Das VS2Lab dient zur praktischen Veranschaulichung von Prinzipien verteilter Softwaresysteme sowie zur Einführung in deren softwaretechnische Konstruktion.

Die Laborthemen orientieren sich an der inhaltlichen Struktur der Vorlesung VS2. Die Laborarbeit beinhaltet zunächst jeweils die Analyse gegebener Beispiele für einzelne Themenbereiche. Basierend darauf werden eigenständige Lösungen entwickelt.

Die Abgabe der Teilaufgaben erfolgt im ILIAS Kurs 'Verteilte Systeme 2 Labor'. Dort sind auch die genauen Regelungen der Abgabe zu finden.

Hinweis: Das Labor Repository wird laufend weiterentwickelt und aktualisiert. Es empfiehlt sich daher, das Labor als Git Repository zu belassen und regelmäßig per $ git pull aktuell zu halten.

Das Labor wird im LKIT Rechner-Pool (Li 137) unterstützt. Die Laborplattform kann aber auch leicht auf dem eigenen Rechner eingerichtet werden. Dazu gehört:

• Git Versionsverwaltung
• Laufzeitplattform mit Python und Redis
• Entwicklungs- und Arbeitsumgebung

Alle Komponenten lassen sich auf den gängigen Plattformen relativ einfach installieren und sind z.T. schon standardmäßig vorhanden. Einige Tipps zur Installation folgen unten.

NEU im Sommersemester 2020

Im Sommersemester 2020 wird zusätzlich ein Ubuntu Disk Image für VirtualBox angeboten, auf dem die Laborplattform komplett vorkonfiguriert ist. Sie brauchen dann auf Ihrem Rechner nur VirtualBox installieren und können lokal mit einer virtuellen Maschine (VM) arbeiten.

• VirtualBox
• VS2Lab Disk Image (ca. 3 GB)

Entpacken Sie zunächst das VS2Lab Disk Image (VS2-Labor.zip). Erstellen Sie dann in VirtualBox eine neue VM für Linux/Ubuntu64 (min. 4GB) und wählen Sie das Disk Image als vorhandene Festplatte aus. Danach können Sie der VM noch min. zwei Kerne zuordnen und sie anschließend starten. Das Passwort lautet "ic4ip".

Das Labor nutzt die Git Versionsverwaltung und den GitLab Dienst zur Bereitstellung der Labordateien als git Repository. Git muss auf dem verwendeten Rechner verfügbar sein.

• Git

Wenn git vorhanden ist, dann kopieren Sie das Labor Repository wie folgt (aus dem lokalen Netz der Hochschule oder über VPN):

git clone https://iz-gitlab-01.hs-karlsruhe.de/IWI-I/vs2lab.git

Das Labor basiert auf Python und setzt (ab Aufgabe 2) eine Redis Installation voraus.

Die Beispiele und Aufgaben sind weitgehend in Python 3 (~3.6) geschrieben.

Python ist eine pragmatische und weit verbreitete objektorientierte (u.a.) Skriptsprache mit dynamischer Typisierung.

Python ist gut dokumentiert und einfach zu erlernen. Es ist für alle gängigen Plattformen frei verfügbar.

• Python Website
• Python Tutorial
• Python Standard Library

Für das Labor muss Python lokal verfügbar sein. Oft (vor allem bei Linux oder OSX) ist das schon der Fall. Sonst ist eine Installation erforderlich:

• Prüfen einer vorhandenen Python Version: $ python3 --version
• Python Installer unter Python Downloads
• Alternativ über einen Package Manager in Linux (z.B. Ubuntu: $ sudo apt-get install python3.6) oder MacOS (Homebrew: $ brew install python)

Verwendete Module sind u.a.

• os (miscellaneous operating system interfaces)
• socket (low-level networking interface)
• pickle (python object serialization)
• logging (logging facility for Python)
• threading (thread-based parallelism)
• multiprocessing (process-based parallelism)

Die Pakete müssen nicht separat installiert werden. Wir binden sie bei der Einrichtung der Python Umgebung ein (siehe unten).

Redis ist ein NOSQL Key-Value (KV) Store.

• Allgemeine Informationen auf der Redis Website

Redis muss zunächst installiert werden:

• Installationsanleitung unter Redis Quickstart

Das Labor braucht für viele Teile eine laufende Redis Instanz. Der Redis Server wird wie folgt gestartet:

redis-server

Redis besitzt ein Command Line Interface (CLI) zur interaktiven Benutzung. In einer weiteren Shell kann damit der Redis Server beobachtet werden:

$ redis-cli
127.0.0.1:6379> monitor
OK

Zur Programmierung nutzen wir den redis-py Client für Python.

• Übersicht der API unter Redis Command Reference

Das Paket muss nicht separat installiert werden. Wir binden es bei der Einrichtung der Python Umgebung ein (siehe unten).

Die verwendeten Python Packages können per pip installiert werden. Das ist der integrierte Paketmanager des Python Laufzeitsystems. Bei Bedarf können Details im Tutorium nachgelesen werden:

• Installing Packages

Das Laborprojekt verwendet pip nicht direkt. Module sollen nämlich nicht im gesamten System sondern nur in einem isolierten Bereich für unser Labor installiert werden (unterschiedliche Projekte brauchen oft unterschiedliche Versionen gleicher Module). In Python benutzt man dafür virtuelle Umgebungen, die mit virtualenv erstellt werden. Bei Bedarf können Details hier nachgelesen werden:

• Creating Virtual Environments
• Virtualenv

Das Laborprojekt verwendet auch virtualenv nicht direkt. Stattdessen wurde pipenv verwendet. Dadurch wird die Erstellung virtueller Umgebungen und die Installation von Modulen automatisch kombiniert und ist viel einfacher. pipenv muss ggf. installiert werden. Folgen Sie dieser Anleitung:

• Managing Application Dependencies

pipenv erstellt bei der Nutzung eine Liste mit verwendeten Modulen (Pipfile, bzw. Pipfile.lock), die z.B. im Git Repository gut geteilt werden kann. Die Module dieser Liste können mit pipenv automatisch installiert werden. Dadurch kann man die Module des Labors auf dem eigenen Rechner mit nur einem Befehl installieren (eine offene Internetverbindung wird dabei vorausgesetzt):

cd vs2lab # angenommen hier liegt das vs2lab Repo
pipenv install

Bei Bedarf können Details in den pipenv Docs nachgelesen werden:

• Pipenv: Python Dev Workflow for Humans

Es wird keine explizite Entwicklungsumgebung (IDE) für Python Skripte vorgegeben (und auch nicht dringend benötigt - es reicht im Prinzip ein Editor). Einige Möglichkeiten sind:

• PyCharm (auch im Pool LKIT vorhanden), hat u.a. einen sehr nützlichen Debugger.
• Atom (auch im Pool LKIT vorhanden)
• Spyder (Teil der Anaconda Distribution, s.u.)

Bei der Arbeit mit Python wird nicht immer streng zwischen Entwicklungs- und Laufzeit von Systemen unterschieden. Entwickler können Teile des Systems wie Funktionen oder Objekte schon während der Entwicklung interaktiv ausprobieren, ohne ein explizites 'Hauptprogramm' ablaufen zu lassen. Auch Anwender können die Funktionen und Objekte von Python Systemen direkt aufrufen - ganz ohne klassische GUI. Dies ist besonders im Bereich von Data Science Systemen üblich.

IPython ist ein Command Line Interpreter (CLI) mit Read-Eval-Print-Loop (REPL) für Python. Damit wird die interaktive Arbeit mit Python Systemen in besonders leistungsfähiger und komfortabler Art möglich. Python Befehle werden hier interpretiert und deren Ergebnis auf dem Bildschirm ausgegeben. Dies kann neben Text auch eine grafische Ausgabe (z.B. Diagramme) sein und innerhalb von GUI Anwendungen oder Webseiten eingebettet werden. Mit IPython ist zudem die interaktive Arbeit auf Cluster Systemen möglich. Näheres über IPython findet sich hier:

• Jupyter and the future of IPython
• IPython Documentation

Im VS2 Labor verwenden wir den enormen Umfang der IPython Features kaum. Wir ersetzen damit lediglich die GUI-Ebene der von uns erstellten verteilten Systeme. Alle diese Systeme werden entweder als Skripte ausgeführt oder über eine IPython Erweiterung direkt interaktiv benutzt. Genauer verwenden wir dazu Jupyter Notebooks. IPython selber braucht deshalb auch nicht installiert werden.

Jupyter ermöglicht die interaktive Nutzung von Programmierumgebungen verschiedener Art im Web Browser.

• Project Jupyter

Im Browser können sogenannte Notebooks erstellt werden. Ein Notebook ist eine Mischung von Text (Markdown) und Code. Damit kann die interaktive Nutzung von Python Code erklärt werden. Näheres dazu findet sich unter folgendem Link:

• The Jupyter Notebook

Im Labor nutzen wir teilweise Jupyter Notebooks zur Erklärung der Beispiele oder zur Einreichung einer Aufgabe.

Jupyter wird im VS2Lab Repository automatisch installiert, wenn per pipenv install die Abhängigkeiten installiert werden. Sie starten den Jupyter notebook Server wie folgt:

cd vs2lab # angenommen hier liegt das vs2lab Repo
pipenv run jupyter notebook

Es sollte sich ein Browserfenster mit einer Übersicht der Dateien im Ordner öffnen. Stoppen Sie den Server bei Bedarf mit ctrl-c.

Für Python existieren auch komplette Distributionen, die verschiedene Tools beinhalten, z.B.:

• Anaconda

Anaconda vereinfacht die Installation und beinhaltet z.B. schon die Spyder IDE und Jupiter Notebooks. Zudem verwendet Anaconda eine eigene Lösung für virtuelle Umgebungen in Python. Es zielt vor allem auf wissenschaftliche Anwendungen von Python. Das VS2 Labor ist nicht auf Anaconda ausgelegt, sollte aber darauf übertragbar sein.

• Die Installation von Python Dependencies erfordert i.d.R. eine offene Internetverbindung. Die Rechner im LKIT-Pool sind entsprechend konfiguriert.

• Das Repository kann auch per ssh 'gecloned' werden. Hierzu benötigen Sie ein Benutzerkonto auf dem GitLab Server und müssen dort einen Schlüssel hinterlegen.

• Für alle pipenv Aufrufe sollten Sie sich im Wurzelverzeichnis (vs2lab) befinden.
• Falls die Einrichtung der Umgebung per pipenv installzu Fehlern führt, versuchen Sie, die Datei Pipfile.lock zu löschen.
• Als weitere Möglichkeit können Sie Packages einzeln installieren per pipenv install <modul> (Package Namen stehen im Pipfile)

• sollte beim Start der virtuellen Maschine folgende Fehlermeldung erscheinen

Die Hardware-Virtualisierung ist in den Systemeinstellungen aktiviert, obwohl dies vom Host-System nicht unterstützt wird. ...

dann sollten Sie prüfen, ob im Bios die Hardware Virtualisierung aktiviert ist.

• VirtualBox funktioniert auf neueren Versionen von Windows 10 nicht zusammen mit der Microsoft Virtualisierungslösung Hyper-V. Daher muss Hyper-V ggf. durch das Kommando bcdedit /set hypervisorlaunchtype off auf einer Kommandozeile mit Administrator-Rechten gefolgt von einem Neustart deaktiviert werden (Quelle).

... to be continued.

Die Aufgaben sind in den Unterverzeichnissen des Repositories beschrieben.