【专家观点】 痛风

　　平台框架革新降低云计算应用设计门槛 　　 　　云计算是网格计算、分布式计算、并行计算、效用计算、网络存储、虚拟化、负载均衡等计算机技术和网络技术相融合的产物。典型的云计算技术特征可分为虚拟化技术，并行计算／分布式计算、XaaS、Web X.0、数据存储、网络技术等。
　　高性能计算是云计算最核心的特征之一，而其实现的基础就是分布式并行计算技术。作为在云计算领域有突出表现的谷歌，就设计并实现了一套大规模数据处理的规范：MapReduce系统。MapReduce通过“Map(映射)”和“Reduce(化简)”这样两个简单的概念来参加运算，用户只需要提供自己的Map函数以及Reduce函数就可以在集群上进行大规模的分布式数据处理。据传闻，谷歌的文本索引方法，即搜索引擎的核心部分，已经通过MapReduce进行了改写，获得了更加清晰的架构。与传统的分布式程序设计相比，MapReduce封装了并行处理、容错处理、本地化计算、负载均衡等细节，还提供了简单而强大的接口。通过这个接口，可以把大尺度的计算自动地并发和分布执行，从而使编程变得非常容易；还可以通过由普通PC构成的巨大集群来达到极高的性能。另外，MapReduce也具有较好的通用性，大量不同的问题都可以简单地通过MapReduce来解决。
　　与之类似，面向Windows平台的微软Dryad同样被设计为可伸缩于各种规模的计算平台：从单台多核计算机、到由几台计算机组成的小型集群，直至拥有数千台计算机的数据中心。Dryad执行引擎负责处理大型分布式、并行应用程序中会出现的各种难题：对计算机和它们的CPU进行调度，从通信或计算机的失败中恢复，以及数据在节点之间的传递等。Dryad使用DryadLINQ来进行编程，解决了传统分布式数据库SQL语句功能受限、类型系统受限问题，与此同时解决了MapReduce模型中的计算模型受限和没有系统级优化问题。通过DryadLINQ，开发人员可以将对象封装、自动并行化、自动序列化和任务图优化。结合Visual Studio 2010得到了比Bigmable+MapReduce更快的联合查询效率，在开发使用上也更易被NET平台下的开发人员接受。
　　云计算时代的到来，对于开发者最大的影响就是，如果还像以前一样只与一台计算机及有限的存储打交道是远远不够的。以前开发的程序或许只要能在单机上运行就可以了，但云时代的工程师应该更多地掌握分布式并行计算的基本原理和开发方法，有能力掌握用于分布式计算的协议或语言，开发出可以运行在几百台，几千台甚至几万台计算机上的应用程序，并用该程序管理分布在不同数据中心的海量存储设备。无论是MapReduce还是Dryad，推出的背景都是基于这种需求。云计算，是服务与技术的最佳融合；云计算时代的竞争，不单单是服务模式的竞争，更是分布式并行计算领域的核心技术竞争。