Cloud computing i big data – SAS

Studijski program	Nastavnici	Status predmeta	Semestar	ESPB
Elektronsko poslovanje i Java tehnologije	Božidar Lj. Radenković, Veljko Milutinović	Izborni	1	8

Sadržaj predmeta

Teorijska nastava
Teorijske osnove cloud computing-a. Virtuelizacija resursa. Virtuelizacija aplikacija i razdvajanje aplikacija od IT infrastrukture. Virtuelizacija hardvera. Virtuelizacija procesora. Virtuelizacija operativnih sistema. Virtuelizacija fajl sistema. Virtuelizacija baza podataka i nerelacione big data baze podataka. Big table, key-value i dokument modeli za skladištenje podataka. Cassandara, Redis, MondoDB. Virtuelizacija aplikacija. Metode razvoja softvera u cloud okruženju: razvoj softvera zasnovan na događajima (event driven), servisno orijentisan razvoj softvera, procesno orijentisan razvoj softvera. Kontejneri kao metod za pakovanje, transport i puštanje aplikacija u rad. Docker, Podman, runc. Mikroservisne arhitekture cloud aplikacija. Metode za raspodelu opterećenja (load balancing): sharding, reverzni proksi, API proksi. Orkestracija mikroservisa, Kubernetes. Upravljanje podacima u cloud-u. CAP teorema. Pronalaženje optimalne kombinacije konzistentnosti i dostupnosti koja odgovara specifičnoj aplikaciji, uz eksplicitno upravljanje particijama podataka. Distribuirani upiti nad velikim količinama podataka, distribuirane transakcije, 2PC, SAGA. Izmeštanje podataka iz baze podataka u tokove poruka (streams), Apache Kafka. Striming podataka u nerelacione baze. Metode za projektovanje, implementaciju i evaluaciju cloud i big data servisa. Projektovanje cloud infrastrukture i servisa za prikupljanje, pretraživanje, obradu i korišćenje velikih količina podataka u elektronskom poslovanju. Paralelno i distribuirano pretraživanje podataka u cloud-u. Mehanizmi za brzo pretraživanje velikih količina podataka, mapreduce. Metode, tehnike i algoritmi big data analitike. Sistemi za otkrivanje znanja i podršku odlučivanju u realnom vremenu. Cloud servisi za big data analitiku. Cloud computing podrška za veštačku inteligenciju; veštačka inteligencija kao servis. Kompleksne big data aplikacije u elektronskoj trgovini, digitalnom marketingu, industriji, e-zdravstvu, e-obrazovanju, e-upravi. Big data analitika u pametnim okruženjima i crowdsensing. Big data analitika podataka sa društvenih medija.
Praktična nastava
Virtuelizacija u Linux operativnom sistemu. Qemu. KVM. Libvirt. Projektovanje virtuelnih mašina i IT automatizacija: Ansible, Chef i Puppet alati za automatizaciju. Virtuelizacija aplikacija, Docker kao infrastruktura za aplikacije elektronskog poslovanja. Orkestracija mikroservisa, Kubernetes. Razvoj aplikacija u cloud okruženju. Virtuelizacija baza podataka. Nerelacione cloud baze podataka. MongoDB, Redis. Postavljanje aplikacija u produkciono okruženje. Cloud infrastruktura za upravljanje velikim količinama podataka: ApacheSpark, Hadoop. Razvoj big data servisa: Apache Hadoop ekosistem, Apache Spark, Python biblioteke za otkrivanje znanja u podacima, TensorFlow. Upravljanje cloud infrastrukturom. Servisi globalnih cloud provajdera: AWS, Microsoft Azure, Google.

Cilj predmeta

Cilj predmeta je osposobljavanje studenata za projektovanje i razvoj naprednih cloud infrastruktura i servisa za implementaciju aplikacija elektronskog poslovanja. Posebna pažnja je posvećena konceptima virtuelizacije aplikacija i cloud servisima za prikupljanje, pretraživanje i obradu velikih količina podataka u elektronskom poslovanju - big data.

Ishod predmeta

Studenti su osposobljeni za samostalno projektovanje i implementaciju kompleksnih pouzdanih, skalabilnih i distribuiranih aplikacija elektronskog poslovanja zasnovanih na big data i cloud tehnologijama.

Literatura

1. B. Radenković, M. Despotović-Zrakić, Z. Bogdanović, D. Barać, A. Labus, Elektronsko poslovanje; Fakultet organizacionih nauka, Beograd, 2015.

2. M. Despotović-Zrakić, V. Milutinović, A. Belić, High performance and cloud computing in scientific research and education, monografija, IGI Global, 2014.

3. Despotovic-Zrakic M,Simic K, Labus A ,Milic A, Jovanic B, Scaffolding Environment for e-Learning through Cloud Computing, Educational Technology & Society, 2013.

4. Milovanović S, Bogdanović Z, Labus, A, Barać D, Despotović-Zrakić M, An approach to identify user preferences based on social network analysis, Future Generation Computer Systems, https://doi.org/10.1016/j.future.2, 2019.

5. Šuh, V. Vujin, D. Barać, Z. Bogdanović, B. Radenković, Designing Cloud Infrastructure for Big Data in E-Government, Journal for Universal Excellence, vol. 4, no. 1, pp. A26-A38, Faculty of organizational studies in Novo Mesto, Slovenia, 2015.

6. T. Laszewski, K. Arora, E. Farr, P.Zonooz, Cloud Native Architectures: Design high-availability and cost-effective applications for the cloud, Packt Publishing; 1 edition, 2018.

7. S. Gai, Building a Future-Proof Cloud Infrastructure: A Unified Architecture for Network, Security, and Storage Services, Addison-Wesley Professional, 2020

8. R. Chaudhary, G. S. Aujla, N. Kumar and J. J. P. C. Rodrigues, Optimized Big Data Management across Multi-Cloud Data Centers: Software-Defined-Network-Based Analysis, IEEE Communications Magazine, 2018

9. Malaska, T. & Seidman, J, Foundations for Architecting Data Solutions: Managing Successful Data Projects, O'Reilly Media, 2018

10.Bengfort, B. & Kim, J, Data Analytics with Hadoop: An Introduction for Data
Scientists, O'Reilly Media, 2016

11. Materijali u e-formi, sa sajta moodle.elab.fon.bg.ac.rs


Moodle	Hosting

MSDNAA	Softver

Katedra za elektronsko poslovanje Univerzitet u Beogradu, Fakultet organizacionih nauka

Fakultet organizacionih nauka, Univerzitet u Beogradu

Katedra za elektronsko poslovanje

Cloud computing i big data – SAS

Sadržaj predmeta

Cilj predmeta

Ishod predmeta

Literatura