Skillnad Mellan Molndator Och Distribuerad Databehandling

Skillnad Mellan Molndator Och Distribuerad Databehandling
Skillnad Mellan Molndator Och Distribuerad Databehandling

Video: Skillnad Mellan Molndator Och Distribuerad Databehandling

Video: Skillnad Mellan Molndator Och Distribuerad Databehandling
Video: TechTrender 2021. Spaningar inom AI - Cybersäkerhet - Syntetisk media - Blockkedjor - Kvantmekanik 2024, December
Anonim

Cloud Computing vs Distribuerad Computing

Cloud computing är en datortyp där resurser görs tillgängliga via internet. Oftast är dessa resurser utbyggbara och är mycket visualiserade resurser och de tillhandahålls som en tjänst. Dessa resurser kan huvudsakligen delas upp till applikationer, plattformar eller infrastruktur. Datavetenskapens område som behandlar distribuerade system (system som består av mer än en självstyrd nod) kallas distribuerad databehandling. Distribuerad databehandling används vanligtvis för att utnyttja kraften hos flera maskiner för att uppnå ett enda mål i stor skala.

Vad är Cloud Computing?

Cloud computing är den framväxande tekniken för att leverera många typer av resurser som tjänster, främst över internet. Levererande part kallas tjänsteleverantörer, medan användarna är kända som prenumeranter. Prenumeranter betalar prenumerationsavgifter vanligtvis per användning. Cloud computing är uppdelad i några olika kategorier baserat på vilken typ av tjänst som tillhandahålls. SaaS (Software as a Service) är den kategori molnberäkning där de viktigaste resurserna som finns tillgängliga som en tjänst är programvaruapplikationer. PaaS (Platform as a Service) är den kategori / applikation för cloud computing där tjänsteleverantörerna levererar en datorplattform eller en lösningsstack till sina abonnenter via internet. IaaS (Infrastructure as a Service) är den kategori molnberäkning där de viktigaste resurserna som finns tillgängliga som en tjänst är hårdvaruinfrastruktur. DaaS (Desktop as a Service), som är en framväxande –aaS-tjänst handlar om att tillhandahålla en hel skrivbordsupplevelse över internet. Detta kallas ibland desktop virtualization / virtual desktop eller hosted desktop.

Vad är distribuerad databehandling?

Datavetenskapens område som behandlar distribuerade system kallas distribuerad databehandling. Ett distribuerat system består av mer än en självstyrd dator som kommunicerar via ett nätverk. Dessa datorer använder sitt eget lokala minne. Alla datorer i det distribuerade systemet pratar med varandra för att uppnå ett visst gemensamt mål. Alternativt kan olika användare på varje dator ha olika individuella behov och det distribuerade systemet kommer att samordna delade resurser (eller hjälpa till att kommunicera med andra noder) för att uppnå sina individuella uppgifter. Noder kommunicerar med meddelandeöverföring. Distribuerad databehandling kan också identifieras som att använda ett distribuerat system för att lösa ett enda stort problem genom att dela upp det till uppgifter, var och en beräknas i enskilda datorer i det distribuerade systemet. Vanligtvis,toleransmekanismer finns för att övervinna enskilda datorfel. Systemets struktur (topologi, fördröjning och kardinalitet) är inte känd i förväg och är dynamisk. Enskilda datorer behöver inte veta allt om hela systemet eller hela ingången (för att problemet ska kunna lösas).

Vad är skillnaden mellan moln och distribuerad databehandling?

Cloud computing är en teknik som levererar många typer av resurser som tjänster, främst över internet, medan distribuerad databehandling är konceptet att använda ett distribuerat system som består av många självstyrda noder för att lösa ett mycket stort problem (det är vanligtvis svårt att vara löses av en enda dator). Cloud computing är i grunden en försäljnings- och distributionsmodell för olika typer av resurser över internet, medan distribuerad databehandling kan identifieras som en typ av dator, som använder en grupp maskiner för att arbeta som en enhet för att lösa ett storskaligt problem. Distribuerad databehandling uppnår detta genom att dela upp problemet till enklare uppgifter och tilldela dessa uppgifter till enskilda noder.

Rekommenderas: