Nøgleforskel – Parallel vs Distributed Computing
En computer udfører opgaver i henhold til instruktionerne givet af mennesket. Parallel computing og distribueret computing er to beregningstyper. Denne artikel diskuterer forskellen mellem Parallel og Distributed Computing. Parallel computing bruges i højtydende computing såsom supercomputerudvikling. Distribueret computing giver data skalerbarhed og konsistens. Google og Facebook bruger distribueret databehandling til datalagring. Den vigtigste forskel mellem parallel og distribueret computing er, at parallel computing er at udføre flere opgaver ved hjælp af flere processorer samtidigt, mens i distribueret computing er flere computere forbundet via et netværk for at kommunikere og samarbejde for at opnå et fælles mål. Hver computer i det distribuerede system har deres egne brugere og hjælper med at dele ressourcer.
Hvad er Parallel Computing?
En computer er en maskine, der kan udføre opgaver i henhold til instruktionerne fra mennesker. Computerarkitektur definerer, hvordan instruktionerne, der leveres til computeren, udføres. Tidligere computersystemer havde én processor. Det problem, der skulle løses, var opdelt i en række instruktioner. Disse instruktioner blev givet til processoren den ene efter den anden. I hvert øjeblik udføres kun én instruktion. Derefter behandlede processoren disse instruktioner og gav output. Dette var ikke en effektiv mekanisme. Hastigheden kan forbedres ved at øge frekvensen, men det øger også temperaturen. Det giver mere varmeafledning. Derfor er det ikke nemt at øge hastigheden på processoren. Som et resultat af denne parallel computing blev indført.
Parallel computing er også kendt som parallel behandling. Det er en form for beregning, der kan udføre flere beregninger samtidigt. Parallel computing bruger mange processorer. Det problem, der skal løses, er opdelt i diskrete dele. Hver del er yderligere opdelt i instruktioner. Disse instruktioner er opdelt mellem processorer. Derfor udfører flere processorer instruktioner samtidigt. Parallel computing er nyttig til at udføre en kompleks beregning, da processorer deler arbejdsbyrden mellem sig. Det sparer også tid.
Figur 01: Parallel Computing
Der kan være få ulemper ved parallelle systemer. Instruktionen udført af en processor kan være nødvendig af en anden processor. Dette kan forårsage latens. Stigende antal processorer er også dyrt. Disse fakta bør tages i betragtning, når der udvikles parallelle systemer. Samlet set hjælper parallel computing med at køre flere instruktioner på samme tid for at fuldføre opgaver.
Hvad er distribueret computing?
I dagligdagen kan en person bruge en computer til at arbejde med applikationer som Microsoft Word, Microsoft PowerPoint. Komplekse problemer kan muligvis ikke opnås ved at bruge en enkelt computer. Derfor kan det enkelte problem opdeles i flere opgaver og distribueres til mange computere. Disse computere kan kommunikere med andre computere via netværket. De fungerer alle på samme måde som en enkelt enhed. Processen med at opdele en enkelt opgave mellem flere computere er kendt som distribueret computing. Hver computer i et distribueret system er kendt som en node. Et sæt noder er en klynge.
Distribueret computing bruges i mange applikationer i dag. Nogle eksempler er Facebook og Google. De består af millioner og atter millioner af brugere. Alle brugere kommunikerer med andre, deler billeder osv. Denne store mængde data lagres ved hjælp af distribueret databehandling. Automatiserede pengeautomater i banker, telefonnetværk, cellulære netværk, distribuerede databaser bruger også distribueret databehandling.
Figur 02: Distributed Computing
Distribueret computing giver flere fordele. Distribuerede systemer kan udvides til den stigende vækst. Det giver skalerbarhed, og det er nemt at dele ressourcer. Nogle ulemper er, at der kan være netværksproblemer, og det er svært at udvikle distribueret software.
Hvad er forskellen mellem parallel og distribueret computing?
Parallel vs distribueret computing |
|
| Parallel computing er en beregningstype, hvor flere processorer udfører flere opgaver samtidigt. | Distribueret databehandling er en beregningstype, hvor netværkscomputere kommunikerer og koordinerer arbejdet gennem meddelelsesoverførsel for at nå et fælles mål. |
| Antal påkrævede computere | |
| Parallel databehandling foregår på én computer. | Distribueret databehandling finder sted mellem flere computere. |
| Behandlingsmekanisme | |
| I parallel databehandling udfører flere processorer behandling. | I distribueret databehandling er computere afhængige af meddelelser. |
| Synkronisering | |
| Alle processorer deler et enkelt masterur til synkronisering. | Der er intet glob alt ur i distribueret databehandling, det bruger synkroniseringsalgoritmer. |
| Memory | |
| I Parallel computing kan computere have delt hukommelse eller distribueret hukommelse. | I distribueret databehandling har hver computer deres egen hukommelse. |
| Usage | |
| Parallel computing bruges til at øge ydeevnen og til videnskabelig databehandling. | Distribueret computing bruges til at dele ressourcer og øge skalerbarheden. |
Summary – Parallel vs Distributed Computing
Parallel databehandling og distribueret databehandling er to typer beregninger. Denne artikel diskuterede forskellen mellem Parallel og Distributed Computing. Forskellen mellem parallel og distribueret computing er, at parallel computing er at udføre flere opgaver ved hjælp af flere processorer samtidigt, mens i parallel computing er flere computere forbundet via et netværk for at kommunikere og samarbejde for at opnå et fælles mål. Parallel computing bruges hovedsageligt til at øge ydeevnen. Distribueret databehandling bruges til at koordinere brugen af delte ressourcer eller til at levere kommunikationstjenester til brugerne.
Download PDF'en af Parallel vs Distributed Computing
Du kan downloade PDF-versionen af denne artikel og bruge den til offline-formål i henhold til citatnotat. Download venligst PDF-versionen her: Difference Between Parallel and Distributed Computing
