未来的计算是分散的云 | 云计算与粒计算

未来的计算是分散的云

来源： 企业网

导读： 物联网设备提供的数据和大数据分析可以提供洞察力。物联网设备提供的数据和大数据分析允许提取见解。然而，人们面临着一个巨大的挑战：所有这些数据将在哪里处理和存储？

物联网设备提供的数据和大数据分析可以提供洞察力。物联网设备提供的数据和大数据分析允许提取见解。然而，人们面临着一个巨大的挑战：所有这些数据将在哪里处理和存储？

物联网（IoT）在过去几年来一直是一个热门领域。根据调研机构Gartner公司的预测，到2017年，物联网设备数量将超过全世界的人口，2017年的连接数量为84亿，2020年为500亿。稳步增长的物联网设备产生了大量数据。如今，以前没有连接网络的设备和电器（冰箱，汽车，手表等）都配备有生成数据的传感器和外围设备。

除了物联网技术之外，企业也在大数据技术上投入大量的人力和物力。数据是当今数字经济最宝贵的资源。许多企业正在应用大数据分析来利用这些海量数据，获得其提供的洞察力：识别趋势和模式，为企业的客户提供更好的服务和体验，帮助企业监控并简化其运营，或进行机械和基础设施的预防性维护。

业务流程在许多应用程序中是相似的。物联网设备提供的数据和大数据分析允许提取见解。然而，人们所面临的一个巨大挑战是，所有这些数据将在哪里处理和存储？

袭击数据中心的数据海啸

计算设备的快速增长并不是导致中央云计算模式面临数据爆炸挑战的唯一驱动因素。另一个重要趋势已导致数据的生产和消费发生变化：网络边缘用户的生成内容。

移动互联网和社交媒体已经使普通人成为数据的生产者。今天，Facebook和Instagram每天将上传近5亿张照片，以及上传约50万小时的视频。而且，一个多月所上传到YouTube的视频超过了60多年来创建的三大美国网络的容量。这些数字表明了用户定期产生的数据量惊人。在机器应用中，也有类似的趋势。边缘设备配备了许多嵌入式传感器，还有产生大量数据的摄像机。

将边缘处生成的所有数据传输到中央云端，在远程数据中心的服务器上处理并分析数据，然后将其传输回边缘设备（无论智能手机，冰箱，汽车还是机器人），这些都是不可行的，并且规模越来越大。集中式云计算在满足互联世界的需求方面有两大限制：带宽和延迟。

使用中央云，带宽将成为物联网发展的瓶颈。即使网络容量奇迹般地增加以应对数据的激增，由于数据的长距离传输中具有巨大延迟，物理定律也会抑制中央云端数据的远程处理。很显然，人们需要一个新的计算模型来应对超连接的世界。

分散计算的未来

计算从大型机的集中式架构开始，随着个人计算机的发展，在20世纪80年代演变成分布式计算模式。互联网时代最初始于服务器架构这个集中的客户端，后来成为当前的中央云计算模式。问题是，下一步要去哪里？

人们显然需要一种模式转变，将数以百亿计的设备面临的挑战转变为机遇，将计算设备的力量释放到边缘。一个实用的解决方案是建立一个完全分散的架构，每个计算设备都是一个云服务器。边缘设备可以在本地处理数据，可以直接与其他设备通信，并可以与其他边缘设备共享资源，以减轻中央云计算资源的负担。这种架构更快，更高效，更具可扩展性。此外，还有重大的社会和经济影响。分散式架构在本质上是更私密的，因为它最大限度地减少了中央信任实体，并且由于它在边缘利用了未使用的计算资源，所以更具成本效益。

这是否意味着中央云计算将要消亡？并不会这样。边缘云不会取代中央云。某些应用程序可能更适合使用集中式资源。但是，中央云（数据中心中的服务器）应该被视为与所有边缘设备一起工作的计算节点，以构建分布式边缘云架构。利用边缘的计算资源，可以实现更高的效率，保护隐私，并为新应用程序创造机会，那么企业对此是否准备好了呢？

云计算与粒计算

来源： 企业网

导读： 云计算，不必细说谁都知道是什么，人们多多少少都有所耳闻。

云计算，不必细说谁都知道是什么，人们多多少少都有所耳闻。云计算是继20世纪80年代大型计算机到C／S转变之后，IT界的又一次巨变，它通过互联网将某计算任务分布到大量的计算机上，并可配置共享计算的资源池，且共享软件资源和信息可以按需提供给用户的一种技术。云计算真正作为一个新兴技术得到IT界认可是在2007年左右，经过这十年的普及和发展，云计算早已走进千万个数据中心，成为IT世界里炙手可热的技术门类，并可以在未来的一段时间内继续获得长足发展。云计算固然好，但也有不少的缺陷和使用限制，这样才出现了雾计算、霾计算等技术，这些技术都是针对云计算做的很好的补充，满足多样化的市场应用需求。本文也介绍一个新技术，就是粒计算，粒计算同样是和云计算有着千丝万缕的联系。

其实，粒计算比云计算的概念出现得还早。在1997年时，美国一大学教授首次在论文中提出了粒计算，这标志着涉及多学科的一个应用研究领域产生。此后，国外诸多学者对它进行了研究，提出了许多有关粒计算的理论、方法和模型，现已成为研究模糊的、不精确的、不完整的及海量信息处理的重要工具。粒计算是一个含义广泛的术语，覆盖了所有有关粒的理论、方法学、技术和工具的研究，并认为粒计算是模糊信息粒化、Rough集理论和区间计算的超集，是粒数学的子集。粒计算是在问题求解中使用粒子，构建信息粒化，将一类对象基于不可分辨关系、相似性等特征划分为一系列粒。粒计算模型分为两大类：一类以处理不确定性为主要目标，如以模糊处理为基础的计算模型，以粗糙集为基础的模型，侧重于计算对象的不确定性处理。模糊概念是粒计算的主要组成部分；另一类则以多粒度计算为目标，如商空间理论。从不同的粒度上分层次地处理它们，降低处理复杂问题的复杂性。信息粒广泛存在于现实世界中，是对现实的抽象。

粒计算虽然诞生得早，并没有云计算发展得快，只是到最近才火了起来，这来源于人工智能和大数据技术的热宠。在这两个方面进行粒计算，意义不同凡响。人工智能和大数据的诞生，是因为人们试图从人类思维和生物界的一些规律中得到启发，创建相应的计算模型，应用到信息科学中去，而粒计算则在更高层次上模拟了人类的思维规律。当人工智能掌握“粒计算”，就会像显微镜一样，能分析海量信息，这将对科学界和人类社会都产生深远影响。当大数据遇到了粒计算，可以对大数据所表示的领域信息进行粒度分析，确定可能的粒度层次数目、各层次上信息粒的语义以及根据领域知识能够断言的信息粒之间的相关关系，这些粒度分析结果及其质量可直接影响后续的大数据处理的准确性和效率。目前，大数据开源平台的蓬勃发展，适用于不同应用场合的系统层出不穷，针对具体数据选择适合的多粒度建模，实现对特定粒计算模型的支持，可以更好地进行海量数据分析。所以，人工智能和大数据再火，也需要依仗粒计算等这些新技术来实现，否则就是空中楼阁，没有任何现实意义。海量的数据中大量都是不确定的，模糊的，这给粒计算提供了广阔的发展空间。

不仅在大数据、人工智能这些领域，在云计算里，粒计算同样受欢迎。云计算是一种计算资源，集合了海量的数据处理，与大数据、人工智能都有着紧密联系，而粒计算正是处理海量数据，尤其是不确定性数据的好手。云计算可以根据用户需求通过网络对松散耦合的粗细粒度应用组件进行分布式部署、组合和使用，形成多粒度或者可变粒度的服务。云计算的技术底层架构中，分布式操作系统也支撑软件的多粒度和可变粒度。由于云计算本身的通用性特点，在“云”的支撑下可以构造出千变万化的应用，同一个“云”可以同时支撑不同的应用运行，这都需要对海量的不确定数据进行计算处理，这时就需要粒计算。云计算提供的服务也是个性化的，是多粒度和可变粒度的，提供的是细粒度服务。在云计算中，为了保证计算和存储等操作的完整性，在实现上要考虑很多大规模分布式计算机集群进行海量数据处理时容错处理问题，在出现部分失效的情况下计算任务仍然能够正确执行，这时粒计算就会发挥作用。粒计算本身就可以处理大量具有不确定性的数据，当海量数据中掺杂着无用甚至是错误的数据，在粒计算的处理下，依然能够得到最佳的正确结果，粒计算本身就具有容错性。粒计算还可以将计算任务更加优化地分解和并行执行，对于每个未完成子任务，粒计算都会启动一个备份子任务同时执行，无论初始任务还是备份子任务处理完成，该子任务都会立即被标记为完成状态，通过备份任务机制可以有效避免因个别节点处理速度过慢而延误整个任务的处理速度，粒计算可以在云计算中大展手脚。

云计算是一种新型的超级计算方式，以数据为中心，是一种数据密集型的超级计算，对海量数据处理操作非常频繁的，需要新的算法适应，这时粒计算应运而生，将会更好地完成海量数据处理任务。粒计算是云计算的最佳拍档，随着云计算要处理的数据量越来越庞大，大量无用甚至错误的数据影响到了云计算的处理效率和结果，引入粒计算后，可以有效提升云计算的计算效率，充分地发挥出云计算的优势。