我所体会到的Google云计算

在我看来大部分厂商的云计算理念都差不多。

云计算的实施可划分为三个层次，在底层的是构成一个网络架构的基础硬件，包括CPU、内存；基于最底层硬件之上的是一个软体层，包括支持并行计算的操作系统、中间件；位于最上层的由很多具体应用构成，诸如Gmail、Google Docs、Google Picasa Web等等，未来还会包括网络电视、视频点播更多的应用服务。

在硬体方面的研究至少应包括三个方面：第一个是需要大量非常廉价的服务器、CPU组成集群，在此单个的服务器或CPU的性能或许并不出众，但构建起来的整个网络，在可靠性、稳定性和计算能力上，均能达到大型计算机的标准；第二个需要注意的是，在搭建云计算数据中心过程中，所要求的硬件性能及其组织架构一定要具有良好的散热能力。对于个人用户来说，散热似乎不是需要单独考虑的问题，但对于集群服务器来说，追求良好的散热能力是服务商必须面对的现实问题。第三个方面是，要求每台服务器、每个CPU的耗电量非常低，否则在机器量达到数十万级时，每个月的耗电量都将成为一笔不可忽视的庞大开支。

Google的三大核心技术构成了实现云计算服务的基础：GFS(Google文件系统)、MapReduce(分布式计算系统) 、BigTable(分布式存储系统)。GFS位于这三项技术的最底层，负责许多服务器、机器数据的存储工作。它将一个大体积数据(通常在百兆甚至千兆级别)分隔成固定大小的数据块放到两到三个服务器上。这样做的目的是当一个服务器发生故障时，可以将数据迅速从另外一个服务器上恢复过来。在一定程度上，在存储层面，机器故障的处理由Google文件系统来完成。

第二个部分就是MapReduce，它是Google开发的C++编程工具，用于大于1TB数据的大规模数据集并行运算。这项技术的意义在于，实现跨越大量数据节点将任务进行分割，使得某项任务可被同时分拆在多台机器上执行。例如把一项搜索任务拆分成一两百个小的子任务，经并行处理后，将运算结果在后台合并，最后把最终结果返回到客户端。

第三个部分BigTable，作为 Google一种对于半结构化数据进行分布存储与访问的接口或服务，它是建立在GFS和MapReduce之上的结构化分布式存储系统，可以帮助Google最大限度利用已有的数据存储能力和计算能力，在提供服务时降低运行成本。

如果没有以上软体的支持，云计算战略的最终实现就只能是一个虚幻的梦。Google一直坚信所有的硬件都有可能在某个时间出错，不可靠的硬件数量最好是可靠机型的两倍，最重要的，需要将可靠性放在软件层面。过于关注单个线程的性能意义并不大，对于Google来说，更重要的是对于并行处理技术的完善。为了应对海量级的数据访问和查询，他们需要让每台廉价的服务器的性能发挥到极致，将核心的技术优势牢牢掌握在自己手中才是最安全的。