Teleprocessing vs. Elaborazione dati distribuita: centralizzato vs decentralizzato
Questi sono paradigmi architettonici opposti per l'elaborazione dati:
| Aspetto | Teleprocessing (Centralizzato) | Elaborazione dati distribuita (Decentralizzata) |
|---|---|---|
| Architettura | Singolo mainframe/server centrale | Multiple nodi interconnessi (server, edge) |
| Posizione dati | Tutti i dati sul sistema centrale | Dati partizionati/replicati tra nodi |
| Posizione elaborazione | CPU centrale fa tutto il lavoro | Ogni nodo elabora localmente |
| Terminali/Client | Terminali stupidi (solo I/O) | Client smart (calcolo/storage locale) |
| Controllo dati | Centralizzato (DBA, admin sicurezza) | Distribuito (autonomia locale + policy globale) |
| Scalabilità | Verticale (mainframe più grande) – limitata | Orizzontale (aggiungi nodi) – elastica |
| Tolleranza guasti | Singolo punto di guasto | Resiliente; guasto nodo ≠ sistema down |
| Tempo di risposta | Latenza di rete verso centro | Elaborazione locale = bassa latenza |
| Traffico di rete | Alto (tutti i dati al centro) | Più basso (solo traffico sincronia/replica) |
| Era tipica | 1960–1980 (mainframe) | 1990–presente (client-server, cloud, edge) |
🎯 Contesto moderno
- Eredità teleprocessing: Ancora in core banking (CICS/IMS su z/OS), prenotazioni aeree (TPF), OLTP ad alto volume.
- Distribuito domina: Microservizi, regioni cloud, CDN, edge computing, blockchain, federated learning.
- Ibrido: Data lake/warehouse centralizzato + store operativi distribuiti.
L'elaborazione distribuita ha vinto per scalabilità, resilienza e latenza — ma la centralizzazione persiste dove coerenza, controllo ed economia dei legacy lo dettano.