高性能计算主要类别: 详细的高吞吐量计算和分布式云计算

在当今数据驱动的世界中，高性能计算（HPC）已成为企业的首选平台. 转向云计算，提供按需HPC具有成本效益且高度灵活.

高性能计算通常是指以比提供更高性能的方式聚合计算能力的实践. 它可以有效地执行并行操作. 在计算过程中，各节点协同工作.

从并行任务的角度对高性能计算进行分类可以分为两类: 高吞吐量计算和分布式云计算.

高通量计算

高吞吐量计算可以将一个任务划分为多个可以并行化的子任务，并且每个子任务之间都没有关联. 这种类型的应用程序的一个共同特征是在海量数据上搜索特定的模式. 所谓的互联网计算就属于此类.

高吞吐量计算属于SIMD（单指令/多数据，单指令/多数据）类别.

分布式云计算

分布式云计算解决了任务分配问题，并结合了计算结果以帮助满足本地业务交互的轻量级需求.

它将单个问题分为多个部分，每个部分由不同的计算机解决. 只要计算机联网，它们就可以相互通信以进行大量数据交换来解决该问题. 如果操作正确，计算机的行为将像一个实体.

分布式云计算的最终目标是通过以经济高效，透明和可靠的方式连接用户和IT资源来最大化性能. 它还可以确保容错能力，并在其中一个组件发生故障时启用资源可访问性.

使用分布式云计算的优势

1）可扩展性和模块化增长

分布式系统具有固有的可扩展性，因为它们可以跨不同的机器工作并可以水平扩展. 这意味着用户可以添加另一台计算机来处理不断增加的工作负载，而不必一次又一次地更新单个系统.

用户可以扩展的内容实际上没有上限. 要求极高的系统可以在每台计算机上运行其全部容量分布式计算和云计算，并在工作负载较低时使计算机脱机.

2）容错和冗余

本质上，分布式系统比单机具有更高的容错能力.

使用在两个数据中心上运行多台计算机的群集的公司，即使一个数据中心处于脱机状态，其应用程序也可以运行.

这意味着更高的可靠性，因为在单台机器上，所有故障都会随之而来. 即使一个或多个节点/站点停止工作（其余节点的性能要求将会提高），分布式系统也将保持不变.

3）低延迟

由于用户可以在多个地理位置拥有一个节点，因此分布式系统允许流量到达最近的节点，从而减少了延迟并提高了性能.

4）成本效益

与非常大型的集中式系统相比分布式计算和云计算，分布式系统更具成本效益. 它们的初始成本高于独立系统的初始成本，但只有在一定程度上才能成为规模经济. 由许多小型计算机组成的分布式系统可能比大型机更具成本效益.

5）效率

分布式系统可以将复杂的问题数据分解为较小的部分，并具有并行处理的多台计算机，这有助于减少解决这些问题所需的时间.

网络的发展催生了分布式计算的出现，分布式计算是一种从并行计算派生的新模型，为云计算的网络技术奠定了坚实的基础.

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-151246-1.html