Plataforma de computación de información en el borde
El objetivo del proyecto CLOUDLESS es desarrollar una plataforma de computación en el borde (Edge) para la creación y despliegue de Espacios de Datos abiertos (International Data Spaces). La plataforma seguirá una arquitectura distribuida descentralizada que ofrezca servicios de descubrimiento e interconexión abiertos (data brokers) basados en eventos a diferentes consumidores (data consumers) y proveedores de datos (data providers). La arquitectura ofrecerá también infraestructuras seguras Cloud/Edge que permitan el análisis de datos eficiente (data connectors) en base a variables como localidad, coste económico, privacidad o latencia. La plataforma será validada en diferentes espacios de datos abiertos como la ciencia ciudadana, el turismo o los datos ómicos (genómica y metabolómica).
Desarrollo de un middleware de computación en el extremo que optimice de manera transparente en el continuum (Cloud/Edge)
Desarrollo de una plataforma de computación en el borde para la gestión de Espacios de Datos abiertos
Validación y diseminación de resultados sobre plataformas heterogéneas Cloud/Edge incluyendo Clouds públicos, clusters privados, dispositivos IoT, y dispositivos de usuario final (browsers, móviles)
| Nombre | Descripción | Enlace |
|---|---|---|
| Lithops | The main serverless computing framework developed and extended during the project, featuring the 'Flexecutor' scheduler and enhanced WebAssembly support. | Repositorio |
| Lithops Applications (Benchmarks) | A suite of reference applications and benchmarks (Bioinformatics, Geospatial, Metabolomics) used for KPI and performance validation. | Repositorio |
| SpotWhisk | SpotWhisk is a FaaS platform that replaces standard computational units with spot instances to achieve significant cost savings. | Repositorio |
| Water Consumption Pipeline | A serverless pipeline designed to measure and analyze water consumption across different geographic regions. | Repositorio |
| DataPlug | An open-source library for cloud data management that enables on-the-fly dynamic partitioning of unstructured and semi-structured data. | Repositorio |
| DataCockpit | A visual tool (Python widget) that enables simple and intuitive dataset partitioning through a graphical interface without writing code. | Repositorio |
| ML-Pipeline-Optimizer | Repository including the platform and results of the publication 'Intelligent Optimization of Distributed Pipeline Execution in Serverless Platforms: A Predictive Model Approach'. | Repositorio |
| Dynamic Frequency Based Fingerprinting Attacks against Modern Sandbox Environments | An attack framework that identifies cloud containers and sandboxes via CPU frequency fingerprints and proposes mitigation through noise injection. | Repositorio |
| OpenNebula Appliances | Official repository containing the appliances developed to deploy Lithops and MinIO on clusters managed by OpenNebula (K8s/LXC). | Repositorio |
| Título | Enlace |
|---|---|
| Dataplug: Unlocking extreme data analytics with on-the-fly dynamic partitioning of unstructured data | Abrir |
| Exploiting Inherent Elasticity of Serverless in Algorithms with Unbalanced and Irregular Workloads | Abrir |
| Intelligent Optimization of Distributed Pipeline Execution in Serverless Platforms: A Predictive Model Approach | Abrir |
| Exploring Secure and Efficient Temporary Data Sharing between co-located Kubernetes Containers | Abrir |
| Burst Computing: Quick, Sudden, Massively Parallel Processing on Serverless Resources | Abrir |
| Optimizing WebAssembly Garbage Collection in Go: Performance Insights, Tuning Tips, and Batch Execution Strategies | Abrir |
| Dynamic Selection and Detection of Spreading Factors and Channels for End-Node Devices of LoRa Networks | Abrir |
| Let It Unthread: The Good, The Bad and The Ugly within WebAssembly Portable Multithreading | Abrir |
| The Hidden Dangers of Public Serverless Repositories: An Empirical Security Assessment | Abrir |
| Dynamic Frequency-Based Fingerprinting Attacks against Modern Sandbox Environments | Abrir |
| Rethinking the mobile edge for vehicular services | Abrir |
| Energy-Efficient Task Computation at the Edge for Vehicular Services | Abrir |
PyRun se define como el primer "Serverless Python Studio" del mundo, una plataforma deep-tech que actúa como un puente inteligente entre el código local y la inmensa potencia de la nube. Su importancia crítica reside en que elimina el "impuesto de complejidad": actualmente, los científicos de datos e ingenieros de IA pierden hasta el 60% de su tiempo configurando infraestructuras complejas en lugar de innovar. PyRun soluciona esto democratizando la supercomputación; permite que cualquier usuario de Python, sin conocimientos de DevOps, ejecute sus scripts en nubes como AWS o IBM con un solo clic, mientras la plataforma gestiona automáticamente todo el ciclo de vida de los servidores, garantizando que el talento técnico se centre puramente en crear valor y no en "conectar cables".
| Título del proyecto | CLOUDLESS: Plataforma de computación de información en el borde |
| Coordinador | Dr. Pedro García López (URV) |
| Socios |
Universitat Rovira i Virgili
OpenNebula Telefónica Research Alterna Tecnologías Universidad de Zaragoza |
| Duración | 01/01/2023 - 30/06/2025 |
| Presupuesto | 2.351.607,14 € |
| Financiación | Programa UNICO I+D Cloud, en el marco del Plan de Recuperación, Transformación y Resiliencia -Financiado por la Unión Europea- Next Generation EU |
| Materiales de diseminación | Brochure - Poster |