Forskjell mellom parallell og distribuert databehandling
Share
Nøkkelforskjell - Parallelt vs distribuert databehandling
En datamaskin utfører oppgaver i henhold til instruksjonene fra mennesket. Parallell databehandling og distribuert databehandling er to beregningstyper. Denne artikkelen diskuterer forskjellen mellom parallell og distribuert datamaskin. Parallell databehandling brukes i høy ytelse databehandling, for eksempel supercomputer utvikling. Distribuert databehandling gir data skalerbarhet og konsistens. Google og Facebook bruker distribuert databehandling for datalagring. De nøkkelforskjell mellom parallell og distribuert databehandling er det parallell databehandling er å utføre flere oppgaver ved hjelp av flere prosessorer samtidig mens det i distribuert databehandling er flere datamaskiner koblet sammen via et nettverk for å kommunisere og samarbeide for å oppnå et felles mål. Hver datamaskin i det distribuerte systemet har sine egne brukere og bidrar til å dele ressurser.
INNHOLD
1. Oversikt og nøkkelforskjell
2. Hva er Parallell Computing
3. Hva er distribuert databehandling
4. Sammenligning side om side - Parallel vs distribuert datamaskin i tabellform
5. Sammendrag
Hva er Parallell Computing?
En datamaskin er en maskin som kan utføre oppgaver i henhold til instruksjonene fra mennesker. Datamaskinarkitektur definerer hvordan du utfører instruksjoner som leveres til datamaskinen. Tidligere datasystemer hadde en prosessor. Problemet som må løses ble delt inn i en rekke instruksjoner. Disse instruksjonene ble gitt til prosessoren etter hverandre. I hvert øyeblikk utføres kun én instruksjon. Deretter prosessoren, behandlet disse instruksjonene og ga utgang. Dette var ikke en effektiv mekanisme. Hastigheten kan forbedres ved å øke frekvensen, men det øker også temperaturen. Det fører til mer varmeavledning. Derfor er det ikke lett å øke hastigheten til prosessoren. Som et resultat av denne parallelle databehandlingen ble introdusert.
Parallell databehandling er også kjent som Parallell behandling. Det er en form for beregning som kan bære flere beregninger samtidig. Parallell databehandling bruker mange prosessorer. Problemet som skal løses er delt inn i diskrete deler. Hver del er videre oppdelt i instruksjoner. Disse instruksjonene er delt mellom prosessorer. Derfor utfører flere prosessorer samtidig instruksjoner. Parallell databehandling er nyttig for å utføre en kompleks beregning siden prosessorer deler arbeidsbelastningen mellom dem. Det sparer også tid.
Figur 01: Parallell databehandling
Det kan være noen ulemper med parallelle systemer. Instruksjonen utført av en prosessor kan være nødvendig av en annen prosessor. Dette kan forårsake latens. Økende antall prosessorer er også dyrt. Disse fakta bør vurderes ved utvikling av parallelle systemer. Samlet sett bidrar parallell databehandling til å kjøre flere instruksjoner samtidig for å fullføre oppgaver.
Hva er distribuert databehandling?
I det daglige livet kan en person bruke en datamaskin til å jobbe med programmer som Microsoft Word, Microsoft PowerPoint. Komplekse problemer kan ikke oppnås ved å bruke en enkelt datamaskin. Derfor kan det enkle problemet deles i flere oppgaver og distribueres til mange datamaskiner. Disse datamaskinene kan kommunisere med andre datamaskiner via nettverket. De utfører alle på samme måte som en enkelt enhet. Prosessen med å dele en enkelt oppgave blant flere datamaskiner er kjent som distribuert databehandling. Hver datamaskin i et distribuert system er kjent som en node. Et sett med noder er en klynge.
Distribuert databehandling brukes i mange applikasjoner i dag. Noen eksempler er Facebook og Google. De består av millioner og millioner av brukere. Alle brukere kommuniserer med andre, deler bilder etc. Denne store mengden data lagres ved hjelp av distribuert databehandling. Automatiserte tellermaskiner i banker, telefonnett, mobilnett, distribuerte databaser bruker også distribuert databehandling.
Figur 02: Distribuert databehandling
Distribuert databehandling gir flere fordeler. Distribuerte systemer kan utvides til den økende veksten. Det gir skalerbarhet, og det er enkelt å dele ressurser. Noen ulemper er at det kan være nettverksproblemer, og det er vanskelig å utvikle distribuert programvare.
Hva er forskjellen mellom parallell og distribuert databehandling?
Parallel vs distribuert databehandling | |
| Parallell databehandling er en beregningstype der flere prosessorer utfører flere oppgaver samtidig. | Distribuert databehandling er en beregningstype der nettverksbaserte datamaskiner kommuniserer og koordinerer arbeidet gjennom meldingen som passerer for å oppnå et felles mål. |
| Antall datamaskiner påkrevd | |
| Parallell databehandling skjer på en datamaskin. | Distribuert databehandling skjer mellom flere datamaskiner. |
| Behandlingsmekanisme | |
| I parallell databehandling utfører flere prosessorer behandling. | I distribuert databehandling er datamaskiner avhengig av at meldingen passerer. |
| synkronisering | |
| Alle prosessorer deler en enkelt master klokke for synkronisering. | Det er ingen global klokke i distribuert databehandling, den bruker synkroniseringsalgoritmer. |
| Hukommelse | |
| I parallell databehandling kan datamaskiner ha delt minne eller distribuert minne. | I distribuert databehandling har hver datamaskin sitt eget minne. |
| bruk | |
| Parallell databehandling brukes til å øke ytelsen og for vitenskapelig databehandling. | Distribuert databehandling brukes til å dele ressurser og for å øke skalerbarheten. |
Sammendrag - Parallelt vs distribuert databehandling
Parallell databehandling og distribuert databehandling er to typer beregning. Denne artikkelen diskuterte forskjellen mellom parallell og distribuert databehandling. Forskjellen mellom parallell og distribuert databehandling er at parallell databehandling er å utføre flere oppgaver ved bruk av flere prosessorer samtidig i parallell databehandling, er flere datamaskiner koblet sammen via et nettverk for å kommunisere og samarbeide for å oppnå et felles mål. Parallell databehandling brukes hovedsakelig for å øke ytelsen. Distribuert databehandling brukes til å koordinere bruken av delte ressurser eller å tilby kommunikasjonstjenester til brukerne.
Last ned PDF-filen til Parallel vs Distributed Computing
Du kan laste ned PDF-versjonen av denne artikkelen og bruke den til nettbasert bruk som per sitatnotat. Vennligst last ned PDF-versjonen her: Forskjell mellom parallell og distribuert databehandling
Henvisning:
1. Introduksjon til distribuert databehandling og dens typer med eksempel. Introduksjon til distribuert databehandling og dens typer med eksempel Atoz kunnskap, 5. mars 2015. Tilgjengelig her
2. "Distribuert databehandling." Wikipedia, Wikimedia Foundation, 23. januar 2018. Tilgjengelig her
3.Manish Singh, Intern på Pune, Maharashtra Følg. "Distribuert og parallelt system." LinkedIn SlideShare, 15. september 2012. Tilgjengelig her
4. "Parallell databehandling." Wikipedia, Wikimedia Foundation, 23. januar 2018. Tilgjengelig her
