近年來智慧型手機的普及以及性能的增強使其擁有強大計算能力的潛力 若能藉由分散式系統的概念將其運算能力整合並利用 也許將會是未來一股不可忽視的力量(也更能實現ubi-computing的想法?) 一個成員來自幾所大學及nokia研究中心的國際團隊開發了名為Misco的系統 其利用Google MapReduce的平行計算框架　(期望)實現"行動雲"的概念 但比起一般server　智慧型手機的網路速度、穩定度等都有很大的差別 儘管仍有許多問題尚未解決(文中提及fault tolerant) 不過我認為還挺值得持續觀察的 不才第一次接觸到這種新穎的概念還是覺得挺特別的 也感慨自己對MapReduce的瞭解仍不夠深 不該把它局限在語言模式、multi-core、cluster 其實在雲端的領域中　仍有許多發揮想像力的空間! 消息來自MIT Tech. Review http://www.technologyreview.com/blog/mimssbits/25609/ Misco網站 http://www.cs.ucr.edu/~jdou/misco/ 相關paper http://portal.acm.org/citation.cfm?id=1839294.1839332 如果對MapReduce不熟　可以查查wikipedia 或是看看google這篇paper(比起bigtable、GFS和chubby　它好讀多了) http://labs.google.com/papers/mapreduce.html -- 補充 ReadWrite評論 http://goo.gl/tMnB High Scalability評論　裡面有提到L大所說的power問題 http://goo.gl/AuIX --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 114.24.195.24 ※ 編輯: hilorrk 來自: 114.24.195.24 (08/17 07:58) 將load balance、fault tolerance等系統層面的任務交由framework處理 在智慧手機(其實也包含sensor等embedded sys.)上編寫分散式程式時 更能專注於應用而不被其他因素干擾 此外通常交由framework完整的機制來處理比自己處理效益更高 (其實就是把MapReduce的好處搬到mobile(ubi) sys.上啦) 應用的話paper有提到老人居家看護及醫院(或其他地方)的緊急疏散兩點 可以參考看看 ※ 編輯: hilorrk 來自: 114.24.195.24 (08/17 14:03) mobile device當然不可能用來取代data center的巨量計算密集工作啦 但可利用mobile device即時取得週邊embedded sys.的資訊(如老人看護的例子) 而且wireless remote傳輸所耗的能量/時間也不全能忽略的 或許能在區域計算與遠端集中計算的取捨衡量中找到此技術的甜蜜點 我覺得有點像智慧型手機<->平板電腦<->小筆電<->一般筆電之間的關係啦 (雖然舉這個例子自己想想都覺得頗爛) 不過這一切都還算是空談...畢竟它能發展到什麼程度現在也是未知數~ 以上也為一點個人淺見XDD|| ※ 編輯: hilorrk 來自: 114.24.195.24 (08/17 17:39) 您有沒有看過那篇paper@@? 第一： 文中指的老人看護並非躺在病床上的那種... 我翻譯其中一段給您看： 手機提供多種重要的感應能力，例如：位置、影像、移動(加速度)與聲響。 這些能被用於偵測一些潛在的問題，像是早上躺在床上的時間超時、 夜晚過度的於房屋週遭行走、穿著拖鞋抖動(XD?)、語音通話(?!)等。 ... 不正常的行為如長期在夜晚行動或過度行走、不正常的噪音等 可被mapped到特殊的monitor node作更進一步的處理並於合適地點發出警報。 ... 這種應用能利用我們的系統輕鬆的修改及分散處理； 修改events偵測可以設定適當的map function，警報情況能實作於reduce function。 第二： MapReduce這種framework主要是為了簡化一般寫程式所需要的流程， 在此受益的client端指的即是寫程式的工程師而非end-user。 (當然，高品質及更適合的產品對使用者總是好的) 使用此framework的client端(程式設計師)只需管應用層面的問題化簡為MapReduce， 而不必親自去管理各種系統層面的東西(資源虛擬化)。 第三： 您提到額外開發device更具優勢，這點是產品發展策略的問題。 事實上此framework應該不是只能應用在手機上。 而使用手機也有其好處，像是配合現在手機具有的功能(像是與social network溝通)。 以上是我對這件事的一點看法與回覆，如有錯誤也請L大與各位前輩繼續指正@@ ※ 編輯: hilorrk 來自: 114.24.195.24 (08/17 20:20) Google的MapReduce(此處不論Lisp)的確是用來解決large scale computation的， 因此才會有load balance和Locality的問題。 但是此處的"large scale"也許有議論的空間； 在google的paper當中都是以tera等級在計算的， 但是現今MapReduce也被拿來實作成multi-core及shared-memory的框架(也就是單機版XD)， 相信單一電腦的計算能力難以處理tera等級的問題吧？ 可是也不能完全抹滅MapReduce在其上的功效。(但確實不比在large cluster上來得有用) 此處由mobile device組成的cluster用來處理偵測到的data set 利用MapReduce是否能夠達到更好的效能及更便利的使用？ 當然現在不得而之，因為與一般cluster的諸多相異，整個系統目前還是初生兒的狀態。 不過這也不外乎是一種可能性，至少對我來說也是一種新的啟發。 就現在來看要做到非常智慧型的ubi-computing的確很難， 但未來processor的計算能力越來越強， 未來不論是用什麼device若能配合這種框架，也許能產生令人驚奇的應用。 當然，多數mobile device都有電量問題， 現在無線充電無法做到隨地充電，(不過至少一直有進展，Qi前陣子不就定了部份無線充電規格了嗎?) 電池技術長久以來也沒有突破性的發展。 Misco現階段只是實驗性的產品，並不一定要期待他能帶來多大商業價值。 但我相信持續的觀察，能從其中得到不少東西... 不才只是一個剛踏入此領域的學生，無法與L大在資訊領域的見識相比。 但希望能透過表達自己想法讓大家來評論及糾正，使我對雲端有更深刻的瞭解。 希望L大與其它前輩對我的想法再提出一些意見^^ ※ 編輯: hilorrk 來自: 114.24.195.24 (08/17 23:13) PS. 剛剛突然發現"MapReduce這種framework主要是為了簡化一般寫程式所需要的流程" 這句話可能讓L大誤解了， 其實就像我前面說到的，它簡化的是"在分散式系統中的平行處理"程式寫作流程。 若是這樣補充，不知在MapReduce的理解方面是否還有錯誤的地方? ※ 編輯: hilorrk 來自: 114.24.195.24 (08/17 23:24) ※ 編輯: hilorrk 來自: 114.36.168.54 (08/19 01:06)