Grid Computing | Beføjelser til distribueret cloud computing

Grid computing, en efterkommer af skyen og storebror til distribueret computing.

Tænk på grid computing som skæringspunktet mellem to kernesystemer i organisationen: cloud computing og offentlige forsyninger som elektricitet. Ved dette kryds giver grid computing dig mulighed for at udnytte beregningsressourcer, centraliserede og ikke. Ligesom du ville bruge de nærliggende energilinjer for nogle af de herlige elektroner, som vi stoler på.

Et moderne elnet vil have mange inputkilder. Kraftværker bidrager for eksempel meget til elnettet, men spirende teknologier, såsom solpaneler og vindmøller, demokratiserer elproduktionen.

Uafhængige og håndværksmæssige elproducenter kan bidrage til elnettet og modtage kompensation. I nogle tilfælde er dette overskydende energi.

Landmænd kan for eksempel have solpaneler til at generere billigere elektricitet lokalt. Landmanden kan dog ikke opbevare ubrugte elektroner til fremtidig brug, så de kan vælge at lede den overskydende energi tilbage til energinettet, hvor andre kan bruge den. En persons spildte elektroner er en andens fuldt opladede Tesla.

Grid computing er meget ligesom elnettet. Bidragydere, store som små, kan tilføje til nettet. Brugere kan benytte sig af beregningsnettet og få adgang til tjenester uafhængigt af bidragyderen.

Cloud, Grid og Distributed Computing

For bedre at forstå, hvad grid computing er og dets nuancerede forskelle fra distribueret computing, vil det være lettere først at forstå den barriere og begrænsninger, som grid computing er i stand til at overvinde. Med andre ord, at se de problemer, grid computing kan løse, vil hjælpe os til bedre at forstå, hvad grid computing er.

Grænserne for cloud computing er, hvor gitteret skinner

Grid computing er en delmængde eller udvidelse af cloud computing. I en nøddeskal er cloud computing outsourcing af beregningsfunktioner. En almindelig cloud-tjeneste, såsom cloud-datalagring fra Google Drive eller Dropbox, lader en kunde gemme deres data hos disse virksomheder.

En person, der ønsker at bruge cloud-datalagring, vælger mellem udbydere som Google Drive, Dropbox og iCloud. Firmaet, de går med, ville så være deres udbyder af cloud storage. Kundesupport, fejlfinding, fakturering, netværksinfrastruktur og alle aspekter af at levere cloud-tjenesten til kunden ville så komme direkte og udelukkende fra den virksomhed, de vælger.

Ret ligetil, ikke? Én kunde, én udbyder. Vi leder dog efter begrænsningerne ved cloud computing. Hvor kommer fordelene ved cloud computing til kort og giver plads til andre organisatoriske strukturer som grid computing?

Almindelig kritik af cloud computing:

1. Brugeres ressourcer er forpligtet til et enkelt symmetrisk multiprocessing (SMP) system.
2. Ubrugte computerressourcer sidder inaktive og er låst til en enkelt opgave, indtil den er fuldført.
3. Relativt begrænset skalerbarhed.

Udvikling af skybegrænsninger med Grid Computing

Når man husker på parallellerne, som grid computing har med et offentligt forsyningsnet, kan denne type beregningsorganisation afhjælpe nogle af de almindelige kritikpunkter, der begrænser cloud computing.

Lad os se nærmere på hver af disse påstande og undersøge, hvordan et netsystem kan være mere fordelagtigt for en bruger i forhold til en traditionel skytjeneste.

Sky-begrænsning #1: Brugeres ressourcer er forpligtet til et enkelt symmetrisk multiprocessing (SMP) system.

Jeg vil bruge et virkelig grundlæggende eksempel til at vise dette smertepunkt. Der er en neuralforsker, der søger at knuse to datasæt (sæt A og sæt B). Disse datasæt er enorme, og hun bliver nødt til at outsource opgaven til en cloud-tjeneste.

Cloud-tjenesten vil ikke have noget problem med at køre disse datasæt, og hun lejer gerne én maskine fra dem til at behandle sine datasæt. Husk, at hendes datasæt er eksklusive for hinanden og skal behandles separat.

Det betyder, at den enkelte SMP-maskine, hun leasede, vil køre sæt A efterfulgt af sæt B. Hendes enkeltmaskine er ikke i stand til at behandle begge datasæt samtidigt.

Det er dog ikke noget problem, de cloud-maskiner, hun leasede, er tunge og river igennem de enorme datasæt på mindre end et par timer hver. Behandling af data vil tage mindre tid end en hel nats søvn for videnskabsmanden.

Hvad sker der nu, hvis hun skal udføre den samme behandling, men for 100 datasæt. Hendes budget giver hende stadig kun penge nok til at få adgang til én cloud SMP-maskine. Da hun er en videnskabsmand, laver hun hurtigt regnestykket og opdager, at det vil tage næsten to uger at behandle alle disse data!

Netfordel: Den samme videnskabsmand med to datasæt (sæt A og sæt B) kunne i stedet benytte sig af en nettjeneste. I stedet for at videnskabsmanden lejede en enkelt SMP-maskine fra en cloud-tjeneste, ville hun få adgang til computernettet og leje den nødvendige beregningskraft.

De to datasæt bliver behandlet på samme tid. Måske af to maskiner, hver dedikeret til et af datasættene, eller det kan være tusindvis af maskiner, der hver fraktioneret behandler datasættene. Uanset hvad bliver dataene behandlet parallelt med hinanden. Hvad der tog seks timer før i to batches, tager nu tre timer i en enkelt batch.

Hundrede datasæt? I teorien ville dette stadig kun tage tre timer, da hvert datasæt behandles side om side.

Sky-begrænsning #2: Ubrugte computerressourcer sidder inaktive og er låst til en enkelt opgave, indtil den er fuldført.

I forlængelse af ovenstående eksempel på en neuralforsker behandlede den cloud-tjeneste, hun lejede, uafhængigt hendes datasæt, det ene efter det andet.

Mens hun behandlede begge datasæt, bemærkede videnskabsmanden, at hendes lejede hardware kun fungerer på 80 procent af sin kapacitet. De resterende 20 procent er ikke nok til at behandle det andet datasæt, i stedet sidder det stille og venter på den næste opgave.

Netfordel: Kommodificeringen af ​​processorkraft gør det muligt at udføre en enkelt opgave på tværs af flere maskiner. I tilfælde af videnskabsmandens datasæt kan et gittersystem behandle dataene i en række kombinationer mellem maskiner.

For eksempel er de to datasæt allokeret til to maskiner i nettet, der hver bruger 80 procent af den maskine, de behandles på. De resterende 20 procent ville ikke sidde passivt, i stedet for fanger en anden bruger af nettet det. Denne brug af ledig kapacitet er en vigtig del af styrkerne ved grid computing.

Sky-begrænsning #3: Relativt begrænset skalerbarhed

Der kan ikke benægtes, at mulighederne for cloud computing er eksponentielt større end de fleste lokaliserede maskiner. De mange lag til skystakken har gjort det muligt for mange flere deltagere til hele feltet end nogensinde før muligt.

Derudover har cloud computing mange skaleringsfordele sammenlignet med selvforvaltning af de samme tjenester. Så for at sige, at cloud computing er også begrænset i skalerbarhed kan virke lidt paradoksalt.

Men i forhold til cloud computing er skalering på et gitter endnu mere opnåeligt. Dette skyldes til dels modulariteten af ​​grid computing ud over den mere effektive brug af ledige ressourcer.

Netfordel: Uanset om du bidrager til det eller bruger det, kan det være lige så nemt at skalere din opgave i et grid computing-system som at installere en grid-klient på yderligere maskiner.

I tilfældet med neuralforskeren var hun i stand til at skalere sine behov fra to datasæt til 100 datasæt inden for samme tidsramme under det samme budget.

Distributed Computing eller Grid Computing?

Begge! Nå, sådan en.

I samtale er det ret almindeligt at bruge gitter og distribueret i flæng. Grundlæggende refererer begge udtryk til ret ens begreber. De er begge systemer til organisering og netværk af beregningsressourcer.

Men hvis du virkelig ønsker at splitte hår, er grid computing den samlede samling af distribuerede netværk. Grid computing i sig selv er et distribueret netværk af distribuerede netværk. Meta nok til dig?

Hvad er det næste for Grid Computing

Dette har været en meget makro forståelse af grid computing. I virkeligheden er det et mangefacetteret system til at organisere en række dynamiske og individuelle dele for at få mest muligt ud af dem. Hver komponent i computernettet er lagdelt med kompleksitet og nytte, ikke ulig de mange dele, der kræves i et offentligt elnet.

I lighed med en offentlig forsyningsvirksomhed er den måde, den fungerer på, et udyr for sig selv. Den reelle effekt er dog den overordnede tilgængelighed. For ligesom en offentlig forsyningsvirksomhed bliver grid computing i stigende grad en plug-and-play-tjeneste.

Den næste udvikling af grid computing er sandsynligvis i blockchain. Grid computing er afhængig af, at flere interessenter har tillid til hinanden. Allerede nu projekter som Cosmos-netværk skaber decentraliserede netsystemer, der fremmer netværksinteroperabilitet og udnytter beføjelserne i et netcomputernetværk.

Kilde: https://coincentral.com/grid-computing-the-powers-of-distributed-cloud-computing/