グリッド・コンピューティングとは。

どちらの種類のコンピューティングも共有コンピューティング・インフラストラクチャーに依存していますが、グリッド・コンピューティングは大規模な科学的または工学的問題の解決に重点を置いているのに対し、分散コンピューティングはより単純なタスクに重点を置いています。

グリッド・コンピューティングは、「グランド・チャレンジ」と呼ばれるタイプのコンピューティングと関連付けられることがよくあります。これは、科学や工学に基づいたコンピューティングの問題であり、幅広いアプリケーションがあります。おそらく、グリッド・コンピューティングが力を助けてきた最もよく知られている壮大な課題は、世界で最も強力な粒子加速器であるCERNの大型ハドロン・コライダーです。

グリッド・コンピューティングは、壮大な課題に取り組むだけでなく、ビッグデータのデータ管理や高速データの分析、洞察の創出、科学の研究、複雑な気象・金融シミュレーション、ハイパフォーマンス・コンピューティング（HPC）など、より実用的なさまざまなビジネス目的にも利用されています。

インターネット経由でコンピューティング・リソースにオンデマンドでアクセスするクラウド・コンピューティングはグリッド・コンピューティングに似ていますが、いくつかの重要な点で異なります。クラウド・コンピューティングとグリッド・コンピューティング・インフラストラクチャーはどちらも分散システムとみなされますが、クラウド・コンピューティングは、ユーザーがアクセスしやすい一元管理された柔軟性の高いクライアント・サーバー・モデルに基づいています。クラウドでは、企業は標準プロトコルを使用してインターネット経由でサービスにアクセスし、必要なコンピューティング・リソースに対してのみ料金を支払います。

一方、グリッド・コンピューティングは、単一の組織が参考情報を所有および管理する共同管理インフラストラクチャーに依存しています。このため、一貫したワークロードを実行する企業には最適だが、クラウド・コンピューティングに比べるとアクセスが難しく、拡張性に劣ります。例えば、グリッド・ユーザーは特定のサービスにアクセスするために標準コンピューティング・プロトコルを使用するのではなく、グリッド・ミドルウェア、つまりグリッド・コンピューティング・アーキテクチャー用の専用アプリケーションを使用する必要があります。

グリッド・コンピューティング環境は、特定のタスクを実行するようにプログラムされたコンピューター、デバイス、参考情報であるさまざまなノードで構成されています。グリッド・コンピューティングのこの側面により、グリッド・コンピューティングは、ネットワーク上でコンピューティング・参考情報が共有される別のタイプのコンピューティングであるクラスター・コンピューティングよりも多様なものになっています。コンピューター・クラスターには固定されたハードウェアとタスクがありますが、グリッド・コンピューティングにははるかに柔軟な参考情報共有環境があります。

通常、グリッド・コンピューティング・ネットワークは、ノードとミドルウェアの2種類のコンポーネントで構成されます。

グリッド・コンピューティング・アーキテクチャーは、グリッド・コンピューティング・タスクを完了するために、次の3種類のグリッド・ノードに依存しています。

• ユーザー・ノード：ユーザー・ノードは、特定の参考情報を求めるリクエストをグリッド・コンピューティング・システムに送信するコンピューターです。

• プロバイダー・ノード：プロバイダー・ノードは、参考情報を共有するコンピューターです。多くの場合、ユーザー・ノードとプロバイダー・ノードはロールを切り替え、あるノードにリソースを要求し、別のノードとリソースを共有します。

• 制御ノード：制御ノードはネットワークを管理し、グリッド上のさまざまなコンピューティング・リソースを割り当てます。すべてのグリッド・コンピューティング・ネットワークに不可欠なアプリケーションであるミドルウェアは、制御ノード上で実行されます。

グリッド・コンピューティング・インフラストラクチャーでは、ミドルウェアはグリッド・ミドルウェアと呼ばれ、さまざまなノードが通信し、参考情報を交換できるようにするソフトウェア層として機能します。グリッド・ミドルウェアは、プロバイダー・ノードが保持する利用可能なリソースを使用して、ユーザー・ノードによって促進されるリクエストを調整する責任があります。

グリッド・ミドルウェアは高度に専門化されており、処理能力（CPU）、メモリー、参考情報といった幅広い計算参考情報の要求を処理することができます。グリッド・インフラストラクチャーの機能、誤用を防ぐために参考情報のバランスを取り、グリッド・コンピューティング・システムを安全かつ効率的に稼働させることは非常に重要です。

一般的なグリッド・コンピューティング・アーキテクチャーは、アプリケーション、ミドルウェア、リソース、そして各ノードのネットワークへの接続を可能にする最下層で構成される4つの層で構成されています。

• 第1層：標準的なグリッド・コンピューティング・モデルの「最上位層」としても知られるレイヤー1は、特定の目的（データ分析やモデリングを実行するアプリケーションなど）を持つ高レベルのアプリケーションで構成されています。

• 第2層：グリッド・コンピューティング・アーキテクチャーの第2層は、ミドルウェアが存在し、ユーザー・ノードからの要求を管理し、必要に応じてプロバイダー・ノードから参考情報を割り当てます。

• 第3層：グリッド・コンピューティング・ネットワークの第3層は、ネットワーク上で利用可能なすべての参考情報（CPU、メモリー、ストレージ、ハードウェア、ソフトウェアなど）で構成されます。

• 第4層：「ボトム層」または「ファブリック」層とも呼ばれる最後の層は、ガード・コンピューティング・ネットワーク上のすべてのノードの接続を可能にします。第4層は、スーパーコンピューター、ストレージシステム、分散ファイル・システム（DFS）、コンピューター・クラスターなどの物理リソースと論理リソースの両方で構成されています。

グリッド・コンピューティングは通常、目的に基づいて5つの基本的なタイプに分類されます。

計算グリッドは、最も一般的なタイプのグリッド・コンピューティングインフラストラクチャーであり、幅広いハイパフォーマンスコンピューティング（HPC）タスクにデプロイされています。計算グリッド・コンピューティングは、非常に参考情報を大量に消費し、複数の高性能コンピューターの計算能力を組み合わせて、複雑なシミュレーションを実行し、大規模な数学的問題とアルゴリズムを解決します。

計算グリッドは複雑なタスクをより小さく単純なサブタスクに分割し、それぞれをノードに割り当てることができます。並列コンピューティングまたは並列プログラミングとして知られるこのプロセスは、人工知能（AI）、機械学習（ML）、ブロックチェーンなどの最先端テクノロジーに不可欠な、複雑でリソース集約的な問題を解決する時間とコストを劇的に削減します。並列計算はスピードが速いため、自動運転車や気象モデリング、IoT（モノのインターネット）アプリケーションなど、リアルタイム処理を必要とする先端テクノロジーに最適です。

スカベンジング・グリッドは、CPUスカベンジング・グリッドまたはスキャベンジング・サイクルとも呼ばれ、計算グリッドと似たレイアウトと目的を持っていますが、1つの重要な違いがあります。スカベンジング・グリッドでは、ノードとコンピューターは利用可能な参考情報のみを、より大きなグリッドに提供します。ここでのスカベンジングという用語は、接続されたコンピューティング・参考情報のグリッドで可用性を検索するプロセスを指します。

スカベンジング・グリッドでは、一部のノードはグリッドのより大きな目的に関連するタスクを実行していますが、他のノードは他の無関係な目的に使用されています。ネットワーク・ユーザーがグリッド関連以外の目的でコンピューターにアクセスする必要がある場合、グリッドのソフトウェアは、利用可能な空きノードと参考情報を識別して、それらを割り当てます。

データ・グリッドとは、コンピューターを接続してデータ・ストレージ容量を増やす大規模なグリッド・コンピューティング・ネットワークです。データ・グリッド・コンピューティングでは大規模なデータセットを分解し、ネットワーク経由で接続された複数のコンピューターにデータを保管できます。データ・グリッド上のコンピューターは通常、広い地理的範囲でデータと参考情報を交換し、遠隔地にいるユーザーを接続します。

データ・グリッドは、より小さなサブタスクに分解して並列解決できるコンピューティング・タスクに最適です。マイクロサービス技術や、デバイスをプールして参考情報のサブセットを特定の目的に割り当てるプライベートクラウドの基盤として広く使われています。さらに、データ・グリッドでは仮想マシン（VM）がよく採用され、データ処理やストレージなどの一般的な計算タスクのリソースプールをより効率的に行うことができます。

共同グリッド、または共同グリッド・コンピューティング・フレームワークは、個人のグループが計算グリッドを活用して、共有の仕事やリソースに簡単にアクセスできるようにします。

共同グリッドを使用すると、広く分散したチームが共通の目標を追求しながら専門知識を共有し、リアルタイムで作業に貢献できます。例えば、共同グリッドは、世界中のさまざまな大学や機関からの共有データや計算リソースを介して、問題の解決に取り組んでいる多くの気候科学者や物理学者の作業を可能にします。

モジュラー・グリッドは、特定のシステム内のコンピュート・リソースを個別のモジュールに分離して、アプリケーションの性能を向上させることに重点を置いています。モジュラー・グリッドでは、GPU、ストレージ、メモリーなどの一般的に共有されるリソースが分解され、再結合されることで、特定のアプリケーションやサービスを効率化できます。

モジュラー式アプローチにより、ITチームはニーズに合わせてコンピューティング環境をカスタマイズする際をより柔軟に行うことができます。例えば、モジュラー式グリッドでは、個々のアプリケーションまたはサービスの特定のリソースのニーズを満たすように構成を調整できます。

グリッド・コンピューティングにより、企業は大量のデータを従来のセットアップよりも速く、効率的に処理できるようになります。グリッド・コンピューティングを活用している企業は、参考情報をさまざまなビジネス目的に活用することで、柔軟性、拡張性、コスト効率の向上を実現しています。ここでは、組織がグリッド・コンピューティングから実現する最も一般的なメリットをいくつか紹介します。

グリッド・コンピューティングは、幅広い業種・業務の組織で広く使用されています。大学は、スーパーコンピューターと世界中の同僚とのコラボレーションを含む大規模で複雑な問題を解決するためにグリッドをデプロイしてきました。グリッド・コンピューティング・フレームワークに依存する強力な仮想スーパーコンピューターは、気候変動や天体物理学などに関連する複雑な科学的および工学的タスクに取り組んでいます。ここでは、最も一般的なグリッド・コンピューティングのユースケースをいくつか紹介します。

• 銀行：銀行は、セキュリティーとリスク管理の幅広い目的でグリッド・コンピューティングを使用しています。大規模グリッドの組み合わせ参考情報を活用することで、金融機関は株式市場の変化を予測し、トレンドを明らかにすることで、顧客により賢明な財務上の意思決定を行うことができます。米国のビジネス価値研究所によると、昨年、78％の銀行が生成AIに対して戦略的アプローチを取ると回答しました。

• ライフサイエンス：生物学、ゲノミクス、神経科学などのライフサイエンスでは、大量のデータをマイニングして洞察を入手し、より正確なシミュレーションを作成するためにグリッド・コンピューティングへの依存度が高まっています。例えば、人間の遺伝子の研究では、グリッド・コンピューティングは、DNA配列決定によって生成されたデータセットの処理と分析に役立ち、研究者が変異を特定するのに役立ちました。

• エッジコンピューティングとモノのインターネット（IoT）アプリケーション：エッジコンピューティングは、最先端のAIやIoTアプリに関連する分散コンピューティングフレームワークで、グリッド・コンピューティングを活用してデータをソースで処理・分析します。Straits Research社の最近のレポートによると、今後6年間で年平均成長率（CAGR）が17.1％という強力な予測に、エッジコンピューティングが不可欠であるといいます。¹

• 映画制作：今日の映画で見られる高度な特殊効果の多くは、処理を高速化するために何らかのグリッド・コンピューティング・フレームワークを使用しています。特殊効果のデザイナーは、複雑な画像をレンダリングする際にグリッド・サービスを利用して制作スケジュールを短縮し、納期に間に合わせることができます。

• ゲーム：ビデオ・ゲームの開発者は、ゲーマーが所属する視覚的に美しい世界を構築する際に、追加の参考情報としてグリッド・コンピューティングを利用しています。グリッド・コンピューティング・システムは、大規模なコンピューティング・タスクを分割し、それらをコンピューターの接続ネットワーク上のノードに割り当てて、実稼働タイムラインを短縮します。