Cloud Computing: A comparative study

Abstract

Denne bacheloroppgaven presenterer en sammenlignings analyse av virtuelle maskiner (VM-er), Containere og Function-as-a-Service (FaaS) i sky-datamiljøer, med fokus på ikke-funksjonelle krav som ytelse, skalerbarhet og sikkerhet. Ved å sette sammen funn fra ulike vitenskaplige artikler utforsker denne studien hvordan hver teknologi adresserer forskjellige utfordringer innen skyinfrastrukturer. I motsetning til direkte sammenligninger, antyder våre resultater at VM-er, containere og FaaS bør betraktes som komplementære snarere enn konkurrerende teknologier, hver tilpasset spesifikke typer applikasjoner basert på deres unike fordeler. Virtuelle maskiner trives i statiske, beregningstunge applikasjoner, containere gir høy skalerbarhet og nær full utnyttelse av maskinvaren, mens FaaS tilbyr kodeutførelse med nesten ubegrenset skalerbarhet. Resultatene gir kritisk innsikt for sky-arkitekter og utviklere i å ta informerte beslutninger om de mest passende utrullingsmodellene for deres applikasjoner, tilpasset de spesifikke behovene til deres prosjekter.

This bachelor’s thesis presents a comparative analysis of virtual machines (VMs), Containers, and Function-as-a-Service (FaaS) in cloud computing environments, focusing on non-functional requirements like performance, scalability, and security. By synthesising findings from various scientific papers, this study explores how each technology addresses different challenges within cloud infrastructures. Contrary to direct comparisons, our results suggest that VMs, containers, and FaaS should be considered complementary rather than competitive technologies, each suited to specific types of applications based on their unique advantages. Virtual machines thrive in static, compute heavy applications, containers provide high scalability and near native performance, while FaaS offers code execution with near-limitless scalability. The results offers critical insight for architects and developers in making informed decisions about the most appropriate deployment models for their applications, tailored to the specific needs of their projects.