ডিস্ট্রিবিউটেড কম্পিউটিং অনেকগুলো আন্তঃসংযুক্ত মেশিনের মধ্যে কাজের চাপ ছড়িয়ে দেয়, অন্যদিকে সেন্ট্রালাইজড ডেটা সেন্টারগুলো একটিমাত্র ভৌত স্থাপনায় প্রসেসিং ক্ষমতাকে কেন্দ্রীভূত করে। উভয় পদ্ধতিই আধুনিক ক্লাউড পরিষেবাগুলোকে চালিত করে, কিন্তু স্কেলেবিলিটি, ফল্ট টলারেন্স এবং ব্যয় কাঠামোর ক্ষেত্রে এদের মধ্যে সুস্পষ্ট পার্থক্য রয়েছে।
এমন একটি মডেল যেখানে প্রক্রিয়াকরণের কাজগুলো একাধিক আন্তঃসংযুক্ত কম্পিউটারের মধ্যে ভাগ করে দেওয়া হয়, যেগুলো একটি সমন্বিত ব্যবস্থা হিসেবে একসঙ্গে কাজ করে।
একটি প্রচলিত অবকাঠামো মডেল যেখানে সমস্ত কম্পিউটিং রিসোর্স একটি একক, নির্দিষ্ট স্থাপনায় রাখা হয়।
| বৈশিষ্ট্য | বিতরণকৃত কম্পিউটিং | কেন্দ্রীয় ডেটা কেন্দ্র |
|---|---|---|
| স্থাপত্য | বিভিন্ন স্থানে একাধিক নোড | একক সুবিধা বা ক্যাম্পাস |
| পরিমাপযোগ্যতা | অনুভূমিকভাবে, যেকোনো জায়গায় নোড যোগ করুন | উল্লম্বভাবে, সুবিধার ক্ষমতা প্রসারিত করুন |
| ত্রুটি সহনশীলতা | উচ্চ, ব্যর্থতার কোনো একক উৎস নেই | কম, রিডানডেন্সি ডিজাইনের উপর নির্ভর করে |
| লেটেন্সি | পরিবর্তনশীল, নোডের নৈকট্যের উপর নির্ভরশীল। | সুবিধার মধ্যে সামঞ্জস্যপূর্ণ |
| ব্যবস্থাপনার জটিলতা | উচ্চতর, অর্কেস্ট্রেশন টুলের প্রয়োজন | নিম্ন, কেন্দ্রীভূত প্রশাসন |
| নিরাপত্তা মডেল | বিতরণকৃত বিশ্বাস এবং এনক্রিপশন | শারীরিক পরিধি এবং প্রবেশাধিকার নিয়ন্ত্রণ |
| সাধারণ ব্যবহারের ক্ষেত্র | বিগ ডেটা, ব্লকচেইন, এজ কম্পিউটিং | এন্টারপ্রাইজ অ্যাপস, ক্লাউড হোস্টিং, SaaS |
| ব্যয় কাঠামো | কম হার্ডওয়্যার খরচ, উন্নত নেটওয়ার্কিং | উচ্চতর স্থাপনা খরচ, অনুমানযোগ্য কার্যক্রম |
ডিস্ট্রিবিউটেড কম্পিউটিং প্রসেসিংকে অনেকগুলো মেশিনের মধ্যে ভাগ করে দেয়, যেগুলো বিভিন্ন শহর, দেশ বা এমনকি মহাদেশে অবস্থিত হতে পারে। এই নোডগুলো স্ট্যান্ডার্ড নেটওয়ার্ক প্রোটোকলের মাধ্যমে যোগাযোগ করে এবং কনসেনসাস অ্যালগরিদম বা মাস্টার-ওয়ার্কার প্যাটার্নের মাধ্যমে কাজের সমন্বয় সাধন করে। সেন্ট্রালাইজড ডেটা সেন্টারগুলো এর বিপরীত পদ্ধতি অবলম্বন করে, যেখানে সতর্কভাবে নিয়ন্ত্রিত কুলিং, পাওয়ার এবং কানেক্টিভিটি সহ হাজার হাজার সার্ভারকে একটি ভবনে একত্রিত করা হয়। এই ভৌতিক কেন্দ্রীভবন হার্ডওয়্যার রক্ষণাবেক্ষণকে সহজ করে তোলে, কিন্তু একটি একক ভৌগোলিক নির্ভরশীলতা তৈরি করে।
যখন চাহিদা হঠাৎ বেড়ে যায়, তখন ডিস্ট্রিবিউটেড সিস্টেমগুলো ক্লাস্টারে আরও নোড যোগ করতে পারে, যা প্রায়শই বিভিন্ন অঞ্চলে অবস্থিত থাকে, যাতে কাছাকাছি থাকা ব্যবহারকারীদের পরিষেবা দেওয়া যায়। এই হরাইজন্টাল স্কেলিং ব্যাপক পরিসরে আরও নমনীয় এবং সাশ্রয়ী হয়ে থাকে। সেন্ট্রালাইজড পরিকাঠামোগুলো আরও সার্ভার, র্যাক যোগ করে বা এমনকি নতুন শাখা তৈরি করে ভার্টিক্যালি স্কেল করে, যার জন্য উল্লেখযোগ্য মূলধনী বিনিয়োগ এবং দীর্ঘ সময় প্রয়োজন হয়। ক্লাউড প্রোভাইডাররা প্রায়শই উভয় মডেলকে একত্রিত করে সেন্ট্রালাইজড হাইপারস্কেল ক্যাম্পাস ব্যবহার করে, যা অভ্যন্তরীণভাবে ডিস্ট্রিবিউটেড সফটওয়্যার আর্কিটেকচারের উপর নির্ভর করে।
ডিস্ট্রিবিউটেড সিস্টেমগুলো স্বভাবতই বেশি স্থিতিস্থাপক, কারণ একটি নোডের ব্যর্থতা খুব কমই পুরো নেটওয়ার্ককে অচল করে দেয়। গুগলের সার্চ পরিকাঠামো বা অ্যামাজনের ডাইনামোডিবি-র মতো পরিষেবাগুলো এমনভাবে ডিজাইন করা হয়েছে যাতে স্বতন্ত্র মেশিন ক্র্যাশ করলেও সেগুলো চালু থাকতে পারে। কেন্দ্রীভূত ডেটা সেন্টারগুলো রিডান্ড্যান্ট পাওয়ার সাপ্লাই, ব্যাকআপ জেনারেটর এবং ফেইলওভার ক্লাস্টারের মাধ্যমে একই ধরনের নির্ভরযোগ্যতা অর্জন করতে পারে, কিন্তু মূল সাইটে আগুন বা বন্যার মতো কোনো বিপর্যয়কর ঘটনা ঘটলে তা বড় ধরনের বিভ্রাটের কারণ হতে পারে। AWS-এর ২০১৭ সালের S3 বিভ্রাট দেখিয়েছিল কীভাবে একটিমাত্র স্থাপনার সমস্যা অগণিত পরিষেবা জুড়ে ছড়িয়ে পড়তে পারে।
কেন্দ্রীভূত ডেটা সেন্টারগুলো সাধারণত একই অঞ্চলে সংযোগকারী ব্যবহারকারীদের জন্য খুবই সামঞ্জস্যপূর্ণ ল্যাটেন্সি প্রদান করে, কারণ সমস্ত সার্ভার একই লোকাল নেটওয়ার্ক ব্যবহার করে। ডিস্ট্রিবিউটেড সিস্টেমগুলো মাঝে মাঝে পরিবর্তনশীল ল্যাটেন্সি তৈরি করতে পারে, কারণ নোডগুলোকে দীর্ঘ দূরত্বে যোগাযোগ করতে হয়। তবে, এজ কম্পিউটিংয়ের বিভিন্ন রূপ এন্ড-ইউজারদের কাছাকাছি কম্পিউট রিসোর্স স্থাপন করে ল্যাটেন্সি কমিয়ে আনে। হাই-ফ্রিকোয়েন্সি ট্রেডিং বা রিয়েল-টাইম ভিডিও প্রসেসিংয়ের মতো ওয়ার্কলোডের ক্ষেত্রে কম্পিউট রিসোর্সের ভৌগোলিক অবস্থান অত্যন্ত গুরুত্বপূর্ণ, আর একারণেই কন্টেন্ট ডেলিভারি নেটওয়ার্কগুলো এই উভয় পদ্ধতির সমন্বয় ঘটায়।
একটি কেন্দ্রীভূত ব্যবস্থা পরিচালনা করতে বড় ধরনের স্থির খরচ হয়: যেমন— রিয়েল এস্টেট, কুলিং সিস্টেম, ভৌত নিরাপত্তা এবং ডেডিকেটেড পাওয়ার ইনফ্রাস্ট্রাকচার। এই খরচগুলো অনুমানযোগ্য হলেও এর জন্য বড় অঙ্কের প্রাথমিক মূলধনের প্রয়োজন হয়। ডিস্ট্রিবিউটেড কম্পিউটিং-এর ক্ষেত্রে খরচ নেটওয়ার্কিং, অর্কেস্ট্রেশন সফটওয়্যার এবং নোডগুলোর মধ্যে চলমান সমন্বয়ের দিকে স্থানান্তরিত হয়। যেসব প্রতিষ্ঠানের ডেটা সেন্টার তৈরির বাজেট নেই, তাদের জন্য নিজস্ব কেন্দ্রীভূত ব্যবস্থা নির্মাণের চেয়ে AWS বা Azure-এর মতো প্রোভাইডারদের কাছ থেকে ডিস্ট্রিবিউটেড ক্লাউড রিসোর্স ভাড়া নেওয়া প্রায়শই বেশি সাশ্রয়ী বলে প্রমাণিত হয়।
কেন্দ্রীয় ডেটা সেন্টারগুলো কমপ্লায়েন্স অডিটকে সহজ করে তোলে, কারণ সংবেদনশীল ডেটা একটি নির্দিষ্ট পরিচিত স্থানে থাকে যেখানে ভৌত প্রবেশাধিকার নিয়ন্ত্রিত। ব্যাংকিং এবং স্বাস্থ্যসেবার মতো নিয়ন্ত্রিত শিল্পগুলো প্রায়শই এই কারণে এই মডেলটি পছন্দ করে। ডিস্ট্রিবিউটেড সিস্টেমগুলো কমপ্লায়েন্সকে জটিল করে তোলে, কারণ ডেটা একাধিক এখতিয়ারে থাকতে পারে, যার প্রতিটির নিজস্ব গোপনীয়তা আইন রয়েছে। তবে, ডিস্ট্রিবিউটেড আর্কিটেকচার নির্দিষ্ট কিছু আক্রমণের বিরুদ্ধে নিরাপত্তা উন্নত করতে পারে, কারণ একটি নোড হ্যাক হলেও পুরো সিস্টেমটি অরক্ষিত হয়ে পড়ে না। আধুনিক এনক্রিপশন এবং জিরো-ট্রাস্ট ফ্রেমওয়ার্ক এই দুটি পদ্ধতির মধ্যেকার ব্যবধান পূরণে সহায়তা করে।
ডিস্ট্রিবিউটেড কম্পিউটিং মানেই ব্লকচেইন বা ক্রিপ্টোকারেন্সি।
ডিস্ট্রিবিউটেড কম্পিউটিং একটি বিস্তৃত ক্ষেত্র যা ব্লকচেইনেরও কয়েক দশক আগে থেকে বিদ্যমান। এর অন্তর্ভুক্ত বিষয়গুলো হলো ক্লাস্টার কম্পিউটিং, গ্রিড কম্পিউটিং, মাইক্রোসার্ভিসেস এবং কন্টেন্ট ডেলিভারি নেটওয়ার্ক। ব্লকচেইন হলো ডিস্ট্রিবিউটেড নীতিমালার একটি বিশেষায়িত প্রয়োগ মাত্র, যা কোনো কেন্দ্রীয় কর্তৃপক্ষ ছাড়াই ঐক্যমত্যের ওপর কেন্দ্র করে গড়ে উঠেছে।
ক্লাউড যুগে কেন্দ্রীভূত ডেটা সেন্টারগুলো অপ্রচলিত হয়ে পড়েছে।
কেন্দ্রীভূত পরিকাঠামো এখনও বেশ সক্রিয় এবং প্রতিটি প্রধান ক্লাউড প্রদানকারীর মেরুদণ্ড গঠন করে। AWS, Microsoft Azure এবং Google Cloud সকলেই বিশাল কেন্দ্রীভূত ক্যাম্পাস পরিচালনা করে যেখানে লক্ষ লক্ষ সার্ভার রয়েছে। ক্লাউড মূলত একটি কেন্দ্রীভূত পরিকাঠামো যা বিভিন্ন অ্যাপ্লিকেশনের জন্য ভাড়া দেওয়া হয়।
বিকেন্দ্রীভূত সিস্টেমগুলো সর্বদা কেন্দ্রীভূত সিস্টেমগুলোর চেয়ে সস্তা।
খরচ মূলত পরিধি এবং কাজের পরিমাণের উপর নির্ভর করে। নেটওয়ার্কিং এবং অর্কেস্ট্রেশন ওভারহেডের কারণে ছোট আকারের স্থাপনাগুলো ডিস্ট্রিবিউটেডভাবে চালাতে প্রায়শই বেশি খরচ হয়। অনুমানযোগ্য ও স্থিতিশীল কাজের পরিমাণের জন্য কেন্দ্রীভূত ব্যবস্থা বেশি সাশ্রয়ী হতে পারে, অন্যদিকে আকস্মিক ও বিশ্বব্যাপী চাহিদার ক্ষেত্রে ডিস্ট্রিবিউটেড সেটআপগুলো বিশেষভাবে কার্যকর।
কেন্দ্রীভূত ডেটা সেন্টারগুলো ডিস্ট্রিবিউটেড সিস্টেমের নির্ভরযোগ্যতার সাথে পাল্লা দিতে পারে না।
আধুনিক কেন্দ্রীভূত ব্যবস্থাগুলো বিদ্যুৎ, শীতলীকরণ এবং নেটওয়ার্কিং-এ N+1 বা 2N রিডানডেন্সির মাধ্যমে উল্লেখযোগ্য আপটাইম অর্জন করে। টিয়ার IV ডেটা সেন্টারগুলো ৯৯.৯৯৫% প্রাপ্যতা নিশ্চিত করে, যা অনেক ডিস্ট্রিবিউটেড ডেপ্লয়মেন্টের সমতুল্য বা তার চেয়েও বেশি। নির্ভরযোগ্যতা কেবল আর্কিটেকচারের উপর নয়, বরং ইঞ্জিনিয়ারিং বিনিয়োগের উপরও নির্ভর করে।
নেটওয়ার্ক ওভারহেডের কারণে ডিস্ট্রিবিউটেড কম্পিউটিং-এর পারফরম্যান্স ধীরগতির হয়।
সুপরিকল্পিত ডিস্ট্রিবিউটেড সিস্টেমগুলো প্রায়শই বিশ্বব্যাপী ব্যবহারকারীদের জন্য সেন্ট্রালাইজড সিস্টেমের চেয়ে ভালো পারফর্ম করে, কারণ এগুলো অনুরোধের উৎসের কাছাকাছি কম্পিউটিং ব্যবস্থা স্থাপন করে। ক্যাশিং, ডেটা পার্টিশনিং এবং এজ কম্পিউটিং-এর মতো কৌশলগুলো ডিস্ট্রিবিউটেড আর্কিটেকচারকে বিশ্বব্যাপী ট্র্যাফিক পরিচালনাকারী একটি একক সেন্ট্রালাইজড ব্যবস্থার চেয়ে দ্রুততর করে তুলতে পারে।
যখন আপনার ব্যাপক হরাইজন্টাল স্কেলেবিলিটি, ভৌগোলিক রিডানডেন্সি প্রয়োজন হয়, অথবা আপনি বিগ ডেটা অ্যানালিটিক্স এবং ব্লকচেইনের মতো এমন ওয়ার্কলোড চালাচ্ছেন যা স্বাভাবিকভাবেই একটি বিকেন্দ্রীভূত মডেলের সাথে খাপ খায়, তখন ডিস্ট্রিবিউটেড কম্পিউটিং বেছে নিন। যখন আপনার কঠোর ভৌত নিয়ন্ত্রণ, অনুমানযোগ্য পারফরম্যান্স, সহজতর কমপ্লায়েন্স এবং এক ছাদের নিচে সবকিছু পরিচালনার অপারেশনাল দক্ষতার প্রয়োজন হয়, তখন কেন্দ্রীভূত ডেটা সেন্টার বেছে নিন। বর্তমানে অনেক প্রতিষ্ঠানই এই দুটি পদ্ধতির মিশ্রণ ঘটায়, এবং তারা কেন্দ্রীভূত হাইপারস্কেল ক্লাউড ব্যবহার করে যা অভ্যন্তরীণভাবে ডিস্ট্রিবিউটেড সফটওয়্যার প্যাটার্নের উপর নির্ভর করে।
হরাইজন্টাল স্কেলিং কাজের চাপ বন্টন করার জন্য আরও মেশিন যুক্ত করে, অন্যদিকে ভার্টিকাল স্কেলিং বিদ্যমান সার্ভারগুলোর ক্ষমতা বৃদ্ধি করে। উভয় পদ্ধতিই পারফরম্যান্সের প্রতিবন্ধকতা দূর করে, কিন্তু আর্কিটেকচার, খরচের ধরণ এবং পরিচালনগত জটিলতার দিক থেকে এদের মধ্যে মৌলিক পার্থক্য রয়েছে।
ইনফারেন্স এফিসিয়েন্সি পরিমাপ করে যে, একটি ডেপ্লয়েড এআই মডেল ন্যূনতম কম্পিউট ব্যবহার করে কতটা ভালোভাবে অনুরোধগুলো প্রসেস করে, অন্যদিকে ট্রেনিং কম্পিউট কস্ট একটি মডেলকে একেবারে শুরু থেকে প্রশিক্ষণ দিতে ব্যয়িত রিসোর্সকে প্রতিফলিত করে। উভয়ই এআই-এর অর্থনীতিকে প্রভাবিত করে, কিন্তু মডেল লাইফসাইকেলের সম্পূর্ণ ভিন্ন দুটি পর্যায়ে কাজ করে।
রিকোয়েস্ট-লেভেল ডিডুপ্লিকেশন প্রতিটি আগত অনুরোধকে আলাদাভাবে প্রক্রিয়া করে রিয়েল টাইমে ডুপ্লিকেটগুলো দূর করে, অন্যদিকে ব্যাচ-লেভেল ডিডুপ্লিকেশন একাধিক অনুরোধকে একত্রিত করে এবং জমা হওয়ার পর অপ্রয়োজনীয় পুনরাবৃত্তিগুলো অপসারণ করে। উভয় পদ্ধতিই ডেটার পুনরাবৃত্তি কমায়, কিন্তু লেটেন্সি, রিসোর্স ব্যবহার এবং আদর্শ ব্যবহারের ক্ষেত্রে এদের মধ্যে উল্লেখযোগ্য পার্থক্য রয়েছে।
অপারেশনাল ইন্টেলিজেন্স নিরবচ্ছিন্ন পর্যবেক্ষণ, ভবিষ্যদ্বাণীমূলক বিশ্লেষণ এবং সক্রিয় সিস্টেম অপ্টিমাইজেশনের উপর আলোকপাত করে, অন্যদিকে রিঅ্যাকটিভ ইনসিডেন্ট রেসপন্স সমস্যা ঘটার পরে তা শনাক্ত ও সমাধান করার উপর কেন্দ্র করে। আধুনিক আইটি এবং ক্লাউড অবকাঠামো ব্যবস্থাপনায় উভয় পদ্ধতিই স্বতন্ত্র কিন্তু পরিপূরক ভূমিকা পালন করে।
অফসেট ট্র্যাকিং এবং কন্টিনিউয়াস স্ক্যানিং হলো ক্লাউড ও ইনফ্রাস্ট্রাকচার অ্যাসেট নিরীক্ষণের দুটি মৌলিকভাবে ভিন্ন পদ্ধতি। এর মধ্যে অফসেট ট্র্যাকিং নির্ধারিত ব্যাচ ইন্টারভাল ব্যবহার করে এবং কন্টিনিউয়াস স্ক্যানিং নিরাপত্তা পরিস্থিতি ও কনফিগারেশন পরিবর্তনের বিষয়ে রিয়েল-টাইম ও সার্বক্ষণিক দৃশ্যমানতা প্রদান করে।
