Momentet behandlar såväl teoretiska modeller och definitioner som praktiska aspekter av datormoln, inklusive grunderna inom hårdvaru-virtualisering och dess användning i konstruktion av datacenter. Vidare behandlas autonom management av datacenter samt utveckling av applikationer (tjänster) för denna typ av infrastruktur.
Moment 2, laborationsdel, 3 högskolepoäng
Delmomentet utgörs av en laborationskurs med ett antal obligatoriska inlämningsuppgifter
Förväntade studieresultat
Kunskap och förståelse Efter avslutad kurs ska studenten kunna:
redogöra för olika definitioner av datormoln och dess karaktäristiska egenskaper (FSR 1)
förklara principerna för hårdvaru-virtualisering och dess betydelse för datormoln, (FSR 2)
motivera betydelsen av datacenter för molntjänster, samt förklara hur datacenter designas och konstrueras (FSR 3)
redogöra för grundläggande principer och metoder för autonoma system, (FSR 4)
Färdighet och förmåga Efter avslutad kurs ska studenten kunna:
analysera olika tjänstemodeller för moln samt förklara begreppet IT som tjänst (FSR 5)
applicera grundläggande principer och metoder för autonoma system för management av datacenter och molntjänster (FSR 6)
analysera betydelsen av autonoma system på livscykelhantering av IT-system (FSR 7)
utforma och konstruera applikationer för olika molnparadigm (FSR 8)
designa och implementera algoritmer för autonom hantering av resurser i datacenter (FSR 9)
Värderingsförmåga och förhållningssätt Efter avslutad kurs ska studenten kunna:
analysera egenskaper för elastiska och skalbara molntjänster (applikationer) (FSR 10)
jämföra och värdera virtualiseringstekniker med avseende på ex. flexibilitet och prestanda (FSR 11)
Behörighetskrav
Univ För tillträde till kursen krävs 60 hp inom huvudområdet datavetenskap eller 2 års studier i båda fallen inkluderande kursen Distribuerade system (5DV020) eller motsvarande kunskaper. Engelska A och svenska för grundläggande behörighet för högskolestudier (om kursen ges på svenska).
Undervisningens upplägg
Undervisningen bedrivs i form av föreläsningar, arbete i datorlabb och övningar i mindre grupper. Utöver schemalagda aktiviteter krävs även individuellt arbete med materialet.
Examination
Examinationen sker på moment 1 (teoridel) genom skriftlig tentamen (FSR 1-6, 10) och på moment 2 (laborationsdel) genom ett antal obligatoriska uppgifter (FSR 5-10). På en skriftlig tentamen sätts något av betygen Underkänd (U), Godkänd (3), Icke utan beröm godkänd (4) eller Med beröm godkänd (5). På laborationsmomentet ges endast betygen Underkänd (U) eller Godkänd (G). På hela kursen ges något av betygen Underkänd (U), Godkänd (3), Icke utan beröm godkänd (4) eller Med beröm godkänd (5). För att bli godkänd på hela kursen krävs att samtliga prov och obligatoriska moment är godkända. Betyget utgör en sammanfattande bedömning av resultaten vid examinationens olika delar och sätts först när alla obligatoriska moment är godkända. Studerande som godkänts i ett prov får inte undergå förnyat prov för att få ett högre betyg.
För studerande som inte godkänns vid ordinarie provtillfälle anordnas ytterligare provtillfälle. En student som utan godkänt resultat har genomgått två prov för en kurs eller en del av en kurs, har rätt att få en annan examinator utsedd, om inte särskilda skäl talar emot det (HF 6 kap. 22 §). Begäran om ny examinator ställs till styrelsen för Institutionen för datavetenskap.
Övriga föreskrifter
Tillgodoräknande
I en examen får denna kurs ej ingå, helt eller delvis, samtidigt med en annan kurs med likartat innehåll. Vid tveksamheter bör den studerande rådfråga studievägledare vid Institutionen för datavetenskap.
Tillgodoräknande av studier prövas individuellt. För mer information se universitetets regelsamling och/eller kontakta Studencentrum/Examina (http://www.student.umu.se/examen/tillgodoraknanden/)
Litteratur
Giltig från:
2013 vecka 1
Vetenskapliga artiklar och manualer som tillhandahålls av institutionen. Inst för datavetenskap : Obligatorisk
