Computación Grid | Los poderes de la computación en la nube distribuida

Piense en la computación en cuadrícula como la intersección de dos sistemas centrales de organización: computación en la nube y servicios públicos como electricidad. En esta intersección, la computación en cuadrícula le permite aprovechar los recursos computacionales, centralizados y no. Al igual que aprovecharías las líneas de energía cercanas para algunos de esos gloriosos electrones en los que confiamos.

Una red eléctrica moderna tendrá muchas fuentes de entrada. Las centrales eléctricas, por ejemplo, contribuyen mucho a la red eléctrica, pero las tecnologías emergentes, como los paneles solares y los molinos de viento, están democratizando la producción de energía.

Los productores de energía independientes y artesanales pueden contribuir a la red eléctrica y recibir una compensación. En algunos casos, se trata de un exceso de energía.

Los agricultores, por ejemplo, pueden tener paneles solares para generar electricidad más barata a nivel local. Sin embargo, el agricultor no puede almacenar electrones no utilizados para uso futuro, por lo que puede optar por enrutar ese excedente de energía de regreso a la red de energía, donde otros pueden usarlo. Los electrones desperdiciados de una persona son Tesla completamente cargados de otra.

La computación en red se parece mucho a la red eléctrica. Los contribuyentes, grandes y pequeños, pueden agregar a la red. Los usuarios pueden aprovechar la cuadrícula computacional y acceder a los servicios independientemente del colaborador.

La nube, la red y la informática distribuida

Para comprender mejor qué es la computación en cuadrícula y sus diferencias matizadas con la computación distribuida, será más fácil comprender primero la barrera y las limitaciones que la computación en cuadrícula es capaz de superar. En otras palabras, ver los problemas que puede resolver la computación en cuadrícula nos ayudará a comprender mejor qué es la computación en cuadrícula.

Los límites de la computación en la nube es donde brilla la red

La computación en cuadrícula es un subconjunto o extensión de la computación en nube. En pocas palabras, la computación en la nube es la subcontratación de funciones computacionales. Un servicio en la nube común, como el almacenamiento de datos en la nube desde Google Drive o Dropbox, permite que un cliente almacene sus datos con esas empresas.

Alguien que busca utilizar el almacenamiento de datos en la nube elige entre proveedores como Google Drive, Dropbox e iCloud. La empresa con la que irían sería su proveedor de almacenamiento en la nube. La asistencia al cliente, la resolución de problemas, la facturación, la infraestructura de red y todos los aspectos para proporcionar el servicio en la nube al cliente vendrían directa y exclusivamente de la empresa que elijan.

Bastante sencillo, ¿verdad? Un cliente, un proveedor. Sin embargo, buscamos las limitaciones de la computación en nube. ¿Dónde se quedan cortas las ventajas de la computación en la nube y dejan espacio para otras estructuras organizativas como la computación en cuadrícula?

Críticas comunes a la computación en la nube:

1. Los recursos del usuario están comprometidos con un único sistema de multiprocesamiento simétrico (SMP).
2. Los recursos informáticos no utilizados permanecen inactivos y se bloquean en una sola tarea hasta que se completa.
3. Escalabilidad relativamente limitada.

Evolución de las limitaciones de la nube con Grid Computing

Teniendo en cuenta los paralelismos que tiene la computación en red con una red de servicios públicos, este tipo de organización computacional puede aliviar algunas de las críticas comunes que limitan la computación en la nube.

Examinemos cada una de estas afirmaciones y examinemos cómo un sistema de red podría ser más beneficioso para un usuario que un servicio en la nube tradicional.

Limitación de nubes n. ° 1: Los recursos del usuario están comprometidos con un único sistema de multiprocesamiento simétrico (SMP).

Usaré un ejemplo realmente básico para mostrar este punto de dolor. Hay un científico neuronal que busca analizar dos conjuntos de datos (Conjunto A y Conjunto B). Estos conjuntos de datos son enormes y deberá subcontratar la tarea a un servicio en la nube.

El servicio en la nube no tendrá problemas para ejecutar estos conjuntos de datos y ella felizmente alquila una máquina para procesar sus conjuntos de datos. Recuerde que sus conjuntos de datos son exclusivos entre sí y deben procesarse por separado.

Esto significa que la única máquina SMP que alquiló ejecutará el Conjunto A seguido del Conjunto B. Su única máquina no puede procesar ambos conjuntos de datos simultáneamente.

Sin embargo, no es gran cosa, las máquinas en la nube que alquiló son de alta resistencia y atraviesan los conjuntos de datos masivos en menos de unas pocas horas cada una. El procesamiento de los datos llevará menos tiempo que una noche de sueño completa para el científico.

Ahora, ¿qué sucede si necesita hacer el mismo procesamiento pero para 100 conjuntos de datos? Su presupuesto todavía le proporciona fondos suficientes para acceder a una máquina SMP en la nube. Siendo una persona científica, rápidamente hace los cálculos y descubre que le tomará casi dos semanas procesar todos esos datos.

Ventaja de la cuadrícula: El mismo científico con dos conjuntos de datos (Conjunto A y Conjunto B) podría acceder a un servicio de red. En lugar de que el científico alquilara una sola máquina SMP de un servicio en la nube, accedería a la red informática y alquilaría la potencia computacional necesaria.

Los dos conjuntos de datos se procesan al mismo tiempo. Quizás por dos máquinas, cada una dedicada a cualquier conjunto de datos, o podrían ser miles de máquinas cada una procesando fraccionadamente los conjuntos de datos. Independientemente, los datos se procesan en paralelo. Lo que antes tomaba seis horas en dos lotes, ahora toma tres horas en un solo lote.

¿Cien conjuntos de datos? En teoría, esto solo tomaría tres horas ya que cada conjunto de datos se procesa uno al lado del otro.

Limitación de nubes n. ° 2: Los recursos informáticos no utilizados permanecen inactivos y se bloquean en una sola tarea hasta que se completa.

Ampliando el ejemplo anterior de un científico neuronal, el servicio en la nube que alquiló procesó de forma independiente sus conjuntos de datos, uno tras otro.

Mientras procesaba cualquiera de los conjuntos de datos, la científica notó que su hardware alquilado solo funciona al 80 por ciento de su capacidad. El 20 por ciento restante no es suficiente para procesar el segundo conjunto de datos, sino que permanece inactivo esperando la siguiente tarea.

Ventaja de la cuadrícula: La mercantilización de la potencia de procesamiento permite realizar una sola tarea en varias máquinas. En el caso de los conjuntos de datos del científico, un sistema de cuadrícula podría procesar los datos en una variedad de combinaciones entre máquinas.

Por ejemplo, los dos conjuntos de datos se asignan a dos máquinas en la cuadrícula, cada una de las cuales usa el 80 por ciento de la máquina en la que se procesan. El 20 por ciento restante no se quedaría de brazos cruzados, en cambio, otro usuario de la red lo captura. Este uso de la capacidad inactiva es un componente importante de las fortalezas de la computación en red.

Limitación de nubes n. ° 3: Escalabilidad relativamente limitada

No se puede negar que las capacidades de la computación en la nube son exponencialmente más grandes que la mayoría de las máquinas localizadas. Las múltiples capas de la pila de nubes han permitido a muchos más participantes en todo el campo que nunca antes.

Además, la computación en la nube tiene muchos beneficios de escala en comparación con la auto-custodia de estos mismos servicios. Por así decirlo, la computación en la nube es además limitada en escalabilidad puede parecer un poco paradójico.

Sin embargo, en relación con la computación en la nube, escalar en una cuadrícula es aún más factible. Esto se debe en parte a la modularidad de la computación en red, además del uso más eficiente de los recursos inactivos.

Ventaja de la cuadrícula: Independientemente de si está contribuyendo o utilizándolo, escalar su tarea en un sistema de computación en red puede ser tan fácil como instalar un cliente de red en máquinas adicionales.

En el caso de la científica neuronal, pudo escalar sus necesidades de dos conjuntos de datos a 100 conjuntos de datos en el mismo período de tiempo, con el mismo presupuesto.

¿Computación distribuida o computación en red?

¡Ambos! Especie de.

En una conversación, es bastante común usar cuadrícula y distribuir indistintamente. Básicamente, ambos términos se refieren a conceptos bastante similares. Ambos son sistemas para organizar y conectar en red recursos computacionales.

Sin embargo, si realmente desea dividir los pelos, la computación en cuadrícula es la colección general de redes distribuidas. La computación en cuadrícula en sí misma es una red distribuida de redes distribuidas. ¿Meta suficiente para ti?

Esta ha sido una comprensión muy macro de la computación en cuadrícula. En realidad, es un sistema multifacético para organizar una gama de piezas dinámicas e individuales, con el fin de sacarles el máximo partido. Cada componente de la red informática está superpuesto con complejidad y utilidad, no muy diferente de las múltiples piezas requeridas en una red eléctrica pública.

Similar a una utilidad pública, su funcionamiento es una bestia en sí mismo. Sin embargo, el impacto real es la accesibilidad general. Porque, al igual que una empresa de servicios públicos, la computación en red se está convirtiendo cada vez más en un servicio plug-and-play.

Es probable que la próxima evolución de la computación en red esté en la cadena de bloques. La computación en red se basa en que múltiples partes interesadas confíen entre sí. Proyectos como Cosmos Network ya están creando sistemas de red descentralizados que fomentan la interoperabilidad de la red y aprovechan los poderes de una red informática de red.