@Raphael tarafından işaret edildiği gibi, Distributed Computing, Parallel Computing'in bir alt kümesidir; sırayla, Paralel Hesaplama, Eşzamanlı Hesaplamanın bir alt kümesidir.
Eşzamanlılık paylaşımı ifade ederkaynakların aynı zaman dilimi içinde. Örneğin, birkaç işlem aynı CPU (veya CPU çekirdeğini) paylaşır veya belleği veya bir I / O cihazını paylaşır. İşletim sistemleri paylaşılan kaynakları yönetir. Çok işlemcili makineler ve dağıtılmış sistemler, eşzamanlılık kontrolünün önemli bir rol oynadığı mimarilerdir. Eşzamanlılık hem donanım hem de yazılım düzeyinde gerçekleşir. Birden fazla cihaz aynı anda çalışır, işlemciler dahili paralelliğe sahiptir ve aynı anda birkaç komut üzerinde çalışırlar, sistemler birden fazla işlemciye sahiptir ve sistemler ağ iletişimi yoluyla etkileşime girer. Eşzamanlılık, sinyal işleme, G / Ç çakışması ve işlemede, iletişimde ve işlemlerin arasında veya aynı işlemdeki iş parçacıkları arasında kaynakların paylaşımında uygulama düzeyinde ortaya çıkar.
Aynı sistem üzerinde çalışan iki işlem (ya da iş parçacığı), böylece yürütmeleri zaman içinde iç içe geçmiş olur: işlem (iş parçacığı) CPU kaynağını paylaşır. Aşağıdaki tanımı seviyorum: aynı sistemde yürütülen iki işlem (iş parçacığı), eğer ilk işlem (iş parçacığı) henüz işlemini sonlandırmadığında yalnızca ikinci işlem (iş parçacığı) yürütmeye başlarsa eşzamanlı olur.
İşlemler (veya iş parçacığı) farklı CPU'larda (veya aynı CPU'nun çekirdeğinde ) yürütüldüğünde eşzamanlılık paralelliğe dönüşür . Bu durumda paralellik “sanal” değil “gerçek” dir.
Bu CPU'lar aynı makineye ait olduğunda, hesaplamaya "paralel"; CPU'lar farklı makinelere ait olduklarında , coğrafi olarak yayılabiliyorsa, hesaplamayı "dağıtılmış" olarak adlandırıyoruz.
Bu nedenle, Dağıtılmış Hesaplama, Eşzamanlı Hesaplamanın bir alt kümesi olan Paralel Hesaplamanın bir alt kümesidir.
Tabii ki, genel olarak, paralel ve dağıtılmış hesaplamanın farklı olduğu kabul edilir. Paralel hesaplama, sıkı bağlantılı uygulamalarla ilgilidir ve aşağıdaki hedeflerden birini gerçekleştirmek için kullanılır:
- Bilgi işlem-yoğun problemleri daha hızlı çözün;
- Aynı sürede daha büyük problemleri çözün;
- Aynı büyüklükteki problemleri aynı sürede daha yüksek hassasiyetle çözün.
Tx5 xTxxama çok daha karmaşık bir model, daha fazla denklem, değişken ve kısıtlama kullanarak daha yüksek doğrulukla). Paralel hesaplama paylaşılan hafızayı, mesaj iletmeyi veya her ikisini kullanabilir (örneğin, OpenMP kullanan paylaşılan hafıza içi düğüm, MPI kullanan mesaj geçişi arası düğüm); GPU hızlandırıcılarını da kullanabilir. Uygulama bir paralel süper bilgisayarda çalıştığından, genellikle arızalar, ağ bölümleri vb. Sorunları dikkate almayız, çünkü bu olayların olasılığı pratik amaçlar için sıfıra yakındır. Bununla birlikte, birkaç ay boyunca çalışabilen iklim değişikliği simülasyonları gibi büyük paralel uygulamalar genellikle başarısızlıklarla ilgilidir ve bir problem ortaya çıkarsa simülasyonu tekrar başlatmaktan kaçınmak için kontrol noktası / yeniden başlatma mekanizması kullanın.
Dağıtılmış hesaplama, amaç ( dağıtılmış süper hesaplama için ) aksi takdirde çok büyük olan veya çözülmesi farklı mimarilerdeki uygulamadan faydalanabilecek farklı bileşenlere bölünmesi gereken sorunları çözmek olduğu gevşek bağlantılı uygulamalarla ilgilidir . İstemci-sunucu, eşler arası vb. Dahil olmak üzere birkaç model vardır. Güvenlik, arızalar, ağ bölümleri vb. Gibi dağıtılmış hesaplamalarda ortaya çıkan sorunlar, tasarım sırasında dikkate alınmalıdır, çünkü bu bağlamda hatalar kurallar ve istisna değil.
Son olarak, Grid ve Cloud hesaplamanın her ikisi de dağıtılmış hesaplamanın alt kümesidir. Şebeke bilgi işlem paradigması, büyük ölçekli kaynak paylaşımına ve yenilikçi yüksek performanslı uygulamalara odaklanmasından dolayı geleneksel dağınık bilgisayarlardan farklı bir alan olarak ortaya çıkmıştır. Paylaşılan kaynaklar, genellikle birden çok, farklı idari alanlara ( Sanal Kuruluşlar ) aittir . Grid Computing, son on yılda bilim adamları tarafından yoğun olarak kullanılmasına rağmen, sıradan kullanıcılar için geleneksel olarak zordur. Cloud computing, sıradan kullanıcıların, Sanal Veri Makineleri kullanılarak aynı veri merkezinde bulunan ve coğrafi olarak dağıtılmayan birden fazla makineden kolayca yararlanmalarını sağlayarak açığı kapatmaya çalışıyorBu, uygulamaları çalıştırmak için kullanıcılar tarafından birleştirilebilir. Donanım, özellikle yüksek performanslı bir ağ bağlantısının (Infiniband vb.) Olağan olmaması nedeniyle, bulutlar paralel MPI uygulamaları çalıştırmak için hedeflenmemiştir. Bulutlarda çalışan dağıtılmış uygulamalar genellikle Harita / Küçültme paradigmasından yararlanmak için uygulanır. Bu arada, birçok insan Harita / azaltmayı paralel bir veri akışı modeli olarak düşünüyor.