Grid Computing gibt es schon seit einigen Jahren und seine Vorteile sind vielfältig. Grid Computing kann auf viele Arten definiert werden, aber für diese Diskussionen nennen wir es einfach eine Möglichkeit, Rechenjobs (zB Perl-Skripte, Datenbankabfragen usw.) über einen verteilten Satz von Ressourcen statt über eine zentrale Ressource auszuführen. In der Vergangenheit wurde die meiste Datenverarbeitung in Silos oder großen SMP-ähnlichen Kisten durchgeführt. Auch heute noch werden Unternehmen Berechnungen an großen SMP-Boxen (zB E10Ks, HP Superdomes) durchführen. Aber dieses Modell kann ziemlich teuer sein und lässt sich nicht gut skalieren.
Dazu kommt Grid-Computing und jetzt haben wir die Möglichkeit, Jobs auf viele kleinere Serverkomponenten zu verteilen, indem wir eine Lastverteilungssoftware verwenden, die die Last basierend auf Ressourcen und Richtlinien gleichmäßig verteilt. Anstatt einen stark belasteten Server zu haben, wird die Last jetzt gleichmäßig auf viele kleinere Computer verteilt, die auf verschiedene Standorte verteilt werden können.
Einige Vorteile liegen auf der Hand.
1) Keine Notwendigkeit, große SMP-Server für Anwendungen zu kaufen, die aufgeteilt und auf kleinere Server ausgelagert werden können (die viel weniger kosten als SMP-Server). Die Ergebnisse können dann nach Abschluss des Jobs bzw. der Jobs verkettet und analysiert werden.
2) Viel effizientere Nutzung ungenutzter Ressourcen. Jobs können auf inaktive Server oder sogar inaktive Desktops ausgelagert werden. Viele dieser Ressourcen bleiben vor allem außerhalb der Geschäftszeiten ungenutzt.
3) Grid-Umgebungen sind viel modularer und haben keine Single Points of Failure. Wenn einer der Server/Desktops im Grid ausfällt, gibt es viele andere Ressourcen, die die Last aufnehmen können. Jobs können automatisch neu gestartet werden, wenn ein Fehler auftritt.
4) Richtlinien können von der Grid-Software verwaltet werden. Zu den beliebtesten Grid-Enable-Softwares gehören unter anderem Platform LSF, Sun Grid Engine, Data Synapse, PBS, Condor, UnivaUD. Jeder leistet gute Arbeit bei der Überwachung von Ressourcen und der Verwaltung von Auftragsübermittlungen basierend auf internen Richtlinien-Engines.
5) Dieses Modell skaliert sehr gut. Benötigen Sie mehr Rechenressourcen, schließen Sie sie einfach an, indem Sie den Grid-Client auf zusätzlichen Desktops oder Servern installieren. Sie lassen sich ebenso leicht im Handumdrehen entfernen.
6) Upgrades können im laufenden Betrieb durchgeführt werden, ohne dass Ausfallzeiten eingeplant werden müssen. Da es so viele Ressourcen gibt, können einige offline genommen werden, während genug übrig bleibt, damit die Arbeit fortgesetzt werden kann. Auf diese Weise können Upgrades kaskadiert werden, um laufende Projekte nicht zu beeinträchtigen.
7) Jobs können in paralleler Geschwindigkeitsleistung ausgeführt werden. Die Verwendung von Dingen wie MPI ermöglicht die Nachrichtenweitergabe zwischen Rechenressourcen.
Einige Nachteile:
1) Für speicherhungrige Anwendungen, die MPI nicht nutzen können, müssen Sie möglicherweise auf einem großen SMP laufen
2) Sie benötigen möglicherweise eine schnelle Verbindung zwischen den Rechenressourcen (mindestens Gigabit-Ethernet). Infiband für MPI-intensive Anwendungen
3) Einige Anwendungen müssen möglicherweise optimiert werden, um die Vorteile des neuen Modells voll auszuschöpfen.
4) Die Lizenzierung auf vielen Servern kann für einige Apps unerschwinglich sein. Anbieter werden mit einer solchen Umgebung flexibler.
Zu den Bereichen, die Grid-Computing bereits gut nutzen, gehören Bioinformatik, Chemieinformatik, Öl und Bohren sowie Finanzanwendungen.
Mit den oben aufgeführten Vorteilen werden Sie eine viel größere Akzeptanz von Grids feststellen, von der alle Beteiligten profitieren sollten. Ich glaube, die größte Barriere ist derzeit die Bildung.
Vassilios --
www.outervillage.com