✅Presencia de centro de datos en diferentes puntos geográficos

Funcionalidad 🛠 infraestructura de cómputo, almacenamiento y bases de datos hasta nuevas tecnologías como aprendizaje automático e IA, lagos de datos y análisis e internet de las cosas

Red global de regiones 🌐
AWS tiene la infraestructura en la nube más amplia del mundo.

▪Hadoop Distributed -File -System (HDFS): Es un sistema de archivos distribuido y escalable para Hadoop. Distribuye los datos que almacena en instancias en el clúster, almacenando varias copias de datos en distintas instancias para garantizar que no se pierdan si llega a fallar una instancia individual.

Servidores
Hay 4 tipos de servidores en el clúster de Google, situados en paralelo del servidor Web:
✅Los servidores índice:Están divididos en fragmentos (por ejemplo, uno apunta a todo lo que comienza con la letra 'a'), y devuelve al servidor Web una lista con las IDs de documentos donde aparece una determinada palabra. ✅Los servidores de documentos:Contienen las copias caché de las páginas Web que se rastrean, el código HTML plano de los documentos está disponible en los almacenes de Google.:
✅Los servidores correctores de deletreo:Son los que nos muestran el mensaje "Quiso decir: ...".
✅Los servidores AdWords:Muestran los enlaces patrocinados.

Operación de los Servidores
✅La mayoría de operaciones son de solo lectura; cuando se necesita una actualización de datos, las consultas se envían a otros servidores, para simplificar los problemas de consistencia.
✅Las consultas se dividen en subconsultas, cada una de ellas se envía por diferentes canales en paralelo, reduciendo así el tiempo de latencia.

Cifrado de datos incorporado

▪Sistema de archivos de EMR(EMRFS*): Con este sistema Amazon EMR amplia Hadoop para añadir la posibilidad de acceder directamente los datos almacenados en Amazon S3 como si fueran un sistema de archivos como HDFS.

▪Sistema de archivos local: Se refiere a un disco conectado a nivel local. Cuando se crea un clúster de Hadoop, cada nodo se crea a partir de una instancia de Amazon EC2 que viene con un bloque preconfigurado de almacenamiento en disco pread junto llamado un almacén de instancias.

✨ADMINISTRACION DE RECURSOS EN CLUSTER: Esta es responsable de la administración de los recursos de clúster y de la programación de trabajos para procesamientos de datos.

También actualizan las bases de datos de documentos con las páginas web que se van encontrando

✅ Para que los documentos que se identifican contengan la palabra que el usuario está buscando.

✅ Los servidores de documentos sirven para almacenar los documentos

▪Hadoop MapReduce: Es un modelo de programación de código abierto para informática distribuida. Este simplifica el proceso de escritura de aplicaciones distribuidas en paralelo mediante el tratamiento de toda la lógica, mientras proporciona las funciones Map y Reduce.

✅ : Cada documento se almacena en docenas de servidores de documentos.

✅Uno de los factores más importantes además de la alta calidad y facilidad de las búsquedas es el PageRank, un método sofisticado para asignar la importancia a cada documento de la Word Wide Web.
✅Para calcular el valor del PageRank, Google utiliza la teoría de grafos, mediante una matriz de 30 billones de nodos. Cada uno de estos nodos tiene 10 arcos (o aristas) diferentes.

▪Apache Spark: Es un marco de trabajo de clúster y un modelo de programación para el procesamiento de cargas de trabajo de big data. Al igual que Hadoop MapReduce, Spark es un sistema de procesamiento distribuido de código abierto, pero utiliza gráficos acíclicos dirigidos para planes de ejecución y el almacenamiento e caché en memoria para conjunto de datos.

✨APLICACIONES Y PROGRAMAS:Amazon EMR admite muchas aplicaciones, tales como Hive, Pig, y la biblioteca Spark Streaming para ofrecer capacidades como el uso de lenguajes de nivel superior para crear cargas de trabajo de procesamiento de flujos y la creación de almacenes de datos.

✅El avance en los motores de búsqueda en google sedebe enfocar en poner entre las primeras diez páginas lo que el usuario promedio está buscando.

Uno de los productos de la red
de publicidad en línea de Google

se utiliza para ofrecer publicidad
patrocinada a potenciales anunciantes.

Mejora la eficiencia tanto del servidor como de la aplicación

Es responsable de entregar el contenido, es decir, entregar el sitio web, el contenido puede ser: estático, dinámico o continuo

Se utiliza para distribuir el tráfico a los servidores web, lo que mejora el rendimiento.

Firewall de red entrante, en el que necesita especificar los protocolos, puertos y rangos de direcciones IP de origen que pueden llegar a sus instancias

Servicio web que administra la memoria cache en la nube.

Amazon RDS (Servicio de base de data relacional) ofrece un acceso similar al del motor de base de data MySQL

AWS puede escalar dinámicamente

✅La seguridad en la nube de AWS es la mayor prioridad.
Como cliente de AWS, se beneficiará de una arquitectura de red y un centro de datos diseñados para satisfacer los requisitos de seguridad de las organizaciones más exigentes.

✅La seguridad es una responsabilidad compartida entre AWS y usted. El modelo de responsabilidad compartidala describe como seguridad de la nube y seguridad en la nube::
✅Seguridad de la nubeAWS es responsable de proteger la infraestructura que ejecuta AWSServicios deAWS
✅La nube AWSTambién le proporciona servicios que puede utilizar de forma segura. Auditores externos prueban y verifican periódicamente la eficacia de nuestra seguridad en el marco de los programas de conformidad de AWS

Configure la API y el registro de actividad del usuario con AWS CloudTrail.

Utilice las soluciones de cifrado de AWS, junto con todos los controles de seguridad
predeterminados dentro de los servicios de AWS.

Componentes
🖊Hadoop Distributed File System (HDFS)
🖊 Sistema de archivos de EMR (EMRFS)
🖊 Sistema de archivos local

Componentes
🖊 Yet Another Resource Negotiator

Componentes 🖊 Hadoop MapReduce
🖊 Apache Spark

Storage
La capa de almacenamiento incluye los diferentes sistemas de archivos que se utilizan con el clúster. Existen varios tipos distintos de opciones de almacenamiento como se indica a continuación.

Marcos de procesamiento de datos
La capa de marco de trabajo de procesamiento de datos es el motor que se utiliza para procesar y analizar datos. Existen muchos marcos de trabajo disponibles que se ejecutan en YARN o que tienen su propia administración de recursos. Los distintos marcos están disponibles para los diferentes tipos de necesidades de procesamiento tales como lotes, interactivo, en memoria, streaming, etc. El marco de trabajo que elija depende de su caso de uso. Esto afecta a los lenguajes y a los interfaces disponibles desde la capa de aplicación, que es la capa que se utiliza para interactuar con los datos que desea procesar. Los principales marcos de procesamiento disponibles para Amazon EMR son Hadoop MapReduce y Spark.

Administración de recursos de clúster
La capa de administración de recursos es responsable de la administración de los recursos de clúster y de la programación de trabajos para procesamiento de datos.

La categorización de las instancias que hace Google es bastante simple, tienen instancias normales e instancias preemptible. La diferencia es que las preemptible son mucho más baratas porque no están reservadas para nuestro uso, como máximo podemos usarlas durante 24 horas y, si por necesidades de carga fueran necesarias, Google nos las podría quitar antes.

Beanstalk posiblemente no será el servicio más conocido ni el más utilizado de AWS, pero permite el uso de un conjunto de lenguajes muy amplio: Java, .NET, PHP, Node.js, Python, Ruby, Go.