Please enable JavaScript.

Coggle requires JavaScript to display documents.

FUNDAMENTOS DE ARQUITECTURA DE GOOGLE Y AMAZON, Google Cloud Migrate…

- - - - :check: Toda esta necesidad de interacción con el usuario promedio, presenta un nuevo objetivo que debe ser alcanzado:
        
        :check:Construir un sistema que la mayoría de las personas puedan utilizar sin problemas.
        
        :check:La arquitectura de Google está diseñada para guardar todos los documentos que se encuentren en el rastreo.
        
        :check: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.
  - - - :check: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.
      - :check: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::
        :check:Seguridad de la nubeAWS es responsable de proteger la infraestructura que ejecuta AWSServicios deAWS
        :check: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
      - Protección de los datos
        
        Para fines de protección de datos, recomendamos proteger las credenciales de cuenta de AWS y configurar cuentas de usuari individuales con AWS Identity and Access Management. De estamanera,solo se otorgan a cada usuario los permisos necesarios para cumplir con sus obligaciones laborales.
        
        Utilice Multi-Factor Authentication (MFA) con cada cuenta.
        
        Utilice TLS para comunicarse con los recursos de AWS. Necesitamos TLS 1.2.
        
        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.
- - - - Para jerarquizar sus páginas utiliza diversos factores tales como modelo vectorial, texto de anchors, Page Rank.
        
        Google indexa más de 3 mil millones de páginas Web, aunque ofrecen más resultados gracias a los “rastreos profundos”.
        
        Hay varios “rastreadores” (crawlers):
        
        El general (una vez al mes), que busca en la mayoría de la WWW
        
        El Fresh, que rastrea en las páginas que se actualizan frecuentemente
        
        El de noticias, que rastrea cada 10 minutos
- - - - Actualmente el ser servidor Web que utilizan es personalizado, llamado Google Web Server (GWS) en la versión 2.1, aunque se sospecha que es el servidor Apache modificado
        
        Hay 4 tipos de servidores en el clúster de Google, situados en
        paralelo del servidor Web:
        
        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.
        
        Servidores correctores de deletreo: Son los que nos muestran el mensaje "Quiso decir:..."
        
        Servidores índice: Se dividen en fragmentos y devuelve al servidor Web una lista con las IDs de documentos donde aparece una determinada palabra.
        
        Servidores AdWords: Muestran los enlaces patrocinados
        
        Hardware Google tiene muchos sitios Web indexados y los cálculos los hace en poco tiempo (generalmente 1 segundo). El cálculo ronda un gasto de 250 millones de dólares en hardware: Entre 45.000 y 80.000 servidores, 69.000 las máquinas y 539 racks.
        
        Topología de Red Se estima que Google mantiene más de 45.000 servidores, ordenandos en racks de clusters en varias ciudades del mundo. Cada cluster tiene miles de servidores y los racks están hechos a medida y pueden contener entre 40 y 80 servidores.
- - - - Aceptan la peticion del cliente
        
        luego la reenvían a uno de los servidores de web de Google
    - - Aceptan la petición del cliente
        
        Pero no la reenvían a los servidores web de Google
    - - Envía peticiones a servidores índices
        
        También pregunta posibles sugerencias a los servidores de ortografia
        
        finalmente obtiene una lista de anuncios del servidor de publicidad
    - - Actualizan el índice
        
        También actualizan las bases de datos de documentos con las páginas web que se van encontrando
    - - Devuelven una lista de id's de documentos
        
        :check: Para que los documentos que se identifican contengan la palabra que el usuario está buscando.
        
        :check: Los id's son denominados "docid"
    - - :check: Los servidores de documentos sirven para almacenar los documentos
      - :check: : Cada documento se almacena en docenas de servidores de documentos.
    - - Gestionan la publicidad de los servicios AdWords y AdSense.
        
        AdSense
        
        Uno de los productos de la red
        de publicidad en línea de Google
        
        AdWords
        
        se utiliza para ofrecer publicidad
        patrocinada a potenciales anunciantes.
- - - - Hardware, computadores personales (x86) que usan una version personalizada de Linux.
      - PageRank, método sofisticado para asignar importancia a cada pagina.
      - Crawlers, rastreo de datos de los servidores web, con el fin de indexar la información que existe.
      - Servidor de almacenamiento, comprime y almacena las paginas descargadas por los crawlers
      - Repositorio, lugar físico en el que se almacenan documentos comprimidos por el servidor, asignando un número designado docID
      - Indexador
        
        Realiza el parsing, se convierte en un conunto de hits
        
        Extrae información importante de lo links de cada documento.
- - - - Administración eficiente de relaciones y datos :
      - Administración de esquemas flexible
      - Infraestructura completamente administrada
      - Realizar búsquedas en objetos y relaciones
      - Cifrado de datos incorporado
      - Políticas de objetos
- - - - ▪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.
      - ▪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.
- - - - 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.
- - - - Esta cuenta con varios tipos de almacenamiento como lo son
        
        Sistema de archivos de EMR (EMRFS)
        Con el sistema de archivos de EMR (EMRFS), Amazon EMR amplía Hadoop para añadir la posibilidad de acceder directamente a los datos almacenados en Amazon S3 como si fueran un sistema de archivos como HDFS.
        
        Sistema de archivos local
        El sistema de archivos local se refiere a un disco conectado a nivel local.
    - - Hadoop MapReduce
        Hadoop MapReduce es un modelo de programación de código abierto para informática distribuida. Simplifica el proceso de escritura de aplicaciones distribuidas en paralelo mediante el tratamiento de toda la lógica, mientras proporciona las funciones Map y Reduce.
      - Apache Spark
        Spark es un marco de trabajo de clúster y un modelo de programación para el procesamiento de cargas de trabajo de big data.
- - - - Permite
        
        Equilibrio de carga
        
        Mejora la eficiencia tanto del servidor como de la aplicación
        
        Amazon Cloud-Front
        
        Es responsable de entregar el contenido, es decir, entregar el sitio web, el contenido puede ser: estático, dinámico o continuo
        
        Elastic Load Balancer
        
        Se utiliza para distribuir el tráfico a los servidores web, lo que mejora el rendimiento.
        
        Administración de seguridad
        
        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
        
        Elastic Caches
        
        Servicio web que administra la memoria cache en la nube.
        
        Amazon RDS
        
        Amazon RDS (Servicio de base de data relacional) ofrece un acceso similar al del motor de base de data MySQL
        
        Auto Scaling
        
        AWS puede escalar dinámicamente
- - - - Amplio acceso a la red
        
        Elasticidad y rapidez
        
        Servicio supervisado
        
        Autoservicio a la carta
    - - Nube publica, se comparte espacio con otros usuarios.
      - Nube privada, útil para el despliegue de una aplicación definitiva
      - Nube hibrida, no se comparte con otros usuarios.
      - Nube comunitaria, para organizaciones con una misión común
- - - - Google se está consolidando a grandes pasos como el
      - preferido para realizar búsquedas.
      -  Sus principales ventajas se deben a que es muy rápido, y sus
      - resultados son relevantes y bastante bien ordenados.
      -  Para jerarquizar sus páginas utiliza diversos factores tales
      - como modelo vectorial, texto de anchors, Page Rank.
- - - - 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.