Serverless Container-aware Architectures (SCAR)

Las plataformas serverless, como AWS Lambda permiten la ejecución de funciones dirigidas por eventos en diferentes lenguajes de programación. SCAR (Serverless Container-aware ARchitectures) es una herramienta de código abierto que permite la ejecución transparente de contenedores, a partir de imágenes Docker, en AWS Lambda. Esto permite ejecutar aplicaciones generales, así como código en prácticamente cualquier lenguaje de programación dentro de AWS Lambda. SCAR proporciona los beneficios de AWS Lambda con el entorno de ejecución del usuario, proporcionado como una imagen de Docker disponible en Docker Hub. Probablemente sea el enfoque más fácil y conveniente para ejecutar aplicaciones genéricas en AWS Lambda, así como el código en múltiples lenguajes de programación, más allá de los soportados nativamente por AWS Lambda. SCAR ofrece un modelo de programación de computación de alta productividad para crear aplicaciones serverless de procesamiento de archivos basadas en eventos que se ejecutan en entornos de ejecución personalizados proporcionados por contenedores Docker que se ejecutan en AWS Lambda. SCAR está integrado con API Gateway para exponer una aplicación a través de una API REST basada en HTTP de alta disponibilidad que admite invocaciones síncronas y asíncronas. También está integrado con AWS Batch. De esta manera, se puede utilizar AWS Lambda para acomodar la ejecución de grandes ráfagas de solicitudes cortas, mientras que las ejecuciones largas se delegan a AWS Batch. SCAR permite crear flujos de trabajo serverless mediante la combinación de funciones que se ejecutan en AWS Batch o AWS Lambda, que producen archivos de salida que activan la ejecución de funciones que, de nuevo, se ejecutan en AWS Batch o AWS Lambda, utilizando las mismas imágenes de Docker, por lo que efectivamente creando flujos de trabajo serverless de servicios altamente escalables.

Ficha técnica

Tipo de tecnología SOFTWARE
Inventores ALFONSO MARÍA PÉREZ GONZÁLEZ, Germán Moltó Martínez, Miguel Caballer Fernández
Responsable Moltó Martínez Germán