Nøgleforskel - Parallel vs Distribueret databehandling
En computer udfører opgaver i henhold til instruktionerne fra mennesket. Parallel computing og distribueret computing er to beregningstyper. Denne artikel diskuterer forskellen mellem parallel og distribueret databehandling. Parallel computing bruges i højtydende computing såsom supercomputerudvikling. Distribueret databehandling giver data skalerbarhed og konsistens. Google og Facebook bruger distribueret databehandling til datalagring. Hovedforskellen mellem parallel og distribueret computing er, at parallel computing er at udføre flere opgaver ved hjælp af flere processorer samtidigt, mens der i distribueret computing er flere computere forbundet via et netværk for at kommunikere og samarbejde for at nå et fælles mål. Hver computer i det distribuerede system har deres egne brugere og hjælper med at dele ressourcer.
INDHOLD
1. Oversigt og nøgleforskel
2. Hvad er parallelcomputering
3. Hvad distribueres computing
4. Sammenligning side om side - Parallel vs distribueret computing i tabelform
5. Resume
Hvad er Parallel Computing?
En computer er en maskine, der kan udføre opgaver i henhold til instruktionerne fra mennesker. Computerarkitektur definerer, hvordan instruktioner, der leveres til computeren, udføres. Tidligere computersystemer havde en processor. Problemet, der skal løses, blev opdelt i en række instruktioner. Disse instruktioner blev givet til processoren efter hinanden. I hvert øjeblik udføres kun en 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 forårsager mere varmeafledning. Derfor er det ikke let at øge hastigheden på processoren. Som et resultat af denne parallelle databehandling blev introduceret.
Parallel computing er også kendt som parallel behandling. Det er en form for beregning, der kan bære flere beregninger samtidigt. Parallel computing bruger mange processorer. Problemet, 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 nyttigt til at udføre en kompleks beregning, da processorer deler arbejdsbyrden mellem dem. Det sparer også tid.
Figur 01: Parallel computing
Der kan være få ulemper ved parallelle systemer. Instruktionen, der udføres af en processor, kan være nødvendig af en anden processor. Dette kan forårsage ventetid. Et stigende antal processorer er også dyrt. Disse fakta bør overvejes, når der udvikles parallelle systemer. Samlet set hjælper parallel computing med at køre flere instruktioner på samme tid for at udføre opgaver.
Hvad er distribueret databehandling?
I hverdagen kan en person bruge en computer til at arbejde med applikationer som Microsoft Word, Microsoft PowerPoint. Komplekse problemer udføres muligvis ikke ved hjælp af 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 kaldes distribueret databehandling. 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 millioner af brugere. Alle brugere kommunikerer med andre, deler fotografier osv. Denne store mængde data lagres ved hjælp af distribueret computing. Automatiserede kasseapparater i banker, telefonnetværk, mobilnetværk, distribuerede databaser bruger også distribueret computing.
Figur 02: Distribueret databehandling
Distribueret databehandling giver flere fordele. Distribuerede systemer kan udvides til den stigende vækst. Det giver skalerbarhed, og det er let 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 databehandling?
Diff artikel midt foran bordet
Parallel vs Distribueret databehandling |
|
| Parallel computing er en beregningstype, hvor flere processorer udfører flere opgaver samtidigt. | Distribueret computing er en beregningstype, hvor computere i netværk kommunikerer og koordinerer arbejdet gennem meddelelsesoverførsel for at nå et fælles mål. |
| Antal krævede computere | |
| Parallel computing forekommer på en computer. | Distribueret databehandling finder sted mellem flere computere. |
| Behandlingsmekanisme | |
| I parallel computing udfører flere processorer behandling. | I distribueret databehandling er computere afhængige af meddelelsesoverføring. |
| Synkronisering | |
| Alle processorer deler et enkelt masterur til synkronisering. | Der er intet globalt ur i distribueret databehandling, det bruger synkroniseringsalgoritmer. |
| Hukommelse | |
| I Parallel computing kan computere have delt hukommelse eller distribueret hukommelse. | I Distribueret databehandling har hver computer deres egen hukommelse. |
| Anvendelse | |
| Parallel computing bruges til at øge ydeevnen og til videnskabelig computing. | Distribueret databehandling bruges til at dele ressourcer og øge skalerbarheden. |
Resumé - Parallel vs Distribueret databehandling
Parallel computing og distribueret computing er to typer beregning. Denne artikel diskuterede forskellen mellem parallel og distribueret databehandling. Forskellen mellem parallel og distribueret computing er, at parallel computing er at udføre flere opgaver ved hjælp af flere processorer samtidigt, mens der i parallel computing er flere computere forbundet via et netværk for at kommunikere og samarbejde for at nå 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 offlineformål som pr. Citatnote. Download venligst PDF-versionen her: Forskellen mellem parallel og distribueret databehandling
