クラウドコンピューティングと粒度コンピューティングの関係

クラウド コンピューティングが何であるかは、詳しく説明しなくても誰もが知っています。ほとんどの人がある程度は聞いたことがあるでしょう。クラウド コンピューティングは、1980 年代のメインフレーム コンピュータから C/S への移行に続く、IT 業界におけるもう 1 つの大きな変化です。インターネットを介して多数のコンピューターにコンピューティング タスクを分散し、共有コンピューティング リソース プールを構成し、共有ソフトウェア リソースと情報をオンデマンドでユーザーに提供します。クラウド コンピューティングは、2007 年頃に IT 業界によって真に新興技術として認識されました。10 年間の普及と発展を経て、クラウド コンピューティングはすでに数千万のデータ センターに導入され、IT の世界で注目の技術カテゴリとなり、今後も急速に発展し続けるでしょう。クラウド コンピューティングは優れていますが、多くの欠陥や使用上の制限もあり、そのためフォグ コンピューティングやヘイズ コンピューティングなどのテクノロジが登場しました。これらのテクノロジーはクラウド コンピューティングの優れた補足であり、多様な市場アプリケーションのニーズを満たすことができます。この記事では、クラウド コンピューティングと密接に関連する新しいテクノロジである粒度コンピューティングについても紹介します。

[[209164]]

実際、粒度コンピューティングの概念はクラウド コンピューティングの概念よりも早く登場しました。 1997 年、米国のある大学の *** 教授が論文の中で粒度コンピューティングを提唱し、複数の分野にまたがる応用研究分野の出現を示しました。それ以来、多くの海外の学者がこれを研究し、粒度コンピューティングに関連する多くの理論、方法、モデルを提案してきました。現在では、あいまいで不正確、不完全、かつ大量の情報処理を研究するための重要なツールとなっています。粒度コンピューティングは、粒度の理論、方法論、技術、ツールに関するすべての研究を網羅する広義の用語です。粒度コンピューティングは、ファジー情報粒度化、ラフ集合論、区間コンピューティングのスーパーセットであり、粒度数学のサブセットであると考えられています。粒度コンピューティングとは、問題解決、情報の粒度構築、および区別できない関係や類似性などの特徴に基づいてオブジェクトのクラスを一連の粒子に分割する際に粒子を使用することです。粒度の高いコンピューティング モデルは 2 つのカテゴリに分けられます。1 つのカテゴリは、ファジー処理に基づくコンピューティング モデルや、コンピューティング オブジェクトの不確実性の処理に重点を置いたラフ セットに基づくモデルなど、不確実性の処理を主な目標としています。ファジー概念は粒度コンピューティングの主要な構成要素です。もう 1 つのタイプは、商空間理論などの多粒度コンピューティングを目的としています。複雑な問題に対処する複雑さを軽減するために、異なる粒度で階層的に処理します。情報粒子は現実世界に広く存在し、現実を抽象化したものです。

粒度コンピューティングは早くから誕生しましたが、クラウド コンピューティングほど急速には発展しませんでした。人工知能とビッグデータ技術の普及により、最近になって人気が出てきました。これら 2 つの側面における粒度コンピューティングは非常に重要です。人工知能とビッグデータが誕生したのは、人間の思考と生物界のいくつかの法則からインスピレーションを得て、対応するコンピューティングモデルを作成し、それを情報科学に適用しようとしたからです。粒度コンピューティングは、人間の思考の法則をより高いレベルでシミュレートします。人工知能が「粒度計算」を習得すると、顕微鏡のように膨大な量の情報を分析できるようになり、科学界と人類社会の両方に大きな影響を与えることになるだろう。ビッグ データが粒度コンピューティングに遭遇すると、ビッグ データによって表されるドメイン情報に対して粒度分析を実行して、可能な粒度レベルの数、各レベルの情報粒度のセマンティクス、およびドメイン知識に基づいてアサートできる情報粒度間の相関関係を決定できます。これらの詳細な分析結果とその品質は、その後のビッグデータ処理の精度と効率に直接影響を与える可能性があります。現在、ビッグデータオープンソースプラットフォームの活発な開発により、さまざまなアプリケーションシナリオに適したシステムが次々と登場しています。特定のデータに対して適切なマルチ粒度モデリングを選択し、特定の粒度コンピューティング モデルをサポートすることで、大量のデータをより適切に分析できます。したがって、人工知能やビッグデータがどれだけ普及しても、実現するには粒子計算などの新しい技術に頼る必要があり、そうでなければ、それらは単なる空想に過ぎず、実用的な意味を持たないことになります。大量のデータは不確実かつ曖昧であるため、粒度の高いコンピューティングの開発に広い余地が生まれます。

粒度コンピューティングは、ビッグデータや人工知能の分野だけでなく、クラウドコンピューティングでも人気があります。クラウド コンピューティングは、大量のデータ処理を統合するコンピューティング リソースであり、ビッグ データや人工知能と密接に関連しています。粒度コンピューティングは、大量のデータ、特に不確実なデータの処理の専門家です。クラウド コンピューティングは、ユーザーのニーズに応じて、ネットワークを介して疎結合された粗粒度および細粒度のアプリケーション コンポーネントを配布、結合、使用し、多粒度または可変粒度のサービスを形成できます。クラウド コンピューティングの技術的な基盤アーキテクチャでは、分散オペレーティング システムがソフトウェアのマルチ粒度と可変粒度もサポートします。クラウド コンピューティングの普遍的な性質により、「クラウド」のサポートにより無数のアプリケーションを構築できます。同じ「クラウド」で、異なるアプリケーションの同時動作をサポートできます。これには、膨大な量の不確実なデータの計算と処理が必要であり、きめ細かいコンピューティングが必要です。クラウド コンピューティングによって提供されるサービスも、パーソナライズされ、多粒度かつ可変粒度であり、きめ細かいサービスを提供します。クラウド コンピューティングでは、コンピューティングやストレージなどの操作の整合性を確保するために、多数の大規模分散コンピュータ クラスターが大量のデータを処理する場合のフォールト トレラント処理の問題を実装で考慮する必要があります。部分的な障害が発生した場合でも、コンピューティング タスクは正常に実行できます。ここで粒度の高いコンピューティングが役立ちます。粒度コンピューティング自体は、大量の不確実なデータを処理できます。膨大なデータに役に立たないデータや誤ったデータが混在している場合でも、粒度の高いコンピューティングによって最も正確な結果を得ることができます。粒度コンピューティング自体はフォールト トレラントです。粒度コンピューティングでは、コンピューティング タスクをより最適に分解し、並列実行することもできます。未完了のサブタスクごとに、粒度コンピューティングによってバックアップ サブタスクが開始され、同時に実行されます。最初のタスクまたはバックアップ サブタスクが完了したかどうかに関係なく、サブタスクはすぐに完了としてマークされます。バックアップ タスク メカニズムにより、個々のノードの処理速度が遅いためにタスク全体の処理速度が遅くなることを効果的に回避できます。クラウド コンピューティングでは粒度の高いコンピューティングを使用できます。

クラウド コンピューティングは、データ中心でデータ集約型の新しいタイプのスーパーコンピューティングです。膨大な量のデータを非常に頻繁に処理するため、適応するには新しいアルゴリズムが必要です。このとき、粒度の高いコンピューティングが誕生し、大量のデータ処理タスクをより適切に実行できるようになります。粒度の高いコンピューティングはクラウド コンピューティングの最適なパートナーです。クラウド コンピューティングが処理し​​なければならないデータの量がますます大きくなるにつれて、大量の役に立たないデータや誤ったデータが、クラウド コンピューティングの処理効率と結果に影響を与えます。粒度コンピューティングを導入すると、クラウド コンピューティングのコンピューティング効率が効果的に向上し、クラウド コンピューティングの利点を最大限に活用できるようになります。