集中処理・分散処理とは？
集中処理・分散処理とは、処理を1か所の大型機に集めるのが集中処理、複数の計算機に分けて役割分担・協調させるのが分散処理。集中処理は管理と整合性の確保が容易で、分散処理は拡張性と局所的な障害への強さに優れる。
システムアーキテクト試験の過去問では2回出題されています（2016年度〜2025年度）。
しゅうちゅうしょり・ぶんさんしょり
集中処理・分散処理の意味
処理を1か所の大型機に集めるのが集中処理、複数の計算機に分けて役割分担・協調させるのが分散処理。集中処理は管理と整合性の確保が容易で、分散処理は拡張性と局所的な障害への強さに優れる。
集中処理・分散処理の具体例
勘定系の残高更新は集中処理で整合性を担保し、参照系の照会は複数のレプリカへ分散させる。
集中処理・分散処理は試験でどう引っ掛けられる？
分散処理は障害に強いが、ネットワーク障害・部分故障・データ整合性という新たな難しさを持ち込む。無条件に優位ではない。
集中処理・分散処理と関連する用語
集中処理・分散処理が出た過去問
分散処理システムにおける障害透明性（透過性）の説明として、適切なものはどれか。
正解：利用者が、個々のコンピュータに障害が起きていることを認識することなく、システムを利用できること
要点：障害透明性は障害を利用者に意識させない性質
分散処理システムの透明性とは、内部の複雑さを利用者に意識させないことをいう。障害透明性はその一つで、システムを構成するどれかのコンピュータで障害が起きても、利用者はそれに気付くことなくサービスを使い続けられる性質を指す。管理者が障害を把握できることや構成の均一さとは別の概念である。
出典：平成28年度 秋期 システムアーキテクト試験 am2 問19（IPA）大量のデータを並列に処理するために，入力データから中間キーと値との組みを生成する処理と，同じ中間キーをもつ値を加工する処理との2段階で実行するプログラミングモデ…
正解：MapReduce
要点：MapとReduceの2段階で大量データを分散処理するモデル
MapReduceは、入力データを分割して各ノードで中間キーと値の組を生成するMap処理と、同じ中間キーをもつ値を集めて集約・加工するReduce処理の2段階で大量データを分散並列処理するプログラミングモデルである。処理を分割・再実行できる形に定式化することで、多数のノードへのスケールアウトと障害時の再処理が容易になる。
出典：令和7年度 春期 システムアーキテクト試験 am2 問4（IPA）
最終更新：2026-08-25／解説は資格暗記が独自に作成しています。 過去問の出典は各問題に記載のとおりです。