همه چیز درباره ی محاسبات خوشه ای (Cluster Computing)

به وبلاگ روبو خوش آمدید، در این مقاله می خواهیم درباره مفهوم Cluster Computing یا خوشه ی کامپیوتر صحبت کنیم، پس در ادامه مطلب همراهمان باشید. 

اگر به اخبار صفر تا صد هوش مصنوعی علاقه دارید وبلاگ روبو را دنبال کنید

 
Computer Cluster

Cluster Computing چیست ؟

محاسبات خوشه ای (Cluster Computing) مجموعه ای از رایانه هایی است که به‌طور محکم یا ضعیف به هم متصل شده‌اند که با هم کار می کنند تا به عنوان یک موجودیت واحد عمل کنند. کامپیوتر های متصل همه با هم عملیات را اجرا می کنند و بنابراین ایده یک سیستم واحد را ایجاد می کنند. خوشه ها معمولا از طریق شبکه های محلی سریع (LAN) به هم متصل می شوند.

ولی چرا محاسبات خوشه ای مهم است ؟

1 . محاسبات خوشه ای راه حل های نسبتا ارزان و غیر متعارفی را به سرور های بزرگ یا رایانه های مرکزی ارائه می دهد.
2 . این تقاضا برای انتقاد محتوا و خدمات پردازش را به روشی سریع تر برطرف می کند.
3 . بسیاری از سازمان ها و شرکت های فناوری اطلاعات، محاسبات خوشه ای را برای افزایش مقیاس پذیری، در دسترس بودن، سرعت پردازش و مدیریت منابع خود با قیمت های اقتصادی پیاده سازی می کنند.
4 . تضمین می کند که قدرت محاسباتی همیشه در دسترس است.
5 . این یک استراتژی کلی واحد برای پیاده سازی و استفاده از سیستم های موازی با کارایی بالا مستقل از فروشندگان خاص سخت افزار و تصمیمات محصول آن ها ارائه می دهد. 

اجزای یک کامپیوتر خوشه ای شامل گره های خوشه ای، سیستم عامل خوشه، سوئیچ یا گره های به هم متصل، سخت افزار سوئیچینگ شبکه می شود.

 
cluster computing

انواع تایپ های Cluster Computing

1. خوشه های با کارایی بالا (HP):

خوشه های HP از خوشه های کامپیوتری و ابر رایانه ها برای حل مشکلات محاسباتی پیشرفته استفاده می کنند. آن ها برای انجام عملکرد هایی که به گره هایی برای برقراری ارتباط در حین انجام وظایف خود نیاز دارند، عادت دارند. آن ها طراحی شده اند تا از قدرت پردازش موازی چندین گره بهره ببرند.

2. خوشه های متعادل کننده بار:

درخواست های دریافتی برای منابع بین چندین گره در حال اجرا برنامه های مشابه یا دارای محتوای مشابه توزیع می شوند. این امر از دریافت مقدار نامتناسبی از هر گره منفرد جلوگیری می کند. این نوع توزیع عموما در یک محیط میزبانی وب استفاده می شود.

3. خوشه های دسترسی بالا (HA):

خوشه های HA برای نگهداری گره های اضافی طراحی شده اند که می توانند به عنوان سیستم های پشتیبان در صورت بروز هرگونه خرابی عمل کنند. خدمات محاسباتی ثابت مانند فعالیت های تجاری، پایگاه های داده پیچیده، خدمات مشتری مانند وب سایت های الکترونیکی و توزیع فایل های شبکه ارائه می شود. آن ها طراحی شده اند تا داده ها را بدون وقفه به مشتریان ارائه دهند.

دسته بندی کلاستر ها

دسته بندی کلاستر ها

  1. کلاستر های باز :
    IP برای هر گره مورد نیاز است و فقط از طریق اینترنت یا وب قابل دسترسی است. این نوع خوشه باعث افزایش نگرانی های امنیتی می شود.

  2. کلاستر های بسته :
    گره ها در پشت گره دروازه پنهان می شوند و محافظت بیشتری را ارائه می دهند. این نوع به آدرس های IP کمتری نیاز دارند و برای کار های محاسباتی خوب هستند.

معماری محاسبات خوشه ای

  • این سیستم با مجموعه‌ ای از رایانه های جداگانه به هم پیوسته و سیستم های رایانه ای که به طور جمعی به عنوان یک سیستم مستقل کار می کنند طراحی شده است.

  • این مجموعه ای از ایستگاه های کاری یا رایانه هایی است که به عنوان یک منبع محاسباتی منفرد و یکپارچه که از طریق اتصالات پرسرعت به هم متصل شده اند، با هم کار می کنند.

  • یک گره، یک شبکه تک یا چند پردازنده ای که دارای حافظه، عملکرد های ورودی و خروجی و یک سیستم عامل است.

  • دو یا چند گره روی یک خط متصل می شوند یا هر گره ممکن است به صورت جداگانه از طریق یک اتصال LAN متصل شود.

مزایای محاسبات خوشه ای :

  1. کارایی بالا :
    این سیستم ها عملکرد بهتر و پیشرفته تری نسبت به شبکه های کامپیوتری مرکزی ارائه می دهند.
  2. مدیریت آسان :
    محاسبات خوشه ای قابل مدیریت و پیاده سازی آسان است.
  3. مقیاس پذیر :
    بر این اساس می توان منابع را به خوشه ها اضافه کرد.
  4. قابلیت گسترش : 
    خوشه های کامپیوتری را می توان به راحتی با افزودن کامپیوتر های اضافی به شبکه گسترش داد. محاسبات خوشه ای قادر است چندین منبع اضافی یا شبکه را با سیستم کامپیوتری موجود ترکیب کند.
  5. در دسترس بودن :
    گره های دیگر زمانی فعال خواهند بود که یک گره با شکست مواجه شود و به عنوان یک پروکسی برای گره شکست خورده عمل می کنند. این امر در دسترس بودن را افزایش می دهد.
  6. انعطاف پذیری :
    می توان آن را به مشخصات برتر ارتقا داد یا گره های اضافی را می توان اضافه کرد.

معایب محاسبات خوشه ای :

  1. هزینه بالا :
    به دلیل سخت افزار بالا و طراحی آن چندان مقرون به صرفه نیست.
  2. مشکل در یافتن عیب :
    پیدا کردن این که کدام قطعه ایراد دارد دشوار است.
  3. نیاز به فضای بیشتر :
    زیرساخت ممکن است افزایش یابد زیرا به سرور های بیشتری برای مدیریت و نظارت نیاز است.

کاربرد های محاسبات خوشه ای :

  • مسائل مختلف محاسباتی پیچیده قابل حل هستند.
  • می توان از آن در کاربرد های آیرودینامیک، اخترفیزیک و در داده کاوی استفاده کرد.
  • پیش بینی آب و هوا.
  • رندر تصویر.
  • کاربرد های مختلف تجارت الکترونیک.
  • شبیه سازی زلزله.
  • شبیه سازی مخزن نفت.

برای استفاده از امکانات هوش مصنوعی ChatGPT-4o میتوانید از روبو، هوش مصنوعی فارسی، به راحتی استفاده کنید.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *