Cloud Computing - Mehrere physische Computer, ein logischer Computer

842
Koobz

Ich weiß, dass Sie mehrere virtuelle Maschinen pro physischem Computer einrichten können. Ich frage mich, ob es möglich ist, dass mehrere physische Computer sich als eine logische Einheit verhalten?

Grundsätzlich stelle ich mir vor, dass es funktioniert, dass Sie eines Tages 10 Computer in eine Einrichtung werfen können. Sie haben einen Client, der das Äquivalent von zwei Computern erfordert, und 100 andere, die die verbleibenden 8 auffressen. Wenn sich die Anforderungen ändern, müssen Sie lediglich logische Ressourcen neu zuordnen. Möglicherweise erfordert der 2-Computer-Client jetzt ein drittes physisches System. Sie fügen es einfach der Cloud hinzu, und Sie müssen sich keine Sorgen machen, die Datenbank zu trennen oder Daten auf einen neuen Server zu migrieren.

Kann es so funktionieren?

Wenn ja, warum sollte irgendjemand überhaupt irgendetwas tun, wie seine Datenbankserver zu partitionieren? Fügen Sie einfach mehr Rechenressourcen hinzu. Sie skalieren horizontal mit der Hardware, aber Ihr Server scheint vertikal zu skalieren. Sie müssen die Infrastruktur Ihrer Anwendung nicht ändern, um mehrere Datenbanken usw. zu unterstützen.

0

1 Antwort auf die Frage

1
BBlake

Ja, das Zusammenfügen mehrerer physischer Computer zu einem logischen Computer funktioniert. Dies ist die Grundvoraussetzung für Clustered-, Grid- oder Shard-Computing. Der Hauptvorteil ist der Lastausgleich. Sie können die Arbeit von physischen CPUs, die stark ausgelastet sind, mit den leicht belasteten CPUs analysieren. Das ultimative Beispiel dafür ist Google.

http://en.wikipedia.org/wiki/Google_platform

http://en.wikipedia.org/wiki/Cluster_(computing)

Wie bei der Datenbankpartitionierung. Dabei geht es ebenso darum, den Engpass der Geschwindigkeit / Durchsatz von Festplattenlaufwerken zu überwinden, als durch den CPU-Leistungsdurchsatz, indem mehrere Partitionen auf mehrere physische Laufwerke aufgeteilt werden. In großen Datenbankumgebungen wird normalerweise eine Kombination aus Clustering und Partitionierung verwendet.

Verwandte Probleme