1. Andrew Tanenbaum, Maarten van Steen: “Distributed systems: principles and paradigms”, Prentice Hall, 2007, ISBN 0-13-613553-6
2. Ian Foster, Carl Kesselmann: “The Grid. Blueprint for a New Computing Infrastructure (2nd Edition)”, Morgan Kaufmann, 2004, ISBN 1-55860-933-4
3. Fran Berman, Geoffrey Fox, Anthony J.G. Hey: “Grid Computing: Making the Global Infrastructure a Reality”, Wiley, 2003, ISBN 0-470-85319-0
4. Tony Hey: “The Fourth Paradigm: Data-intensive Scientific Discovery”, Microsoft Research, 2009, ISBN 978-0-9825442-0-4
5. Rajkumar Buyya, James Broberg und Andrzej M. Goscinski: “Cloud Computing: Principles and Paradigms”, Wiley, 2011, ISBN 978-0-470-88799-8

Die Vorlesung "Verteiltes Rechnen" gibt eine Einführung in die Welt des verteilten Rechnens mit einem Fokus auf Grundlagen und Technologien aus Grid- und Cloud-Computing sowie dem Umgang mit Big Data. Die Vorlesung verknüpft Theorie und Anwendung mit Hilfe relevanter Anwendungsbeispiele und gängiger Verfahren aus Wissenschaft und Wirtschaft.

Zuerst wird eine Einführung in die Hauptcharakteristika verteilter Systeme gegeben. Danach wird auf das Thema Grid Computing näher eingegangen und am Beispiel des WLCG, der Infrastruktur zur Verteilung, Speicherung und Analyse der Daten des Teilchenbeschleunigers am CERN, die enge Verwandtschaft zwischen Grid-Computing und verteiltem Daten-Management dargestellt. Anschließend wird das Thema Cloud-Computing behandelt und dem Vorangegangen gegenübergestellt. Nach der Definition grundlegender Begriffe und Konzepte, wird Virtualisierung als eine der Basistechnologien des Cloud-Computing vorgestellt; abschließend werden gängige Architekturen, Dienste und Komponenten im Cloud-Umfeld an Beispielen und im Allgemeinen besprochen.

Im weiteren Verlauf der Vorlesung werden übliche Verfahren zur Autorisierung und Authentifizierung in verteilten Umgebungen diskutiert. Die Vorlesung umfasst die Beschreibung von Grundlagen von Authentication and Authorization Infrastructures (AAI) sowie unterschiedlicher Technologien, beispielsweise Zertifikat- oder Token-basierte Verfahren.

In einem weiteren Themenblock werden Konzepte zum Management großer bzw. verteilter Daten vorgestellt. Dabei wird sowohl auf übliche Werkzeuge und Frameworks eingegangen, als auch auf den Lebenszyklus von Daten, deren Metadaten und die Daten-Speicherung.

Abschließend werden die Themen der Vorlesung, Grid-Computing, Big Data und Cloud-Computing, reflektiert und verknüpft sowie unterschiedlichen Paradigmen zur Datenanalyse vorgestellt. Zu jedem der Themenbereiche werden entsprechende Beispiele eingeführt.

120 h / Semester, davon 30 h Präsenzzeit und 90 h Selbstlernen aufgrund der Komplexität des Stoffs

Studierende verstehen  Grundbegriffe und verschiedene Konzepte des verteilten Rechnens, im Speziellen in den aktuellen Techniken des Grid- und Cloud-Computings, sowie des Managements großer und verteilter Daten. Studierende analysieren Methoden und Technologien des Grid-Computings, von Big Data und des Cloud Computings, die für den Einsatz in alltäglichen und industriellen Anwendungsgebieten geeignet sind und welche heute von Technologiekonzernen wie Google, Facebook oder Amazon eingesetzt werden. Hierfür vergleichen Studierende Theorie und Praxis in den Themenfeldern Web- & Grid-Services, elementare Grid-Funktionalitäten, cloudbasierte Architekturen und Dienste, Datenlebenszyklen, Metadaten, Datenspeicherung und AAI. Dadurch können Studierende mit derartigen Technologien arbeiten und selbständig Lösungen für praktische Probleme entwerfen.

Die Erfolgskontrolle erfolgt in Form einer schriftlichen Prüfung (im Umfang von i.d.R. 60 Minuten) nach § 4 Abs. 2 Nr. 1 SPO. Abhängig von der Teilnehmerzahl wird sechs Wochen vor der Prüfungsleistung angekündigt (§ 6 Abs. 3 SPO), ob die Erfolgskontrolle
• in Form einer mündlichen Prüfung nach § 4 Abs. 2 Nr. 2 SPO oder
• in Form einer schriftlichen Prüfung nach § 4 Abs. 2 Nr. 1 SPO
stattfindet.