云计算与粒计算的联系

姓名:郑红                   学号:17101223385

本文转自http://www.cnw.com.cn/index/index/detail/id/29864.html

【嵌牛导读】: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。

【嵌牛鼻子】:云计算粒计算

【嵌牛提问】:粒计算与云计算有什么区别?

【嵌牛正文】: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。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,163评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,301评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,089评论 0 352
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,093评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,110评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,079评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,005评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,840评论 0 273
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,278评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,497评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,667评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,394评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,980评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,628评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,796评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,649评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,548评论 2 352

推荐阅读更多精彩内容