- Ang mga distributed system ay namamahagi ng pagproseso at data sa maraming coordinated node, na nagpapabuti sa performance, fault tolerance, at scalability.
- Ang arkitektura nito ay maaaring client-server, peer-to-peer, service-oriented o microservices, na pinagsasama ang data partitioning at replication.
- Sila ang pundasyon ng mga cloud service, e-commerce, telekomunikasyon, pagbabangko, Big Data, AI, at IoT network sa pandaigdigang saklaw.
- Ang pagpili ng tamang distributed system ay nangangailangan ng pagsusuri sa dami ng data, peak demand, badyet, mga oras ng pagtugon, at diskarte sa paglago.
Ang mga distributed system ay nasa lahat ng dako , bagama't madalas itong hindi napapansin: sa tuwing maghahanap ka ng isang bagay sa Google, magbabayad gamit ang card, mag-stream ng isang serye, o maglaro ng online game, umaasa ka sa ganitong uri ng arkitektura nang hindi mo namamalayan. Ang mga ito ang tahimik na pundasyon ng modernong digital na ekonomiya at nagbibigay-daan sa milyun-milyong gumagamit na ma-access ang isang serbisyo nang sabay-sabay nang hindi nagka-crash ang buong sistema.
Sa mga nakalipas na dekada, ang computing ay umunlad mula sa mga iisang server patungo sa malalawak at koordinadong network ng mga makinang nakakalat sa buong mundo. Tatalakayin ng artikulong ito ang detalyadong pagsusuri sa kung ano ang isang distributed system, kung paano ito naiiba sa isang sentralisadong sistema, ang mga bentahe at disbentahe nito, kung paano ito umunlad, ang iba't ibang uri ng arkitektura na umiiral, kung saan ito ginagamit sa mga totoong aplikasyon, at ang mga hamong dulot nito sa mga tuntunin ng komunikasyon, seguridad, pamamahala, at pag-iimbak ng data.
Ano ang isang distributed system?
Ang isang distributed system ay mahalagang isang set ng mga computer o node na nagtutulungan upang magbigay ng iisang serbisyo sa isang koordinadong paraan, na parang sila ay isang iisang logical machine. Ang bawat node ay may sariling processor, memory, at storage, ngunit lahat sila ay nakikipag-ugnayan sa pamamagitan ng isang network (karaniwan ay ang Internet o isang corporate network) upang magbahagi ng mga resources at hatiin ang workload.
Sa halip na umasa sa iisang napakalaking sentral na server, ang karga ay ipinamamahagi sa maraming mas maliliit na makina . Ang ideya ay madalas na inihahambing sa isang orkestra: ang bawat instrumento (node) ay may kani-kaniyang bahagi, ngunit ang nakikita ng madla ay isang iisa at magkakaugnay na pagtatanghal (ang distributed system).
Ang pamamaraang ito ay akmang-akma sa mundo ngayon ng malaking data: ang pag-iimbak at pagproseso ng napakalaking dami ng impormasyon ay magagawa lamang sa pamamagitan ng pamamahagi ng workload sa maraming makina. Samakatuwid, sa mga kapaligiran ng data at analytics at Big Data , halos lahat ay nakasalalay sa mga distributed system: ang mga platform tulad ng Hadoop, Spark, Databricks, Cloudera, at mga query engine tulad ng Presto ay nakabatay sa pilosopiyang ito.
Ang isang pangunahing katangian ng mga sistemang ito ay ang pagtatago nila ng panloob na kasalimuotan mula sa end user . Ang taong gumagamit ng e-commerce website, online bank, o cloud service ay hindi nakakakita ng daan-daan o libu-libong node, kundi isang application na "gumagana lang," kahit na mayroong isang napakakumplikadong distributed infrastructure sa ilalim.
Pagkakaiba sa pagitan ng isang sentralisadong sistema at isang distributed system
Sa isang sentralisadong sistema, ang lahat ng lohika, datos, at pagproseso ay nakatuon sa iisang makina o pangunahing server . Kung ang server na iyon ay bumagsak, ang serbisyo ay hindi magagamit hanggang sa ito ay maibalik. Ang pag-scale ay karaniwang kinabibilangan ng pagbili ng mas mahal at makapangyarihang kagamitan, at mayroong isang malinaw na "iisang punto ng pagkabigo."
Sa kabaligtaran, sa isang distributed system, ang mga function ay ibinabahagi sa ilang magkakaugnay na node . Walang iisang kailangang-kailangan na piraso ng kagamitan: kung ang isa ay mabigo, ang iba ay maaaring magpatuloy sa paggana at mabawi ang pagkawalang iyon. Pinapataas nito ang fault tolerance at nagbibigay-daan para sa paglago sa pamamagitan ng pagdaragdag ng higit pang mga node sa halip na palakihin ang isa lamang.
Ang pagkakaibang ito ay nakakaapekto rin sa kung paano natin isinaskala ang kapasidad. Ang horizontal scalability , na tipikal sa mga distributed system, ay kinabibilangan ng pagdaragdag ng higit pang mga node sa cluster, paglalagay ng mga ito "nang magkapareho" upang ipamahagi ang load at storage.
Mula sa perspektibo ng gastos, kadalasan ay mas matipid na magkaroon ng maraming karaniwang server na magkakasamang nagtatrabaho kaysa sa isa o dalawang napakamahal na superserver. Bukod pa rito, ang pagkabigo ng isang maliit na node ay karaniwang may maliit na epekto sa pangkalahatang serbisyo, samantalang ang pagkabigo ng isang malaki at sentralisadong server ay maaaring magpabagsak sa lahat.
Pareho ba ang mga distributed system sa mga microservice?
Bagama't malapit na magkaugnay, hindi sila eksaktong magkapareho . Ang isang distributed system ay isang mas malawak na konsepto: anumang hanay ng mga node na nagtutulungan sa pamamagitan ng isang network upang mag-alok ng isang shared service ay nasa ilalim ng kahulugang ito, anuman ang paraan ng pagkakaayos ng software sa loob nito.
Ang arkitektura ng microservices, sa kabilang banda, ay isang partikular na paraan upang magdisenyo ng mga distributed application . Sa halip na lumikha ng isang "monolith," ang application ay nahahati sa maliliit at independiyenteng mga serbisyo, bawat isa ay may sariling lohika at kadalasan ay sarili nitong database. Ang mga microservice na ito ay nakikipag-ugnayan sa isa't isa gamit ang mga API o messaging.
Samakatuwid, ang isang platform na nakabatay sa microservices ay palaging isang distributed system dahil ang mga bahagi nito ay nakakalat sa isang network at konektado sa pamamagitan ng isang network . Gayunpaman, mayroon ding mga distributed system na hindi sumusunod sa pattern ng microservices, tulad ng isang parallel computing cluster, isang classic distributed database, o isang peer-to-peer file-sharing network.
Paano umunlad ang mga distributed system?
Noong mga unang araw ng business computing, karaniwan nang magkaroon ng malalaki at sentralisadong sistema o mainframe na halos gumagawa ng lahat ng bagay: pagproseso, pag-iimbak, pag-uulat, atbp. Sa paglipas ng panahon, lumitaw ang mga arkitektura ng client-server at sentralisadong data warehouse para sa business analytics.
Ang problema ay, habang lumalaki ang datos, ang mga sentralisadong bodega na ito ay nagkukulang sa kapasidad at bilis . Ang pag-iimbak ng mas detalyado at makasaysayang datos mula sa maraming mapagkukunan ay nagiging napakamahal at mabagal. Ang mga bagong pangangailangan sa pagsusuri ay nangangailangan ng mas mabilis na oras ng pagtugon, mas malawak na detalye, at parallel processing.
Dito pumapasok ang mga modernong distributed system, lalo na sa pag-usbong ng Big Data mula noong dekada 2000 pataas . Bagama't ang ideya ng distributed computing ay nagsimula pa noong dekada 1960, ang mga proyektong tulad ng Hadoop muna at pagkatapos ay ang Spark (na nilikha noong 2009 upang mapabuti ang performance at flexibility) ay ginawang pamantayan ang paradigma na ito sa data analytics.
Ang pagbabago ay mula sa pagsisikap na gawin ang lahat gamit ang iisang pangkalahatang gamit patungo sa pagtatrabaho sa mga technology stack : mga kumbinasyon ng mga espesyalisadong bahagi (distributed storage, batch at stream processing engine, orchestrator, data catalog, atbp.) na isinama sa isa't isa upang masakop ang buong data lifecycle.
Paano gumagana ang isang distributed system?
Ang anumang distributed system ay maaaring ituring na isang hanay ng mga bahagi na namamahala sa imbakan, pagproseso, at komunikasyon . Ang bawat node ay tumatanggap ng isang bahagi ng data o trabaho, isinasagawa ang gawain nito, at pagkatapos ay kino-coordinate ang mga resulta nito sa iba pang bahagi ng sistema upang magbigay ng isang pinag-isang tugon.
Sa maraming sitwasyon, ang datos ay hinahati sa mga bloke, at ang mga blokeng ito ay ipinamamahagi sa iba't ibang node. Ang bawat file o record ay maaaring hatiin at kopyahin nang sa gayon ay magkaroon ng mga paulit-ulit na kopya sa iba't ibang server. Kung ang isang node ay mabigo, maaaring muling buuin ng sistema ang impormasyon mula sa mga umiiral na replica.
Ang estratehiyang ito sa paghahati at pagtitiklop ay lubhang nakakabawas sa oras ng pagbasa at pagproseso , dahil pinapayagan nito ang parallel processing ng iba't ibang fragment. Kasabay nito, nagbibigay ito ng mataas na fault tolerance: ang pagkawala ng isang node ay nagreresulta lamang sa isang maliit na pagbawas ng kapasidad, hindi isang pandaigdigang sakuna.
Gayunpaman, ang lahat ng mahika na ito ay may kaakibat na kapalit sa pagiging kumplikado: ang pamamahala, pag-configure, at pagsubaybay sa mga distributed cluster ay hindi madali . Nangangailangan ito ng koordinasyon ng mga update, pagsubaybay sa estado ng mga node, pamamahala ng muling pamamahagi ng data kapag nagbago ang laki ng cluster, at paglutas ng mga isyu sa consistency sa pagitan ng mga replica.
Mga arkitektura ng ipinamamahaging sistema
Mayroong ilang mga arkitektural na pattern para sa pag-oorganisa ng isang distributed system, bawat isa ay may kanya-kanyang bentahe at mga gamit. Ang pinakakaraniwan ay ang pagsasama ng iba't ibang topolohiya ng komunikasyon at pamamahagi ng mga responsibilidad sa mga node.
Isa sa mga pinakaklasikong arkitektura ay ang modelo ng client-server . Sa modelong ito, ang isa o higit pang mga server ay nagbibigay ng mga mapagkukunan (data, serbisyo, file), at ang mga kliyente ay humihiling at kumukonsumo ng mga mapagkukunang iyon. Para itong isang aklatan: ang librarian (server) ang namamahala sa mga libro, at ang mga gumagamit (kliyente) ang humihiling sa mga ito.
Sa kabilang dulo ay ang peer-to-peer architecture , kung saan walang sentral na node na kumokontrol sa lahat. Ang bawat kalahok ay gumaganap bilang parehong client at server, na nagbabahagi ng mga mapagkukunan sa iba. Ito ang tipikal na modelo para sa maraming file-sharing network at ilang cryptocurrency.
Kapansin-pansin din ang mga arkitekturang service-oriented at microservices , kung saan ang aplikasyon ay binubuo ng maraming distributed services na nagpapakita ng mga mahusay na natukoy na interface. Ang bawat serbisyo ay maaaring i-deploy, i-scale, at i-update nang nakapag-iisa, na nagbibigay ng makabuluhang flexibility para sa ebolusyon ng sistema.
Sa lahat ng pagkakataon, ang susi ay nakasalalay sa kung paano pinag-uugnay at pinag-synchronize ang mga node: dapat pamahalaan ang concurrency, latency, partial failure, at data consistency , habang pinapanatili ang isang maayos at pare-parehong karanasan ng user.
Mga kalamangan ng mga distributed system
Kabilang sa mga dahilan kung bakit ang mga distributed system ay naging pamantayan sa napakaraming sektor, may ilang napakalinaw na bentahe na namumukod-tangi kaugnay ng pagganap, availability, at paglago.
Isa sa mga pinakakapansin-pansing benepisyo ay ang pinahusay na pagganap . Sa pamamagitan ng pagpapahintulot sa maraming makina na gumana nang sabay-sabay sa iba't ibang bahagi ng isang gawain, nababawasan ang mga oras ng pagtugon at nasusuportahan ang napakataas na workload. Mahalaga ito sa mga kritikal na aplikasyon tulad ng online banking, e-commerce, at mga serbisyong real-time.
Isa pang pangunahing bentahe ay ang mataas na availability . Sa pamamagitan ng pamamahagi ng parehong workload at data sa maraming node, kung sakaling mabigo ang isa, maaaring magpatuloy ang sistema sa paggana sa pamamagitan ng pag-asa sa iba. Ang katatagan na ito ay mahalaga kung saan ang downtime ay direktang isinasalin sa mga pagkalugi sa pananalapi o isang mahinang karanasan ng gumagamit.
Ang kakayahang iskala ay isa ring pangunahing kalakasan: ang mga distributed system ay maaaring lumago sa pamamagitan ng pagdaragdag ng mga node sa network nang hindi naaantala ang serbisyo. Nagbibigay-daan ito sa kanila na umangkop sa pinakamataas na demand, patuloy na paglago ng negosyo, o mga pagbabago sa dami ng data, na iniiwasan ang pangangailangang isara ang mga operasyon upang mag-upgrade sa isang mas malakas na server.
Bukod pa rito, nag-aalok ang mga ito ng mahusay na kakayahang umangkop sa pamamahala ng mapagkukunan . Maaaring unahin ang ilang mga gawain, maaaring ilaan ang mas maraming kapasidad sa mga kritikal na proseso, o maaaring i-deploy ang mga bagong serbisyo sa mga partikular na node. Ang kakayahang ito sa pagpipino ay napakahalaga sa mga kapaligirang lubos na dinamiko.
Mga disbentaha at panganib ng mga ipinamamahaging sistema
Hindi lahat ng bentahe ay: ang distribusyon ay nagdudulot ng mga bagong problema na hindi lumilitaw (o mas madalang na lumilitaw) sa mga sentralisadong sistema. Ang pagdidisenyo at pagpapatakbo ng mga arkitekturang ito ay kinabibilangan ng pagharap sa ilang partikular na hamon.
Una, nariyan ang kasalimuotan ng komunikasyon . Kapag nagtatrabaho sa mga totoong network, kailangan mong harapin ang pabagu-bagong latency, limitadong bandwidth, packet loss, at heterogeneity sa pagitan ng mga node. Ang pag-coordinate ng mga proseso na nagbabahagi ng data sa buong network nang hindi hinaharangan ang sistema o lumilikha ng mga hindi pagkakapare-pareho ay hindi madali.
Ang isa pang kritikal na isyu ay ang mga pagkabigo at error . Sa isang distributed environment, halos hindi maiiwasan na ang ilang node, disk, o network link ay mabibigo sa isang punto. Samakatuwid, ang matatag na mekanismo para sa pagtuklas ng pagkabigo, awtomatikong pagbawi, mga pagsubok muli ng operasyon, at dynamic na muling pamamahagi ng mga gawain at data ay mahalaga.
Nagiging mas kumplikado rin ang seguridad : mas maraming node, mas malaki ang saklaw ng pag-atake. Ang mga distributed system ay lalong mahina sa mga pag-atake tulad ng denial-of-service, code injection, interception ng mga komunikasyon , o hindi awtorisadong pag-access sa mga node na hindi maayos ang proteksyon.
Panghuli, ang pamamahala at administrasyon ay mas mahirap. Ang pag-configure, pagsubaybay, at pagpapanatili ng isang kumpol na ipinamahagi sa heograpiya na binubuo ng magkakaibang teknolohiya ay nangangailangan ng mahuhusay na kagamitan, mga mahuhusay na proseso, at mga pangkat teknikal na may partikular na karanasan sa ganitong uri ng mga kapaligiran.
Mga aplikasyon sa totoong mundo ng mga distributed system
Ang pagkakaroon ng mga distributed system sa pang-araw-araw na buhay ay laganap na kaya mahirap isipin ang mga modernong digital na serbisyo kung wala ang mga ito. Maraming kritikal na sektor ang umaasa sa arkitekturang ito upang gumana nang maaasahan.
Sa mundo ng web, halimbawa, ang malalaking pandaigdigang e-commerce at mga aplikasyon sa social media ay gumagamit ng mga distributed system upang maglingkod sa milyun-milyong sabay-sabay na mga gumagamit. Ang mga platform tulad ng Amazon at Alibaba ay namamahagi ng mga kahilingan sa mga data center sa buong mundo at sinusuportahan ang kanilang scalability gamit ang mga distributed database at content delivery network (CDN).
Ang mga network ng telekomunikasyon sa telepono at internet ay umaasa sa mga distributed infrastructure na nagruruta ng mga tawag, mensahe, at data packet sa pamamagitan ng maraming intermediate node. Pinapayagan nito ang komunikasyon na mapanatili ang makatwirang antas ng latency at reliability kahit na ang bahagi ng network ay nakakaranas ng mga outages.
Ang sektor ng pananalapi at pagbabangko ay isa pang magandang halimbawa: ang mga sistema ng pagbabayad, ATM, kalakalan, at online banking ay nakasalalay sa mga ipinamahaging database at serbisyo na kinokopya ang impormasyon sa iba't ibang rehiyon, naglalapat ng matibay na mga hakbang sa pag-encrypt at pagpapatotoo, at sumusuporta sa mga transaksyong nakakalat sa heograpiya habang binabawasan ang panganib ng pagkabigo.
Sa larangan ng Big Data at advanced analytics, ang mga distributed processing system ay nagbibigay-daan sa pagtatrabaho sa napakalaking dami ng mga talaan: mga server log, sensor data, social media, mga transaksyon, atbp. Ang mga teknolohiyang tulad ng Hadoop Distributed File System (HDFS) o Spark ay namamahagi ng storage at computing sa maraming node upang matiyak ang makatwirang oras ng pagproseso.
Mga sistema ng ipinamamahaging database
Ang mga distributed database ay isang espesyal at napakahalagang kaso sa loob ng mga distributed system. Sa halip na iimbak ang lahat ng data sa isang server, ito ay ipinamamahagi sa ilang node , na kadalasang matatagpuan sa iba't ibang heograpikal na rehiyon, na nagpapanatili ng isang pinag-isang lohikal na pananaw para sa queryer.
Ang estratehiyang ito ay nagbibigay-daan para sa scalability sa parehong kapasidad ng imbakan at pagganap ng pagbasa/pagsulat. Maaaring idagdag ang mga bagong node o rehiyon habang lumalaki ang demand , at ang mga mekanismo ng paghahati at pagtitiklop ay humahawak sa muling pamamahagi ng impormasyon nang higit o mas kaunti nang awtomatiko.
Isa sa mga pangunahing hamon ay ang pagpapanatili ng synchronization at consistency ng data sa pagitan ng mga replica. Nakakamit ito gamit ang mga consensus algorithm tulad ng Paxos o Raft, na tinitiyak na ang mga operasyon ay inilalapat sa isang compatible na pagkakasunud-sunod sa lahat ng node sa loob ng isang replication group.
Depende sa uri ng aplikasyon, inuuna ng ilang database ang availability at tolerance sa mga network partition kaysa sa strict consistency, na gumagamit ng mga modelo tulad ng eventual consistency . Sa ibang mga kaso, ginagamit ang synchronous replication upang mapanatili ang matibay na consistency, na isinasakripisyo ang ilang latency kapalit ng mas mataas na integridad ng data.
Pinagsasama ng malalaking platform ng e-commerce at mga serbisyo sa cloud ang mga distributed database at mga caching system upang maghatid ng nilalaman na may mababang latency at pangasiwaan ang mga pagtaas ng trapiko. Ang isang klasikong halimbawa ng distributed storage na nakatuon sa pagiging maaasahan at fault tolerance ay ang Amazon S3, na kinokopya ang data sa maraming server sa loob ng isang rehiyon.
Parallel computing at mataas na pagganap sa mga ipinamamahaging sistema
Ang isa pang larangan kung saan nangunguna ang mga distributed system ay ang high-performance parallel computing (HPC) . Sa halip na iproseso ang malalaking volume ng data nang sunud-sunod sa isang makina, ang mga kalkulasyon ay ipinamamahagi sa mga kumpol ng daan-daan o libu-libong node.
Sa mga kumpol na ito, ang bawat node ay nagsasagawa ng isang bahagi ng problema, at sa pamamagitan ng mga pinong nakatutok na pamamaraan ng koordinasyon, ang mga bahagyang resulta ay pinagsama upang makuha ang pangwakas na resulta . Ginagawa nitong posible na harapin ang mga kumplikadong siyentipikong simulasyon, pagmomodelo ng klima, advanced na pagsusuri sa pananalapi, o ang pagproseso ng malalaking medikal na imahe sa isang bilis na hindi maiisip gamit ang isang makina lamang.
Upang makamit ang kahusayang ito, ginagamit ang mga parallel algorithm na partikular na idinisenyo upang ipamahagi ang load at mabawasan ang komunikasyon sa pagitan ng mga node . Ang mga pamamaraan tulad ng CPU affinity o optimization para sa mga arkitektura ng NUMA ay nakakatulong na mapabuti ang pagganap sa pamamagitan ng pagsasaayos kung paano inilalaan ang mga proseso at data sa memorya at mga processor.
Sa artificial intelligence at deep learning, ang distributed computing ay nagbibigay-daan para sa pagsasanay ng malalaking neural network sa pamamagitan ng pamamahagi ng data at mga modelo sa maraming GPU at server . Kinokontrol ng system ang mga gradient at mga update ng parameter upang ang pagsasanay ay umusad nang sabay-sabay nang hindi nasisira ang coherence ng modelo.
Pinahusay ng cloud ang pamamaraang ito sa pamamagitan ng pag-aalok ng HPC bilang isang serbisyo (HPCaaS) , upang ang maliliit na negosyo at mga koponan ay pansamantalang makapagrenta ng malalaking kumpol upang magsanay ng mga modelo o magpatakbo ng mga masinsinang simulation, nang hindi kinakailangang direktang bilhin at panatilihin ang lahat ng imprastrakturang iyon.
Mga ipinamamahaging sistema sa pang-araw-araw na teknolohiya
Bukod sa mga data center, ang mga distributed system ay bahagi na ng pang-araw-araw na buhay ng halos sinumang nakikipag-ugnayan sa teknolohiya. Ang kanilang presensya ay napakakaraniwan kaya't halos hindi natin sila napapansin.
Ang mga serbisyo ng email, mga platform ng instant messaging, at mga social network ay gumagana sa mga distributed infrastructure na kinokopya ang data ng user sa buong mundo . Dahil dito, maa-access natin ang ating mga mensahe mula sa anumang device, nang may mababang latency at, sa pangkalahatan, nang walang kapansin-pansing mga pagkaantala.
Ang mga peer-to-peer file sharing network ay isa pang halimbawa: sa halip na mag-download mula sa iisang server, ang file ay pinaghiwa-hiwalay at inihahatid mula sa maraming peer , kung saan ang bawat kalahok na tao ay sabay na kumikilos bilang isang client at server, na nagpapabuti sa katatagan at pagganap ng network.
Sa larangan ng Internet of Things (IoT) at mga smart grid, milyun-milyong sensor at device ang nagpapadala ng data sa mga distributed platform na nagpoproseso ng impormasyon sa real time upang ma-optimize ang pagkonsumo ng enerhiya, i-automate ang mga gusali, o i-coordinate ang mga fleet ng mga konektadong sasakyan.
At, siyempre, ang malalaking platform ng cloud computing tulad ng AWS, Microsoft Azure, o Google Cloud ang pinakahalatang halimbawa ng isang distributed system: pinagsasama-sama nila ang mga data center sa iba't ibang rehiyon, nag-aalok ng on-demand resources, at pinapayagan ang mga kumpanya na i-deploy ang kanilang mga application sa pandaigdigang saklaw gamit lamang ang ilang pag-click at isang credit card.
Paano ko malalaman kung anong uri ng distributed system ang kailangan ko?
Kapag pumipili ng isang partikular na solusyon, walang iisang recipe: ang disenyo ng distributed system ay dapat na iayon sa konteksto ng organisasyon , mga layunin nito, at teknolohikal na kapanahunan nito.
Pinakamainam na magsimula sa pamamagitan ng pagsusuri ng kasalukuyan at inaasahang dami ng datos . Ang pagproseso ng ilang milyong tala sa isang araw ay hindi katulad ng paghawak ng tuluy-tuloy at real-time na mga daloy ng datos mula sa mga IoT device na nakakalat sa buong mundo.
Mahalaga ring isaalang-alang ang magagamit na badyet at estratehiya sa pagpapalawak . Kayang bayaran ng ilang kumpanya ang mga dedikadong koponan at mga espesyalisadong tauhan, habang ang iba ay halos lubos na aasa sa mga pinamamahalaang serbisyo ng cloud upang mabawasan ang pagiging kumplikado ng operasyon.
Mahalaga ring isaalang-alang ang pinakamataas na demand, mga panahon ng mababang aktibidad, at mga limitasyon sa oras ng pagproseso . Ang isang sistemang kailangang tumugon sa loob ng ilang millisecond ay magkakaroon ng iba't ibang mga kinakailangan kaysa sa isang sistemang idinisenyo para sa nightly batch processing.
Ang pagtukoy sa mga aspetong ito mula sa simula ay nakakatulong sa pagdisenyo ng isang magkakaugnay na arkitektura na mas madaling pamahalaan at hindi gaanong madaling kapitan ng mga sorpresa. Sa kasalukuyan, kahit ang maliliit na organisasyon ay maaaring ma-access ang distributed computing capacity na dating magagamit lamang sa malalaking korporasyon , basta't mayroon silang kinakailangang teknikal na kaalaman at katalinuhan sa negosyo upang magamit ito.
Ang mga distributed system ay umunlad mula sa isang espesyalisadong solusyon upang maging gulugod ng karamihan sa mga digital na serbisyo. Ang kanilang kakayahang ipamahagi ang load, tiisin ang mga pagkakamali, sukatin nang pahalang, at pangasiwaan ang napakalaking dami ng data ay ginagawa silang isang mahalagang bahagi para sa anumang organisasyon na gustong makipagkumpitensya sa isang kapaligirang lalong konektado, hinihingi, at umaasa sa teknolohiya.
