محاسبات شبکه ، از نوادگان ابر و برادر بزرگ برای توزیع محاسبات.
محاسبات شبکه را به عنوان تلاقی دو سیستم اصلی سازمان در نظر بگیرید: رایانش ابری و خدمات عمومی مانند برق. در این تقاطع ، محاسبات شبکه این امکان را به شما می دهد تا با استفاده از منابع محاسباتی استفاده کنید درگاه امن وب, متمرکز است و نیست. دقیقاً مانند این که برای برخی از الکترونهای شکوهمندی که به آنها تکیه می کنیم ، به خطوط انرژی نزدیک آن ضربه بزنید.
یک شبکه برق مدرن منابع ورودی زیادی خواهد داشت. به عنوان مثال نیروگاه ها به شبکه برق بسیار کمک می کنند اما فناوری های در حال رشد ، مانند صفحات خورشیدی و آسیاب های بادی ، تولید برق را دموکراتیک می کنند..
تولیدکنندگان مستقل و صنعتگر نیرو می توانند به شبکه برق کمک کرده و غرامت دریافت کنند. در برخی موارد ، این انرژی اضافی است.
به عنوان مثال ، کشاورزان ممکن است دارای پنل های خورشیدی برای تولید برق ارزان تر به صورت محلی باشند. با این حال ، کشاورز نمی تواند هر الکترون استفاده نشده را برای استفاده در آینده ذخیره کند ، بنابراین ممکن است تصمیم بگیرد انرژی مازاد را به شبکه انرژی هدایت کند ، جایی که دیگران می توانند از آن استفاده کنند. الکترونهای هدر رفته یک شخص ، تسلا کاملاً شارژ شده دیگری است.
محاسبات شبکه ای شباهت زیادی به شبکه برق دارد. مشارکت کنندگان بزرگ و کوچک می توانند به شبکه اضافه شوند. کاربران می توانند به شبکه محاسباتی متصل شوند و به خدمات مستقل از مشارکت کننده دسترسی پیدا کنند.
رایانش ابری ، شبکه ای و توزیعی
برای درک بهتر اینکه محاسبات شبکه چیست و تفاوتهای ظریف آن در مقایسه با محاسبات توزیع شده ، درک آسانترین مانع و محدودیتهای محاسبات شبکه آسانتر خواهد بود. به عبارت دیگر ، دیدن مشکلاتی که محاسبات شبکه می تواند حل کند ، به ما کمک می کند درک بهتری از محاسبات شبکه ای داشته باشیم.
محدودیت های رایانش ابری همان جایی است که شبکه می درخشد
محاسبات شبکه زیرمجموعه یا پسوند رایانش ابری است. به طور خلاصه ، محاسبات ابری برون سپاری توابع محاسباتی است. یک سرویس ابری مشترک ، مانند ذخیره سازی داده های ابری از Google Drive یا Dropbox ، به مشتری اجازه می دهد تا داده های خود را در آن شرکت ها ذخیره کند.
شخصی که می خواهد از ذخیره سازی داده های ابری استفاده کند ، بین ارائه دهندگانی مانند Google Drive ، Dropbox و iCloud انتخاب می کند. شرکتی که آنها با آن همکاری می کنند تأمین کننده ذخیره سازی ابری آنها خواهد بود. پشتیبانی مشتری ، عیب یابی ، صورتحساب ، زیرساخت های شبکه ای و همه جنبه های ارائه خدمات ابری به مشتری پس از آن مستقیماً و فقط از شرکتی است که آنها انتخاب می کنند..
خیلی ساده ، درسته؟ یک مشتری ، یک ارائه دهنده. با این حال ، ما به دنبال محدودیت های رایانش ابری هستیم. مزایای رایانش ابری در کجا کوتاه می شود و جایی برای ساختارهای سازمانی دیگر مانند محاسبات شبکه ای باقی می گذارد?
انتقادات رایج از رایانش ابری:
- منابع کاربر به یک سیستم چند پردازشی متقارن (SMP) متعهد هستند.
- منابع محاسباتی استفاده نشده بیکار می مانند و تا زمان کامل شدن در یک کار واحد قفل می شوند.
- مقیاس پذیری نسبتاً محدود.
تکامل محدودیت های ابر با محاسبات شبکه
با در نظر گرفتن موازی بودن محاسبات شبکه با شبکه ابزارهای عمومی ، این نوع سازمان محاسباتی می تواند برخی از انتقادات رایج در مورد محدود کردن رایانش ابری را کاهش دهد..
بیایید نگاهی به هر یک از این ادعاها بیندازیم و بررسی کنیم که چگونه یک سیستم شبکه می تواند برای یک کاربر بیشتر از یک سرویس ابری سنتی مفید باشد.
محدودیت ابر شماره 1: منابع کاربر به یک سیستم چند پردازشی متقارن (SMP) متعهد هستند.
من یک مثال واقعا اساسی را برای نمایش این نقطه درد استفاده خواهم کرد. یک دانشمند عصبی وجود دارد که می خواهد دو مجموعه داده (مجموعه A و مجموعه B) را خرد کند. این مجموعه داده ها بسیار زیاد هستند و او باید کار را به یک سرویس ابری واگذار کند.
سرویس ابری مشکلی در اجرای این مجموعه داده ها نخواهد داشت و او با خوشحالی یک ماشین را برای پردازش مجموعه داده های خود از آنها اجاره می کند. به یاد داشته باشید که مجموعه داده های او مختص یکدیگر هستند و باید به طور جداگانه پردازش شوند.
این بدان معناست که دستگاه SMP واحد اجاره شده مجموعه A و دنباله مجموعه B. را اجرا می کند ، دستگاه واحد او قادر به پردازش همزمان هر دو مجموعه داده نیست.
مسئله بزرگی نیست ، ماشین های ابری که او اجاره کرده کار سنگینی دارند و در کمتر از چند ساعت مجموعه داده های عظیم را از بین می برند. پردازش داده ها زمان کمتری از خواب شبانه کامل دانشمند را به طول می انجامد.
حال ، اگر او بخواهد همان پردازش را برای 100 مجموعه داده انجام دهد ، چه اتفاقی می افتد. بودجه او هنوز فقط بودجه کافی را برای دسترسی به یک دستگاه SMP ابر فراهم می کند. او که یک فرد علمی است ، سریعاً ریاضیات را انجام می دهد و متوجه می شود که پردازش همه داده ها نزدیک به دو هفته طول می کشد!
مزیت شبکه: همان دانشمند با دو مجموعه داده (مجموعه A و مجموعه B) می تواند به جای استفاده از سرویس شبکه. به جای اینکه دانشمند یک ماشین SMP واحد را از یک سرویس ابری اجاره کند ، او به شبکه محاسبات دسترسی پیدا می کند و قدرت محاسباتی لازم را اجاره می کند.
این دو مجموعه داده همزمان پردازش می شوند. شاید توسط دو ماشین ، هر یک به مجموعه داده اختصاص یافته باشد ، یا می تواند هزاران ماشین باشد که هر کدام به صورت جزئی پردازش مجموعه داده ها را انجام می دهند. صرف نظر از این ، داده ها به موازات یکدیگر پردازش می شوند. آنچه شش ساعت قبل در دو دسته طول می کشید ، اکنون در یک دسته سه ساعت طول می کشد.
صد مجموعه داده؟ از نظر تئوری ، پردازش هر مجموعه داده در کنار هم ، فقط سه ساعت طول می کشد.
محدودیت ابر # 2: منابع محاسباتی استفاده نشده بیکار می مانند و تا زمان کامل شدن در یک کار واحد قفل می شوند.
با گسترش مثال بالا از یک دانشمند عصبی ، سرویس ابری که وی اجاره کرد ، مجموعه داده های خود را یکی پس از دیگری پردازش کرد.
دانشمند هنگام پردازش هر یک از مجموعه های داده ، متوجه شد که سخت افزار اجاره شده وی تنها با 80 درصد ظرفیت آن کار می کند. 20 درصد باقیمانده برای پردازش مجموعه داده دوم کافی نیست ، در عوض ، بیکار در انتظار کار بعدی می نشیند.
مزیت شبکه: کالای قدرت پردازش اجازه می دهد تا یک کار واحد در چندین ماشین انجام شود. در مورد مجموعه داده های دانشمند ، یک سیستم شبکه می تواند داده ها را در طیف وسیعی از ترکیبات بین ماشین پردازش کند.
به عنوان مثال ، این دو مجموعه داده به دو ماشین در شبکه اختصاص یافته اند که هر یک از آنها 80 درصد از دستگاهی را که روی آن پردازش می شود ، استفاده می کنند. 20 درصد باقیمانده بیکار نمی مانند ، در عوض ، کاربر دیگری از شبکه آن را ضبط می کند. این استفاده از ظرفیت بیکار جز important مهمی از نقاط قوت محاسبات شبکه است.
محدودیت ابر شماره 3: مقیاس پذیری نسبتاً محدود
انکار نمی شود که قابلیت های رایانش ابری به طور تصاعدی بیشتر از اکثر ماشین های محلی است. چندین لایه به پشته ابر بیش از هر زمان دیگر شرکت کنندگان بیشتری را در کل زمینه فعال کرده است.
علاوه بر این ، رایانش ابری دارای مزایای مقیاس زدایی زیادی در مقایسه با خود مراقبتی همین خدمات است. بنابراین اگر بگوییم رایانش ابری است همچنین در مقیاس پذیری محدود ممکن است متناقض به نظر برسد.
با این حال ، نسبت به رایانش ابری ، مقیاس گذاری روی شبکه حتی بیشتر قابل دستیابی است. این امر تا حدی به دلیل مدولار بودن محاسبات شبکه ای علاوه بر استفاده کارآمدتر از منابع بیکار است.
مزیت شبکه: صرف نظر از اینکه به آن کمک می کنید یا از آن استفاده می کنید ، مقیاس گذاری وظیفه شما در یک سیستم محاسباتی شبکه می تواند به آسانی نصب کلاینت شبکه بر روی ماشین های اضافی باشد.
در مورد دانشمند علوم اعصاب ، وی توانست نیازهای خود را از دو مجموعه داده به 100 مجموعه داده در یک بازه زمانی و در بودجه یکسان برساند.
رایانه توزیع شده یا محاسبات شبکه?
هر دو! خوب ، نوعی.
در مکالمه ، استفاده از شبکه و توزیع به جای یکدیگر بسیار معمول است. اساساً هر دو اصطلاح به مفاهیم نسبتاً مشابهی اشاره دارند. هر دو سیستم ساماندهی و شبکه سازی منابع محاسباتی هستند.
با این حال ، اگر واقعاً می خواهید موها را تقسیم کنید ، محاسبات شبکه مجموعه ای کلی از شبکه های توزیع شده است. محاسبات شبکه به خودی خود یک شبکه توزیع شده از شبکه های توزیع شده است. متا به اندازه کافی برای شما?
بعدی برای محاسبات شبکه
این درک بسیار کلان از محاسبات شبکه بوده است. در واقع ، یک سیستم چند وجهی برای سازماندهی طیف وسیعی از قطعات پویا و منفرد ، به منظور استفاده بیشتر از آنها است. هر یک از اجزای شبکه محاسباتی دارای لایه ای از پیچیدگی و کاربرد است ، برخلاف چندین قطعه مورد نیاز در یک شبکه برق عمومی.
شبیه به یک فایده عمومی ، نحوه کار آن یک جانور برای خود است. با این حال ، تأثیر واقعی دسترسی کلی است. زیرا ، مانند یک ابزار عمومی ، محاسبات شبکه به طور فزاینده ای به یک سرویس پلاگین و بازی تبدیل می شود.
تکامل بعدی محاسبات شبکه احتمالاً در بلاکچین وجود دارد. محاسبات شبکه به چندین ذینفع اعتماد می کنند. در حال حاضر ، پروژه هایی مانند Cosmos Network در حال ایجاد سیستم های شبکه غیرمتمرکز هستند که قابلیت همکاری شبکه را تقویت می کنند و از قدرت شبکه شبکه محاسباتی استفاده می کنند..
