Hispanopedia Wiki
Articulo de referencia

Grid computing

Grid computing is the use of widely distributed computer resources to reach a common goal. A computing grid can be thought of as a distributed system with non-interactive worklo...

Hispanopedia WikiContenido en espanolLectura gratuita

Grid computing is the use of widely distributed computerresources to reach a common goal. A computing grid can be thought of as a distributed system with non-interactive workloads that involve many files. Grid computing is distinguished from conventional high-performance computing systems such as cluster computing in that grid computers have each node set to perform a different task/application. Grid computers also tend to be more heterogeneous and geographically dispersed (thus not physically coupled) than cluster computers.[1] Although a single grid can be dedicated to a particular application, commonly a grid is used for a variety of purposes. Grids are often constructed with general-purpose grid middleware software libraries. Grid sizes can be quite large.[2]

Grids are a form of distributed computing composed of many networked loosely coupled computers acting together to perform large tasks. For certain applications, distributed or grid computing can be seen as a special type of parallel computing that relies on complete computers (with onboard CPUs, storage, power supplies, network interfaces, etc.) connected to a computer network (private or public) by a conventional network interface, such as Ethernet. This is in contrast to the traditional notion of a supercomputer, which has many processors connected by a local high-speed computer bus. This technology has been applied to computationally intensive scientific, mathematical, and academic problems through volunteer computing, and it is used in commercial enterprises for such diverse applications as drug discovery, economic forecasting, seismic analysis, and back office data processing in support for e-commerce and Web services.

Grid computing combines computers from multiple administrative domains to reach a common goal,[3] to solve a single task, and may then disappear just as quickly. The size of a grid may vary from small—confined to a network of computer workstations within a corporation, for example—to large, public collaborations across many companies and networks. "The notion of a confined grid may also be known as an intra-nodes cooperation whereas the notion of a larger, wider grid may thus refer to an inter-nodes cooperation".[4]

La coordinación de aplicaciones en redes de computación distribuida (grids) puede ser una tarea compleja, especialmente al coordinar el flujo de información entre recursos informáticos distribuidos. Los sistemas de flujo de trabajo en red se han desarrollado como una forma especializada de sistema de gestión de flujos de trabajo, diseñado específicamente para componer y ejecutar una serie de pasos computacionales o de manipulación de datos, es decir, un flujo de trabajo, en el contexto de la red.

Comparación entre redes de computación distribuida y supercomputadoras convencionales.

La computación distribuida o en malla, en general, es un tipo especial de computación paralela que se basa en computadoras completas (con CPU integradas, almacenamiento, fuentes de alimentación, interfaces de red, etc.) conectadas a una red (privada, pública o Internet ) mediante una interfaz de red convencional , lo que produce hardware estándar, en comparación con la menor eficiencia del diseño y la construcción de un pequeño número de supercomputadoras personalizadas. La principal desventaja en cuanto al rendimiento es que los distintos procesadores y áreas de almacenamiento local no tienen conexiones de alta velocidad. Por lo tanto, esta configuración es muy adecuada para aplicaciones en las que se pueden realizar múltiples cálculos paralelos de forma independiente, sin necesidad de comunicar resultados intermedios entre procesadores. [ 5 ] La alta escalabilidad de las mallas geográficamente dispersas es generalmente favorable, debido a la baja necesidad de conectividad entre nodos en relación con la capacidad de Internet pública. [ 6 ]

También existen algunas diferencias entre programar para una supercomputadora y programar para un sistema de computación en malla. Puede resultar costoso y difícil escribir programas que se ejecuten en el entorno de una supercomputadora, que puede tener un sistema operativo personalizado o requerir que el programa aborde problemas de concurrencia . Si un problema se puede paralelizar adecuadamente, una capa delgada de infraestructura de malla permite que programas convencionales e independientes, que abordan diferentes partes del mismo problema, se ejecuten en múltiples máquinas. Esto posibilita escribir y depurar en una sola máquina convencional y elimina las complicaciones derivadas de la ejecución simultánea de múltiples instancias del mismo programa en la misma memoria y espacio de almacenamiento compartidos.

Consideraciones y variaciones de diseño

Una característica de las redes distribuidas es que pueden formarse a partir de recursos informáticos pertenecientes a uno o varios individuos u organizaciones (conocidos como dominios administrativos múltiples ). Esto puede facilitar las transacciones comerciales, como en la computación de utilidad , o simplificar la creación de redes informáticas de voluntarios .

One disadvantage of this feature is that the computers which are actually performing the calculations might not be entirely trustworthy. The designers of the system must thus introduce measures to prevent malfunctions or malicious participants from producing false, misleading, or erroneous results, and from using the system as an attack vector. This often involves assigning work randomly to different nodes (presumably with different owners) and checking that at least two different nodes report the same answer for a given work unit. Discrepancies would identify malfunctioning and malicious nodes. However, due to the lack of central control over the hardware, there is no way to guarantee that nodes will not drop out of the network at random times. Some nodes (like laptops or dial-up Internet customers) may also be available for computation but not network communications for unpredictable periods. These variations can be accommodated by assigning large work units (thus reducing the need for continuous network connectivity) and reassigning work units when a given node fails to report its results in the expected time.

Another set of what could be termed social compatibility issues in the early days of grid computing related to the goals of grid developers to carry their innovation beyond the original field of high-performance computing and across disciplinary boundaries into new fields, like that of high-energy physics.[7]

The impacts of trust and availability on performance and development difficulty can influence the choice of whether to deploy onto a dedicated cluster, to idle machines internal to the developing organization, or to an open external network of volunteers or contractors. In many cases, the participating nodes must trust the central system not to abuse the access that is being granted, by interfering with the operation of other programs, mangling stored information, transmitting private data, or creating new security holes. Other systems employ measures to reduce the amount of trust “client” nodes must place in the central system such as placing applications in virtual machines.

Public systems or those crossing administrative domains (including different departments in the same organization) often result in the need to run on heterogeneous systems, using different operating systems and hardware architectures. With many languages, there is a trade-off between investment in software development and the number of platforms that can be supported (and thus the size of the resulting network). Cross-platform languages can reduce the need to make this tradeoff, though potentially at the expense of high performance on any given node (due to run-time interpretation or lack of optimization for the particular platform). Various middleware projects have created generic infrastructure to allow diverse scientific and commercial projects to harness a particular associated grid or for the purpose of setting up new grids. BOINC is a common one for various academic projects seeking public volunteers; more are listed at the end of the article.

In fact, the middleware can be seen as a layer between the hardware and the software. On top of the middleware, a number of technical areas have to be considered, and these may or may not be middleware independent. Example areas include SLA management, Trust, and Security, Virtual organization management, License Management, Portals and Data Management. These technical areas may be taken care of in a commercial solution, though the cutting edge of each area is often found within specific research projects examining the field.

Market segmentation of the grid computing market

For the segmentation of the grid computing market, two perspectives need to be considered: the provider side and the user side:

The provider side

The overall grid market comprises several specific markets. These are the grid middleware market, the market for grid-enabled applications, the utility computing market, and the software-as-a-service (SaaS) market.

Grid middleware is a specific software product, which enables the sharing of heterogeneous resources, and Virtual Organizations. It is installed and integrated into the existing infrastructure of the involved company or companies and provides a special layer placed among the heterogeneous infrastructure and the specific user applications. Major grid middlewares are Globus Toolkit, gLite, and UNICORE.

La computación de utilidad se refiere a la provisión de computación en malla y aplicaciones como servicio, ya sea como una utilidad de malla abierta o como una solución de alojamiento para una organización o una VO . Los principales actores en el mercado de la computación de utilidad son Sun Microsystems , IBM y HP .

Las aplicaciones habilitadas para la computación en malla son aplicaciones de software específicas que pueden utilizar la infraestructura de la red. Esto es posible gracias al uso de middleware de red, como se indicó anteriormente.

El software como servicio (SaaS) es «software que es propiedad de uno o más proveedores, quienes lo distribuyen y administran de forma remota» ( Gartner, 2007). Además, las aplicaciones SaaS se basan en un conjunto único de definiciones de código y datos comunes. Se consumen en un modelo de uno a muchos y utilizan un modelo de pago por uso (PAYG) o un modelo de suscripción basado en el uso. Los proveedores de SaaS no necesariamente poseen los recursos informáticos necesarios para operar su servicio. Por lo tanto, pueden recurrir al mercado de computación en la nube, que proporciona recursos informáticos a los proveedores de SaaS.

El lado del usuario

Para las empresas que operan en el lado de la demanda o del usuario del mercado de computación en malla, los diferentes segmentos tienen implicaciones significativas para su estrategia de implementación de TI. Tanto la estrategia de implementación de TI como el tipo de inversiones realizadas son aspectos relevantes para los potenciales usuarios de la computación en malla y desempeñan un papel importante en su adopción.

Limpieza de CPU

El aprovechamiento de recursos de la CPU , el aprovechamiento de ciclos de ejecución o la computación compartida crean una "red" a partir de los recursos inactivos en una red de participantes (ya sea a nivel mundial o dentro de una organización). Por lo general, esta técnica explota los ciclos de instrucción "de reserva" resultantes de la inactividad intermitente que suele ocurrir por la noche, durante las pausas para el almuerzo o incluso durante los (comparativamente minúsculos, aunque numerosos) momentos de espera inactiva que experimentan las CPU de escritorio modernas a lo largo del día ( cuando la computadora está esperando E/S del usuario, la red o el almacenamiento ). En la práctica, las computadoras participantes también donan una cierta cantidad de espacio de almacenamiento en disco, RAM y ancho de banda de red, además de la potencia bruta de la CPU.

Muchos proyectos de computación distribuida , como BOINC , utilizan el modelo de aprovechamiento de la CPU. Dado que es probable que los nodos se desconecten de vez en cuando, mientras sus propietarios utilizan sus recursos para su propósito principal, este modelo debe diseñarse para gestionar tales contingencias.

Creating an Opportunistic Environment is another implementation of CPU-scavenging where special workload management system harvests the idle desktop computers for compute-intensive jobs, it also refers as Enterprise Desktop Grid (EDG). For instance, HTCondor[8] (the open-source high-throughput computing software framework for coarse-grained distributed rationalization of computationally intensive tasks) can be configured to only use desktop machines where the keyboard and mouse are idle to effectively harness wasted CPU power from otherwise idle desktop workstations. Like other full-featured batch systems, HTCondor provides a job queueing mechanism, scheduling policy, priority scheme, resource monitoring, and resource management. It can be used to manage workload on a dedicated cluster of computers as well or it can seamlessly integrate both dedicated resources (rack-mounted clusters) and non-dedicated desktop machines (cycle scavenging) into one computing environment.

History

The term grid computing originated in the early 1990s as a metaphor for making computer power as easy to access as an electric power grid. The power grid metaphor for accessible computing quickly became canonical when Ian Foster and Carl Kesselman published their seminal work, "The Grid: Blueprint for a new computing infrastructure" (1999). This was preceded by decades by the metaphor of utility computing (1961): computing as a public utility, analogous to the phone system.[9][10]

CPU scavenging and volunteer computing were popularized beginning in 1997 by distributed.net and later in 1999 by SETI@home to harness the power of networked PCs worldwide, in order to solve CPU-intensive research problems.[11][12]

Las ideas de la red (incluidas las de la computación distribuida, la programación orientada a objetos y los servicios web) fueron reunidas por Ian Foster y Steve Tuecke de la Universidad de Chicago , y Carl Kesselman del Instituto de Ciencias de la Información de la Universidad del Sur de California . [ 13 ] El trío, que lideró el esfuerzo para crear el Globus Toolkit, es ampliamente considerado como los "padres de la red". [ 14 ] El kit de herramientas incorpora no solo la gestión de la computación sino también la gestión del almacenamiento , el aprovisionamiento de seguridad, el movimiento de datos, la monitorización y un kit de herramientas para desarrollar servicios adicionales basados ​​en la misma infraestructura, incluyendo la negociación de acuerdos, mecanismos de notificación, servicios de activación y agregación de información. [ 15 ] Si bien el Globus Toolkit sigue siendo el estándar de facto para construir soluciones de red, se han creado otras herramientas que responden a un subconjunto de servicios necesarios para crear una red empresarial o global.

En 2007, el término computación en la nube se popularizó, siendo conceptualmente similar a la definición canónica de Foster de computación en malla (en términos de que los recursos informáticos se consumen como la electricidad de la red eléctrica ) y a la computación de utilidad anterior.

Progreso

En noviembre de 2006, Edward Seidel recibió el Premio Sidney Fernbach en la Conferencia de Supercomputación en Tampa, Florida . [ 16 ] "Por contribuciones sobresalientes al desarrollo de software para computación de alto rendimiento (HPC) y computación en malla (Grid computing) para permitir la investigación numérica colaborativa de problemas complejos en física; en particular, el modelado de colisiones de agujeros negros". [ 17 ] Este premio, que es uno de los más altos honores en computación, fue otorgado por sus logros en relatividad numérica.

Las supercomputadoras virtuales más rápidas

Also, as of March 2019, the Bitcoin Network had a measured computing power equivalent to over 80,000 exaFLOPS (Floating-point Operations Per Second).[25] This measurement reflects the number of FLOPS required to equal the hash output of the Bitcoin network rather than its capacity for general floating-point arithmetic operations, since the elements of the Bitcoin network (Bitcoin mining ASICs) perform only the specific cryptographic hash computation required by the Bitcoin protocol.

Projects and applications

Grid computing offers a way to solve Grand Challenge problems such as protein folding, financial modeling, earthquake simulation, and climate/weather modeling, and was integral in enabling the Large Hadron Collider at CERN.[26] Grids offer a way of using information technology resources optimally inside an organization. They also provide a means for offering information technology as a utility for commercial and noncommercial clients, with those clients paying only for what they use, as with electricity or water.

As of October 2016, over 4 million machines running the open-source Berkeley Open Infrastructure for Network Computing (BOINC) platform are members of the World Community Grid.[19] One of the projects using BOINC is SETI@home, which was using more than 400,000 computers to achieve 0.828 TFLOPS as of October 2016. As of October 2016 Folding@home, which is not part of BOINC, achieved more than 101 x86-equivalent petaflops on over 110,000 machines.[18]

La Unión Europea financió proyectos a través de los programas marco de la Comisión Europea . BEinGRID (Business Experiments in Grid) fue un proyecto de investigación financiado por la Comisión Europea [ 27 ] como un proyecto integrado en el marco del programa de patrocinio del Sexto Programa Marco (FP6). Iniciado el 1 de junio de 2006, el proyecto se extendió durante 42 meses, hasta noviembre de 2009. El proyecto fue coordinado por Atos Origin . Según la ficha técnica del proyecto, su misión es «establecer vías efectivas para fomentar la adopción de la computación en malla en toda la UE y estimular la investigación de modelos de negocio innovadores que utilicen tecnologías de malla». Para extraer las mejores prácticas y los temas comunes de las implementaciones experimentales, dos grupos de consultores están analizando una serie de proyectos piloto, uno técnico y otro empresarial. El proyecto es significativo no solo por su larga duración, sino también por su presupuesto, que con 24,8 millones de euros, es el mayor de cualquier proyecto integrado del FP6. De este, 15,7 millones fueron aportados por la Comisión Europea y el resto por sus 98 empresas asociadas. Desde la finalización del proyecto, los resultados de BEinGRID han sido retomados y continuados por IT-Tude.com .

El proyecto Enabling Grids for E-sciencE, con sede en la Unión Europea e incluyendo centros en Asia y Estados Unidos, fue un proyecto de seguimiento del European DataGrid (EDG) y evolucionó hasta convertirse en la European Grid Infrastructure . Esta, junto con la Worldwide LHC Computing Grid [ 28 ] (WLCG), se desarrolló para dar soporte a experimentos que utilizan el Gran Colisionador de Hadrones del CERN . Se puede encontrar en línea una lista de los centros activos que participan en la WLCG [ 29 ] , así como la monitorización en tiempo real de la infraestructura EGEE [ 30 ] . El software y la documentación pertinentes también son de acceso público [ 31 ] . Se especula que los enlaces de fibra óptica dedicados, como los instalados por el CERN para abordar las necesidades de datos intensivos de la WLCG, podrían estar disponibles algún día para los usuarios domésticos, proporcionando así servicios de internet a velocidades hasta 10 000 veces superiores a las de una conexión de banda ancha tradicional. [ 32 ] La infraestructura de red europea también se ha utilizado para otras actividades de investigación y experimentos, como la simulación de ensayos clínicos oncológicos. [ 33 ]

The distributed.net project was started in 1997. The NASA Advanced Supercomputing facility (NAS) ran genetic algorithms using the Condor cycle scavenger running on about 350 Sun Microsystems and SGI workstations.

In 2001, United Devices operated the United Devices Cancer Research Project based on its Grid MP product, which cycle-scavenges on volunteer PCs connected to the Internet. The project ran on about 3.1 million machines before its close in 2007.[34]

Recent innovations have explored the integration of blockchain technology with grid computing principles. For example, the VirtEngine[35] system, detailed in granted Australian patent AU2024203136,[36] proposes a decentralized model that combines a distributed computing network with a Proof-of-Stake blockchain-based framework for identification, authentication, and resource management. This approach aims to create an autonomous system for managing a decentralized cloud marketplace and a distributed supercomputer, utilizing consumer & provider based computing resources to power a globally distributed grid computing network.

Definitions

Today there are many definitions of grid computing:

  • In his article “What is the Grid? A Three Point Checklist”,[3]Ian Foster lists these primary attributes:
  • Plaszczak/Wellner[37] define grid technology as "the technology that enables resource virtualization, on-demand provisioning, and service (resource) sharing between organizations."
  • IBM defines grid computing as “the ability, using a set of open standards and protocols, to gain access to applications and data, processing power, storage capacity and a vast array of other computing resources over the Internet. A grid is a type of parallel and distributed system that enables the sharing, selection, and aggregation of resources distributed across ‘multiple’ administrative domains based on their (resources) availability, capacity, performance, cost and users' quality-of-service requirements”.[38]
  • An earlier example of the notion of computing as a utility was in 1965 by MIT's Fernando Corbató. Corbató and the other designers of the Multics operating system envisioned a computer facility operating “like a power company or water company”.[39]
  • Buyya/Venugopal[40] define grid as "a type of parallel and distributed system that enables the sharing, selection, and aggregation of geographically distributed autonomous resources dynamically at runtime depending on their availability, capability, performance, cost, and users' quality-of-service requirements".

See also

List of grid computing projects

Alliances and organizations

Production grids

International projects

National projects

Standards and APIs

Monitoring frameworks

References

  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. 12"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: an experiment in 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. (March 2014). "Volunteer computing: requirements, challenges, and solutions". Journal of Network and Computer Applications. 39: 369–380. doi:10.1016/j.jnca.2013.07.006.
  13. ↑Johnson, Bridget (2019-11-06). "Grid Computing Pioneer Steve Tuecke Passes Away at 52". Archived from the original on 2022-11-04. Retrieved 2022-11-04.
  14. ↑"Father of the Grid". Archived from the original on 2012-03-01. Retrieved 2007-04-15.
  15. ↑Salem, M. (2007). Grid Computing: A New Paradigm for Healthcare Technologies/Applications. Retrieved 2022-08-30.
  16. ↑"Edward Seidel 2006 Sidney Fernbach Award Recipient". IEEE Computer Society Awards. IEEE Computer Society. Archived from the original on 15 August 2011. Retrieved 14 October 2011.
  17. ↑"Edward Seidel • IEEE Computer Society". www.computer.org. Archived from the original on 15 August 2011. Retrieved 14 March 2018.
  18. 12Pande lab. "Client Statistics by OS". Folding@home. Stanford University. Retrieved March 26, 2020.{{cite web}}: CS1 maint: deprecated archival service (link)
  19. 12"BOINCstats – BOINC combined credit overview". Archived from the original on January 22, 2013. Retrieved October 30, 2016.
  20. ↑"SDSC, Wisconsin U IceCube Center Conduct GPU Cloudburst Experiment". SDSC. Archived from the original on September 14, 2022. Retrieved April 22, 2022.
  21. ↑"Einstein@Home Credit overview". BOINC. Archived from the original on August 27, 2016. Retrieved October 30, 2016.
  22. ↑"SETI@Home Credit overview". BOINC. Archived from the original on July 3, 2013. Retrieved October 30, 2016.
  23. ↑ "Descripción general del crédito MilkyWay@Home" . BOINC. Archivado del original el 20 de mayo de 2012. Consultado el 30 de octubre de 2016 .
  24. ↑ "Internet PrimeNet Server Distributed Computing Technology for the Great Internet Mersenne Prime Search" . GIMPS . Archivado del original el 25 de mayo de 2019. Recuperado el 12 de marzo de 2019 .
  25. ↑ bitcoinwatch.com. "Estadísticas de la red Bitcoin" . Bitcoin . Archivado del original el 20 de enero de 2023. Consultado el 12 de marzo de 2019 .
  26. ↑ Kertcher, Zack; Venkatraman, Rohan; Coslor, Erica (23 de abril de 2020). "Paralelismo agradable: trabajo interdisciplinario temprano para la difusión de la innovación a través de fronteras en computación en malla". 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 . Archivado desde el original el 23 de julio de 2011 . Consultado el 14 de marzo de 2018 .
  28. ↑ " Bienvenido a la Red Mundial de Computación del LHC - WLCG" . wlcg.web.cern.ch. Archivado del original el 25 de julio de 2018. Consultado el 14 de marzo de 2018 .
  29. ↑ "GStat 2.0 – Vista de resumen – GRID EGEE" . Goc.grid.sinica.edu.tw. Archivado del original el 20 de marzo de 2008. Recuperado el 29 de julio de 2010 .  
  30. ↑ "Monitor en tiempo real" . Gridportal.hep.ph.ic.ac.uk. Archivado del original el 16 de diciembre de 2009. Consultado el 29 de julio de 2010 .
  31. ↑ "LCG – Despliegue" . Lcg.web.cern.ch. Archivado del original el 17 de noviembre de 2010. Consultado el 29 de julio de 2010 . 
  32. ↑ "The Times y The Sunday Times" . The Times . Archivado del original el 25 de febrero de 2021. Consultado el 14 de marzo de 2018 .
  33. ↑ Athanaileas, Theodoros; et al. (2011). "Aprovechamiento de las tecnologías de la red para la simulación de ensayos clínicos: el paradigma de la radioterapia oncológica in silico". SIMULATION: Transactions of the Society for Modeling and Simulation International . 87 (10): 893– 910. doi : 10.1177/0037549710375437 . S2CID 206429690 .  
  34. ↑ "Computación de alto rendimiento (HPC) y soluciones en la nube | Altair" . Predeterminado . Archivado del original el 7 de abril de 2007.
  35. ↑ «VirtEngine Github» . Por defecto . 2025-09-17.
  36. ↑ "Sistema descentralizado para identificación, autenticación, cifrado de datos, computación en la nube y clústeres distribuidos" . Predeterminado . 17/09/2025.
  37. ↑ P Plaszczak, R Wellner, Computación en malla , 2005, Elsevier/Morgan Kaufmann, San Francisco
  38. ↑ IBM Solutions Grid para socios comerciales: Ayudando a los socios comerciales de IBM a habilitar aplicaciones en la red para la próxima fase del comercio electrónico bajo demanda.
  39. ↑ Estructura del Supervisor Multics Archivado el 16/01/2014 en Wayback Machine . Multicians.org. Consultado el 18/09/2013.
  40. ↑ "Una introducción sencilla a la computación en malla y sus tecnologías" (PDF) . Archivado (PDF) del original el 24 de marzo de 2006. Consultado el 6 de mayo de 2005 .

Bibliografía

  • Buyya, Rajkumar ; Kris Bubendorfer (2009). Computación en malla y de utilidad orientada al mercado . Wiley. ISBN 978-0-470-28768-2.
  • Benedict, Shajulin; Vasudevan (2008). "Un enfoque de GA de Pareto con nichos para la programación de flujos de trabajo científicos en redes inalámbricas" . Journal of Computing and Information Technology . 16 (2): 101. doi : 10.2498/cit.1001122 .
  • Davies, Antony (junio de 2004). "Intermediación computacional y la evolución de la computación como mercancía" (PDF) . Economía aplicada . 36 (11): 1131. CiteSeerX 10.1.1.506.6666 . doi : 10.1080/0003684042000247334 . S2CID 7309750. Archivado del original (PDF) el 28 de febrero de 2008. Recuperado el 20 de abril de 2005 .  
  • Foster, Ian ; Carl Kesselman (1999). The Grid: Blueprint for a New Computing Infrastructure . Morgan Kaufmann Publishers. ISBN 978-1-55860-475-9.
  • Plaszczak, Pawel ; Rich Wellner, Jr. (2006). Computación en malla: "La guía del gerente experto" . Morgan Kaufmann Publishers. ISBN 978-0-12-742503-0.
  • Berman, Fran ; Anthony JG Hey ; Geoffrey C. Fox (2003). Grid Computing: Making The Global Infrastructure a Reality . Wiley. ISBN 978-0-470-85319-1.
  • Li, Maozhen ; Mark A. Baker (2005). La red: Tecnologías básicas . Wiley. ISBN 978-0-470-09417-4Archivado del original el 28 de octubre de 2007. Consultado el 26 de abril de 2005 .
  • Catlett, Charlie ; Larry Smarr (junio de 1992). "Metacomputación" . Communications of the ACM . 35 (6): 44– 52. doi : 10.1145/129888.129890 .
  • Smith, Roger (2005). "Computación en malla: un breve análisis tecnológico" (PDF) . Biblioteca de la red CTO. Archivado del original (PDF) el 8 de febrero de 2012.
  • Buyya, Rajkumar (julio de 2005). "Computación en malla: haciendo realidad la ciberinfraestructura global para la ciencia electrónica" (PDF) . Comunicaciones de la CSI . 29 (1). Bombay, India: Sociedad de Computación de la India (CSI). Archivado del original (PDF) el 28 de febrero de 2006. Consultado el 19 de febrero de 2006 .
  • Berstis, Viktors. "Fundamentos de la computación en malla" . IBM. Archivado del original el 4 de febrero de 2012.
  • Elkhatib, Yehia (2011). Monitoreo, análisis y predicción del rendimiento de redes en cuadrículas (PDF) (Tesis doctoral). Universidad de Lancaster. Archivado del original (PDF) el 23 de junio de 2015. Consultado el 28 de abril de 2013 .
  • Ferreira, Luis; et  al. (30 de septiembre de 2016). "Productos y servicios de computación en malla" . IBM.
  • Ferreira, Luis; et  al. (30 de septiembre de 2016). "Introducción a la computación en malla con Globus" . IBM.
  • Jacob, Bart; et  al. (30 de septiembre de 2016). "Habilitación de aplicaciones para computación en malla" . IBM.
  • Ferreira, Luis; et  al. "Programación de servicios de red y habilitación de aplicaciones" . IBM. Archivado del original el 4 de febrero de 2012.
  • Jacob, Bart; et  al. (30 de septiembre de 2016). Introducción a la computación en malla . IBM.
  • Ferreira, Luis; et  al. (30 de septiembre de 2016). "Computación en malla en investigación y educación" . IBM.
  • Ferreira, Luis; et  al. "Globus Toolkit 3.0 Quick Start" . IBM. Archivado del original el 4 de febrero de 2012. Recuperado el 27 de abril de 2006 .
  • Surridge, Mike; et  al. "Experiencias con GRIA  : aplicaciones industriales en una red de servicios web" (PDF) . IEEE. Archivado del original (PDF) el 6 de marzo de 2012.
  • Stockinger, Heinz ; et  al. (octubre de 2007). "Definiendo la red: una instantánea de la visión actual" (PDF) . Supercomputing . 42 :3. doi : 10.1007/s11227-006-0037-9 . S2CID 16019948. Archivado del original (PDF) el 7 de enero de 2007. 
  • Redes globales y kits de herramientas de software: un estudio de cuatro tecnologías de middleware para redes.
  • El libro de cocina de la tecnología de la red
  • Francesco Lelli, Eric Frizziero, Michele Gulmini, Gaetano Maron, Salvatore Orlando, Andrea Petrucci y Silvano Squizzato. Las múltiples facetas de la integración de instrumentos y la red . International Journal of Web and Grid Services 2007  – Vol. 3, No. 3, pp.  239  – 266 Edición electrónica
  • Poess, Meikel ; Nambiar, Raghunath (2005). Almacenes de datos a gran escala en Grid (PDF) . Archivado del original (PDF) el 23 de junio de 2015. Recuperado el 5 de noviembre de 2010 .
  • Pardi, Silvio ; Francesco Palmieri (octubre de 2010). "Hacia un entorno de red metropolitana federada: la infraestructura SCoPE con reconocimiento de red". Future Generation Computer Systems . 26 (8): 1241–1256 . doi : 10.1016/j.future.2010.02.003 .
Lecturas relacionadas
6 articulos
Una computadora humana.ComputadoraComputadoras y dispositivos informáticos de diferentes épocas, de izquierda a derecha y de arriba a abajo: Computadora de tubo de vacío temprana ( ...Recurso del sistemaRecurso del sistemaEn informática , un recurso del sistema , o simplemente recurso , es cualquier componente físico o virtual de disponibilidad limitada al que puede ...Computación distribuidaComputación distribuidaLa computación distribuida es un campo de la informática que estudia los sistemas distribuidos , definidos como sistemas informáticos cuyos compone...Clúster de ordenadoresClúster de ordenadoresUn clúster de computadoras es un conjunto de computadoras que trabajan juntas de modo que pueden considerarse como un solo sistema. A diferencia de...Homogeneidad y heterogeneidadHomogeneidad y heterogeneidad; sólo ' b ' es homogéneo La homogeneidad y la heterogeneidad son conceptos relacionados con la uniformidad de una sus...MiddlewareMiddlewareMiddleware is a type of computer software program that provides services to software applications beyond those available from the operating system....