ลินุกซ์คลัสเตอร์มีบทบาทสำคัญในการวิจัยและการใช้งานจริงสำหรับงานประมวลผลที่ต้องการประสิทธิภาพของการคำนวณที่สูงมากเกินขีดความสามารถของคอมพิวเตอร์ส่วนบุคคล มีการนำคลัสเตอร์มาประยุกต์ใช้งานในการประมวลผลข้อมูลขนาดใหญ่ ทั้งการคำนวณทางวิทยาศาสตร์ ธุรกิจ และอุตสาหกรรมการทำภาพเคลื่อนไหวสำหรับภาพยนตร์ อย่างไรก็ตาม การที่จะสามารถใช้งานคลัสเตอร์ให้เต็มประสิทธิภาพได้นั้น ต้องใช้ปัจจัยในการพิจารณาและการทดลอง เพื่อให้ทราบข้อมูลที่สามารถทำให้ปรับแต่งค่าของโปรแกรมประยุกต์ให้สามารถใช้งานคลัสเตอร์ได้อย่างเต็มประสิทธิภาพ งานวิจัยนี้ค้นหาข้อมูลเชิงประสิทธิภาพของระบบคลัสเตอร์คอมพิวเตอร์ ซึ่งมีความสำคัญในการวางแผนและ พัฒนาระบบคลัสเตอร์คอมพิวเตอร์ ให้มีประสิทธิภาพสอดคล้องกับความต้องการใช้งาน ผลการดำเนินงานวิจัยทำให้ได้ทราบถึงข้อมูลเปรียบเทียบเชิงประสิทธิภาพของคลัสเตอร์ขนาดเล็ก และคลัสเตอร์ขนาดใหญ่ จากการทดสอบค่าประสิทธิภาพด้วยวิธีการแบบต่าง ๆ ทำให้ทราบถึงปัจจัยที่มีผลสำคัญ ต่อการคำนวณ คือ ขนาดของข้อมูลและการจัดแบ่งกระจายข้อมูล ไปตามโหนดคำนวณต่าง ๆ ได้อย่างสมดุลย์ นอกจากนั้นการเลือกใช้ไลบรารี่ที่เหมาะสม และคอมไพล์เลอร์ที่มีประสิทธิภาพยังมีส่วนสำคัญในการทำให้โปรแกรมแบบขนานนั้นทำงานได้อย่างมีประสิทธิภาพบนคลัสเตอร์ ซึ่งโดยสรุป จากการทดสอบด้วยโปรแกรม HPL สามารถทำให้ได้ค่าประสิทธิภาพต่อโพรเซสเซอร์ถึง 2.5 Gflops จากค่าสูงสุดทางทฤษฏี 4 Gflops และได้ค่า R_max เท่ากับ 15.53 Gflops เมื่อใช้ทั้ง 6 โพรเซสเซอร์ทำงานพร้อมกัน และผลการทดสอบโปรแกรมประยุกต์ GeoFEM และ Povray สามารถใช้งานได้อย่างมีประสิทธิภาพ Linux clusters play significant role in computer science research and real world high performance applications that require power of processing more than what a personal computer can tolerate. Applications of Linux cluster includes processing large amount of data in science research, business data processing, animation industry etc. However, to efficiently use all the power of clusters requires knowledge of factors that both directly and indirectly affect the performance of the whole system. This research investigates performance data by evaluating a 6-node cluster using various parallel benchmark tools, program HPL, and computational science software GeoFEM. Findings from this research are knowledges of the effect of data size and strategies in partitioning both data and processing to each CPU of the cluster. We found that our cluster can perform up to 15.53 Gflops (R_max) thus we obtain 2.5 Gflops per CPU. Performance comparison is also presented among our 6-node cluster, NECTEC Itanium-2 cluster, and IBM Blue Gene cluster. Parallel applications such as GeoFEM and Povray can be executed efficiently on our cluster.