Probando R sobre el EC2 de Amazon

Hacía tiempo que quería probarlo. Menos en las grutas pobladas de seres del siglo anterior, todo el mundo habla del EC2.

Entre otras muchas cosas que iré explorando más adelante, el EC2 de Amazon te alquila un servidor por horas. También te ofrece espacio de disco a unos precios de risa y otras cosas más que bien podrían mandar al paro a departamentos enteros de IT. Pero hoy, de momento, sólo me interesaba el servidor, alquilar un servidor por un rato.

Tengo un pequeño programa en R que resuelve un complicado problema de combinatoria, una especie de sudoku en el que hay que sentar a gente en sillas de acuerdo con una serie de normas. No lee datos de ningún sitio y la salida es un fichero pequeño. Pero podría freír la CPU de mi portátil si lo ejecutase en local.

Repasaré y dejaré, pues, constancia de lo hecho y conseguido:

Primero me he dado de alta en el servicio a través de http://aws.amazon.com. He dado mis datos, mi tarjeta de crédito, etc. y me han llamado al teléfono que les he dado: la voz de una señorita grabada en casete me ha pedido un código que me habían pasado previamente. Se lo he dado y me ha llegado un mensaje de confirmación.

En mi primer paseo por EC2 me he apoyado en dos páginas, una de Ubuntu y otra más genérica. Para interactuar con los servidores de Amazon hacen falta unos certificados de seguridad con claves privada y pública, etc. que esos tutoriales explican cómo gestionar mejor de lo que podría hacer yo. Pero en esencia, lo que hay que hacer es lo siguiente:

1. Descargarse los ficheros de los certificados (el certificado y la clave) de la sección «Security Credentials» de la página de Amazon.

2. Guardarlos en el lugar adecuado y crear una llave privada usando el comando ec2-add-keypair. Yo la he llamado ec2-keypair (lo hago constar para que queden claros comandos posteriores).

En Amazon EC2 hay muchos tipos distintos de servidores dependiendo del hardware , del software y de la ubicación. Ubicaciones hay tres: dos en EE.UU. y otra en Irlanda. Plataformas de hardware , también, otras tres: buena (1 núcleo de 32 bits, 1,7GB de RAM y 160GB de disco por 10 céntimos de dólar la hora), mejor y requetemejor (8 CPUs de 64 bits, 15GB de RAM y 1.690GB de disco por 0.76 céntimos de dólar por hora).

Dependiendo del software , hay la tira. Hay Ubutus, Fedoras, Suses, Debians, OpenSolaris de varias versiones. Hay algunas que vienen ya con ciertos componentes de sofware montados: Drupal, Apache, R, WordPress, Postgres, LAMP, RoR, SugarCRM, etc. En total, he contado 4101 de ellas. Por no faltar, no faltan, para las abuelillas, máquinas con Windows (pero son más caros).

El comando

carlos@kropotkin:~$ ec2-describe-images -a

te permite ver todas. De hecho, para elegir una, he lanzado

carlos@kropotkin:~$ec2-describe-images -a | egrep i386 | egrep ubuntu | egrep karmic

para seleccionar una máquina, la ami-19a34270, de 32 bits con Ubuntu Karmic Koala, el mismo sistema operativo que tengo en local. Luego, con el comando

carlos@kropotkin:~$ ec2-run-instances ami-19a34270 -k ec2-keypair

he levantado mi instancia (y he puesto el taxímetro a correr). Y con

carlos@kropotkin:~$ ec2-authorize default -p 22

he abierto el puerto 22 (el de ssh) para poder acceder remotamente a la máquina. El comando

carlos@kropotkin:~$ ec2-describe-instances

me ha permitido conocer la URL de mi servidor, ec2-274-192-183-237.compute-1.amazonaws.com, al que he accedido como root mediante

carlos@kropotkin:~$ ssh -i /home/carlos/.ssh/ec2-keypair.pem root@ec2-274-192-183-237.compute-1.amazonaws.com

Usando sftp de la forma

carlos@kropotkin:~$ sftp -oIdentityFile=/home/carlos/.ssh/ec2-keypair.pem root@ec2-274-192-183-237.compute-1.amazonaws.com:/root

he subido mi programa de R al servidor y una vez en él, después de curiosear por directorios y ficheros para ver si lo que tenía entre manos era, realmente, una cuenta root de una máquina más que decente, lo de siempre:

root@ec2:~# apt-get install r-base

root@ec2:~# R CMD BATCH src.R

root@ec2:~# tail -f src.Rout

Es decir, instalar R y correr mi pequeño programa, src.R, en remoto.

Al cabo de 807 segundos (y 10 céntimos de dólar) ya tenía mis resultados. Así que he cerrado mi sesión y he parado el taxímetro mediante

carlos@kropotkin:~$ec2-terminate-instances i-b7c282df

Simpático, ¿verdad?

Otro día tengo que probar el almacenamiento, hadoop, los web services y alguna cosa más de esas por las que en España no voy a facturar jamás un euro.