Grid-Computing bezeichnet die Nutzung weit verteilter Computerressourcen zur Erreichung eines gemeinsamen Ziels. Ein Grid kann als verteiltes System mit nicht-interaktiven Arbeitslasten betrachtet werden , die viele Dateien umfassen. Grid-Computing unterscheidet sich von herkömmlichen Hochleistungsrechnersystemen wie Cluster- Computing dadurch, dass jeder Knoten eines Grid-Computers eine andere Aufgabe bzw. Anwendung ausführt. Grid-Computer sind zudem in der Regel heterogener und geografisch verteilter (und somit nicht physisch gekoppelt) als Cluster-Computer. [ 1 ] Obwohl ein einzelnes Grid einer bestimmten Anwendung gewidmet sein kann, wird es üblicherweise für eine Vielzahl von Zwecken genutzt. Grids werden häufig mit universellen Grid- Middleware- Softwarebibliotheken aufgebaut. Grids können sehr groß sein. [ 2 ]

Grid-Computing ist eine Form des verteilten Rechnens, bestehend aus vielen vernetzten, lose gekoppelten Rechnern, die gemeinsam große Aufgaben bewältigen. Für bestimmte Anwendungen kann verteiltes oder Grid-Computing als spezielle Art des Parallelrechnens betrachtet werden , das auf vollständigen Rechnern (mit integrierten CPUs, Speicher, Netzteilen, Netzwerkschnittstellen usw.) basiert, die über eine herkömmliche Netzwerkschnittstelle wie Ethernet mit einem Computernetzwerk (privat oder öffentlich) verbunden sind . Dies steht im Gegensatz zum traditionellen Supercomputer , der über viele Prozessoren verfügt, die über einen lokalen Hochgeschwindigkeits -Computerbus verbunden sind. Diese Technologie wird durch Volunteer Computing für rechenintensive wissenschaftliche, mathematische und akademische Probleme eingesetzt und findet Anwendung in Unternehmen für so unterschiedliche Bereiche wie die Wirkstoffforschung , Wirtschaftsprognosen , seismische Analysen und die Datenverarbeitung im Backoffice zur Unterstützung von E-Commerce und Webdiensten .

Grid-Computing bündelt Computer aus verschiedenen Verwaltungsbereichen, um ein gemeinsames Ziel zu erreichen [ 3 ] , eine einzelne Aufgabe zu lösen, und kann sich anschließend genauso schnell wieder auflösen. Die Größe eines Grids kann von klein – beispielsweise beschränkt auf ein Netzwerk von Computerarbeitsplätzen innerhalb eines Unternehmens – bis hin zu großen, öffentlichen Kooperationen über viele Unternehmen und Netzwerke hinweg variieren. „Ein begrenztes Grid kann auch als Intra-Node-Kooperation bezeichnet werden, während ein größeres, weiter gefasstes Grid somit eine Inter-Node-Kooperation darstellt.“ [ 4 ]

Die Koordination von Anwendungen in Grids kann komplex sein, insbesondere bei der Abstimmung des Informationsflusses über verteilte Rechenressourcen hinweg. Grid-Workflow- Systeme wurden als spezielle Form von Workflow-Management-Systemen entwickelt , die eigens dafür konzipiert sind, eine Reihe von Rechen- oder Datenmanipulationsschritten – einen Workflow – im Grid-Kontext zu erstellen und auszuführen.

Vergleich von Grid- und herkömmlichen Supercomputern

Verteiltes oder Grid-Computing ist allgemein eine spezielle Form des Parallelrechnens. Es basiert auf kompletten Rechnern (mit integrierten CPUs, Speichern, Netzteilen, Netzwerkschnittstellen usw.), die über eine herkömmliche Netzwerkschnittstelle mit einem Netzwerk (privat, öffentlich oder dem Internet ) verbunden sind . Dadurch wird Standardhardware erzeugt, was im Vergleich zur geringeren Effizienz der Entwicklung und des Baus weniger, kundenspezifischer Supercomputer von Vorteil ist. Der größte Leistungsnachteil besteht darin, dass die verschiedenen Prozessoren und lokalen Speicherbereiche nicht über Hochgeschwindigkeitsverbindungen verfügen. Diese Anordnung eignet sich daher gut für Anwendungen, bei denen mehrere parallele Berechnungen unabhängig voneinander ablaufen können, ohne dass Zwischenergebnisse zwischen den Prozessoren ausgetauscht werden müssen. [ 5 ] Die hohe Skalierbarkeit geografisch verteilter Grids ist im Allgemeinen vorteilhaft, da der Verbindungsbedarf zwischen den Knoten im Vergleich zur Kapazität des öffentlichen Internets gering ist. [ 6 ]

Es gibt auch einige Unterschiede zwischen der Programmierung für einen Supercomputer und der Programmierung für ein Grid-Computing-System. Die Entwicklung von Programmen, die in der Umgebung eines Supercomputers laufen, kann kostspielig und aufwendig sein, da dieser möglicherweise ein spezielles Betriebssystem verwendet oder Parallelverarbeitungsprobleme lösen muss . Lässt sich ein Problem ausreichend parallelisieren, ermöglicht eine schlanke Grid-Infrastruktur, dass herkömmliche, eigenständige Programme – je nach Problemstellung – auf mehreren Rechnern ausgeführt werden. Dadurch können Programme auf einem einzelnen herkömmlichen Rechner geschrieben und debuggt werden, und Komplikationen durch mehrere Instanzen desselben Programms, die gleichzeitig im selben Speicherbereich laufen , werden vermieden.

Designüberlegungen und Variationen

Ein Merkmal verteilter Grids ist, dass sie aus Rechenressourcen einer oder mehrerer Personen oder Organisationen (bekannt als multiple administrative Domänen ) gebildet werden können. Dies kann kommerzielle Transaktionen erleichtern, wie beispielsweise beim Utility Computing , oder die Bildung von freiwilligen Rechennetzwerken vereinfachen .

Ein Nachteil dieser Funktion besteht darin, dass die Computer, die die Berechnungen durchführen, möglicherweise nicht vollständig vertrauenswürdig sind. Die Systementwickler müssen daher Maßnahmen ergreifen, um Fehlfunktionen oder böswillige Teilnehmer daran zu hindern, falsche, irreführende oder fehlerhafte Ergebnisse zu erzeugen und das System als Angriffsvektor zu missbrauchen. Dies beinhaltet häufig die zufällige Zuweisung von Aufgaben an verschiedene Knoten (vermutlich mit unterschiedlichen Besitzern) und die Überprüfung, ob mindestens zwei verschiedene Knoten für eine bestimmte Arbeitseinheit das gleiche Ergebnis liefern. Abweichungen würden fehlerhafte und böswillige Knoten identifizieren. Aufgrund der fehlenden zentralen Kontrolle über die Hardware kann jedoch nicht garantiert werden, dass Knoten nicht zu zufälligen Zeitpunkten aus dem Netzwerk ausfallen. Einige Knoten (wie Laptops oder Einwahlkunden ) stehen möglicherweise zwar für Berechnungen zur Verfügung, jedoch nicht für Netzwerkkommunikation über unvorhersehbare Zeiträume. Diese Schwankungen können durch die Zuweisung großer Arbeitseinheiten (wodurch der Bedarf an kontinuierlicher Netzwerkverbindung reduziert wird) und die Neuzuweisung von Arbeitseinheiten ausgeglichen werden, wenn ein Knoten seine Ergebnisse nicht innerhalb der erwarteten Zeit liefert.

Eine weitere Reihe von Problemen, die man als soziale Kompatibilitätsprobleme in der Frühphase des Grid-Computing bezeichnen könnte, bezog sich auf die Ziele der Grid-Entwickler, ihre Innovationen über das ursprüngliche Gebiet des Hochleistungsrechnens hinaus und über disziplinäre Grenzen hinweg in neue Bereiche wie die Hochenergiephysik zu tragen. [ 7 ]

Die Auswirkungen von Vertrauen und Verfügbarkeit auf Leistung und Entwicklungsaufwand können die Entscheidung beeinflussen, ob die Anwendung auf einem dedizierten Cluster, auf internen, ungenutzten Rechnern der Entwicklungsorganisation oder in einem offenen externen Netzwerk von Freiwilligen oder Auftragnehmern bereitgestellt wird. In vielen Fällen müssen die beteiligten Knoten darauf vertrauen, dass das zentrale System den gewährten Zugriff nicht missbraucht, indem es den Betrieb anderer Programme stört, gespeicherte Informationen verfälscht, private Daten überträgt oder neue Sicherheitslücken schafft. Andere Systeme setzen Maßnahmen ein, um das Vertrauen der Client-Knoten in das zentrale System zu reduzieren, beispielsweise durch die Bereitstellung von Anwendungen in virtuellen Maschinen.

Öffentliche Systeme oder solche, die administrative Bereiche überschreiten (einschließlich verschiedener Abteilungen innerhalb derselben Organisation), erfordern häufig den Betrieb auf heterogenen Systemen mit unterschiedlichen Betriebssystemen und Hardwarearchitekturen . Bei vielen Programmiersprachen besteht ein Zielkonflikt zwischen Investitionen in die Softwareentwicklung und der Anzahl der unterstützten Plattformen (und damit der Größe des resultierenden Netzwerks). Plattformübergreifende Sprachen können diesen Zielkonflikt verringern, jedoch möglicherweise auf Kosten der Leistung auf einzelnen Knoten (aufgrund von Laufzeitinterpretation oder fehlender Optimierung für die jeweilige Plattform). Verschiedene Middleware- Projekte haben generische Infrastrukturen geschaffen, um es diversen wissenschaftlichen und kommerziellen Projekten zu ermöglichen, ein bestimmtes zugehöriges Grid zu nutzen oder neue Grids einzurichten. BOINC ist ein gängiges Beispiel für verschiedene akademische Projekte, die nach freiwilligen Helfern suchen; weitere sind am Ende des Artikels aufgeführt .

Tatsächlich kann die Middleware als Schicht zwischen Hardware und Software betrachtet werden. Zusätzlich zur Middleware müssen verschiedene technische Bereiche berücksichtigt werden, die unabhängig von der Middleware sein können, aber nicht müssen. Beispiele hierfür sind SLA- Management, Vertrauen und Sicherheit, Verwaltung virtueller Organisationen , Lizenzmanagement, Portale und Datenmanagement. Diese technischen Bereiche können in kommerziellen Lösungen abgedeckt sein, wobei die neuesten Entwicklungen in jedem Bereich häufig in spezifischen Forschungsprojekten zu finden sind.

Marktsegmentierung des Grid-Computing-Marktes

Für die Segmentierung des Grid-Computing-Marktes müssen zwei Perspektiven berücksichtigt werden: die Anbieterseite und die Nutzerseite:

Die Anbieterseite

Der gesamte Grid-Markt umfasst mehrere spezifische Märkte. Dies sind der Markt für Grid-Middleware, der Markt für Grid-fähige Anwendungen, der Markt für Utility Computing und der Markt für Software-as-a-Service (SaaS).

Grid- Middleware ist eine spezielle Software, die die gemeinsame Nutzung heterogener Ressourcen und virtueller Organisationen ermöglicht. Sie wird in die bestehende Infrastruktur des jeweiligen Unternehmens oder der Unternehmen integriert und bildet eine spezielle Schicht zwischen der heterogenen Infrastruktur und den spezifischen Benutzeranwendungen. Zu den wichtigsten Grid-Middleware-Lösungen gehören Globus Toolkit, gLite und UNICORE .

Utility Computing bezeichnet die Bereitstellung von Grid-Computing und Anwendungen als Dienstleistung, entweder als offene Grid-Infrastruktur oder als Hosting-Lösung für eine Organisation oder ein virtuelles Netzwerk . Zu den wichtigsten Akteuren auf dem Markt für Utility Computing gehören Sun Microsystems , IBM und HP .

Gridfähige Anwendungen sind spezielle Softwareanwendungen, die die Grid-Infrastruktur nutzen können. Dies wird durch den Einsatz von Grid-Middleware ermöglicht, wie bereits erwähnt.

Software as a Service (SaaS) ist „Software, die von einem oder mehreren Anbietern ferngesteuert bereitgestellt und verwaltet wird“ ( Gartner 2007). SaaS-Anwendungen basieren auf einem gemeinsamen Satz von Code- und Datendefinitionen. Sie werden im Eins-zu-Viele-Modell genutzt, und SaaS verwendet ein nutzungsbasiertes Abrechnungsmodell (Pay-as-you-go, PAYG) oder ein Abonnementmodell. SaaS-Anbieter besitzen nicht zwangsläufig die für den Betrieb ihrer SaaS-Dienste benötigten Rechenressourcen selbst. Daher greifen sie mitunter auf den Markt für Utility Computing zurück. Dieser Markt stellt SaaS-Anbietern Rechenressourcen zur Verfügung.

Die Benutzerseite

Für Unternehmen auf der Nachfrage- bzw. Nutzerseite des Grid-Computing-Marktes haben die verschiedenen Segmente erhebliche Auswirkungen auf ihre IT-Implementierungsstrategie. Sowohl die IT-Implementierungsstrategie als auch die Art der getätigten IT-Investitionen sind relevante Aspekte für potenzielle Grid-Nutzer und spielen eine wichtige Rolle für die Grid-Einführung.

CPU-Bereinigung

CPU-Scavenging , Cycle-Scavenging oder Shared Computing erzeugt ein „Grid“ aus den ungenutzten Ressourcen eines Netzwerks von Teilnehmern (weltweit oder innerhalb einer Organisation). Typischerweise nutzt diese Technik die „freien“ Befehlszyklen, die durch die zeitweilige Inaktivität entstehen, die typischerweise nachts, in Mittagspausen oder sogar während der (vergleichsweise kurzen, aber zahlreichen) Wartezeiten moderner Desktop-CPUs im Laufe des Tages auftritt ( wenn der Computer auf E/A-Anfragen von Benutzern, Netzwerk oder Speicher wartet ). In der Praxis stellen die teilnehmenden Computer neben ihrer reinen Rechenleistung auch einen Teil ihres Speicherplatzes, Arbeitsspeichers und ihrer Netzwerkbandbreite zur Verfügung.

Viele ehrenamtliche Rechenprojekte, wie beispielsweise BOINC , nutzen das CPU-Scavenging-Modell. Da Knoten aufgrund der Ressourcennutzung ihrer Besitzer für ihren primären Zweck gelegentlich offline gehen können, muss dieses Modell so ausgelegt sein, dass es solche Fälle bewältigen kann.

Die Schaffung einer opportunistischen Umgebung ist eine weitere Implementierung von CPU-Scavenging, bei der ein spezielles Workload-Management-System ungenutzte Desktop-Computer für rechenintensive Aufgaben verwendet. Dies wird auch als Enterprise Desktop Grid (EDG) bezeichnet. Beispielsweise kann HTCondor [ 8 ] (das Open-Source-Software-Framework für High-Throughput-Computing zur grobkörnigen, verteilten Rationalisierung rechenintensiver Aufgaben) so konfiguriert werden, dass ausschließlich Desktop-Rechner genutzt werden, deren Tastatur und Maus nicht verwendet werden, um die ungenutzte CPU-Leistung ansonsten ungenutzter Desktop-Workstations effektiv zu nutzen. Wie andere vollwertige Batch-Systeme bietet HTCondor einen Job-Queueing-Mechanismus, Scheduling-Richtlinien, ein Prioritätsschema, Ressourcenüberwachung und Ressourcenmanagement. Es kann sowohl zur Verwaltung der Workload auf einem dedizierten Computercluster als auch zur nahtlosen Integration dedizierter Ressourcen (Rack-Cluster) und nicht-dedizierter Desktop-Rechner (Cycle Scavenging) in eine einzige Rechenumgebung verwendet werden.

Geschichte

Der Begriff Grid-Computing entstand Anfang der 1990er-Jahre als Metapher für die einfache Zugänglichkeit von Rechenleistung, vergleichbar mit einem Stromnetz . Diese Metapher des Stromnetzes für zugängliches Computing etablierte sich schnell, nachdem Ian Foster und Carl Kesselman ihr wegweisendes Werk „The Grid: Blueprint for a new computing infrastructure“ (1999) veröffentlicht hatten. Jahrzehnte zuvor hatte die Metapher des Utility-Computing (1961) existiert: Computing als öffentliche Dienstleistung, analog zum Telefonsystem. [ 9 ] [ 10 ]

CPU-Scavenging und Volunteer Computing wurden ab 1997 durch distributed.net und später, 1999, durch SETI@home populär gemacht , um die Rechenleistung vernetzter PCs weltweit zur Lösung rechenintensiver Forschungsprobleme zu nutzen. [ 11 ] [ 12 ]

Die Ideen des Grid-Konzepts (einschließlich derer aus dem verteilten Rechnen, der objektorientierten Programmierung und den Webdiensten) wurden von Ian Foster und Steve Tuecke von der University of Chicago sowie Carl Kesselman vom Information Sciences Institute der University of Southern California zusammengeführt . [ 13 ] Das Trio, das die Entwicklung des Globus Toolkits leitete, gilt weithin als die „Väter des Grids“. [ 14 ] Das Toolkit umfasst neben dem Rechenmanagement auch Speichermanagement , Sicherheitsbereitstellung, Datentransfer, Überwachung und ein Toolkit zur Entwicklung zusätzlicher Dienste auf Basis derselben Infrastruktur, darunter Vereinbarungsverhandlung, Benachrichtigungsmechanismen, Triggerdienste und Informationsaggregation. [ 15 ] Obwohl das Globus Toolkit weiterhin der De-facto-Standard für die Entwicklung von Grid-Lösungen ist, wurden zahlreiche weitere Tools entwickelt, die Teilmengen der für den Aufbau eines unternehmensweiten oder globalen Grids benötigten Dienste abdecken.

Im Jahr 2007 erlangte der Begriff Cloud Computing Popularität. Er ist konzeptionell ähnlich der kanonischen Foster-Definition von Grid Computing (in Bezug auf den Verbrauch von Rechenressourcen wie Strom aus dem Stromnetz ) und dem früheren Utility Computing.

Fortschritt

Im November 2006 erhielt Edward Seidel auf der Supercomputing Conference in Tampa, Florida, den Sidney-Fernbach-Preis . [ 16 ] „Für seine herausragenden Beiträge zur Entwicklung von Software für HPC und Grid-Computing, die die kollaborative numerische Untersuchung komplexer physikalischer Probleme ermöglicht, insbesondere die Modellierung von Kollisionen Schwarzer Löcher.“ [ 17 ] Diese Auszeichnung, eine der höchsten Ehrungen in der Informatik, wurde ihm für seine Leistungen auf dem Gebiet der numerischen Relativitätstheorie verliehen.

Die schnellsten virtuellen Supercomputer

Im März 2019 verfügte das Bitcoin-Netzwerk über eine gemessene Rechenleistung von über 80.000 ExaFLOPS (Gleitkommaoperationen pro Sekunde). [ 25 ] Diese Messung gibt die Anzahl der FLOPS an, die zur Berechnung des Hashwerts des Bitcoin-Netzwerks erforderlich sind, und nicht dessen Kapazität für allgemeine Gleitkommaarithmetik, da die Elemente des Bitcoin-Netzwerks (Bitcoin-Mining- ASICs ) ausschließlich die vom Bitcoin- Protokoll geforderte kryptografische Hash-Berechnung durchführen .

Projekte und Anwendungen

Grid-Computing bietet eine Möglichkeit, zentrale Herausforderungen wie die Proteinfaltung , Finanzmodellierung , Erdbebensimulation und Klima- / Wettermodellierung zu lösen und war maßgeblich an der Realisierung des Large Hadron Collider am CERN beteiligt. [ 26 ] Grids ermöglichen die optimale Nutzung von IT-Ressourcen innerhalb einer Organisation. Sie bieten zudem die Möglichkeit, IT als Dienstleistung für kommerzielle und nichtkommerzielle Kunden anzubieten, wobei diese – ähnlich wie bei Strom oder Wasser – nur für ihre tatsächliche Nutzung bezahlen.

Im Oktober 2016 waren über 4 Millionen Rechner, die die Open-Source- Plattform Berkeley Open Infrastructure for Network Computing (BOINC) nutzten, Mitglieder des World Community Grid . [ 19 ] Eines der BOINC-Projekte ist SETI@home , das im Oktober 2016 mit über 400.000 Rechnern eine Leistung von 0,828 TFLOPS erreichte. Folding@home , das nicht Teil von BOINC ist, erzielte im Oktober 2016 auf über 110.000 Rechnern eine Leistung von über 101 x86-äquivalenten Petaflops. [ 18 ]

Die Europäische Union finanzierte Projekte über die Rahmenprogramme der Europäischen Kommission . BEinGRID (Business Experiments in Grid) war ein Forschungsprojekt, das von der Europäischen Kommission [ 27 ] als integriertes Projekt im Rahmen des Sechsten Rahmenprogramms (FP6) gefördert wurde. Das Projekt startete am 1. Juni 2006 und lief 42 Monate lang bis November 2009. Koordiniert wurde es von Atos Origin . Laut Projektbeschreibung bestand die Mission darin, „effektive Wege zu entwickeln, um die Einführung von Grid-Computing in der gesamten EU zu fördern und die Forschung zu innovativen Geschäftsmodellen mit Grid-Technologien anzuregen“. Um Best Practices und gemeinsame Themen aus den experimentellen Implementierungen zu extrahieren, analysierten zwei Beratergruppen – eine technische und eine wirtschaftliche – eine Reihe von Pilotprojekten. Das Projekt ist nicht nur aufgrund seiner langen Laufzeit, sondern auch wegen seines Budgets von Bedeutung: Mit 24,8 Millionen Euro war es das größte aller integrierten FP6-Projekte. Davon wurden 15,7 Millionen Euro von der Europäischen Kommission und der Rest von den 98 beteiligten Partnerunternehmen bereitgestellt. Seit dem Ende des Projekts wurden die Ergebnisse von BEinGRID von IT-Tude.com aufgegriffen und weiterentwickelt .

Das Projekt „Enabling Grids for E-sciencE“ (EGEE), mit Sitz in der Europäischen Union und Standorten in Asien und den USA, war ein Nachfolgeprojekt des European DataGrid (EDG) und entwickelte sich zur European Grid Infrastructure (EGEE) . Diese wurde zusammen mit dem Worldwide LHC Computing Grid (WLCG) [ 28 ] zur Unterstützung von Experimenten am CERN Large Hadron Collider (LHC) entwickelt. Eine Liste der am WLCG beteiligten Standorte sowie die Echtzeitüberwachung der EGEE-Infrastruktur [30] sind online verfügbar [29]. Die zugehörige Software und Dokumentation sind ebenfalls öffentlich zugänglich [ 31 ] . Es wird spekuliert, dass dedizierte Glasfaserverbindungen, wie sie vom CERN für den hohen Datenbedarf des WLCG installiert wurden, eines Tages auch Privatanwendern zur Verfügung stehen könnten und somit Internetdienste mit bis zu 10.000-fach höheren Geschwindigkeiten als herkömmliche Breitbandanschlüsse ermöglichen würden [ 32 ] . Die EGEE wurde auch für andere Forschungsaktivitäten und Experimente genutzt, beispielsweise für die Simulation onkologischer Studien. [ 33 ]

Das Distributed.Net -Projekt wurde 1997 ins Leben gerufen. Die NASA Advanced Supercomputing Facility (NAS) führte genetische Algorithmen mit Hilfe des Condor Cycle Scavenger auf etwa 350 Workstations von Sun Microsystems und SGI durch.

Im Jahr 2001 betrieb United Devices das United Devices Cancer Research Project , das auf seinem Produkt Grid MP basierte und auf mit dem Internet verbundenen PCs von Freiwilligen ressourcenschonend arbeitete. Das Projekt lief auf etwa 3,1 Millionen Rechnern, bevor es 2007 eingestellt wurde. [ 34 ]

Jüngste Innovationen untersuchen die Integration der Blockchain-Technologie mit Grid-Computing-Prinzipien. Beispielsweise schlägt das VirtEngine -System [ 35 ] , detailliert beschrieben im australischen Patent AU2024203136 [ 36 ] , ein dezentrales Modell vor, das ein verteiltes Rechennetzwerk mit einem Proof-of-Stake-Blockchain-basierten Framework für Identifizierung, Authentifizierung und Ressourcenmanagement kombiniert. Dieser Ansatz zielt darauf ab, ein autonomes System zur Verwaltung eines dezentralen Cloud-Marktplatzes und eines verteilten Supercomputers zu schaffen, das nutzer- und anbieterbasierte Rechenressourcen nutzt, um ein global verteiltes Grid-Computing-Netzwerk zu betreiben.

Definitionen

Heute gibt es viele Definitionen von Grid-Computing :

  • In seinem Artikel „Was ist das Grid? Eine Checkliste mit drei Punkten“ [ 3 ] listet Ian Foster folgende Hauptmerkmale auf:
  • Plaszczak/Wellner [ 37 ] definieren Grid-Technologie als „die Technologie, die Ressourcenvirtualisierung, bedarfsgerechte Bereitstellung und die gemeinsame Nutzung von Diensten (Ressourcen) zwischen Organisationen ermöglicht“.
  • IBM definiert Grid-Computing als „die Fähigkeit, mithilfe offener Standards und Protokolle über das Internet auf Anwendungen und Daten, Rechenleistung, Speicherkapazität und eine Vielzahl weiterer Computerressourcen zuzugreifen. Ein Grid ist ein paralleles und verteiltes System, das die gemeinsame Nutzung, Auswahl und Aggregation von Ressourcen ermöglicht, die über mehrere administrative Domänen verteilt sind, basierend auf ihrer Verfügbarkeit, Kapazität, Leistung, Kosten und den QoS-Anforderungen der Nutzer.“ [ 38 ]
  • Ein früheres Beispiel für die Vorstellung, Computer als Dienstleistung zu nutzen, lieferte Fernando Corbató vom MIT im Jahr 1965. Corbató und die anderen Entwickler des Betriebssystems Multics stellten sich eine Computeranlage vor, die „wie ein Energie- oder Wasserversorgungsunternehmen“ funktionieren sollte. [ 39 ]
  • Buyya/Venugopal [ 40 ] definieren Grid als „eine Art paralleles und verteiltes System, das die dynamische gemeinsame Nutzung, Auswahl und Aggregation von geografisch verteilten autonomen Ressourcen zur Laufzeit in Abhängigkeit von ihrer Verfügbarkeit, Leistungsfähigkeit, Performance, Kosten und den Servicequalitätsanforderungen der Benutzer ermöglicht“.

Siehe auch

Liste der Grid-Computing-Projekte

Allianzen und Organisationen

Produktionsraster

Internationale Projekte

Name Region Start Ende
Europäische Netzinfrastruktur (EGI) Europa Mai 2010 Dezember 2014
Open Middleware Infrastructure Institute Europe (OMII-Europe) Europa Mai 2006 Mai 2008
Enabling Grids für E-Wissenschaft (EGEE, EGEE II und EGEE III) Europa März 2004 April 2010
Grid-fähige Ferninstrumentierung mit verteilter Steuerung und Berechnung (GridCC) Europa September 2005 September 2008
Europäische Middleware-Initiative (EMI) Europa Mai 2010 aktiv
KnowARCEuropa Juni 2006 November 2009
Nordic Data Grid FacilitySkandinavien und Finnland Juni 2006 Dezember 2012
WeltgemeinschaftsgitterGlobal November 2004 aktiv
XtreemOSEuropa Juni 2006 (Mai 2010) Verlängerung bis September 2010
Unser NetzBrasilien Dezember 2004 aktiv

Nationale Projekte

Standards und APIs

Überwachungsrahmen

Referenzen

  1. ^What is grid computing? - GridcafeArchived 2013-02-10 at the Wayback Machine. E-sciencecity.org. Retrieved 2013-09-18.
  2. ^"Scale grid computing down to size". NetworkWorld.com. 2003-01-27. Archived from the original on 2023-12-06. Retrieved 2015-04-21.
  3. ^ ab"What is the Grid? A Three Point Checklist"(PDF). Archived from the original(PDF) on 2014-11-22. Retrieved 2010-10-21.
  4. ^"Pervasive and Artificial Intelligence Group :: publications [Pervasive and Artificial Intelligence Research Group]". Diuf.unifr.ch. May 18, 2009. Archived from the original on July 7, 2011. Retrieved July 29, 2010.
  5. ^Computational problems - GridcafeArchived 2012-08-25 at the Wayback Machine. E-sciencecity.org. Retrieved 2013-09-18.
  6. ^"What is grid computing?". IONOS Digitalguide. Archived from the original on 2022-01-28. Retrieved 2022-03-23.
  7. ^Kertcher, Zack; Coslor, Erica (2018-07-10). "Boundary Objects and the Technical Culture Divide: Successful Practices for Voluntary Innovation Teams Crossing Scientific and Professional Fields"(PDF). Journal of Management Inquiry. 29: 76–91. doi:10.1177/1056492618783875. hdl:11343/212143. ISSN 1056-4926. S2CID 149911242. Archived(PDF) from the original on 2022-03-28. Retrieved 2019-09-18.
  8. ^"HTCondor - Home". research.cs.wisc.edu. Archived from the original on 2 March 2018. Retrieved 14 March 2018.
  9. ^John McCarthy, speaking at the MIT Centennial in 1961
  10. ^Garfinkel, Simson (1999). Abelson, Hal (ed.). Architects of the Information Society, Thirty-Five Years of the Laboratory for Computer Science at MIT. MIT Press. ISBN 978-0-262-07196-3.
  11. ^ Anderson, David P.; Cobb, Jeff; et al. (November 2002). „SETI@home: ein Experiment im Bereich Public-Resource-Computing“. Communications of the ACM . 45 (11): 56–61 . doi : 10.1145/581571.581573 . S2CID 15439521 . 
  12. ^ Nouman Durrani, Muhammad; Shamsi, Jawwad A. (März 2014). „Volunteer Computing: Anforderungen, Herausforderungen und Lösungen“. Journal of Network and Computer Applications . 39 : 369–380 . doi : 10.1016/j.jnca.2013.07.006 .
  13. ^ Johnson, Bridget (06.11.2019). „Grid-Computing-Pionier Steve Tuecke stirbt mit 52 Jahren“ . Archiviert vom Original am 04.11.2022 . Abgerufen am 04.11.2022 .
  14. ^ „Vater des Grid“ . Archiviert vom Original am 1. März 2012. Abgerufen am 15. April 2007 .
  15. ^ Salem, M. (2007). Grid Computing: Ein neues Paradigma für Technologien/Anwendungen im Gesundheitswesen . Abgerufen am 30.08.2022 .
  16. ^ „Edward Seidel 2006 Sidney Fernbach Award Recipient“ . IEEE Computer Society Awards . IEEE Computer Society. Archiviert vom Original am 15. August 2011. Abgerufen am 14. Oktober 2011 .
  17. ^ „Edward Seidel • IEEE Computer Society“ . www.computer.org . Archiviert vom Original am 15. August 2011. Abgerufen am 14. März 2018 .
  18. ^ a b Pande lab. "Client Statistics by OS" . Folding@home . Stanford University . Abgerufen am 26. März 2020 .{{cite web}}CS1-Wartung: Veralteter Archivierungsdienst ( Link )
  19. ^ a b „BOINCstats – BOINC kombinierter Kreditüberblick“ . Archiviert vom Original am 22. Januar 2013. Abgerufen am 30. Oktober 2016 .
  20. ^ „SDSC und das IceCube Center der Universität Wisconsin führen ein GPU-Cloudburst-Experiment durch“ . SDSC. Archiviert vom Original am 14. September 2022. Abgerufen am 22. April 2022 .
  21. ^ „Einstein@Home Kreditübersicht“ . BOINC. Archiviert vom Original am 27. August 2016. Abgerufen am 30. Oktober 2016 .
  22. ^ „SETI@Home Kreditübersicht“ . BOINC. Archiviert vom Original am 3. Juli 2013. Abgerufen am 30. Oktober 2016 .
  23. ^ „Übersicht über den MilkyWay@Home-Kredit“ . BOINC. Archiviert vom Original am 20. Mai 2012. Abgerufen am 30. Oktober 2016 .
  24. ^ „Internet PrimeNet Server Distributed Computing Technology for the Great Internet Mersenne Prime Search“ . GIMPS . Archiviert vom Original am 25. Mai 2019. Abgerufen am 12. März 2019 .
  25. ^ bitcoinwatch.com. „Bitcoin-Netzwerkstatistik“ . Bitcoin . Archiviert vom Original am 20. Januar 2023. Abgerufen am 12. März 2019 .
  26. ^ Kertcher, Zack; Venkatraman, Rohan; Coslor, Erica (23. April 2020). „Erfreulich parallel: Frühe interdisziplinäre Arbeiten zur Innovationsdiffusion über Grenzen hinweg im Grid-Computing“. Journal of Business Research . 116 : 581–594 . doi : 10.1016/j.jbusres.2020.04.018 . hdl : 11343/237477 . S2CID 219048576 . 
  27. ^ „beingrid.eu: Stromkosten Vergleiche –“ . beingrid.eu: Stromkosten Vergleiche . Archiviert vom Original am 23. Juli 2011 . Abgerufen am 14. März 2018 .
  28. ^ „Willkommen im weltweiten LHC - Rechennetz – WLCG“ . wlcg.web.cern.ch. Archiviert vom Original am 25. Juli 2018. Abgerufen am 14. März 2018 .
  29. ^ „GStat 2.0 – Zusammenfassungsansicht – GRID EGEE“ . Goc.grid.sinica.edu.tw. Archiviert vom Original am 20. März 2008. Abgerufen am 29. Juli 2010 .
  30. ^ „Real Time Monitor“ . Gridportal.hep.ph.ic.ac.uk. Archiviert vom Original am 16. Dezember 2009. Abgerufen am 29. Juli 2010 .
  31. ^ „LCG – Implementierung“ . Lcg.web.cern.ch. Archiviert vom Original am 17. November 2010. Abgerufen am 29. Juli 2010 .
  32. ^ „The Times & The Sunday Times“ . The Times . Archiviert vom Original am 25. Februar 2021. Abgerufen am 14. März 2018 .
  33. ^ Athanaileas, Theodoros; et al. (2011). „Nutzung von Grid-Technologien zur Simulation klinischer Studien: Das Paradigma der In-silico-Strahlentherapie“. SIMULATION: Transactions of the Society for Modeling and Simulation International . 87 (10): 893–910 . doi : 10.1177/0037549710375437 . S2CID 206429690 . 
  34. ^ „Hochleistungsrechnen (HPC) und Cloud-Lösungen | Altair“ . Standard . Archiviert vom Original am 7. April 2007.
  35. ^ „VirtEngine Github“ . Standard . 17.09.2025.
  36. ^ „Dezentrales System zur Identifizierung, Authentifizierung, Datenverschlüsselung, Cloud- und verteilten Cluster-Computing“ . Standard . 17.09.2025.
  37. ^ P. Plaszczak, R. Wellner, Grid Computing , 2005, Elsevier/Morgan Kaufmann, San Francisco
  38. ^ IBM Solutions Grid für Geschäftspartner: Unterstützung von IBM Geschäftspartnern bei der Grid-fähigen Implementierung von Anwendungen für die nächste Phase des E-Business auf Abruf
  39. ^ Struktur des Multics-Supervisors. Archiviert am 16.01.2014 in der Wayback Machine . Multicians.org. Abgerufen am 18.09.2013.
  40. ^ „Eine sanfte Einführung in Grid-Computing und -Technologien“ (PDF) . Archiviert (PDF) vom Original am 24. März 2006. Abgerufen am 6. Mai 2005 .

Bibliographie