Nyckelskillnad - Parallell vs Distribuerad databehandling
En dator utför uppgifter enligt instruktionerna från människan. Parallell beräkning och distribuerad beräkning är två beräkningstyper. Den här artikeln diskuterar skillnaden mellan parallell och distribuerad databehandling. Parallell datoranvändning används vid högpresterande datorer, såsom utveckling av superdatorer. Distribuerad databehandling ger dataskalbarhet och konsistens. Google och Facebook använder distribuerad databehandling för datalagring. Huvudskillnaden mellan parallell och distribuerad databehandling är att parallell beräkning är att utföra flera uppgifter med flera processorer samtidigt medan i distribuerad databehandling är flera datorer sammankopplade via ett nätverk för att kommunicera och samarbeta för att uppnå ett gemensamt mål. Varje dator i det distribuerade systemet har sina egna användare och hjälper till att dela resurser.
INNEHÅLL
1. Översikt och nyckelskillnad
2. Vad är parallell beräkning
3. Vad distribueras beräkning
4. Jämförelse sida vid sida - Parallell jämfört med distribuerad databehandling i tabellform
5. Sammanfattning
Vad är Parallel Computing?
En dator är en maskin som kan utföra uppgifter enligt instruktionerna från människor. Datorarkitektur definierar hur man utför instruktioner som tillhandahålls till datorn. Tidigare datorsystem hade en processor. Problemet som måste lösas delades in i en serie instruktioner. Dessa instruktioner gavs till processorn efter varandra. I varje ögonblick utförs bara en instruktion. Sedan bearbetade processorn instruktionerna och gav utdata. Detta var ingen effektiv mekanism. Hastigheten kan förbättras genom att öka frekvensen, men det ökar också temperaturen. Det orsakar mer värmeavledning. Därför är det inte lätt att öka processorns hastighet. Som ett resultat av denna parallella datorer introducerades.
Parallell beräkning är också känd som parallell bearbetning. Det är en form av beräkning som kan bära flera beräkningar samtidigt. Parallell datoranvändning använder många processorer. Problemet som ska lösas är uppdelat i diskreta delar. Varje del är vidare uppdelad i instruktioner. Dessa instruktioner är uppdelade mellan processorer. Därför kör flera processorer instruktioner samtidigt. Parallell beräkning är användbar för att göra en komplex beräkning eftersom processorer delar arbetsbelastningen mellan dem. Det sparar också tid.
Figur 01: Parallell beräkning
Det kan finnas få nackdelar med parallella system. Instruktionen som utförs av en processor kan behövas av en annan processor. Detta kan orsaka latens. Ett ökande antal processorer är också dyrt. Dessa fakta bör beaktas när man utvecklar parallella system. Sammantaget hjälper parallell beräkning till att köra flera instruktioner samtidigt för att slutföra uppgifterna.
Vad är distribuerad databehandling?
I det dagliga livet kan en individ använda en dator för att arbeta med applikationer som Microsoft Word, Microsoft PowerPoint. Komplexa problem kan inte uppnås med en enda dator. Därför kan det enda problemet delas in i flera uppgifter och distribueras till många datorer. Dessa datorer kan kommunicera med andra datorer via nätverket. De fungerar alla på samma sätt som en enda enhet. Processen med att dela en enda uppgift mellan flera datorer kallas distribuerad databehandling. Varje dator i ett distribuerat system kallas en nod. En uppsättning noder är ett kluster.
Distribuerad databehandling används i många applikationer idag. Några exempel är Facebook och Google. De består av miljoner och miljoner användare. Alla användare kommunicerar med andra, delar foton etc. Den här stora mängden data lagras med distribuerad databehandling. Automatiserade kassamaskiner i banker, telefonnät, mobilnät, distribuerade databaser använder också distribuerad databehandling.
Figur 02: Distribuerad databehandling
Distribuerad databehandling ger flera fördelar. Distribuerade system kan utvidgas till den ökande tillväxten. Det ger skalbarhet och det är enkelt att dela resurser. Några nackdelar är att det kan finnas nätverksproblem och det är svårt att utveckla distribuerad programvara.
Vad är skillnaden mellan parallell och distribuerad databehandling?
Skilja artikeln mitt före bordet
Parallell vs distribuerad databehandling |
|
| Parallell beräkning är en beräkningstyp där flera processorer utför flera uppgifter samtidigt. | Distribuerad databehandling är en beräkningstyp där nätverksdatorer kommunicerar och samordnar arbetet genom meddelandeöverföring för att uppnå ett gemensamt mål. |
| Antal datorer som krävs | |
| Parallell beräkning sker på en dator. | Distribuerad databehandling sker mellan flera datorer. |
| Bearbetningsmekanism | |
| Parallellt med datorer utför flera processorer bearbetning. | I distribuerad dator förlitar sig datorer på meddelandeöverföring. |
| Synkronisering | |
| Alla processorer delar en enda masterklocka för synkronisering. | Det finns ingen global klocka i distribuerad databehandling, den använder synkroniseringsalgoritmer. |
| Minne | |
| I Parallel computing kan datorer ha delat minne eller distribuerat minne. | I Distribuerad databehandling har varje dator sitt eget minne. |
| Användande | |
| Parallell beräkning används för att öka prestanda och för vetenskaplig beräkning. | Distribuerad databehandling används för att dela resurser och öka skalbarheten. |
Sammanfattning - Parallell vs Distribuerad databehandling
Parallell beräkning och distribuerad beräkning är två typer av beräkning. Denna artikel diskuterade skillnaden mellan parallell och distribuerad databehandling. Skillnaden mellan parallell och distribuerad databehandling är att parallell beräkning är att utföra flera uppgifter med hjälp av flera processorer samtidigt medan parallella datorer är flera datorer sammankopplade via ett nätverk för att kommunicera och samarbeta för att uppnå ett gemensamt mål. Parallell datoranvändning används främst för att öka prestanda. Distribuerad databehandling används för att samordna användningen av delade resurser eller för att tillhandahålla kommunikationstjänster till användarna.
Ladda ner PDF-filen för Parallel vs Distributed Computing
Du kan ladda ner PDF-versionen av den här artikeln och använda den för offlineändamål enligt citat. Ladda ner PDF-versionen här: Skillnaden mellan parallell och distribuerad databehandling
