GB
2
3:40:42
3:44:24
3:54:17
3:46:28
3
6 MB
50 GB
2
2:30:45
2:31:41
2:31:54
2:31:27
4
6 MB
50 GB
2
1:51:09
1:51:12
1:50:49
1:51:03
5
6 MB
50 GB
2
1:39:34
1:40:39
1:38:13
1:39:29
6
6 MB
50 GB
2
1:34:10
1:33:54
1:34:48
1:34:17
7
6 MB
50 GB
2
1:21:08
1:16:59
1:23:05
1:20:24
8
6 MB
50 GB
2
1:07:26
1:05:56
1:06:52
1:06:45
9
6 MB
50 GB
2
1:07:22
1:03:25
1:03:12
1:04:40
10
6 MB
50 GB
2
0:55:33
0:54:23
0:55:25
0:55:07
11
6 MB
50 GB
2
0:49:44
0:49:26
0:49:54
0:49:41
12
6 MB
50 GB
2
0:53:13
0:46:38
0:44:25
0:48:05
13
6 MB
50 GB
2
0:43:40
0:44:35
0:43:38
0:43:58
14
6 MB
50 GB
2
0:46:02
0:45:15
0:45:29
0:45:35
15
6 MB
50 GB
2
0:46:19
0:45:45
0:46:08
0:46:04
شکل 4 14: نحوه تاثیر مقیاس پذیری افقی بر زمان پردازش
• تحلیل:
همانطور که در نمودار مشاهده می شود با افزایش تعداد ماشین ها سرعت پردازش افزایش و زمان پردازش کاهش پیدا می‌کند. این افزایش سرعت در هر مرحله متغیر بوده و مقدار مشخصی ندارد. اما پس از مرحله‌ای کاهش زمان کمتر شده و از مرحله‌ای به بعد با افزایش تعداد ماشین‌ها شاهد افزایش زمان پردازش هستیم. البته با توجه به زمان و منابع محدود امکان ادامه این تست با ماشین‌های بیشتر میسر نبود. اما پیش‌بینی می‌شود در ادامه شاهد افزایش زمان پردازش باشیم.
این نتیجه بسیار جالب توجه بوده و علل مختلفی نیز می تواند داشته باشد. بعنوان مثال ممکن است ترافیک شبکه باعث ایجاد تاخیر در ارسال داده‌ها و کند کردن سرعت پردازش شده‌باشد و یا تعداد درخواست‌ها از طرف ماشین‌های کارگر افزایش یافته و با افزایش حجم کاری ماشین مستر، صفـی تشکیل شده و سرعت پردازش کاهش یافته باشد. همچنین ممکن است با افزایش تعداد ماشین‌ها، الگوریتم تخصیص کار به ماشین‌های کارگر بصورت نمایی باعث افزایش زمان پردازش شده‌باشد.
لذا آنچه که مهم است این است که صرف داشتن یک کلاستر بزرگ نمیتوان نتیجه گرفت که به سرعت بالاتری خواهیم رسید و با داشتن دو کلاستر با تعداد ماشین‌های متفاوت نمیتوان گفت که کلاستر بزرگتر لزوما برنامه را با سرعت بیشتری پردازش می‌کند!
بنابراین یکی دیگر از پارامترهایی که باید بررسی کرد یافتن بهترین تعداد ماشین‌ها برای اجرای هر مساله است. بنابراین نباید بدون انجام بررسی، کلاستر بزرگی را برای رسیدن به سرعت بالاتر استفاده کرد. چه بسا کلاستر بزرگتر مم
