Bulut bilişimde sunucusuz mimariler ile coğrafi bilgi teknolojilerinin kullanımı üzerine bir inceleme

Öz

Bulut bilişim, kaynakların yönetimi üzerinden üç farklı kategoriye ayrılmaktadır. Bu kategoriler Hizmet olarak Altyapı (Infrastructure as a Service, IaaS), Hizmet olarak Platform (Platform as a Service, PaaS), Hizmet olarak Yazılım (Software as a Service, SaaS) şeklinde isimlendirilmektedir. Her bir model, kullanıcı ve sağlayıcı üzerindeki altyapı ve uygulama yönetiminin sorumluluğunun paylaşılması ile açıklanabilir. Günümüzde bu modellere ek olarak sunucusuz mimari modeline dayanan Hizmet olarak Fonksiyon (Function as a Service, FaaS) kavramı, bu üç modelin sentezi olarak ortaya çıkmıştır. Bu da kısaca sunucusuz hizmetleri ifade etmektedir. Bu model, kısaca açıklanmak istenirse, geliştirilen kodun servis tarafından bir isteğe veya olaya bağlı olacak şekilde ölçeklenebilir olarak çalıştırılmasını sağlamaktadır. Kullanıcı sadece kodun geliştirilmesinden ve yüklenmesinden sorumludur. Giderek yaygınlaşan bu model sadece kod çalıştırmak için değil veri saklama ve veri analizi gibi servisler için de uygulanmıştır. Böylece modelin kapsamı genişletilmiştir. Bu çalışmada, farklı Coğrafi Bilgi Sistemleri (CBS) yazılım mimarileri ele alınarak sunucusuz mimarilerle bulut bilişim üzerindeki kullanımı incelenmiştir. Bu kapsamda çeşitli CBS yazılımları seçilmiş, bir bulut bilişim servis sağlayıcısının sağladığı bulut bilişim servisleri üzerinde kullanımları gerçekleştirilmiş ve elde edilen sonuçlar tartışılmıştır. Böylece giderek popülerleşen sunucusuz mimarilere dayalı servislerin ve yazılımların farklı CBS uygulamaları ile kullanımları incelenerek bir farkındalığın oluşması hedeflenmiştir. Tüm bunlara ek olarak CBS teknolojileri, mekânsal zekâ, büyük veri gibi bulut bilişim dünyasında her geçen gün popülerliği artan teknoloji ve oluşumların sunucusuz mimarilerle etkileşimi incelenmiş, geleceğin şekillendirilmesine katkı sağlayacak bir yol haritası verilmiştir.  

Anahtar Kelimeler

• Bulut bilişim
• Coğrafi bilgi sistemleri
• Sunucusuz mimariler

A review on the usage of geographic information technologies with serverless architectures in cloud computing

Öz

From the perspective of resource management, cloud computing falls into three categories, namely, Infrastructure as a Service (IaaS), Platform as a Service (PaaS), and Software as a Service (SaaS). Each model can be clarified in the responsibility share of infrastructure and implementation management on the user and provider. Nowadays, as an addition to these models, the notion of Function as a Service (FaaS) has appeared, based on serverless architecture, implying serverless services. With this model, in brief, a developed code is run scalable depending on a request or an event. The user is responsible only for the development and uploading of the code. This increasingly widespread model has been applied not only to run the code but also to services such as data storage and data analysis. Thus, the scope of the model has been expanded. This study deals with various Geospatial Information Systems (GIS) from the viewpoint of their use on cloud computing with serverless architectures. In this context, various GIS applications were selected to deploy a public cloud computing provider’s services, and results were discussed. In this way, it is aimed to raise awareness by examining the use of services and software based on increasingly popular serverless architectures with different GIS applications. In addition, the interaction of trending technologies and computing paradigms in the cloud computing area such as GIS technologies, spatial intelligence, and big data, with serverless architectures are reviewed; and a contributory road map for the future is proposed.

Anahtar Kelimeler

• Cloud computing
• Geographic information systems
• Serverless architectures

Kaynakça

1. Adzic, G., & Chatley, R. (2017). Serverless computing: economic and architectural impact. Proceedings of the 2017 11th joint meeting on foundations of software engineering, 884-889.
2. Amirian, P., Basiri, A., & Winstanley, A. (2014). Evaluation of data management systems for geospatial big data. International Conference on Computational Science and Its Applications, 678-690.
3. Anand, S., Johnson, A., Mathikshara, P., & Karthik, R. (2019). Real-time GPS tracking using serverless architecture and ARM processor. 2019 11th International Conference on Communication Systems & Networks, 541-543.
4. Audevart, A., Banachewicz K., & Massaron, L. (2021). Machine Learning Using TensorFlow Cookbook. Packt Publishing.
5. Baldini, I., Castro, P., Chang, K., Cheng, P., Fink, S., Ishakian, V., Mitchell, N., Muthusamy, V., Rabbah, R., Slominski, A., & Suter, P. (2017). Serverless computing: Current trends and open problems. Research advances in cloud computing, 1-20.
6. Barbieri, L., & Bonanni, M. (2019). Mastering Azure Serverless Computing, Packt Publishing.
7. Bateria, C. (Ed.) (2012). Cartography - A Tool for Spatial Analysis, InTech Open.
8. Bebortta, S., Das, S. K., Kandpal, M., Barik, R. K., & Dubey, H. (2020). Geospatial serverless computing: Architectures, tools and future directions. ISPRS International Journal of Geo-Information, 9(5), 311.

9. Chapin, J., & Roberts, M. (2020). Programming AWS Lambda, O’Reilly Media Inc.
10. Chowhan, K. (2018). Hands-On Serverless Computing, Packt Publishing.
11. Dold, J., & Groopman, J. (2017). The future of geospatial intelligence. Geo-spatial information science, 20(2), 151-162.
12. Evans, M. R., Oliver, D., Yang, K., Zhou, X., Ali, R. Y., & Shekhar, S. (2019). Enabling spatial big data via CyberGIS: Challenges and opportunities. CyberGIS for geospatial discovery and innovation, 143-170.
13. Jimenez, V. E., & Zeiner, H. (2018). Serverless Cloud Computing: a Comparison between" Function as a Service" Platforms. 7th International Conference on Information Technology Convergence and Services, Vol. 5, 15-22.
14. Flasher, J. (2019). Best practices for working with large-scale geospatial data. AWS reinvent.
15. Gratier, T., Spencer, P., & Hazzard, E. (2015). OpenLayers 3: Beginner's Guide: Packt Publishing.
16. Güney, C., & Çelik, R.N. (2020). Harita ve kadastro mühendisliğinin dijital ekosistemde hayatta kalabilmesi için paradigma değişimi: mekânsal zekâ. 17. Harita Bilimsel ve Teknik Kurultayı, 2020.
17. Luksa, M. (2017). Kubernetes in action. Manning Publications.
18. Mete, M. O., & Yomralioglu, T. (2021a). Implementation of serverless cloud GIS platform for land valuation. International Journal of Digital Earth, 14(7), 836-850.
19. Mete, M. O., & Yomralıoğlu, T. (2021b). Açık Kaynaklı Bulut CBS Yardımıyla Kitlesel Taşınmaz Değerleme Uygulaması. Harita Dergisi, 165, 28-42.
20. Nickoloff, J., & Kuenzli, S. (2019). Docker in action. Manning Publications.
21. Pakdil, M. E., & Çelik, R. N. (2021). Serverless Geospatial Data Processing Workflow System Design. ISPRS International Journal of Geo-Information, 11(1), 20.
22. Patterson, S. (2019). Learn AWS Serverless Computing: A Beginner's Guide to Using AWS Lambda, Amazon API Gateway, and Services from Amazon Web Services. Packt Publishing.
23. Siddiqui, T., Siddiqui, S. A., & Khan, N. A. (2019). Comprehensive analysis of container technology. In 2019 4th International Conference on Information Systems and Computer Networks (ISCON), 218-223.
24. Tang, W., & Wang, S. (Eds.). (2020). High performance computing for geospatial applications. Springer International Publishing.
25. van Eyk, E., Toader, L., Talluri, S., Versluis, L., Uță, A., & Iosup, A. (2018). Serverless is more: From paas to present cloud computing. IEEE Internet Computing, 22(5), 8-17.
26. Vohra, D. (2018). Amazon Fargate Quick Start Guide: Learn how to use AWS Fargate to run containers with ease. Packt Publishing.
27. Wan, L., Huang, Z., & Peng, X. (2016). An effective NoSQL-based vector map tile management approach. ISPRS International Journal of Geo-Information, 5(11), 215.
28. Zaragozí, B. M., Trilles, S., & Navarro-Carrión, J. T. (2020). Leveraging container technologies in a GIScience project: a perspective from open reproducible research. ISPRS International Journal of Geo-Information, 9(3), 138.
29. URL-1: Schachar, A. (2019). Serverless CaaS: Rethinking app infrastructure. https://spot.io/blog/serverless-caas-rethinking-app-infrastructure/, (Erişim Tarihi:27 Mayıs 2021).
30. URL-2: CNFC Serverless Working Group Whitepaper, https://github.com/cncf/wg-serverless/blob/master/whitepapers/serverless-overview/cncf_serverless_whitepaper_v1.0.pdf, (Erişim tarihi: 3 Şubat 2022).
31. URL-3: Ruparathna, R. (2019), What Makes a Storage Service Truly Serverless?, https://dzone.com/articles/what-makes-a-storage-service-truly-serverless , (Erişim Tarihi: 27 Mayıs 2021).
32. URL-4: Moten D. (2019), Turn Amazon S3 into a spatio-temporal database, https://towardsdatascience.com/turn-amazon-s3-into-a-spatio-temporal-database-40f1a210e943, (Erişim Tarihi: 23 Mayıs 2021).
33. URL-5: Buchanan, I., What is Containers as a Service?, https://www.atlassian.com/continuous-delivery/microservices/containers-as-a-service, (Erişim tarihi: 3 Şubat 2022).
34. URL-6: MapServer Open Source Platform, https://hub.docker.com/r/mapserver/mapserver, (Erişim Tarihi: 3 Şubat 2022).
35. URL-7: Docker, https://www.docker.com, (Erişim tarihi: 3 Şubat 2022).
36. URL-8: Beswick J. (2020), Implementing geohashing at scale in serverless web applications, https://aws.amazon.com/blogs/compute/implementing-geohashing-at-scale-in-serverless-web-applications/, (Erişim Tarihi: 23 Mayıs 2021).
37. URL-9: Mapbox Vector Tile Specification, https://github.com/mapbox/vector-tile-spec, (Erişim tarihi: 3 Şubat 2022).
38. URL-10:Tegola, https://tegola.io/, (Erişim tarihi: 3 Şubat 2022).
39. URL-11: Cloud optimized GeoTIFF in depth, https://www.cogeo.org/in-depth.html, (Erişim tarihi: 23 Mayıs 2021).
40. URL-12: MapProxy, https://mapproxy.org/, (Erişim tarihi: 03 Şubat 2022).URL-13: MapProxy, https://mapproxy.org/, (Erişim tarihi: 3 Şubat 2022).
41. URL-13: Ivanovic B. & Ivanovic Z. (2017), How to deploy deep learning models with AWS lambda and TensorFlow, https://aws.amazon.com/blogs/machine-learning/how-to-deploy-deep-learning-models-with-aws-lambda-and-tensorflow/, (Erişim Tarihi: 23 Mayıs 2021).
42. URL-14: Kandilli Deprem Habercisi, https://github.com/Geomates/KandilliEarthquakeNotifier, (Erişim tarihi: 4 Şubat 2022).