เทคโนโลยีการประมวลผลแบบ “Grid” ได้รับความสนใจอย่างมากในช่วงที่ผ่านมา ซึ่งเป็นเทคโนโลยีที่แตกต่างไปจากหลักการประมวลผลแบบกระจาย (Distributed Computing) โดยจะเน้นไปที่การแบ่งปันทรัพยากรในการประมวลผลในระดับใหญ่ (Large Scale Resource Sharing) เพื่อที่จะรองรับการประมวลผลที่ต้องการประสิทธิภาพในการคำนวณสูงหรือที่ รู้จักกันในชื่อ High Performance Computing (HPC)
หลายท่านอาจจะเกิดความสับสนกับชื่อเรียกของเทคโนโลยีเหล่านี้ที่ต่างได้ ต่อยอดแนวความคิดด้านการประมวลผลแบบขนาน (Parallel Processing) ในช่วงกว่าสิบปีที่ผ่านมาไปสู่ Distributed Computing, Clustering, Grid Computing และ High Performance Computing ซึ่งทั้งหมดนี้จะมีความเหมือนและความต่างที่ทำให้เราเข้าใจได้ยากอยู่สัก หน่อย ถ้าจะอธิบายอย่างง่ายๆ นั้นหลักการด้าน Parallel Processing นั้นเกิดจากความต้องการด้านความเสถียร (Failover) และการแบ่งโหลดการประมวลผล (Load Balancing) ให้กับโปรเซสเซอร์สองตัวในอุปกรณ์ตัวเดียวกัน หรืออุปกรณ์หลายตัวที่มีสเปกฮาร์ดแวร์และซอฟต์แวร์แพลตฟอร์มเดียวกัน (Homogenous) ซึ่งต่อมาก็ได้มีวิวัฒนาการไปสู่กลุ่มของอุปกรณ์ที่มีสเปกฮาร์ดแวร์และ ซอฟต์แวร์แพลตฟอร์มต่างกัน (Heterogeneous) หรือที่เรียกว่า Clustering ซึ่งเป็นการเชื่อมต่อกลุ่มอุปกรณ์ด้วยสื่อสัญญาณความเร็วสูงอย่างไฟเบอร์ชา แนลในการทำการประมวลผลด้วยหลักการเดียวกันกับข้อมูลจำนวนมหาศาลเป็น Loop จาก Cluster ของอุปกรณ์ฮาร์ดแวร์ในสถานที่แห่งเดียวกันก็เกิดแนวความคิดในการเชื่อมต่อ Cluster กับสถานที่อื่นๆ ผ่านแวนลิงก์ (WAN Link) ที่มีแบนด์วิธต่ำ และก็เป็นที่มาของ Grid Computing ที่เน้นไปที่การใช้ทรัพยากรการประมวลผลให้เกิดประโยชน์สูงสุด ทั้งนี้เนื่องจากอุปกรณ์คอมพิวเตอร์แต่ละตัวนั้นไม่ได้ทำการประมวลผลตลอด 24 ชั่วโมง จึงน่าจะมีเวลาที่ซีพียูว่างพอจะช่วยเหลืองานประมวลผลบางอย่างของเครื่อง อื่นๆ ในเครือข่ายได้ ทั้งนี้ความแตกต่างอีกประการหนึ่งที่ Clustering และ Grid Computing แตกต่างกันก็คือหลักการในการคำนวณ ซึ่งในกรณีของ Clustering นั้นมักจะเน้นไปที่ความเร็วในการประมวลผลกับงานที่เหมือนกัน แต่ใช้โปรเซสเซอร์หลายตัว ส่วนด้าน Grid Computing นั้นจะไม่เน้นด้านความเร็ว แต่จะเน้นไปที่การใช้ทรัพยากรทั้งหมดอย่างเต็มที่ โดยมีการแบ่งงานที่แตกต่างกันไปให้กับเครื่องฮาร์ดแวร์และซอฟต์แวร์แพลตฟอร์ มที่เหมาะสมให้ทำการประมวลผล และส่งกลับมายังเครื่องส่วนกลางที่จะทำการรวบรวมผลมาวิเคราะห์อีกครั้งหนึ่ง ในปัจจุบันได้มีการใช้งานด้าน Grid Computing และ High Performance Computing กันบ้างแล้ว แต่มักจะอยู่ในแวดวงของงานวิจัย โดยมีบริษัทด้านฮาร์ดแวร์และชิปโปรเซสเซอร์เป็นผู้ให้การสนับสนุนด้าน อุปกรณ์เป็นหลัก และได้มีวิวัฒนาการในการทำงานร่วมกันของซอฟต์แวร์ระบบปฏิบัติการในทุกแพ ลตฟอร์ม ซึ่งในอนาคตนั้นเทคโนโลยีเหล่านี้จะเป็นพื้นฐานของเทคโนโลยีด้านอื่นๆ ไม่ว่าจะเป็นด้านดาราศาสตร์ นาโนเทคโนโลยี การเกษตร การวิเคราะห์ด้านการเงินการธนาคาร ไปจนถึงเทคโนโลยีด้านแอนิเมชัน ตัวอย่างการใช้ High Performance Computing (HPC) Cluster สำหรับการวิเคราะห์ปัญหาทางการเงิน องค์กรทางการเงินและนักลงทุนได้อาศัยความรู้ทางด้านการบริหารความเสี่ยงทาง การเงินช่วยในการตัดสินใจลงทุนมาเป็นเวลานาน ซึ่งการบริหารความเสี่ยงทางการเงินได้นำเอาความรู้ทางคณิตศาสตร์มาใช้ในการ พยากรณ์ความเสี่ยงในการลงทุนทางการเงิน ซึ่งในอดีตที่ปัญหาทางการเงินไม่ซับซ้อนมาก การใช้สูตรทางคณิตศาสตร์ที่ไม่ซับซ้อน ร่วมกับโปรแกรมการคำนวณพื้นฐาน เช่น Microsoft Excel ก็พอเพียง แต่ในปัจจุบัน ปัจจัยที่มีผลต่อสภาวะการแข่งขันทางเศรษฐกิจมีความซับซ้อนขึ้น ทำให้การพยากรณ์ความเสี่ยงทางการเงินจึงต้องการสูตรคำนวณที่ซับซ้อนขึ้นตาม ลำดับ เพื่อให้ได้ผลของการพยากรณ์ที่มีความละเอียดพอที่จะเป็นประโยชน์ในการตัดสิน ใจลงทุน ทำให้การแก้ไขปัญหาทางด้านการบริหารความเสี่ยงทางการเงิน และ Financial Engineering สมัยใหม่จึงต้องการ Computational Power ที่สูงขึ้น อีกทั้งการใช้คอมพิวเตอร์เดสก์ทอปเป็นเครื่องมือนั้นจะใช้เวลานานในการคำนวณ ปัญหาเหล่านี้ ทำให้ผู้วิเคราะห์ที่มีเวลาจำกัดไม่สามารถรอให้ทำการคำนวณเสร็จสิ้นได้อย่าง สมบูรณ์ ต้องใช้ข้อสมมติที่ไม่สมจริงเท่าที่ควรในการวิเคราะห์ หรือใช้โมเดลที่มีความซับซ้อนน้อยลงเพื่อให้ได้คำตอบในเวลาที่เร็วขึ้น ซึ่งผลเสียที่ตามมาคือ อาจได้คำตอบที่ไม่แม่นยำ ไม่เหมาะสมในการนำไปประกอบการตัดสินใจในการลงทุนด้านบริหารความเสี่ยง การแก้ไขข้อจำกัดทางด้าน Computing Power สามารถแก้ไขได้ด้วยการใช้คอมพิวเตอร์ที่มี Computing Power ที่สูงขึ้น เช่น เครื่องเมนแฟรม หรือ Super Computer ซึ่งมีมูลค่าการลงทุนตลอดอายุการใช้งาน (Total Cost of Ownership : TCO) สูง ทั้งนี้ในปัจจุบันมีเทคโนโลยีที่เป็นทางเลือกใหม่สำหรับการเพิ่ม Computational Power โดยมีมูลค่าการลงทุนตลอดอายุการใช้งานที่ต่ำกว่า ซึ่งก็คือการทำเครื่องเดสก์ทอปหรือเซิร์ฟเวอร์มาเชื่อมต่อกันผ่านระบบเครือ ข่ายเป็น High Performance Computing (HPC) Cluster ด้วยวิธีนี้ทำให้ช่วยลดเวลาในการคำนวณที่ซับซ้อนที่มีมูลค่าการลงทุนตลอด อายุการใช้งานต่ำ เหมาะสำหรับองค์กรที่ต้องการเพิ่ม Computational Power แต่ไม่ต้องการลงทุนมาก ทั้งทางด้านฮาร์ดแวร์, ซอฟต์แวร์และการบำรุงรักษาระบบ การใช้งาน HPC cluster สำหรับการวิเคราะห์ปัญหาทางการเงินสามารถแสดงได้ดังรูปที่ 1 โดยจะเห็นได้ว่าผู้ใช้งานไม่จำเป็นจะต้องรู้ว่าใช้ HPC cluster ในการคำนวณเพื่อแก้ไขปัญหาทางการเงินที่กำหนด เพราะผู้ใช้งานยังใช้งานผ่าน Microsoft Excel อยู่เหมือนเดิม โดย Microsoft Excel จะทำการส่งข้อมูลไปที่ HPC cluster โดยใช้ .Net Web Services ซึ่งเป็นเทคโนโลยีของ Microsoft ในการจัดการบริหารข้อมูลระหว่างเครื่องเดสก์ทอปของผู้ใช้กับ HPC cluster ทำให้ลดภาระการฝึกอบรมผู้ใช้งานระบบได้อีกด้วย |
