלו. בעיה נוספת תתגלה מאחר ש דיירים עשויים לעתים קרובות להיות זדוניים ולנסות לנצל את יתרון המיקום המשותפים שלהם כדי לגנוב נתונים או לדחות את השירות למשתמשים אחרים.
כדי לתנגד, וירטואליים פרטיים פותחו כמשתנים של מודל האירוח המשותף. דייר יינתן עם מחשב וירטואלי (VM) בשרת משותף. מחשבים וירטואליים אלה הוקצו לעתים קרובות באופן סטטי וקושרו למחשב פיזי אחד, מה שמציין שקשה היה לשנות את קנה המידה שלהם ולרוב היה צורך בהתאוששות ידנית מכל כשל. למרות שלא ניתן היה עוד לבצע הקצאת משאבים, היו להם בידוד אבטחה וביצועים טובים יותר בין שירותים משותפים מאשר שיתוף משאבים פשוט.
בעיה נוספת של שיתוף משאבים ציבוריים היתה שהיא נדרשת לאחסן נתונים פרטיים בתשתית של ספקים חיצוניים. חלק מהשירותים בקנה מידה של האינטרנט המתוארים לעיל לא היו יכולים להרשות לעצמו לאבד את השליטה על אחסון הנתונים, מאחר שלחשיפה כלשהי של הנתונים הפרטיים של הלקוחות שלהם יהיו השלכות הרסניות. לכן חברות אלה נדרשו לבנות תשתית גלובלית משלהן. לפני ההמצאות של הענן הציבורי, רק תאגידים גדולים כמו Google ו- Amazon יכולים לפרוס שירותים כאלה. כל אחת מחברות אלה תבנה מרכזי נתונים הומוגניים גדולים ברחבי העולם באמצעות רכיבים מחוץ למדף, שם ניתן היה לחשוב על מרכז נתונים כמחשב יחיד, עצום בקנה מידה של מחסן (WSC). WSC סיפק הפשטה קלה להפצה גלובלית של אפליקציות ונתונים, תוך שמירה על בעלות.
בשל כלכלות קנה המידה, ניתן למטב את ניצול מרכז הנתונים כדי לצמצם את העלויות. אף על פי שזה עדיין לא היה יעיל כמו משאבים לשיתוף ציבורי (הענן), למחשבים האלה בקנה מידה של מחסן היו מאפיינים רצויים רבים, המשמשים כיסודות לבניית שירותים בקנה מידה של אינטרנט. קנה המידה של יישומי המיחשוב החל משרת בסיס משתמש קבוע לשרת אוכלוסיה גלובלית דינאמית. WSCs סטנדרטי אפשר לחברות גדולות לשרת קהלים גדולים כאלה. תשתית אידיאלית תשלב את הביצועים והמהימנות של WSC עם מודל אירוח השיתוף. פעולה זו מאפשרת אפילו לתאגיד קטן לפתח ולהשקת יישום תחרותי ברחבי העולם, ללא הת הראש הגבוה של בניית מרכזי נתונים גדולים.
גישה נוספת לשיתוף משאבים היתה רשת, אשר אפשרה שיתוף של מערכות מיחשוב אוטונומית בין מוסדות ומיקומים גיאוגרפיים. מספר מוסדות אקדמיים ומדעיים ישתפו פעולה ויכללו את המשאבים שלהם במרדף אחר מטרה משותפת. לאחר מכן, כל מוסד יצטרף ל"ארגון וירטואלי" על-ידי הקדשת משאבים מוגדרים ספציפיים באמצעות כללי שיתוף מוגדרים היטב. לעתים קרובות המשאבים היו משויכים באופן הטרוגני ורפוי, דבר הדורש מבנות תיכנות מורכבות לתפור יחד. רשתות היו מותאמות לתמיכה במחקרים ופרוייקטים אקדמיים שאינם מסחריים, והסתמכו על טכנולוגיות קוד פתוח קיימות.
הענן היה פעילות עוקבת לוגית המשלבת רבות מהתכונות של הפתרונות לעיל. לדוגמה, במקום אוניברסיטאות שת לתרום ולשתף גישה למא בריכה של משאבים המשתמשים ברשת, הענן מאפשר להם לחכיר תשתית מיחשוב המנוהדת באופן מרכזי על-ידי ספק שירותי ענן. מאחר שהספק המרכזי התחזק מאגר משאבים גדול כדי לספק את כל הלקוחות, הענן מקל על ההגדלה וההגדלה של הביקוש באופן דינאמי תוך פרק זמן קצר. עם זאת, במקום תקנים פתוחים כמו הרשת, מיחשוב ענן מסתמך על פרוטוקולים קנייניים ודורש מהמשתמש להציב רמת אמון מסוימת ב- CSP.
הפניות
- IBM (2017). מה זה big data?https://www.ibm.com/analytics/hadoop/big-data-analytics
- גוגל בע"מ (2015). כיצד החיפוש פועל. https://www.google.com/insidesearch/howsearchworks/thestory/
- המילטון, ג'יימס R ואחרים (2007). עיצוב ופריסה של שירותי Internet-Scale