Grid computing e elaborazione distribuita. Le opportunità nella produzione audiovisiva digitale

contraddistinto da alti costi ed orientato a produzioni di tipo 
maturo. 
Il modello distrettuale che tanta fortuna ha conosciuto negli 
anni passati vive una crisi a cui è necessario rispondere 
predisponendo modelli di governance che facciano interagire il 
sistema produttivo con il mondo della ricerca e con gli enti locali 
che amministrano i territori sui quali tali distretti sono insediati. 
Alla base di tale iniziativa deve comunque esserci la 
valorizzazione della supremazia qualitativa, creativa e culturale 
legata al marchio del “made in Italy”, che trova il suo fondamento 
nel “genius loci”. 
Il piano di lavoro si struttura su tre parti. Nel corso della 
prima parte considereremo l’evoluzione tecnologica che ha 
portato al Grid computing, tenteremo di delimitarne il concetto, 
analizzeremo le caratteristiche e le problematiche legate alla sua 
architettura e prospetteremo un modello per le economie 
computazionali. 
La seconda parte sarà dedicata invece ai distretti industriali. 
Dopo aver esposto a grandi linee la loro formazione ed 
evoluzione, ci interrogheremo sulle ragioni della crisi di 
competitività che questi attraversano e sugli strumenti più idonei 
per fronteggiarla. Un ruolo centrale, in tal senso, riveste 
l’innovazione tecnologica di cui anche il Grid computing è 
un’espressione. 
Nell’ultima parte del lavoro si focalizzerà l’attenzione sul 
distretto dell’audiovisivo del Lazio, se ne analizzeranno le criticità 
e verrà presentata l’esperienza di un innovativo progetto che, 
promuovendo l’applicazione del Grid computing a supporto dello 
sviluppo della potenzialità di calcolo a favore delle imprese 
operanti nella produzione e post produzione digitale, si prefigge di 
innovare la filiera produttiva dell’audiovisivo e di conseguire una 
maggiore competitività del settore. 
 
7
  
 
 
 
 
 
 
PARTE PRIMA 
 
 
ARCHITETTURE PER 
UNA ELABORAZIONE DISTRIBUITA 
 
8
1.  L’EVOLUZIONE STORICA: DAL MAINFRAME AL 
GRID COMPUTING 
 
Negli ultimi tre decenni la ricerca nel campo delle architetture 
di calcolo parallelo, grazie anche alla rapida evoluzione delle 
tecnologie informatiche e di comunicazione, ha sviluppato l’idea 
di poter condividere, selezionare ed aggregare una moltitudine di 
risorse geograficamente distribuite (quali supercomputer, sistemi 
di immagazzinamento, sorgenti di dati e dispositivi specializzati), 
appartenenti ad organizzazioni fra loro indipendenti. Il 
ragguardevole obiettivo che ci si è prefissi è la risoluzione, su 
larga scala, di problemi attinenti l’ambito scientifico, tecnico e 
commerciale, richiedenti una intensità di risorse di gran lunga 
superiore a quella resa disponibile da un singolo computer 
appartenente ad un unico dominio amministrativo. 
Il Grid Computing incarna le speranze affidate a questa nuova 
frontiera della ricerca. 
Quali indici capaci di misurare il livello evolutivo raggiunto 
dalle tecnologie dell’informazione nelle diverse fasi storiche, 
possono essere assunti i seguenti: 
 
 ξ  il numero di transistor e la frequenza di clock del singolo 
processore (figura 1 – A e B) a rappresentare la sua 
capacità elaborativa; 
 ξ  il numero di calcolatori connessi ad Internet a 
rappresentare la capacità di cooperare (figura 2). 
 
Sulla base di questo paradigma possiamo quindi analizzare 
come siano progrediti nel tempo i meccanismi di condivisione 
delle risorse di calcolo. 
Sono ravvisabili quattro stadi, caratterizzati da distinte 
metodologie e architetture dedicate al supercalcolo. 
 
 
9
1.1 Gli anni ’70: il supercalcolatore 
 
Il primo stadio coincide con gli anni ’70. Esso è 
contraddistinto dagli ingenti investimenti richiesti per dotarsi di 
singole risorse di calcolo aventi architetture basate su soluzioni ad 
hoc, che solo le grandi organizzazioni potevano permettersi di 
adottare. Il costo, infatti, poteva essere ammortizzato solo 
rendendo la preziosa risorsa accessibile simultaneamente ad una 
molteplicità di utenti. Potremo riassumere quanto detto nel 
concetto “un computer per molti utenti”. 
 
 
Figura 1 – A Numero di transistor presenti su singola CPU. B Frequenza 
tipica di clock (da Mondo Digitale, n.2 – giugno 2004) 
 
10
1.2 Gli anni ’80: il personal computer 
 
La seconda fase si ha con gli anni ’80: grazie alla riduzione 
dei costi dell’hardware i singoli utenti possono avvalersi di sistemi 
di lavoro dedicati e, verso la fine del decennio, esser perfino 
provvisti di personal computer per usi non strettamente tecnici. 
Potremo usare il motto “una persona, un PC”. 
 
 
Figura 2 – Numero di calcolatori interconnessi tramite Internet (da Mondo 
Digitale, n.2 – giugno 2004) 
 
Seppure sul fronte delle architetture di supercalcolo questi 
anni siano segnati dall’affermazione delle macchine SIMD
1
 
(Single Instruction Multiple Data), in ambito scientifico la 
possibilità di sfruttare l’accresciuta potenza di calcolo disponibile 
sulle singole workstation e la disponibilità, a basso costo, di 
tecnologie capaci di assicurarne l’interconnessione in rete locale 
catturano l’attenzione dei ricercatori, sempre più interessati a 
costruire macchine parallele virtuali. 
                                                          
1
 La caratteristica di queste macchine sta nella capacità del processore 
di elaborare più dati con una singola istruzione. 
 
11
1.3 Gli anni ’90: le architetture cluster 
 
Gli anni ’90 sono riducibili all’immagine “molti calcolatori 
per un singolo utente”. Gli investimenti necessari per sviluppare 
architetture di calcolo dedicate ed i tempi legati al ciclo di 
progettazione, test e produzione delle stesse, non risultano 
giustificati se comparati con quelli riferibili ai personal computer. 
L’applicazione della legge di Moore
2
 a tale ambito ha infatti 
consentito alle CPU mainstream di raggiungere prestazioni tali da 
permettere a sistemi software eseguiti su di esse di superare di 
gran lunga le prestazioni di sistemi hardware ad hoc
3
. L’effetto 
concreto di questo stato di cose è l’estromissione dal mercato di 
tutte le architetture di supercalcolo basate su processori speciali, 
come le succitate macchine SIMD. 
L’ultimo tentativo di produrre un supercalcolatore (la 
Connetion Machine 5) basato sull’interconnessione tramite una 
struttura proprietaria di alcuni potenti processori mainstream
4
 fu 
tentato nel 1993 dalla Thinking Machine Corporation. 
L’esperienza si rivelò fallimentare a causa degli elevati costi di 
produzione del sistema e del venir meno dei finanziamenti militari 
per la guerra fredda. 
Una tappa importante verso la costruzione di macchine 
parallele virtuali è costituita dal progetto Beowulf, iniziato nel 
1994 presso l’università di Stanford. Esso focalizza l’attenzione 
sui concetti di architettura basata su Components Off The Shelf 
(COTS; componenti commerciali pre-confezionati pronti per 
                                                          
2
 Essa prevede il raddoppio della capacità elaborativa dei processori (a 
costi quasi costanti) ogni 18 mesi. 
3
 Ciò nonostante, l’industria  dei semiconduttori dovrà confrontarsi con 
l'approssimarsi dei limiti fisici delle attuali tecnologie basate sul silicio, 
facendovi inizialmente fronte con tecnologie capaci di estendere la vita 
degli attuali chip basati sul silicio, ma anche, entro venti anni, 
guardando a tecnologie del tutto nuove, come quelle organiche. 
4
 Gli SPARC (Scalable Processor ARChitecture) della Sun 
Microsystems. 
 
12
l’uso) e di Commodity Computing (CC; dove il calcolo costituisce 
un servizio di base). 
Il primo cluster Beowulf non si distingue, quindi, per alte 
performance raggiungibili o per qualità specifiche della sua 
architettura. I suoi tratti caratteristici sono, infatti, i seguenti: 
 
 ξ  uso, come nodi computazionali, di macchine simili a 
quelle destinate all’office automation (PC con processore 
Intel DX4); 
 ξ  impiego dello standard di rete ethernet (progettato per 
l’office automation) come tecnologia di interconnessione 
tra i nodi; 
 ξ  uso di un comune sistema operativo open source, non 
progettato per il calcolo ad alte prestazioni (come Linux). 
 
In seguito a questa prima sperimentazione la ricerca si orienta 
su architetture cluster caratterizzate dall’aggregazione statica di 
nodi di computazione: essi sono interconnessi con un’interfaccia 
di rete di tipo standard e sono al completo servizio 
dell’architettura cluster. 
È necessario sottolineare che l’eterogeneità delle risorse di 
calcolo che entrano in gioco nella costruzione di un cluster pone ai 
ricercatori un nuovo e rilevante problema: la definizione di strati 
di software (detti middleware) capaci di offrire all’utente 
un’interfaccia che, unificando la gestione e l’utilizzo di queste 
risorse, ne mascheri le differenti caratteristiche. La costruzione di 
questa Single System Image (SSI) è incentrata solo sull’interfaccia 
e non concerne le prestazioni delle risorse interconnesse (che 
possono essere più o meno performanti). 
 
 
13
1.4 Il nuovo millennio: le architetture Grid 
 
Nella seconda metà degli anni ‘90 si assiste ad un’evoluzione 
che porta a superare il concetto di sistema cluster per approdare a 
quello di sistema di metacomputing. Da un’aggregazione statica di 
nodi computazionali interconnessi tramite interfacce di rete di tipo 
standard si passa, infatti, ad una aggregazione dinamica: i nodi, 
non più dedicati in modo esclusivo al metacomputer, sono 
interconnessi anche attraverso Internet e possono appartenere a 
domini di sicurezza e gestione non omogenei. 
Nei sistemi di metacomputing, in nuce, è già presente il 
concetto di Grid Computing. Fino al 1998 verranno identificati 
con il termine metacomputer tutte le strutture di calcolo formate 
da nodi eterogenei distribuiti su Internet. 
Nel 1999 Ian Foster dell’Università di Chicago e Carl 
Kesselmann dell’Istituto Superiore di Informatica di Los Angeles, 
i padri del progetto Globus
5
, pubblicano un’efficace metafora 
capace di licenziare, per l’immediato successo, il meno fortunato 
termine metacomputing: essi descrivono una “Griglia di 
distribuzione della potenza computazionale in cui, come i watt 
nella griglia di distribuzione dell’elettricità, la potenza 
computazionale può essere distribuita a chi ne fa richiesta senza 
badare alla sua provenienza”
6
. 
Così come una rete elettrica è oggi in grado di collegare e  
rendere disponibili fonti di energia eterogenee, distanti, gestite da 
soggetti ed enti diversi, allo stesso modo, le griglie 
                                                          
5
 Tale progetto è uno dei primi, più importanti e, dal punto di vista dei 
finanziamenti ottenuti, più fortunati progetti relativi al Grid Computing. 
6
 L’invenzione nel 1800 della pila elettrica da parte di Alessandro Volta 
si è evoluta, grazie ai successivi contributi di Thomas Edison e di Nikola 
Tesla (inventori, rispettivamente, della lampadina elettrica e della 
corrente alternata), in una grid (lett. “griglia”) la quale fornisce un 
accesso affidabile, consistente e penetrante all’energia elettrica, 
elemento essenziale per la sopravvivenza della società moderna. 
 
14
computazionali integrano calcolatori con tecnologie differenti, 
secondo un'unica visione, estendendone di fatto le capacità. 
Sempre in analogia con la rete elettrica lo stato attuale delle 
risorse di calcolo può essere considerato simile a quello 
dell'elettricità nei primi anni del '900. All’epoca, infatti, era 
possibile generare energia elettrica e vi erano molti macchinari 
che da essa dipendevano per funzionare. La necessità per ogni 
utilizzatore di dover disporre oltre al macchinario anche di un 
generatore, tuttavia, ne limitava fortemente la diffusione. 
La vera rivoluzione si ebbe con lo sviluppo delle tecnologie 
per il trasporto e la distribuzione su larga scala, grazie alle quali, 
oggi, l'energia elettrica risulta disponibile in maniera capillare, 
affidabile e a basso costo. 
Sul territorio esistono numerose risorse di calcolo che 
supportano applicazioni che risultano separate, disomogenee e 
spesso limitate alla soluzione di problemi specifici. Una 
tecnologia abilitante per la condivisione di tali risorse 
permetterebbe di renderle disponibili a chi necessita, più o meno 
occasionalmente, di certe capacità senza farsi carico della spesa 
che comporterebbe una loro installazione in loco. 
Nasce il Grid Computing, una sorta di presa di potenza 
telematica la cui energia (il calcolo) potrebbe essere distribuita 
come servizio da uno o più fornitori specifici on-demand secondo 
le esigenze specifiche, disinteressandosi di dove si trova 
l'erogatore di energia. 
La relazione fra calcolatori ed utenti che si determina con il 
Grid Computing può essere sinteticamente definita di “molti a 
molti”. 
 
15
2. COS’È IL GRID: ANALISI TASSONOMICA DEL 
FENOMENO 
 
Allorché si affronta il tema relativo al Grid Computing è 
legittimo interrogarsi su cosa si intenda con tale termine. Il 
progetto Globus offre la seguente definizione: “Le GRID sono 
ambienti persistenti che rendono possibile realizzare applicazioni 
software che integrino risorse di strumentazione, di 
visualizzazione, di calcolo e di informazione che provengono da 
domini amministrativi diversi e sono geograficamente distribuite”. 
Funzionalmente alla tipologia di risorse condivise è, quindi, 
possibile categorizzare diverse tipologie di Grid: 
 
 ξ  Grid computazionali (o Processing GRID) 
 ξ  Grid di dati (o Data GRID) 
 ξ  Grid di applicazioni e servizi (o Application GRID) 
 ξ  Grid di strumentazione 
 ξ  Grid di sensori 
 
2.1 Grid computazionali 
 
Le Grid computazionali, che si sostanziano in 
un’aggregazione di risorse di calcolo provenienti da domini di 
sicurezza e gestione differenti, rappresentano la linea evolutiva 
delle architetture di calcolo. La capacità computazionale da esse 
teoricamente erogabile coincide con la somma delle macchine 
collegate in un certo istante. Agli utenti viene offerta potenza di 
calcolo on-demand, in modo disgiunto dai nodi che la stanno 
fisicamente somministrando. 
I fini per cui può essere impiegata tale tipologia di Grid, che 
per la semplicità di realizzazione ha una storia ricca e variegata, 
sono riconducibili a due: 
 
 ξ  la costruzione di un supercomputer Grid; 
 
16
 ξ  il processing commodity. 
Fra di essi vi è una leggera sfumatura, che è comunque 
opportuno tenere nella dovuta considerazione. 
Nel primo caso, mettendo a fattor comune molte capacità 
elaborative singole, si vuole creare una infrastruttura in grado di 
erogare una capacità enorme, superiore perfino a quella di un 
supercomputer. I vantaggi ottenuti attraverso tale via sono 
soprattutto di tipo economico, in quanto i costi sono 
significativamente inferiori a quelli richiesti dalla costruzione di 
un supercomupter. 
Nel caso del processing commodity, invece, non si vogliono 
offrire capacità elevatissime, ma piccole portate rese però 
disponibili ad un numero potenzialmente enorme di richiedenti
7
. 
Facciamo un esempio concreto di Grid computazionale. Si 
pensi ad una società avente sedi sparse in tutto il mondo dotate, 
ciascuna, di un parco di architetture di calcolo dimensionato per 
soddisfare i picchi di richiesta, ovvero le necessità medie 
quotidiane (incapaci quindi di gestire le situazioni di picco). 
La società potrebbe, allora, ritenere economicamente 
vantaggioso adottare una strategia volta alla realizzazione di un 
supercalcolatore capace di soddisfare dinamicamente le richieste 
che, nel momento del bisogno, possano rendersi necessarie presso 
le singole sedi. 
La società, sopperendo alle richieste di picco con potenza 
computazionale proveniente dalle altre sedi attraverso una 
struttura Grid, può procedere ad un dimensionamento del parco 
macchine più consono alle reali necessità quotidiane. I vantaggi 
economici conseguenti ad un tale disegno non necessitano di 
ulteriori chiarimenti. 
                                                          
7
 Concettualmente non si è lontani dal Network Computer proposto da 
Sun negli anni ’90 che, prevedendo di appoggiarsi alla rete per 
l’immagazzinamento dei dati e per le elaborazioni sofisticate, mirava ad 
abbattere i costi di possesso dei PC. Tale idea non ha avuto seguito per 
la contestuale riduzione dei costi dei PC. 
 
17