Creo que aquí el término se refiere a la granularidad como el mayor o menor trabajo (solución de problemas, obtención de resultados) que se puede ejecutar en un cluster de ordenadores, un conjunto de ordenadores que funcionan en paralelo, antes de que sea necesario cierto nivel de sincronización por la dependencia entre las subtareas (en las que se ha dividido la tarea principal).

Si se puede completar bastante trabajo (se exige menor sincronización), la granularidad es gruesa.

Si el trabajo es menor (se exige mayor sincronización), la granularidad es fina.

Traducción:

"Enumere todas las actividades que el equipo haya completado esta semana o que estén en curso, según el nivel de granularidad de la tarea"

"One key to attaining good parallel performance is choosing the right granularity for the application. Granularity is the amount of real work in the parallel task. If granularity is too fine, then performance can suffer from communication overhead. If granularity is too coarse, then performance can suffer from load imbalance. The goal is to determine the right granularity (usually larger is better) for parallel tasks, while avoiding load imbalance and communication overhead to achieve the best performance."

http://software.intel.com/en-us/articles/granularity-and-par...

"Granularidad: La granularidad esta relacionada con la cantidad de trabajo que se puede efectuar antes de ser necesario cierto nivel de sincronización debido a las dependencias entre las subtareas. Si el monto del trabajo es considerable, decimos que
la granularidad es gruesa. Si es poco hablamos de granularidad fina. En los clusters la comunicación es a través de pase de mensajes. Por lo tanto hay consumo de tiempo para ensamblar el mensaje, enviarlo por la red, recibirlo del otro lado y finalmente
desensamblarlo. Este tiempo es mucho mayor que el tiempo que requiere un acceso a memoria en las máquinas de memoria compartida. Los clusters son adecuados cuando el problema presenta una granularidad gruesa. Si la granularidad es fina, el tiempo de comunicación o sincronización predomina haciendo que la solución paralela del problema sea menos eficiente que su solución secuencial. Uno de los problemas principales de los computadores de memoria compartida es que el acceso a memoria se satura rápidamente a medida que se incrementa el número de procesadores en la máquina, mientras que en las máquinas de memoria distribuida el número de procesadores puede crecer significativamente. La eficiencia promedio real de las
aplicaciones en máquinas de memoria compartida esta entre un 30-50% de la eficiencia pico anunciada y entre 5-15% para los clusters. Estas eficiencia pico anunciadas se dan para ciertas aplicaciones muy particulares y no representan las aplicaciones promedio (Gordon y Gray, 2001)."

http://www.saber.ula.ve/bitstream/123456789/16051/1/articulo...