Was ist Grid Computing?

Grid Computing steht für ein Cluster aus dezentral ver­knüpf­ten Computern, die einen vir­tu­el­len Su­per­com­pu­ter bilden. Die flexibel verteilte Re­chen­leis­tung er­mög­licht es, komplexe Aufgaben mit mehreren Res­sour­cen gleich­zei­tig zu erledigen und die Aus­las­tung der In­fra­struk­tur zu op­ti­mie­ren.

Grid Computing ist ein Teil­be­reich des Dis­tri­bu­ted Computing. Als Ober­be­griff steht Dis­tri­bu­ted Computing für digitale In­fra­struk­tu­ren, die aus autonomen, zu einem Rech­ner­ver­bund zu­sam­men­ge­schlos­se­nen Computern bestehen. Der Rech­ner­ver­bund ist in der Regel hard­wareun­ab­hän­gig. Somit lassen sich Rechner mit ver­schie­de­nen Leis­tun­gen und Aus­stat­tun­gen in das Netzwerk einbinden. Verteilte An­wen­dun­gen und Prozesse arbeiten auf diese Weise ge­rä­te­über­grei­fend mit ver­netz­ten Rech­ner­ein­hei­ten. Die Rech­ner­ein­hei­ten wiederum können innerhalb des Netzwerks lokal und über­re­gio­nal mit­ein­an­der kom­mu­ni­zie­ren und Probleme lösen.

Die Ab­gren­zung zwischen Dis­tri­bu­ted Computing und Grid Computing ist fließend. Dis­tri­bu­ted Computing kann für ver­schie­de­ne Er­schei­nungs­for­men de­zen­tra­li­sier­ter Da­ten­ver­ar­bei­tung in Rech­ner­ver­bun­den stehen. Grid Computing wiederum be­zeich­net einen vir­tu­el­len Su­per­com­pu­ter, der durch den Zu­sam­men­schluss lose ge­kop­pel­ter Rechner entsteht. Dieser kommt zum Einsatz, um re­chen­in­ten­si­ve Prozesse oder Aufgaben zu erledigen. Zu­sam­men­ge­schlos­se­ne Server und Rechner stellen dabei ihre Res­sour­cen und Re­chen­leis­tung zur Verfügung, um für bessere Ska­lier­bar­keit der be­nö­tig­ten Computer-Per­for­mance zu sorgen.

Beim Grid Computing werden die Stärken von Com­pu­ter­clus­tern über­re­gio­nal und dezentral in Form von Grids genutzt. Während Com­pu­ter­clus­ter in der Regel aus lokal be­grenz­ten Rech­ner­ver­bun­den bestehen, greift Grid Computing über­re­gio­nal auf Rech­ner­ka­pa­zi­tä­ten innerhalb eines Rech­ner­ver­bunds zu. Vernetzt werden hierbei nicht nur Computer, sondern auch Da­ten­ban­ken, Hard- und Software sowie Re­chen­ka­pa­zi­tä­ten. Im Rahmen des Grids koppeln Provider global sowie lokal verteilte Com­pu­ter­res­sour­cen über Schnitt­stel­len (Nodes) und Midd­le­wa­re. Diese ordnen sie an­schlie­ßend vir­tu­el­len Or­ga­ni­sa­tio­nen zu, die wiederum ermitteln, welche Res­sour­cen Tasks über­neh­men können bzw. wie sich die Rech­ner­leis­tung im Rahmen einer Anwendung optimal verteilen lässt.

Zum Einsatz kommt Grid Computing sowohl zu kom­mer­zi­el­len Zwecken als auch zur wis­sen­schaft­li­chen und wirt­schaft­li­chen Da­ten­ana­ly­se und -ver­ar­bei­tung. Über­stei­gen komplexe Prozesse die Re­chen­leis­tung eines Computers oder eines lokalen Com­pu­ter­clus­ters, so kann Grid Computing dabei helfen, große Da­ten­men­gen zu in­te­grie­ren, aus­zu­wer­ten oder dar­zu­stel­len. Eine spezielle Hardware ist beim Grid Computing nicht Vor­aus­set­zung. Vielmehr sorgt die Midd­le­wa­re (Software für den Austausch von Daten zwischen den An­wen­dun­gen) auf ge­kop­pel­ten Rechnern dafür, dass freie Rech­ner­ka­pa­zi­tä­ten im Rahmen der vir­tu­el­len Or­ga­ni­sa­ti­on zur Verfügung stehen.

Grid Computing be­schränkt sich im Grunde nicht auf spe­zi­fi­sche An­wen­dungs­be­rei­che, da der Zu­sam­men­schluss von Com­pu­ter­clus­tern ver­schie­dens­ten Zwecken dienen kann. Bekannte Ein­satz­ge­bie­te der vir­tu­el­len Su­per­com­pu­ter sind wis­sen­schaft­li­che und wirt­schaft­li­che Big-Data-Analysen, die mit enormen Da­ten­men­gen und re­chen­in­ten­si­ven Si­mu­la­tio­nen arbeiten. Dies gilt für For­schun­gen in Na­tur­wis­sen­schaf­ten und Medizin, aber auch in der Me­teo­ro­lo­gie, Industrie oder Teil­chen­phy­sik. Als Beispiel seien die Groß­ex­pe­ri­men­te des Large Hadron Collider von CERN genannt.

Um Grid Computing in Ab­gren­zung zu anderen Tech­no­lo­gien wie Cluster Computing oder Peer-to-Peer-Computing zu de­fi­nie­ren und zu klas­si­fi­zie­ren, lassen sich drei we­sent­li­che Eck­pfei­ler de­fi­nie­ren:

• De­zen­tra­le, lokale sowie globale Ko­or­di­na­ti­on von Res­sour­cen wie Com­pu­ter­clus­tern, Da­ten­ana­ly­sen, Mas­sen­spei­chern und Da­ten­ban­ken
• Stan­dar­di­sier­te, offene Schnitt­stel­len (Nodes) und Midd­le­wa­re (Pro­to­kol­le oder Pro­to­koll­bün­del), die Rech­ner­ein­hei­ten mit dem Main-Grid verbinden und Tasks verteilen
• Be­reit­stel­lung eines nicht-trivialen Quality-of-Service (Dienst­gü­te), um Da­ten­strö­me optimal zu verteilen und konstante Ska­lier­bar­keit und zu­ver­läs­si­ge Da­ten­über­tra­gung bei hohen Re­chen­an­for­de­run­gen zu ge­währ­leis­ten

Darüber hinaus sind Grid Com­pu­tings in ver­schie­de­ne Klas­si­fi­ka­tio­nen un­ter­teil­bar:

• Computing Grids (Re­chen­grids): Die gängigste Form des Grid Com­pu­tings, bei der Grid-Nutzer über Grid-Provider die ge­kop­pel­te Re­chen­leis­tung eines vir­tu­el­len Su­per­com­pu­ters nutzen, um re­chen­in­ten­si­ve Computing-Prozesse zu verteilen oder zu skalieren.
• Data Grids (Da­ten­grids): Data Grids stellen die Re­chen­ka­pa­zi­tä­ten von zu­sam­men­ge­schlos­se­nen Computern zur Verfügung, um über Grid-Nodes große Da­ten­men­gen aus­zu­wer­ten, dar­zu­stel­len, zu über­tra­gen, zu teilen oder zu ana­ly­sie­ren.
• Knowledge Grids: Diese Struktur nutzt die Su­per­com­pu­ting-Ka­pa­zi­tä­ten des Grids, um große Da­ten­sät­ze und Wis­sens­da­ten­ban­ken zu scannen, zu verbinden, zu sammeln, aus­zu­wer­ten oder zu struk­tu­rie­ren.
• Ressource Grids: Solche Systeme de­fi­nie­ren im Grid ge­kop­pel­te Hier­ar­chien aus Grid-Providern, Grid-Nutzern und Ressource-Providern. Hierbei legt ein Rol­len­mo­dell fest, welche Res­sour­cen-Provider über Schnitt­stel­len Speicher- und Re­chen­ka­pa­zi­tä­ten, Da­ten­sät­ze, Software und Hardware, An­wen­dun­gen, Sensoren, Mess­ge­rä­te und weitere In­stru­men­te zur Verfügung stellen können.
• Service Grids: Im Service-Grid stellen Grid-Service-Provider ge­bün­del­te Kom­po­nen­ten und Ka­pa­zi­tä­ten von Ressource-Providern den Grid-Nutzern als Kom­plett­ser­vice zur Verfügung. Grid Computing kom­bi­niert somit Ser­vice­ori­en­tie­rung und Computing-Leis­tun­gen.

• Ko­or­di­na­ti­on und Ver­wal­tung von ge­rä­te­über­grei­fen­den Prozessen und Aufgaben
• Kos­ten­güns­ti­ge Ska­lie­rung von Ge­schäfts­pro­zes­sen durch ge­kop­pel­te Re­chen­leis­tung und Spei­cher­ka­pa­zi­tä­ten
• Simultane/Parallele Ver­ar­bei­tung, Analyse und Dar­stel­lung großer Da­ten­men­gen durch globale Rech­ner­ver­bun­de
• Komplexe Aufgaben lassen sich schneller und ef­fek­ti­ver lösen
• Zu­ver­läs­si­ge Aus­las­tung und optimale Nutzung der IT-In­fra­struk­tur durch virtuelle Or­ga­ni­sa­tio­nen und flexible Task­ver­tei­lung
• Geringe Aus­fall­an­fäl­lig­keit, da Ka­pa­zi­tä­ten flexibel und modular im Grid verteilt werden
• Keine großen In­ves­ti­tio­nen in Server-In­fra­struk­tur er­for­der­lich

• Unter Umständen komplexe Ad­mi­nis­tra­ti­on und in­kom­pa­ti­ble Sys­tem­kom­po­nen­ten
• Re­chen­leis­tung steigt nicht linear mit der Zahl ge­kop­pel­ter Computer