مجازی سازی و کاربردهای آن

مجازی سازی و کاربردهای آن

فناوری­های مجازی سازی از دهه 1960 وجود داشته است. با شروع پروژه­های اطلس(Atlas) و M44/44X ، مفهوم تقسیم زمان و حافظه مجازی به دنیای رایانه معرفی شد. بودجه­ای که توسط مراکز تحقیقاتی بزرگ و تولیدکنندگان سیستم تأمین می­شد، بنابراین فناوری مجازی سازی اولیه فقط در اختیار کسانی بود که منابع کافی و نفوذ کافی برای تأمین هزینه خرید تجهیزات آهن آلات بزرگ را داشتند.

با تکامل تقسیم زمان، IBM ریشه­ها و معماری اولیه مانیتور ماشین مجازی یا VMM را توسعه داد. بسیاری از ویژگی­ها و عناصر طراحی System370 و تکرارهای موفقیت آمیز آن هنوز در فناوری­های مجازی سازی مدرن یافت می­شود. پس از یک دوره کوتاه سکوت هنگامی که دنیای محاسبات چشم از مجازی سازی گرفت، تأکید دوباره­ای در اواسط دهه 1990 آغاز شد و مجازی سازی را دوباره در کانون توجهات خود قرار داد تا به عنوان وسیله­ای موثر برای کسب بازده بالا از سرمایه گذاری یک شرکت باشد. در سال 1998، VMware تاسیس شد و شروع به ارائه نرم­افزاری برای مجازی سازی دسک­تاپ و همچنین سرورها کرد.

محیط­های مجازی

فناوری مجازی سازی یک رویکرد فنی جایگزین را برای ارائه زیرساخت­ها، سیستم­عامل­ها و پلتفرم­ها، سرورها، نرم افزارها و سیستم­ها و برنامه­ها فراهم می­کند. اکثر محیط­های محاسباتی مجازی اشتراکات زیادی با مراکز داده معمولی دارند، اما از سخت افزار و نرم افزار تخصصی با عملکرد بالا استفاده می­کنند که یک سرور فیزیکی را قادر می­سازد به عنوان چندین نمونه همزمان اجرا شود. این رویکرد باعث افزایش استفاده از ظرفیت می­شود و در مدل­های مبتنی بر خدمات فناوری اطلاعات مانند رایانش ابری­، به سازمان­ها این امکان را می­دهد تا با کوچک کردن یا پایین آمدن نیازهای تجاری، از منابع IT خود استفاده بهینه کنند. ممیزی محیط­های محاسباتی مجازی از بسیاری از روش­ها و معیارهای مشابه برای ممیزی­های مرکز داده استفاده می­کند، با تأکید بیشتر بر تهیه، از بین بردن، مدیریت و نگهداری چندین سرور مجازی که منابع محاسباتی، شبکه­ای و زیرساختی را به اشتراک می­گذارند.

استفاده از رایانش ابری و ارائه­دهندگان خدمات شخص ثالث مرتبط به اندازه کافی رایج شده است که ممکن است حسابرسی­های فناوری اطلاعات چنین خدمات متمایزی از سایر مولفه­های حسابرسی شده را بررسی کنند. از بسیاری جنبه­ها، از جمله استفاده قابل توجه از فناوری مجازی سازی، خدمات رایانش ابری کاملاً مشابه میزبانی برنامه­های متداول برنامه برون سپاری و خدمات زیرساخت مدیریت شده است که مدت­ها توسط برخی سازمان­ها استفاده می­شده است. تمایزاتی که توسط فروشندگان خدمات ابری مورد تأکید قرار می­گیرد ، شامل ارائه خدمات درخواستی، دسترسی همه جا به شبکه، تجمیع منابع، قابلیت­ها و خدمات انعطاف­پذیر و استفاده از اندازه­گیری و مدل­های مربوط به قبض و پرداخت است. رشد پیش بینی شده در محاسبات ابری یکی از عوامل ایجاد انگیزه در توسعه چارچوب­های کنترل ابری خاص است، به ویژه برای رفع نگرانی­ها در مورد امنیت اطلاعات در محاسبات ابری. چارچوب­های موجود شامل ماتریس کنترل­های ابری است که توسط اتحادیه غیرانتفاعی Cloud Security Alliance و برنامه مدیریت ریسک و مجوز فدرال (FedRAMP) اداره شده توسط اداره خدمات عمومی جهت استفاده توسط ارائه دهندگان خدمات ابری که به سازمان های دولتی ایالات متحده خدمت می­کنند، تهیه شده است. این چارچوب­های کنترل به مراجعان فناوری اطلاعات، نقاط مرجع دیگری در مورد انواع کنترل­هایی که باید در محیط­های رایانش ابری وجود داشته باشند، ارائه می­دهند.

تحلیل جرم­شناسی(forensic)

فناوری مجازی سازی مزایای بسیاری در زمینه digital forensics دارد. با مجازی سازی، محققان توانایی تولید forensics با کیفیت بالاتر را در مدت زمان کمتری دارند. انتخاب refresh تصویر برای اطمینان از یکپارچگی دیگر دردناک نیست. این یک لمس ساده از دکمه refresh است. انتقال از ابزارهای ویندوز به ابزارهای Unix فقط یک راه اندازی مجدد است. مجازی سازی به ما امکان می­دهد کامپیوتر مظنون را که بدون ترس از آلودگی بر روی داده­های مظنون کار می­کند، مشاهده کنیم. این به تنهایی استفاده از مجازی سازی را مطلوب می­کند، اما موارد بسیار بیشتری وجود دارد. مجازی سازی به ما توانایی تجزیه و تحلیل تله­های انفجاری و بمب­های ساعتی را که فرد مظنون بر جای گذاشته است، بدون به خطر انداختن شواهد می­دهد. اگر پرونده­ای که شما در حال بررسی آن هستید بر کل شرکت شما تأثیر می­گذارد، مجازی سازی به شما امکان می­دهد رایانه مشکوک را برای جمع آوری اطلاعات درباره مولفه­های خارجی حادثه و شناسایی مشارکت کنندگان داخلی مشاهده کنید.

ترکیب مجازی سازی سرور و استوریج

با ترکیب مجازی سازی سرور با مجازی سازی استوریج، می­توان مجموعه دیسک و حجم مجازی ایجاد کرد که با توجه به نیاز برنامه­ها، ظرفیت آنها را می­توان در صورت تقاضا افزایش داد. بازده معمول ذخیره سازی آرایه­های ذخیره سازی سنتی در محدوده 30-40٪ است. مجازی سازی استوریج می­تواند با توجه به گزارش­های خاص، بهره­وری را به 70٪ یا بیشتر برساند، که منجر به ذخیره سازی کمتر و صرفه جویی در انرژی می­شود.

طبقه ­بندی مجازی سازی استوریج­ها

• مجازی سازی در سطح بلوک: این روش شامل ایجاد یک ذخیره­گاه با منابع از چندین دستگاه شبکه و در دسترس قرار دادن آن­ها به عنوان یک منبع ذخیره سازی مرکزی است. این روش که در بسیاری از SAN ها استفاده می­شود ، مدیریت را ساده و هزینه را کاهش می­دهد.
• مجازی سازی ردیف(tier) استوریج: این روش مجازی سازی معمولاً به عنوان مدیریت ذخیره سازی سلسله مراتبی (HSM) نامیده می­شود و اجازه می­دهد داده­ها به طور خودکار بین انواع مختلف ذخیره سازی بدون نیاز به آگاهی کاربران منتقل شوند. سیستم­های نرم­افزاری برای طبقه بندی خودکار برای انجام چنین فعالیت­های انتقال داده استفاده می­شود. این روش هزینه و مصرف برق را کاهش می­دهد زیرا اجازه می­دهد فقط داده­هایی که به طور مکرر دسترسی دارند در ذخیره سازی با کارایی بالا ذخیره شوند، در حالی که داده­هایی که کمتر دسترسی دارند می­توانند در تجهیزات کم­هزینه و کم­مصرف قرار بگیرند مانند MAID و تکثیر داده­ها.
• مجازی سازی در طول زمان برای ایجاد آرشیو فعال: این نوع مجازی سازی استوریج، که به عنوان آرشیو فعال نیز شناخته می­شود، مفهوم مجازی سازی را گسترش می­دهد و دسترسی آنلاین به داده­هایی را که در غیر اینصورت آفلاین هستند امکان پذیر می­کند. از سیستم­های نرم­افزاری مجازی سازی ردیف برای شناسایی پویا داده­هایی که باید در کتابخانه­های پشتیبان گیری از دیسک به دیسک یا کتابخانه­های نوار آرشیو شوند و یا به حافظه ذخیره سازی فعال برگردانده شوند، استفاده می شود.

مدل سازی تخصیص VM

با فناوری­های مجازی سازی، رایانش ابری انعطاف پذیری در تخصیص منابع را فراهم می­کند. به عنوان مثال، PM با دو هسته پردازشی می­تواند همزمان یا در هر هسته میزبان دو یا چند ماشین مجازی باشد. ماشین­های مجازی فقط درصورتی تخصیص می­یابند که کل مقدار پردازش استفاده شده توسط همه ماشین­های مجازی موجود در یک میزبان بیشتر از مقدار موجود در آن هاست نباشد.

با استفاده از مثال پرکاربرد Amazon EC2 ، نشان می­دهیم که امکان نمایش یکنواخت انواع مختلف ماشین مجازی وجود دارد. Amazon EC2 اطلاعاتی در مورد پیکربندی سخت افزار خود ارائه نمی­دهد. با این حال، بر اساس واحدهای محاسبه می­توانیم سه نوع PM مختلف (یا pools PM) مختلف تشکیل دهیم. برای مثال، در یک CDC واقعی می توان PM با حافظه 2 × 68.4 گیگابایت، 16 هسته × 3.25 واحد و 2 × 1690 GB حافظه ذخیره سازی ارائه داد. به این ترتیب، یک نمای یکنواخت از انواع مختلف ماشین مجازی احتمالاً شکل می­گیرد. این نوع طبقه بندی دید واحدی از منابع مجازی شده برای پلتفرم­های ناهمگن مجازی سازی، مثل Xen، KVM ، VMWare فراهم می­کند و مزایای زیادی برای مدیریت و تخصیص VM به همراه دارد. مشتریان فقط بر اساس نیاز خود نیاز به انتخاب انواع مناسب ماشین مجازی دارند.

در حال حاضر، الگوریتم­های تعادل بار پویا CloudSched ، حداکثر استفاده و الگوریتم­های زمان بندی با صرفه جویی در انرژی را پیاده سازی می­کند. الگوریتم­های دیگری مانند قابلیت اطمینان­گرا و هزینه­گرا نیز می­توانند اعمال شوند.

آینده فناوری مجازی سازی

فناوری مجازی سازی تأثیر بسزایی در صنعت IT خصوصاً در مراکز داده برای صرفه­جویی در هزینه­ها و افزایش عملکرد دارد. در سمت پنهان کردن داده­ها، ماشین مجازی می­تواند از داخل درایو zip USB استفاده و راه اندازی شود. این خطرات بزرگی را متوجه سازمان­هایی می­کند که سعی در مبارزه با نشت داده­ها دارند. کاربر می­تواند به طور کامل از طریق درگاه USB سیستم­عامل خود را راه اندازی کند، به وی اجازه می­دهد تا از ابزار steganography استفاده کند بدون اینکه اثری از دستگاه میزبان باقی بگذارد. اگر دسترسی به USB توسط سیاست امنیتی سازمان ممنوع باشد (و این یک اقدام امنیتی عالی است که باید بدون استثنا اجرا شود) ، کاربر می­تواند از مدل محاسبات ابری IaaS استفاده کند و نرم افزار VM را روی حساب میزبان نصب کند. سپس او می تواند اقدامات stego را در سرور راه دور انجام دهد، بنابراین تمام اقدامات امنیتی شبکه مربوط به مبارزه با تکنیک­های پنهان کردن داده­ها را دور می­زند.

ماشین مجازی همچنین می­تواند یک چالش واقعی را برای محققان forensic تحمیل کند. یک کاربر می­تواند یک فعالیت مجرمانه انجام دهد یا داده­ها را با استفاده از VM پنهان کند و سپس آنها را از دستگاه میزبان پاک کند. بازیابی پرونده­های VM حذف شده (به ویژه پس از پاک کردن داده ها بر روی HDD) و بازیابی اطلاعات از آن در بسیاری از شرایط بسیار دشوار و غیرممکن است.

به طور خلاصه، برای افزایش امنیت در یک سازمان، اقدامات منظمی که توسط کاربران عادی انجام می­شود باید محدود شود. به عنوان مثال، بهتر است دسترسی به همه مدل­های خدمات ابری را ممنوع کرده و از نظر فنی از اتصال USB و همه دستگاه­های قابل جابجایی کاربران به شبکه شرکتی جلوگیری کنید. همچنین توصیه می­شود از همگام سازی کاربران تلفن همراه با رایانه­های شخصی و استفاده از اتصالات اینترنتی شرکتی در دستگاه­های تلفن همراه خود جلوگیری کنید.

فناوری مجازی سازی به سرعت در حال پیشرفت است، در حالی که توسعه دهندگان بیشتر قصد دارند برنامه­های سازگار با ابر را ایجاد کنند. همه این پیشرفت­ها را می توان بعداً جستجو کرد تا تکنیک­های پنهان سازی داده ها و نشت داده­ها را ساده کند.

محاسبه و مجازی سازی استوریج

با استفاده از فناوری مجازی سازی محاسبات تا زمان رواج مراکز داده گسترش نیافت و نیاز به ایجاد و خراب کردن سرورها و همچنین انتقال آنها از یک سرور فیزیکی به سرور دیگر­، اهمیت پیدا کرد. با وجود این، وضعیت عملیات مرکز داده بلافاصله تغییر کرد. سرورها می توانند با یک کلیک ماوس نمونه برداری شوند و بدون اینکه مختل عملکرد سرور در حال حرکت باشد، جابجا شوند.

ایجاد یک ماشین مجازی جدید یا انتقال یک ماشین مجازی از یک سرور فیزیکی به سرور دیگر، از دید مدیر سرور ساده است و ممکن است خیلی سریع انجام شود. نرم افزار مجازی سازی، مانند VMware ، Hyper-V ، KVM و XenServer نمونه هایی از محصولاتی است که به مدیران سرور اجازه می­دهد تا به راحتی ماشین­های مجازی را ایجاد و جابجا کنند. این زمان مورد نیاز برای راه اندازی یک نمونه جدید از سرور را به چند دقیقه یا حتی چند ثانیه کاهش داده است.

به همین ترتیب، مجازی سازی استوریج برای مدتی وجود داشته است، همانطور که مفهوم انتزاع بلوک­های ذخیره سازی و اجازه جدا شدن آنها از سخت­افزار واقعی ذخیره سازی فیزیکی وجود دارد. همانند سرورها، این امر از نظر سرعت (به عنوان مثال ، انتقال داده های اغلب استفاده شده به دستگاه سریعتر) و همچنین از نظر استفاده (به عنوان مثال ، اجازه دادن به چندین سرور برای به اشتراک گذاشتن یک دستگاه ذخیره سازی فیزیکی) به بازدهی می رسد.

این پیشرفت های تکنولوژیکی باعث می شود تا سرورها و ذخیره سازی سریع و کارآمد دستکاری شوند. در حالی که این پیشرفت­ها در مجازی سازی رایانه و استوریج در حال انجام بوده است، اما در دامنه شبکه صدق نکرده است.

بهره­وری انرژی در مراکز داده و ابرها:

افزایش Hypervisor

فناوری مجازی سازی تأثیر امیدوارکننده­ای در استفاده از منابع در مراکز داده دارد. از آنجایی که نگرانی اصلی در زمان طراحی ناظران کنونی مانند Xen ، برنامه­های پرمحاسبه­ای است که آنها از عملکرد ضعیف ورودی و خروجی شبکه رنج می­برند. به عنوان مثال، مجازی سازی I/O تک ریشه، که استاندارد فعلی مجازی سازی شبکه است، براساس وقفه است. از آنجا که مدیریت هر وقفه هزینه بر است، عملکرد مجازی سازی شبکه بستگی به سیاست تخصیص منابع در هر hypervisor دارد.

برای غلبه بر مشکل فوق، مکانیزم جمع آوری بسته­ای را پیشنهاد می­شود که می­تواند فرآیند انتقال را به روشی کارآمدتر و سریعتر اداره کند. با این حال، مرحله جمع آوری خود منبع جدیدی از تأخیر را معرفی می­کند و باید به آن پرداخته شود. از این رو، تئوری صف بندی برای مدل سازی و تنظیم پویا سیستم به منظور دستیابی به بهترین معامله بین تأخیر و توان استفاده شده است.

در مورد مشکل سیاست تخصیص منابع، برنامه ریز مبتنی بر اعتبار، برنامه ریز منابع واقعی در Xen hypervisor ، نمی تواند از پس کارهای فشرده I/O به درستی برآید. دلیل این امر این است که از رفتارهای مختلف ماشین­های مجازی مختلف آگاهی ندارد و همه آنها را به یک شکل اداره می­کند. بنابراین، ماشین­های مجازی با شدت I/O اعتبار کافی برای مدیریت وقفه­های شبکه را ندارند و بنابراین داده­ها را به صورت آهسته بازیابی می­کنند که منجر به تأخیر زیاد و زمان پاسخ می­شود.

برای مقابله با مشکل ذکر شده و از بین بردن گلوگاهی(bottleneck) که ناشی از زمانبند است، یک مدل مجازی سازی شبکه با حجم کار را معرفی می­شود. این مدل رفتار VM ها را کنترل می­کند و آنها را بر اساس رفتار آنها در دو دسته I/O-intensive و CPU زیاد تقسیم می­کند و سپس آنها را با برنامه ریزی مشترک و تخصیص اعتبار Agile کنترل می­کند. هنگامی که یک ماشین مجازی با شدت ورودی و خروج با انفجار ترافیک روبرو می­شود، برنامه ریزی مشترک اعتبار بیشتری به آن میدهد تا بتواند از پس ترافیک برآید. تخصیص اعتبار چابک وظیفه تنظیم اعتبار کل را بر اساس تعداد ماشین های مجازی با شدت I/O جهت کاهش زمان انتظار برای هر یک از ماشین های مجازی با شدت I/O بر عهده دارد.

روش دیگر، ابتدا یک شکاف معنایی را ایجاد می­شود که بین VMM و VM وجود دارد. شکاف این است که VMM از فرایندهای داخل VM ها بی­اطلاع است بنابراین نمی­تواند زمانبندی VM ها را به طور مثر انجام دهد. به عنوان مثال، هنگامی که یک VM به یک VM مستقر دیگر می فرستد، VM مستقر باید vCPU کسب کند تا بتواند درخواست را پردازش کند و پاسخ را ASAP ارائه دهد اما برنامه ریزی فعلی در VMM این موضوع را در نظر نمی­گیرد. در نتیجه، تأخیر پاسخ افزایش می­یابد و ممکن است منجر به نقض کیفیت خدمات (QoS) شود. علاوه بر این، هنگامی که ماشین های مجازی مستقر در CPU یا IO فشرده باشند، بدتر می­شود زیرا رقابت برای CPU به طور چشمگیری افزایش می­یابد. برای حل این مشکل، الگوریتم زمان بندی بین VM (CIVSched) آگاه از ارتباطات را ارائه می­شود که از ارتباط بین ماشین­های مجازی مستقر آگاه است. CIVSched بسته­هایی را که از طریق شبکه ارسال می­شوند، رصد می­کند و VM مورد نظر را شناسایی می­کند و VM را به گونه­ای برنامه ریزی می­کند که تاخیر پاسخ را کاهش دهد. نمونه اولیه CIVSched در Xen hypervisor پیاده سازی شده است.

برای هر مهمان DomU (VM) ، یک درایور جلویی مجازی وجود دارد که VM درخواست­های عملیات I/O را برای آن ارسال می­کند. سپس این درخواست­ها به درایور پشتی که در مهمان Dom0 است ارسال می­شود. و سرانجام، درایور back-end درخواست­های گرفته شده را به درایور واقعی دستگاه می فرستد و پاسخها را به درایور front-end برمی­گرداند.

CIVSched باید از دو اصل طراحی پیروی کند: تأخیر کم برای بین VM و تأخیر کم برای روند داخلی VM. این دو اصل طراحی به CIVSched کمک می­کند تاخیر بین VM را کاهش دهد. برای تحقق بخشیدن به دو نیاز فوق، CIVSched پنج ماژول به مکانیسم I/O Xen اضافه می­کند. ماژول AutoCover (کشف خودکار) ماشین های مجازی مستقر را پیدا می­کند و آدرس MAC و شناسه­های آنها را در یک جدول نقشه برداری ذخیره می­کند. CivMonitor تمام بسته­های منتقل شده توسط ماشین­های مجازی را بررسی می­کند و هنگامی که یک بسته بین VM را پیدا می­کند، CivScheduler را در این باره آگاه می­کند. سپس، CivScheduler اعتبار بیشتری را برای هدف قرار دادن VM فراهم می­کند تا بتواند بسته­ها را در سریعترین زمان ممکن اداره کند. تا به حال، اولین اصل طراحی (تأخیر کم برای inter-VM) برآورده شده است اما مورد دیگر هنوز هم نیاز به توجه دارد. با توجه به اصل دوم، CivMonitor فرایند هدف VM را شناسایی می کند که بسته را از طریق شماره پورت TCP / UDP درون بسته دریافت می­کند و اطلاعات را به VM هدف منتقل می­کند. سرانجام ، ماژول های PidScheduler و PidTrans در داخل VM مهمان فرایند هدف را با توجه به کاهش تاخیر زمان بندی می­کنند.

برای ارزیابی CIVSched ، آن را در Xen hypervisor نسخه 4.1.2 پیاده سازی کرده­اند و با زمانبند XenandCo (زمانبندی پیشنهادی دیگری برای Xen) و زمانبند اعتبار که زمانبندی پایه در Xen است مقایسه می­شود. برای مقایسه تأخیر شبکه، آزمایشات شامل یک تست پینگ پنگ، یک آزمایش شبیه سازی و یک سناریوی برنامه وب واقعی اما با معیارهای ترکیبی است. ضمانت­های انصاف نیز ارزیابی می­شود زیرا انصاف زمانبند مستقیماً بر انصاف منابع CPU اختصاص یافته به هر ماشین حساب تأثیر می­گذارد. مجموعه UnixBench 4.1.0 برای ارزیابی عملکرد سربار CIVSched بر عملکرد میزبان به کار گرفته شده است. سربار عملکرد در دو سطح اندازه­گیری می­شود: هنگامی که فقط دو ماشین مجازی بر روی میزبان وجود دارد (تلفیق سبک) و وقتی هفت ماشین مجازی وجود دارد که به طور همزمان بر روی میزبان اجرا می­شوند (تلفیق سنگین).

مجازی سازی داده ­ها

از فناوری مجازی سازی داده می­توان برای ایجاد بستر انبار داده نسل بعدی استفاده کرد. بزرگترین مزیت این استقرار استفاده مجدد از زیرساخت­های موجود برای بخش ساختار یافته انبار داده است. این روش همچنین فرصتی را برای توزیع موثر حجم کار در سیستم عامل فراهم می کند و بدین ترتیب امکان بهینه سازی در معماری­ها فراهم می شود. مجازی سازی داده­ها همراه با معماری معنایی قوی می­تواند یک راه­حل مقیاس پذیر ایجاد کند.

مزایا: معماری فوق العاده مقیاس پذیر و انعطاف پذیر، حجم کار بهینه شده، ساه بودن نگهداری و هزینه اولیه کمتر برای استقرار.

معایب: عدم حاکمیت می­تواند سیلوها را بیش از حد ایجاد کند و عملکرد را کاهش دهد، پردازش جستجوی پیچیده می­تواند در طی یک دوره زمانی تخریب شود، عملکرد در لایه ادغام ممکن است به نگهداری دوره­ای نیاز داشته باشد.

بارگذاری داده در سراسر لایه­ها جدا شده است. این یک پایه و اساس برای ایجاد یک استراتژی قوی مدیریت داده فراهم می­کند.

در دسترس بودن داده­ها برای هر لایه کنترل می­شود و می­توان قوانین امنیتی را در صورت لزوم برای هر لایه پیاده سازی کرد، و از هرگونه هزینه اضافی مرتبط برای سایر لایه­ها جلوگیری می کند.

حجم داده ها را می­توان در لایه­های جداگانه داده­ها براساس نوع داده، نیازهای چرخه زندگی برای داده­ها و هزینه ذخیره سازی مدیریت کرد.

عملکرد ذخیره سازی بر اساس دسته بندی داده­ها و نیازهای عملکردی است و می­توان ردیف­های ذخیره سازی را پیکربندی کرد.

هزینه های عملیاتی، در این معماری محاسبه هزینه عملیاتی دارای اجزای ثابت و متغیر است. هزینه های متغیر مربوط به زیرساخت های پردازش و محاسبات و هزینه­های نیروی کار است. هزینه­های ثابت مربوط به نگهداری از بستر مجازی سازی داده­ها و هزینه­های مربوط به آن است.