近年来智慧型手机的普及以及性能的增强使其拥有强大计算能力的潜力 若能藉由分散式系统的概念将其运算能力整合并利用 也许将会是未来一股不可忽视的力量(也更能实现ubi-computing的想法?) 一个成员来自几所大学及nokia研究中心的国际团队开发了名为Misco的系统 其利用Google MapReduce的平行计算框架　(期望)实现"行动云"的概念 但比起一般server　智慧型手机的网路速度、稳定度等都有很大的差别 尽管仍有许多问题尚未解决(文中提及fault tolerant) 不过我认为还挺值得持续观察的 不才第一次接触到这种新颖的概念还是觉得挺特别的 也感慨自己对MapReduce的了解仍不够深 不该把它局限在语言模式、multi-core、cluster 其实在云端的领域中　仍有许多发挥想像力的空间! 消息来自MIT Tech. Review http://www.technologyreview.com/blog/mimssbits/25609/ Misco网站 http://www.cs.ucr.edu/~jdou/misco/ 相关paper http://portal.acm.org/citation.cfm?id=1839294.1839332 如果对MapReduce不熟　可以查查wikipedia 或是看看google这篇paper(比起bigtable、GFS和chubby　它好读多了) http://labs.google.com/papers/mapreduce.html -- 补充 ReadWrite评论 http://goo.gl/tMnB High Scalability评论　里面有提到L大所说的power问题 http://goo.gl/AuIX --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 114.24.195.24 ※ 编辑: hilorrk 来自: 114.24.195.24 (08/17 07:58) 将load balance、fault tolerance等系统层面的任务交由framework处理 在智慧手机(其实也包含sensor等embedded sys.)上编写分散式程式时 更能专注於应用而不被其他因素干扰 此外通常交由framework完整的机制来处理比自己处理效益更高 (其实就是把MapReduce的好处搬到mobile(ubi) sys.上啦) 应用的话paper有提到老人居家看护及医院(或其他地方)的紧急疏散两点 可以参考看看 ※ 编辑: hilorrk 来自: 114.24.195.24 (08/17 14:03) mobile device当然不可能用来取代data center的巨量计算密集工作啦 但可利用mobile device即时取得周边embedded sys.的资讯(如老人看护的例子) 而且wireless remote传输所耗的能量/时间也不全能忽略的 或许能在区域计算与远端集中计算的取舍衡量中找到此技术的甜蜜点 我觉得有点像智慧型手机<->平板电脑<->小笔电<->一般笔电之间的关系啦 (虽然举这个例子自己想想都觉得颇烂) 不过这一切都还算是空谈...毕竟它能发展到什麽程度现在也是未知数~ 以上也为一点个人浅见XDD|| ※ 编辑: hilorrk 来自: 114.24.195.24 (08/17 17:39) 您有没有看过那篇paper@@? 第一： 文中指的老人看护并非躺在病床上的那种... 我翻译其中一段给您看： 手机提供多种重要的感应能力，例如：位置、影像、移动(加速度)与声响。 这些能被用於侦测一些潜在的问题，像是早上躺在床上的时间超时、 夜晚过度的於房屋周遭行走、穿着拖鞋抖动(XD?)、语音通话(?!)等。 ... 不正常的行为如长期在夜晚行动或过度行走、不正常的噪音等 可被mapped到特殊的monitor node作更进一步的处理并於合适地点发出警报。 ... 这种应用能利用我们的系统轻松的修改及分散处理； 修改events侦测可以设定适当的map function，警报情况能实作於reduce function。 第二： MapReduce这种framework主要是为了简化一般写程式所需要的流程， 在此受益的client端指的即是写程式的工程师而非end-user。 (当然，高品质及更适合的产品对使用者总是好的) 使用此framework的client端(程式设计师)只需管应用层面的问题化简为MapReduce， 而不必亲自去管理各种系统层面的东西(资源虚拟化)。 第三： 您提到额外开发device更具优势，这点是产品发展策略的问题。 事实上此framework应该不是只能应用在手机上。 而使用手机也有其好处，像是配合现在手机具有的功能(像是与social network沟通)。 以上是我对这件事的一点看法与回覆，如有错误也请L大与各位前辈继续指正@@ ※ 编辑: hilorrk 来自: 114.24.195.24 (08/17 20:20) Google的MapReduce(此处不论Lisp)的确是用来解决large scale computation的， 因此才会有load balance和Locality的问题。 但是此处的"large scale"也许有议论的空间； 在google的paper当中都是以tera等级在计算的， 但是现今MapReduce也被拿来实作成multi-core及shared-memory的框架(也就是单机版XD)， 相信单一电脑的计算能力难以处理tera等级的问题吧？ 可是也不能完全抹灭MapReduce在其上的功效。(但确实不比在large cluster上来得有用) 此处由mobile device组成的cluster用来处理侦测到的data set 利用MapReduce是否能够达到更好的效能及更便利的使用？ 当然现在不得而之，因为与一般cluster的诸多相异，整个系统目前还是初生儿的状态。 不过这也不外乎是一种可能性，至少对我来说也是一种新的启发。 就现在来看要做到非常智慧型的ubi-computing的确很难， 但未来processor的计算能力越来越强， 未来不论是用什麽device若能配合这种框架，也许能产生令人惊奇的应用。 当然，多数mobile device都有电量问题， 现在无线充电无法做到随地充电，(不过至少一直有进展，Qi前阵子不就定了部份无线充电规格了吗?) 电池技术长久以来也没有突破性的发展。 Misco现阶段只是实验性的产品，并不一定要期待他能带来多大商业价值。 但我相信持续的观察，能从其中得到不少东西... 不才只是一个刚踏入此领域的学生，无法与L大在资讯领域的见识相比。 但希望能透过表达自己想法让大家来评论及纠正，使我对云端有更深刻的了解。 希望L大与其它前辈对我的想法再提出一些意见^^ ※ 编辑: hilorrk 来自: 114.24.195.24 (08/17 23:13) PS. 刚刚突然发现"MapReduce这种framework主要是为了简化一般写程式所需要的流程" 这句话可能让L大误解了， 其实就像我前面说到的，它简化的是"在分散式系统中的平行处理"程式写作流程。 若是这样补充，不知在MapReduce的理解方面是否还有错误的地方? ※ 编辑: hilorrk 来自: 114.24.195.24 (08/17 23:24) ※ 编辑: hilorrk 来自: 114.36.168.54 (08/19 01:06)