Grid Computing

Komputasi Grid atau Grid Computing adalah kumpulan sumber daya komputer dari berbagai lokasi untuk mencapai tujuan bersama. Grid dapat dianggap sebagai sistem terdistribusi dengan beban kerja non-interaktif yang melibatkan sejumlah besar file. Komputasi grid dibedakan dari sistem komputasi kinerja tinggi konvensional seperti komputasi cluster dalam bahwa komputer jaringan memiliki setiap node diatur untuk melakukan tugas yang berbeda atau aplikasi.  komputer Grid juga cenderung lebih heterogen dan geografis (dengan demikian tidak secara fisik ditambah) dari komputer klaster  Meskipun grid tunggal dapat didedikasikan untuk aplikasi tertentu, umumnya grid digunakan untuk berbagai tujuan.. Grids sering dibangun dengan tujuan umum perpustakaan software jaringan middleware.

Contoh Grid Computing:

a)     Scientific Simulation

Komputasi grid diimplementasikan di bidang fisika, kimia, dan biologi untuk melakukan simulasi terhadap proses yang kompleks.

b)     Medical Images

Penggunaan data grid dan komputasi grid untuk menyimpan medical-image. Contohnya adalah eDiaMoND project.

c)     Computer-Aided Drug Discovery (CADD)

Komputasi grid digunakan untuk membantu penemuan obat. Salah satu contohnya adalah: Molecular Modeling Laboratory (MML) di University of North Carolina (UNC).

d)      Big Science

Data grid dan komputasi grid digunakan untuk membantu proyek laboratorium yang disponsorioleh pemerintah Contohnya terdapat di DEISA.

e)     E-Learning

Komputasi grid membantu membangun infrastruktur untuk memenuhi kebutuhan dalam pertukaran informasi dibidang pendidikan. Contohnya adalah AccessGrid.

f)     Visualization

Komputasi grid digunakan untuk membantu proses visualisasi perhitungan yang rumit.

g)     Microprocessor design

Komputasi grid membantu untuk mengurangi microprocessor design cycle dan memudahkan design center untuk membagikan resource lebih efisien. Contohnya ada diMicroprocessor Design Group at IBM Austin.

Kelebihan Grid Computing :

·         Lebih hemat biaya dalam penggunaan sejumlah tertentu sumber daya komputer.

·         Sebagai cara untuk memecahkan masalah yang mungkin tidak dapat dipecahkan tanpa sejumlah besar daya komputasi

·         Sumberdaya dari banyak komputer dapat kooperatif dan dimanfaatkan secara sinergis, serta dikelola sebagai sebuah kolaborasi mencapai tujuan bersama

·         Perkalian dari sumber daya: Resource pool dari CPU dan storage tersedia ketika idle

·         Lebih cepat dan lebih besar: Komputasi simulasi dan penyelesaian masalah apat berjalan lebih cepat dan mencakup domain yang lebih luas

·         Software dan aplikasi: Pool dari aplikasi dan pustaka standard, Akses terhadap model dan perangkat berbeda, Metodologi penelitian yang lebih baik

·         Data akses terhadap sumber data global, dan Hasil penelitian lebih baik

Kekurangan Grid Computing

Menurut Myerson (2009), penggunaan grid computing tidak terlepas dari beberapa isu serta resiko yang mungkin dapat terjadi bagi perusahaan.

Beberapa isu yang harus dipertimbangkan dan diperhatikan, antara lain:

·         Tidak adanya interoperabilitas antar sistem. Interoperabilitas adalah kemampuan dari suatu sistem untuk berinteraksi dan berfungsi dengan sistem lain, di masa kini atau di masa mendatang, tanpa batasan  akses atau implementasi.

·         Dalam  grid computing, permasalahan yang paling sering dijumpai adalah perbedaan format data yang dapat menghambat impor dan ekspor data dari komputer satu ke  komputer lainnya. Hal ini menyebabkan tidak terjadinya interperobilitas dalam sistem  grid computingsehingga diperlukan reformat data atau penggunaan suatu aplikasi agar data tersebut bisa diubah dan dipakai dalam suatu format tertentu.

·         Hadirnya biaya tersembunyi. Misal, suatu perusahaan bisa dikenakan biaya yang lebih tinggi dari jaringan penyedia layanan  grid computing untuk penyimpanan dan aplikasi database yang berisi terabyte data. Hal ini mungkin melampaui biaya perusahaan  yang sedang berhemat  untuk  infrastruktur baru,  training bagi karyawan, atau pembiayaan untuk lisensi baru beberapa perangkat lunak.

·         Latency data yang besar. Latency data yang besar seringkali menjadi kendala bagi perusahaan akibat letaknya  yang jauh dari penyedia layanan atau terpisah secara geografis dengan perusahaan penyedia layanan grid computing.