GridFTP

GridFTP es una extensión del Protocolo de Transferencia de Archivos (FTP) para computación en malla . ^{[ 1 ]} El protocolo fue definido dentro del grupo de trabajo GridFTP del Open Grid Forum . ^{[ 2 ] [ 3 ] [ 4 ]} Existen múltiples implementaciones del protocolo; la más utilizada es la proporcionada por Globus Toolkit. ^{[ 5 ]}

El objetivo de GridFTP es proporcionar una transferencia de archivos más fiable y de alto rendimiento, por ejemplo, para permitir la transmisión de archivos muy grandes. GridFTP se utiliza ampliamente en grandes proyectos científicos como el Gran Colisionador de Hadrones ^{[ 6 ] [ 7 ]} y en muchos centros de supercomputación y otras instalaciones científicas.

GridFTP también aborda el problema de la incompatibilidad entre los sistemas de almacenamiento y acceso. Anteriormente, cada proveedor de datos ponía sus datos a disposición de forma específica, ofreciendo una biblioteca de funciones de acceso. Esto dificultaba la obtención de datos de múltiples fuentes, ya que requería un método de acceso diferente para cada una, dividiendo así el total de datos disponibles en particiones. GridFTP proporciona una forma uniforme de acceder a los datos, abarcando funciones de todos los modos de acceso, basándose en el estándar FTP, universalmente aceptado, y ampliándolo. Se eligió FTP como base debido a su uso generalizado y a que cuenta con una arquitectura bien definida para extensiones del protocolo (que pueden descubrirse dinámicamente).

GridFTP se integra con la infraestructura de seguridad de Grid , que proporciona autenticación y cifrado para las transferencias de archivos, con niveles de confidencialidad e integridad de datos especificados por el usuario, también para transferencias entre servidores (lo que FTP denomina Protocolo de Intercambio de Archivos , FXP).

GridFTP aprovecha mucho mejor el ancho de banda que la tecnología de transmisión de datos convencional mediante el uso de múltiples flujos TCP simultáneos. ^{[ 8 ]} Los archivos se pueden descargar en fragmentos simultáneamente desde múltiples fuentes; o incluso en flujos paralelos separados desde la misma fuente, lo que permite un mejor uso del ancho de banda. Las transferencias segmentadas e intercaladas, ya sea desde una o varias fuentes, permiten aumentar aún más la velocidad.

Si bien FTP permite reanudar una transferencia de archivos interrumpida desde un punto específico, no admite la transmisión de solo una parte del archivo. GridFTP permite enviar un subconjunto del archivo. Esta función resulta útil en aplicaciones donde solo se requieren pequeñas secciones de un archivo de datos muy grande para su procesamiento (un ejemplo ilustrativo es el procesamiento de datos de un experimento de física de altas energías, un uso tradicional de la tecnología Grid).

GridFTP proporciona una implementación de FTP tolerante a fallos para gestionar la indisponibilidad de la red y los problemas del servidor. Las transferencias también se pueden reiniciar automáticamente si se produce algún problema.

La conexión TCP subyacente en FTP tiene numerosas configuraciones, como el tamaño de la ventana y el tamaño del búfer. GridFTP permite la negociación automática (o manual) de estas configuraciones para proporcionar velocidades de transferencia y fiabilidad óptimas (las configuraciones óptimas probablemente varíen con archivos grandes y para grupos de archivos grandes).