Ang distributed computing ay nagpapakalat ng mga workload sa maraming magkakaugnay na makina, habang ang mga sentralisadong data center ay nagtutuon ng lakas ng pagproseso sa iisang pisikal na pasilidad. Parehong pinapagana ng mga pamamaraan ang mga modernong serbisyo sa cloud, ngunit malaki ang pagkakaiba ng mga ito sa scalability, fault tolerance, at cost structure.
Isang modelo kung saan ang mga gawain sa pagproseso ay nahahati sa maraming magkakaugnay na computer na nagtutulungan bilang isang pinag-isang sistema.
Isang tradisyonal na modelo ng imprastraktura kung saan ang lahat ng mga mapagkukunan ng computing ay nakalagay sa isang nakalaang pasilidad.
| Tampok | Ipinamamahaging Kompyuter | Mga Sentralisadong Sentro ng Datos |
|---|---|---|
| Arkitektura | Maraming node sa iba't ibang lokasyon | Isang pasilidad o kampus |
| Kakayahang sumukat | Pahalang, magdagdag ng mga node kahit saan | Patayo, palawakin ang kapasidad ng pasilidad |
| Pagpaparaya sa Pagkakamali | Mataas, walang iisang punto ng pagkabigo | Mas mababa, depende sa disenyo ng kalabisan |
| Pagkaantala | Pabagu-bago, depende sa kalapitan ng node | Pare-pareho sa loob ng pasilidad |
| Pagiging Komplikado ng Pamamahala | Mas mataas, nangangailangan ng mga tool sa orkestrasyon | Mas mababa at sentralisadong administrasyon |
| Modelo ng Seguridad | Ipinamamahaging tiwala at pag-encrypt | Pisikal na perimeter at kontrol sa pag-access |
| Karaniwang mga Kaso ng Paggamit | Malaking datos, blockchain, edge computing | Mga app para sa negosyo, cloud hosting, SaaS |
| Istruktura ng Gastos | Mas mababang gastos sa hardware, mas mataas na networking | Mas mataas na gastos sa pasilidad, nahuhulaang operasyon |
Ang distributed computing ay kumakalat ng pagproseso sa maraming makina na maaaring nasa iba't ibang lungsod, bansa, o maging sa mga kontinente. Ang mga node na ito ay nakikipag-ugnayan sa pamamagitan ng mga karaniwang protocol ng network at nagkokoordina ng trabaho sa pamamagitan ng mga consensus algorithm o mga pattern ng master-worker. Ang mga sentralisadong data center ay gumagamit ng kabaligtaran na pamamaraan, na pinagsasama-sama ang libu-libong server sa isang gusali na may maingat na kinokontrol na paglamig, kuryente, at koneksyon. Ang pisikal na konsentrasyon ay ginagawang madali ang pagpapanatili ng hardware ngunit lumilikha ng isang heograpikong dependency.
Kapag tumaas ang demand, ang mga distributed system ay maaaring magdagdag ng higit pang mga node sa cluster, kadalasan sa iba't ibang rehiyon upang mapaglingkuran ang mga user na mas malapit sa kanila. Ang horizontal scaling na ito ay may posibilidad na maging mas flexible at cost-effective sa malawakang saklaw. Ang mga sentralisadong pasilidad ay nag-i-scale nang patayo sa pamamagitan ng pagdaragdag ng higit pang mga server, rack, o kahit na pagbuo ng mga bagong wing, na nangangailangan ng malaking puhunan sa kapital at lead time. Kadalasang pinagsasama ng mga cloud provider ang parehong modelo, gamit ang mga centralized hyperscale campus na internal na umaasa sa mga distributed software architecture.
Ang mga distributed system ay likas na mas matatag dahil ang pagkabigo ng isang node ay bihirang magpabagsak sa buong network. Ang mga serbisyo tulad ng search infrastructure ng Google o ang DynamoDB ng Amazon ay idinisenyo upang patuloy na tumakbo kahit na mag-crash ang mga indibidwal na makina. Ang mga centralized data center ay maaaring makamit ang katulad na pagiging maaasahan sa pamamagitan ng mga kalabisan na power supply, backup generator, at failover cluster, ngunit ang isang kapaha-pahamak na kaganapan tulad ng sunog o baha sa pangunahing site ay maaari pa ring magdulot ng malalaking pagkawala ng kuryente. Ang 2017 S3 outage sa AWS ay nagpakita kung paano maaaring makaapekto ang isang isyu sa isang pasilidad sa hindi mabilang na mga serbisyo.
Karaniwang naghahatid ang mga sentralisadong data center ng pare-parehong latency para sa mga user na kumokonekta sa iisang rehiyon, dahil lahat ng server ay gumagamit ng iisang lokal na network. Minsan, ang mga distributed system ay maaaring magdulot ng pabagu-bagong latency dahil ang mga node ay kailangang makipag-ugnayan sa mas malalayong distansya, bagama't ang mga variant ng edge computing ay talagang nakakabawas ng latency sa pamamagitan ng paglalagay ng compute nang mas malapit sa mga end user. Para sa mga workload tulad ng high-frequency trading o real-time video processing, ang heograpikong pagkakalagay ng mga compute resources ay napakahalaga, kaya naman pinagsasama ng mga content delivery network ang parehong pamamaraan.
Ang pagpapatakbo ng isang sentralisadong pasilidad ay kinabibilangan ng malalaking nakapirming gastos: real estate, mga sistema ng pagpapalamig, pisikal na seguridad, at nakalaang imprastraktura ng kuryente. Ang mga gastusing ito ay nahuhulaan ngunit nangangailangan ng malaking paunang kapital. Ang distributed computing ay naglilipat ng paggastos patungo sa networking, orchestration software, at patuloy na koordinasyon sa pagitan ng mga node. Para sa mga organisasyong walang badyet para magtayo ng data center, ang pagrenta ng mga distributed cloud resources mula sa mga provider tulad ng AWS o Azure ay kadalasang mas matipid kaysa sa pagtatayo ng sarili nilang sentralisadong pasilidad.
Pinapasimple ng mga sentralisadong data center ang mga compliance audit dahil ang sensitibong data ay nasa isang kilalang lokasyon na may kontroladong pisikal na access. Kadalasang mas gusto ng mga regulated na industriya tulad ng pagbabangko at pangangalagang pangkalusugan ang modelong ito dahil sa kadahilanang iyon. Pinapahirap ng mga distributed system ang pagsunod dahil ang data ay maaaring nasa maraming hurisdiksyon, bawat isa ay may iba't ibang batas sa privacy. Gayunpaman, ang mga distributed architecture ay maaaring mapabuti ang seguridad laban sa ilang partikular na pag-atake, dahil ang pagkompromiso sa isang node ay hindi naglalantad sa buong sistema. Ang mga modernong encryption at zero-trust framework ay nakakatulong na tulayin ang agwat sa pagitan ng dalawang pamamaraang ito.
Ang distributed computing ay palaging nangangahulugang blockchain o cryptocurrency.
Ang distributed computing ay isang malawak na larangan na nauna pa sa blockchain nang ilang dekada. Kabilang dito ang cluster computing, grid computing, microservices, at content delivery networks. Ang Blockchain ay isa lamang espesyalisadong aplikasyon ng mga distributed principles, na nakatuon sa consensus nang walang sentral na awtoridad.
Hindi na ginagamit ang mga sentralisadong data center sa panahon ng cloud.
Ang mga sentralisadong pasilidad ay buhay na buhay at bumubuo sa gulugod ng bawat pangunahing provider ng cloud. Ang AWS, Microsoft Azure, at Google Cloud ay pawang nagpapatakbo ng malalaking sentralisadong kampus na naglalaman ng milyun-milyong server. Ang cloud ay mahalagang sentralisadong imprastraktura na inuupahan sa mga distributed application.
Ang mga distributed system ay palaging mas mura kaysa sa mga sentralisado.
Ang gastos ay lubos na nakadepende sa laki at workload. Ang maliliit na deployment ay kadalasang mas mahal para patakbuhin ang distributed dahil sa networking at orchestration overhead. Ang mga sentralisadong pasilidad ay maaaring maging mas matipid para sa predictable at stable na workload, habang ang mga distributed setup ay mahusay para sa matarik at pandaigdigang demand.
Hindi kayang tapatan ng mga sentralisadong data center ang pagiging maaasahan ng mga distributed system.
Nakakamit ng mga modernong sentralisadong pasilidad ang kahanga-hangang uptime sa pamamagitan ng N+1 o 2N redundancy sa kuryente, pagpapalamig, at networking. Ginagarantiyahan ng mga Tier IV data center ang 99.995% na availability, na kapantay o nahihigitan ang maraming distributed deployment. Ang pagiging maaasahan ay nakasalalay sa pamumuhunan sa inhinyeriya, hindi lamang sa arkitektura.
Ang distributed computing ay nangangahulugan ng mas mabagal na pagganap dahil sa network overhead.
Ang mga mahusay na dinisenyong distributed system ay kadalasang mas mahusay kaysa sa mga sentralisadong sistema para sa mga pandaigdigang gumagamit dahil inilalagay nila ang compute nang mas malapit sa kung saan nagmumula ang mga kahilingan. Ang mga pamamaraan tulad ng caching, data partitioning, at edge computing ay maaaring gawing mas mabilis ang mga distributed architecture kaysa sa isang sentralisadong pasilidad na nagseserbisyo sa pandaigdigang trapiko.
Pumili ng distributed computing kapag kailangan mo ng napakalaking horizontal scalability, geographic redundancy, o nagpapatakbo ng mga workload tulad ng big data analytics at blockchain na natural na akma sa isang desentralisadong modelo. Pumili ng mga centralized data center kapag kailangan mo ng mahigpit na pisikal na kontrol, mahuhulaang pagganap, mas simpleng pagsunod, at ang kahusayan sa pagpapatakbo ng pamamahala ng lahat sa ilalim ng iisang bubong. Maraming organisasyon ngayon ang pinagsasama ang pareho, gamit ang mga centralized hyperscale cloud na internal na umaasa sa mga distributed software pattern.
Ang paghahambing na ito ay sinusuri ang Amazon Web Services at Google Cloud sa pamamagitan ng pagsusuri sa kanilang mga alok na serbisyo, modelo ng pagpepresyo, pandaigdigang imprastraktura, pagganap, karanasan ng mga developer, at mga pinakaangkop na kaso ng paggamit, na tumutulong sa mga organisasyon na pumili ng cloud platform na pinakaangkop sa kanilang mga teknikal at pangangailangang pangnegosyo.
Pinoproseso ng deduplication sa antas ng kahilingan ang bawat papasok na kahilingan nang paisa-isa upang maalis ang mga duplicate sa totoong oras, habang pinagsasama-sama naman ng batch-level deduplication ang maraming kahilingan at inaalis ang mga redundancy pagkatapos ng akumulasyon. Binabawasan ng parehong pamamaraan ang redundancy ng data ngunit malaki ang pagkakaiba sa latency, paggamit ng resource, at mga ideal na use case.
Ang adaptive infrastructure ay dynamic na umaangkop sa nagbabagong workload sa pamamagitan ng automation at real-time scaling, habang ang static infrastructure design ay umaasa sa mga fixed at pre-configured resources. Ang pagpili sa pagitan ng mga ito ay nakadepende sa variability ng workload, predictability ng badyet, at operational maturity sa loob ng iyong cloud environment.
Ang paghahambing na ito ay nagpapaliwanag ng mga pagkakaiba sa pagitan ng mga Docker container at virtual machine sa pamamagitan ng pagsusuri sa kanilang arkitektura, paggamit ng mga mapagkukunan, pagganap, paghihiwalay, kakayahang palakihin, at mga karaniwang kaso ng paggamit, na tumutulong sa mga team na matukoy kung aling approach sa virtualization ang pinakaangkop para sa mga modernong pangangailangan sa pag-unlad at imprastraktura.
Inaayos ng dynamic traffic routing ang mga request path sa real time batay sa kalusugan, latency, at load ng server, habang ang fixed request routing ay nagpapadala ng bawat request sa isang paunang natukoy na destinasyon anuman ang pagbabago ng mga kondisyon. Ang dalawang pamamaraan ay lubhang magkaiba sa katatagan, kakayahang sumukat, at pagiging kumplikado ng operasyon para sa mga modernong cloud system.
