Six mois après la version précédente, la communauté OpenStack annonce la disponibilité de Queens, 17ème version de son logiciel d'infrastructure open source. L’une des fonctionnalités les plus remarquables apportées par Queens est sans doute la prise en charge complète des unités de traitement graphiques virtuelles (vGPU) par la brique de provisionnement Nova. Cela signifie que, si un utilisateur exécute Nova dans le cloud ou s’il possède des serveurs physiques équipés de GPU, ces composants graphiques seront désormais tracés ou provisionnés. Autre nouveauté : l’introduction de Cyborg, un outil qui permet de gérer les ressources des accélérateurs matériels et logiciels type GPU, FPGA et DPDK/SPDK. Cyborg permet d’associer à la volée un accélérateur à une instance de calcul et pourrait servir aux applications télécoms impliquant l’exécution de charges de travail NFV. « Les cas d’usage de cette approche sont assez larges. Elle pourrait intéresser les opérateurs de télécommunications ayant beaucoup d'accélérateurs matériels dans leurs réseaux pour gérer les données vidéo et mobiles », a déclaré Jonathan Bryce, directeur exécutif de la Fondation OpenStack.

Une fonction Cinder Multi-Attach permet également aux opérateurs de lier le même volume Cinder à plusieurs machines virtuelles (VM). Cela signifie qu’en cas de panne d’un nœud, un autre nœud pourra avoir accès au volume. La redondance supporte la haute disponibilité des charges de travail critiques. Selon la Fondation, jusqu'à présent « ce défi reste à relever » dans le cloud. « Cinder Multi-Attach permet de créer un bloc de stockage et de le connecter à plusieurs machines virtuelles. Habituellement, il faut dépenser beaucoup d’argent en systèmes de stockage, en réseaux de fibres optiques, pour bénéficier de cette fonctionnalité », a encore déclaré le directeur exécutif de la Fondation OpenStack. « Désormais, il est possible de créer des clusters hautement disponibles à l'aide de systèmes de stockage virtualisés et pilotés par logiciel. C’est une caractéristique importante en terme de support des charges de travail des entreprises, avec un coût infiniment réduit ».

Red Hat est le premier contributeur du projet Queens (ci-dessus, la répartition des contributions présentées par Stackalytics).

Queens inaugure également la première sortie officielle d'Openstack Helm pour la gestion des cycles de vie d'Openstack sur Kubernetes. Helm a déjà été déployé chez le géant américain des télécommunications AT&T et il est en test pilote chez l’opérateur sud-coréen SK Telecom. « En terme de facilité d’utilisation et sur le plan opérationnel, c'est l'une des plus grandes évolutions de ces dernières années », a affirmé Jonathan Bryce. « Nous utilisons les services conteneurisés d'Openstack pour gérer le cycle de vie dans le cloud... La solution a fait des progrès incroyables au cours des six derniers mois ». La mise à jour Fast Forward Upgrade n’a pas été ajoutée à cette 17e édition, mais la Fondation prévoit de l’intégrer dans la prochaine version, nom de code Rocky. Fast Forward Upgrade permettra aux utilisateurs de ne pas effectuer les mises à niveau successives et de sauter des releases. « Nous n’avons pas pu l’ajouter à Queens. C’est une composante importante de la gestion et de l’activité opérationnelle. La demande est récurrente de la part d’entreprises qui ont opté pour un cycle de mises à jour annuel et ne veulent pas forcément mettre à niveau tous les six mois ». 

Prêt pour l'Edge Computing 

Parmi les autres améliorations apportées par la distribution Queens, le directeur exécutif de la Fondation OpenStack cite également la réparation d’instance bare metal dans l'outil d'approvisionnement bare metal Ironic. Enfin, la communauté Openstack a également édité un livre blanc sur le traitement des données à la périphérie. L’Edge Computing désigne le traitement réalisé aux extrémités du réseau, généralement au niveau du périphérique. Cela concerne, par exemple, les voitures connectées ou les périphériques IoT. En fait, tout calcul qu’il est plus logique d’effectuer à proximité du périphérique, ce qui permet également de réduire la latence. Le livre blanc s’intéresse au cas d’usage suivant : « Si l’on regarde le trajet suivi par les données depuis le périphérique IoT, on remarque qu’après avoir été collectées à partir d'une voiture, d'un thermostat, d'un casque VR, les données résident dans un espace intermédiaire situé plus ou moins à mi-distance. La question est de savoir de quel type de capacité elles ont besoin dans cet espace ? », s’interroge ainsi Jonathan Bryce. « C'est un tout nouveau domaine où il y a beaucoup de choses à définir. Nous pensons qu’il faut à coup sûr y installer des composants Openstack et d'autres projets, Kubernetes par exemple », a-t-il ajouté. « Nous croyons aussi que cet espace périphérique représente une énorme opportunité pour l'open source. Mais il faudra encore beaucoup de travail pour lier et harmoniser tout ça ».