[ 導讀 ] 使用云計算就是把信息處理任務交付給數據中心去處理。下一代數據中心大多采用虛擬化技術，把一臺物理硬件服務器分割成多臺邏輯虛擬機，可同時執行多個信息處理任務，使昂貴稀缺的計算資源利用率大為提高。

　　使用云計算就是把信息處理任務交付給數據中心去處理。下一代數據中心大多采用虛擬化技術，把一臺物理硬件服務器分割成多臺邏輯虛擬機，可同時執行多個信息處理任務，使昂貴稀缺的計算資源利用率大為提高。我這年齡段的人都諳熟故主席哲學偉人關于萬事都可以一分為二的最高教誨(1957年毛澤東在《黨內團結的辯證方法》中明確指出：“一分為二，這是個普遍的現象，這就是辯證法”，《毛澤東選集》第5卷第498頁)。所以下一代數據中心里服務器虛擬化做法也就是對服務器一分為二(其實是一分為N)。偉人斷言一分為二的普遍性，套用到今天服務器虛擬化情形就是：將一臺物理服務器分割成多臺虛擬機對于我們通常大多數情況遇到的信息處理任務而言，這是一個具有普遍意義放之四海而皆準的做法，在大多情況下無需特別考慮所要處理任務的性質與規模。的確，在過去的一二十年中，我們一般日常業務的信息處理任務在數量與規模上的增長與GDP的增長，這兩者之間應該有一個近似正比例的對應關系。年均增長率10%算是相當高了。然而眾所周知同期內IT設備處理信息能力的增長率則遠遠超過GDP的增速。這就是為何對一個物理服務器做虛擬化分割，一分為二的做法具有一般性和通用性。一般日常業務的信息處理任務，哪怕是比較大規模的，以多租客方式共享使用一臺物理服務器，應該沒有什么問題。

　　然而近年來有些種類數據的增長率遠遠超過GDP的增長率。根據IDC幾年前發表的預測，從2006年到今年底，全球的數據量將增長6倍。到2010年底，大約70%的數據是由個人產生的，而且這些數據中至少85%的部分將由各種組織來負責管理，主要是為數據在安全、隱私、可靠及法規遵從這幾個方面進行管理(While nearly 70% of the digital universe will be generated by individuals by 2010, organizations will be responsible for the security, privacy, reliability and compliance of at least 85% of the information)。IDC繼續強調：非結構化數據占有這些數據的95%以上(Over 95% of the digital universe is unstructured data)。這些非結構化數據中最典型的就是從網絡2.0應用中和大規模移動通信應用中所產生的。所以存儲、處理、分析這種2.0數據所需的IT設備能力也必須具有相應的高速增長率。用網絡搜索引擎在網上搜索內容就是一個對2.0數據作大規模處理的典型應用。對這種數據處理任務，僅使用一臺服務器來處理已經會力不從心，更不要說把一臺服務器分割成多個虛擬機來處理多個這樣[FS:PAGE]的任務。所以對這一類數據處理問題，一分為二方法不再適用，合二為一才是要領，即：如何將多臺服務器聯合起來處理解決一個問題。近年來十分熱門的map-reduce算法就是把多臺服務器連接起來，讓它們并行合作解決一個大規模數據處理任務。所以map-reduce可以看作是將數據中心里的服務器“合二(多)為一”。作為一個合二為一的問題，map-reduce算法通常不是跑在一個虛擬化的計算或存儲平臺上。事實上map-reduce“把計算搬到數據附近”(moving computation to the data)的理念隱含了一個緊耦合計算存儲架構：一個數據處理問題的map計算步驟并行發送到許多map workers節點平臺上，每一個節點都采用CPU與本地磁盤一一對應的緊耦合存儲架構，將處理的中間結果寫在本地磁盤上。

　　我們知道數據中心的服務器如果不采用虛擬化技術，則計算資源的利用率非常低。Map-reduce由于不跑在虛擬化平臺上，因而在計算與存儲資源的利用上和節電綠色環保方面效率很低。比如想要對非虛擬化的worker節點群實現動態附載均衡是一個很難實現的任務。我們注意到網絡搜索引擎具有很可觀的碳足跡。有人做過統計：兩次Google搜索在數據中心服務器上所耗的電能可以燒開一壺水。如何對數據中心里的合二為一問題實現比較綠色的解決方案，比如在虛擬平臺上跑具有動態附載均衡性能的map-reduce，是一個很有意義的研究課題。

【聲明】物流產品網轉載本文目的在于傳遞信息，并不代表贊同其觀點或對真實性負責，物流產品網倡導尊重與保護知識產權。如發現文章存在版權問題，煩請聯系小編電話：010-82387008，我們將及時進行處理。