Сегодня я хочу поговорить об этих трех темах: облачные вычисления, большие данные и искусственный интеллект. Почему я говорю об этих трех вещах? Поскольку эти три вещи сейчас очень популярны, они, кажется, связаны друг с другом.Вообще говоря, большие данные также упоминаются, когда говорят об облачных вычислениях, большие данные также упоминаются, когда говорят об искусственном интеллекте, и большие данные также упоминаются, когда речь идет об облачных вычислениях. Говоря об искусственном интеллекте, упомяните облачные вычисления. Поэтому кажется, что они дополняют друг друга и неразделимы.Если это нетехнический человек, может быть трудно понять отношения между этими тремя, поэтому необходимо объяснить.
1. Облачные вычисления изначально были разработаны для реализации гибкости управления ресурсами.
Давайте сначала поговорим об облачных вычислениях.Первоначальная цель облачных вычислений заключается в управлении ресурсами.Управление в основном осуществляется в трех аспектах: вычислительные ресурсы, сетевые ресурсы и ресурсы хранения.
1.1 Управление центром обработки данных похоже на наличие компьютера
Что такое вычислительные, сетевые ресурсы и ресурсы хранения? Допустим, вы хотите купить ноутбук, вас волнует, какой процессор у этого компьютера? Сколько памяти? Эти два мы называем вычислительными ресурсами.
Чтобы этот компьютер мог получить доступ к Интернету, ему нужен сетевой порт для подключения сетевого кабеля или беспроводная сетевая карта для подключения к нашему домашнему маршрутизатору, и ваш дом также должен подключаться к оператору, такому как China Unicom, China Mobile и Telecom, чтобы открыть сеть, например, с пропускной способностью 100 м. Затем мастер принесет сетевой кабель в ваш дом. Мастер может помочь вам настроить маршрутизатор и сетевое соединение их компании, чтобы все компьютеры, мобильные телефоны и планшеты в вашем доме можно получить доступ к Интернету через маршрутизатор. Это сеть.
Вы также можете спросить, насколько большой жесткий диск? Оригинальный жесткий диск очень маленький, 10G и тому подобное, а позже жесткий диск 500G, 1T, 2T не нов. (1T — это 1000G), это хранилище.
Это относится и к компьютеру, и к центру обработки данных. Представьте, что у вас есть очень-очень большая компьютерная комната с множеством серверов, которые также имеют ЦП, память и жесткие диски, и они также подключены к Интернету через такие устройства, как маршрутизаторы. Вопрос в настоящее время заключается в том, как люди, управляющие центром обработки данных, управляют этими устройствами унифицированным образом?
1.2 Гибкость означает иметь все, что вы хотите, и столько, сколько хотите
Цель управления состоит в том, чтобы добиться гибкости в обеих областях. Какие два аспекта? Например, кому-то нужен очень маленький компьютер с одним процессором, памятью 1 Гб, жестким диском 10 Гб и пропускной способностью 1 Мб, можете ли вы его ему дать? Компьютер с такими небольшими характеристиками сейчас лучше любого ноутбука, а любой широкополосный интернет дома требует 100M. Однако, если он переходит на платформу облачных вычислений, когда ему нужен этот ресурс, ему нужно совсем немного.
Таким образом, он может достичь гибкости в двух аспектах.
- Первый аспект заключается в том, что вы можете попросить об этом, когда захотите, например, когда вам это нужно, это выйдет понемногу, это называется временной гибкостью.
- Второй аспект заключается в том, что у вас может быть столько, сколько вы хотите.Например, вам нужен очень маленький компьютер, который может быть удовлетворен.Например, вам нужно очень большое пространство.В качестве примера возьмем облачный диск.Кажется, что место, выделенное облачным диском всем, не меняется Оно очень большое, и есть место для загрузки в любое время, и оно никогда не будет израсходовано Это называется гибкостью пространства.
Гибкость пространства и гибкость времени, то есть эластичность облачных вычислений, о которых мы часто говорим.
Чтобы решить эту проблему эластичности, он прошел длительный период разработки.
1.3 Физические устройства не являются гибкими
Первый этап — это физическая машина или период физического устройства. Этот период эквивалентен тому, что клиенту нужен компьютер, поэтому мы покупаем его и ставим в дата-центр. Конечно, физические устройства становятся все более и более мощными.Например, серверы, память всегда составляет 100 гигабайт памяти.Например, сетевое оборудование, пропускная способность порта может быть десятками гигабайт или даже сотнями гигабайт, как например хранилище, которое находится на уровне не менее PB в центре обработки данных (AP составляет 1000 Ts, а T составляет 1000 Gs).
Однако физические устройства не могут обеспечить очень хорошую гибкость. Во-первых, она не может быть достигнута, когда вы этого хотите.Например, если вы покупаете сервер, даже если вы покупаете компьютер, у вас есть время, чтобы купить его. Внезапно пользователь сказал поставщику облачных услуг, что хочет открыть компьютер. Если бы он использовал физический сервер, его было бы трудно купить в то время. Если отношения между поставщиком и поставщиком средние, покупка может занять месяц. , и если у поставщика хорошие отношения, это займет неделю. После того, как пользователь прождал неделю, компьютер был на месте, и пользователю пришлось войти в систему, чтобы начать медленно развертывать свои собственные приложения, и гибкость времени была очень плохой. Во-вторых, не хватает гибкости пространства.Например, вышеупомянутые пользователи хотят очень маленький компьютер.Как может быть такой маленький компьютер сейчас. Вы не можете купить такую маленькую машину, чтобы удовлетворить пользователей, если один гигабайт памяти — это 80-гигабайтный жесткий диск. Но если вы купите большой, потому что компьютер большой, с пользователя будет взиматься больше денег.Пользователь сказал, что он использует только такой маленький, и было бы очень несправедливо просить пользователя платить больше.
1.4 Виртуализация гораздо более гибкая
Кто-то разобрался. Первый способ — виртуализация. Разве пользователю не нужен только маленький компьютер? Физические устройства в центре обработки данных очень мощные, я могу виртуализировать небольшую часть физического процессора, памяти и жесткого диска, чтобы предоставить клиентам, и в то же время я могу виртуализировать небольшую часть для других клиентов.Каждый клиент можно увидеть только небольшую часть своего собственного виртуального, на самом деле каждый клиент использует небольшую часть всего большого оборудования. Технология виртуализации может сделать компьютеры разных клиентов изолированными.Я смотрю на это так, как будто этот диск мой, а ты видишь, что этот диск твой.На самом деле мой 10G и твой 10G могут быть разными.Приземлился на один и тот же большой большой магазин.
И если физические устройства подготовлены заранее, программное обеспечение для виртуализации может очень быстро виртуализировать компьютер, и это можно решить за несколько минут. Так что если вы хотите создать компьютер на любом облаке, он выйдет за несколько минут Это правда.
Эта пространственная гибкость и временная гибкость в основном решены.
1.5 Зарабатывание денег и чувств в виртуальном мире
На этапе виртуализации лучшей компанией является Vmware, которая является одной из первых компаний, внедривших технологию виртуализации. Она может реализовать виртуализацию вычислений, сети и хранилища. Эта компания очень хороша, и ее производительность также очень высока. Программное обеспечение Продавалась очень хорошо и приносила много денег, позже ее купила EMC (топ-500 в мире, первый бренд производителей СХД).
Но в этом мире еще много сентиментальных людей, особенно среди программистов.Что любят делать сентиментальные люди? Открытый источник. Многие программы в этом мире имеют как закрытый, так и открытый исходный код, а исходный код — это исходный код. То есть некий софт сделан хорошо и им все любят пользоваться.Что касается кода этого софта,то только моя компания знает,когда я его закрываю,а другие нет.Если другие хотят пользоваться этим софтом,то они должны заплатить мне Это называется закрытый исходный код. Но всегда есть на свете большие коровы, которые не привыкли к деньгам и позволяют семье зарабатывать деньги. Большие коровы думают, что вы можете знать эту технологию, и я могу это сделать. Если вы можете ее разработать, то и я смогу. Когда я разрабатываю ее, я не беру денег. Я делюсь кодом со всеми. мир может использовать его, и каждый может использовать его Наслаждайтесь преимуществами, это называется открытым исходным кодом.
Например, в последнее время Тим Бернерс-Ли — очень сентиментальный человек, в 2017 году он получил премию Тьюринга 2016 года за «изобретение Всемирной паутины, первого браузера и основных протоколов и алгоритмов, благодаря которым Всемирная паутина расширилась». приз. Премия Тьюринга — это Нобелевская премия в области вычислительной техники. Однако самое замечательное в нем то, что он предоставил миру технологию Всемирной паутины, которая является нашим общим www, для бесплатного использования. Мы должны благодарить его за все, что мы сейчас делаем в Интернете.Если он использует эту технологию для сбора денег, он должен быть примерно таким же богатым, как Билл Гейтс.
Например, в мире с закрытым исходным кодом есть Windows, и каждый должен платить Microsoft за использование Windows, а в мире с открытым исходным кодом появляется Linux. Билл Гейтс заработал много денег на программном обеспечении с закрытым исходным кодом, таком как Windows и Office, и его называли самым богатым человеком в мире.Был Дэниел, который разработал другую операционную систему, Linux. Многие люди, возможно, не слышали о Linux. Многие программы, работающие на фоновых серверах, все на Linux. Например, всем нравится Double Eleven и поддерживается система покупок double 11, будь то Taobao, JD.com или Koala. .
Если есть яблоко, есть и андроид. Рыночная стоимость Apple очень высока, но мы не можем увидеть код системы Apple. Итак, есть большая корова, написавшая операционную систему для мобильных телефонов Android. Таким образом, вы можете видеть, что почти все другие производители мобильных телефонов имеют установленную систему Android, потому что система Apple не является системой с открытым исходным кодом, и систему Android может использовать каждый.
То же самое можно сказать и о программном обеспечении для виртуализации, которое для Vmware стоит очень и очень дорого. Затем есть Даниэль, который написал два программного обеспечения для виртуализации с открытым исходным кодом, одно называется Xen, а другое называется KVM.Если вы не занимаетесь технологиями, вы можете игнорировать эти два имени, но они будут упомянуты позже.
1.6 Полуавтоматическая виртуализация и полностью автоматические облачные вычисления
Программное обеспечение виртуализации, похоже, решает проблему гибкости, но не совсем. Поскольку программное обеспечение для виртуализации обычно создает виртуальный компьютер, необходимо вручную указать, на какой физической машине размещается виртуальный компьютер, а также может потребоваться более сложная ручная настройка.Поэтому, чтобы использовать программное обеспечение для виртуализации Vmware, вам необходимо очень хорошо Зарплаты тех, кто может получить этот сертификат, довольно высоки, и сложность тоже видна. Поэтому масштаб кластера физических машин, которыми можно управлять только с помощью ПО для виртуализации, не особенно велик, обычно исчисляется дюжиной, десятками или, самое большее, сотней. Это повлияет на гибкость времени.Хотя время для виртуализации компьютера очень короткое, по мере расширения масштаба кластера процесс ручной настройки становится все более сложным и трудоемким. С другой стороны, это также влияет на гибкость пространства: при большом количестве пользователей масштаб кластера далеко не такой большой, как хотелось бы, и велика вероятность, что этот ресурс скоро будет израсходован, и вы должны купить его. Поэтому по мере того, как масштаб кластера становится все больше и больше, он в основном начинается с 1000 единиц, а иногда и десятков тысяч, а то и десятков миллионов единиц.Если вы проверяете BAT, включая NetEase, включая Google, Amazon, количество серверы большие страшно. Для такого количества машин практически невозможно полагаться на то, что люди выберут место для размещения этого виртуализированного компьютера и настроят его соответствующим образом, и для этого по-прежнему нужны машины.
Для этого люди придумали различные алгоритмы, и название алгоритма называется «Планировщик». С точки зрения непрофессионала, есть центр планирования, тысячи машин находятся в пуле, независимо от того, сколько ЦП, памяти, виртуальных компьютеров на жестком диске нужно пользователю, центр планирования автоматически найдет место в большом пуле, которое может удовлетворить потребности. потребности пользователя., запустите виртуальный компьютер и настройте его, и пользователь сможет использовать его напрямую. На данном этапе мы называем это пулированием или облачностью, на этом этапе это можно назвать облачными вычислениями, до этого это можно было назвать только виртуализацией.
1.7 Частные и общедоступные облачные вычисления
Облачные вычисления условно делятся на два типа: одно — частное облако, другое — общедоступное облако, и некоторые люди связывают частное облако и общедоступное облако как гибридное облако, мы пока не будем об этом говорить. Частное облако предназначено для развертывания программного обеспечения виртуализации и облачности в чужих центрах обработки данных.Пользователи, которые используют частное облако, часто очень богаты.Они покупают землю, чтобы построить компьютерные комнаты, покупают серверы, а затем позволяют поставщикам облачных услуг размещать их здесь.В дополнение к виртуализации, VMware также выпустила продукты для облачных вычислений и заработала много денег на рынке частных облаков. Так называемое общедоступное облако — это программное обеспечение для виртуализации и облачной обработки данных, развернутое в собственном центре обработки данных производителя облака. Пользователям не нужны большие инвестиции. Просто зарегистрируйте учетную запись и щелкните веб-страницу, чтобы создать виртуальный компьютер. Например, AWS также То есть общедоступное облако Amazon, такое как Alibaba Cloud, Tencent Cloud, NetEase Cloud и т. д. в Китае.
Почему Amazon делает общедоступное облако? Мы знаем, что Amazon изначально была относительно крупной компанией электронной коммерции в зарубежных странах.Когда это компания электронной коммерции, она обязательно столкнется со сценой, похожей на Double 11. В определенный момент все бросятся покупать вещи. Когда все спешат покупать вещи, гибкость времени и пространства облака особенно необходимы. Поскольку он не может постоянно иметь все ресурсы наготове, это слишком расточительно. Но вы не можете быть не готовы ни к чему: видя, что так много пользователей хотят покупать вещи на Double Eleven, они не могут на это попасть. Поэтому, когда нужен Double Eleven, создается большое количество виртуальных машин для поддержки приложений электронной коммерции, а после Double Eleven эти ресурсы высвобождаются для других целей. Так что Amazon нужна облачная платформа.
Однако коммерческое программное обеспечение для виртуализации слишком дорого, и Amazon не может отдать все деньги, которые зарабатывает на электронной коммерции, поставщикам виртуализации. Поэтому Amazon разработал собственное облачное программное обеспечение на основе технологии виртуализации с открытым исходным кодом, такой как Xen или KVM, как упоминалось выше. Неожиданно электронная коммерция Amazon становилась все более популярной, а ее облачная платформа становилась все более популярной. А поскольку его облачная платформа должна поддерживать свои собственные приложения для электронной коммерции, а поставщики традиционных облачных вычислений в основном принадлежат ИТ-поставщикам и почти не имеют собственных приложений, облачная платформа Amazon более дружелюбна к приложениям и быстро превратилась в первую Платформа облачных вычислений Бренд, который приносит много денег. До того, как Amazon объявила о своем финансовом отчете о платформе облачных вычислений, люди предполагали, что электронная коммерция Amazon приносит деньги, и облако тоже приносит деньги? Позже, как только финансовый отчет был опубликован, выяснилось, что зарабатывать деньги было необычно: только в прошлом году годовая выручка Amazon AWS достигла 12,2 млрд долларов США, а операционная прибыль — 3,1 млрд долларов США.
1.8 Доходы и впечатления от облачных вычислений
Amazon, общедоступное облако № 1, хорошо проводил время, а Rackspace, № 2, жил посредственно. Ни в коем случае, это жестокость интернет-индустрии, по большей части модель «победитель получает все». Так что, если второе место не в индустрии облачных вычислений, многие люди, возможно, не слышали о ней. Второе место подумало, а что, если я не справлюсь с боссом? Откройте исходный код. Как упоминалось выше, хотя Amazon использует технологию виртуализации с открытым исходным кодом, облачный код является закрытым.Многие компании, которые хотят создать облачную платформу, могут только наблюдать, как Amazon зарабатывает большие деньги. Как только Rackspace обнародует исходный код, вся индустрия сможет делать эту платформу все лучше и лучше.Братья, мы все можем собраться вместе и сразиться с боссом.
Таким образом, Rackspace и NASA стали соучредителями программного обеспечения с открытым исходным кодом OpenStack.Схема архитектуры OpenStack показана на рисунке.Если вы не работаете в индустрии облачных вычислений, вам не нужно понимать эту диаграмму, но вы можете увидеть три ключевых слова , Вычислительные вычисления, Сетевая сеть, Хранилище. Это также платформа управления облачными вычислениями, сетью и хранилищем.
Конечно, технология второго места тоже очень хороша.С OpenStack, как представлял Rackspace, все крупные компании, которые хотят заниматься облаком, сошли с ума, а все крупные ИТ-компании, какие только можно себе представить, вроде IBM, Hewlett-Packard, Dell. , Хуавей, Леново и т.д, все сумасшедшие. Получается, что все хотят построить облачную платформу, а учитывая, что Amazon и Vmware заработали столько денег, сделать это невозможно, кажется, что сделать ее самостоятельно довольно сложно. Что ж, теперь, с такой облачной платформой с открытым исходным кодом OpenStack, все производители ИТ присоединились к этому сообществу, внесли свой вклад в эту облачную платформу, упаковали их в свои собственные продукты и продали их вместе со своим аппаратным оборудованием. Кто-то создал частные облака, кто-то создал общедоступные облака, а OpenStack стал стандартом де-факто для облачных платформ с открытым исходным кодом.
1.9 IaaS, гибкость на уровне ресурсов
По мере того, как технология OpenStack становится все более и более зрелой, масштабы, которыми можно управлять, также становятся все больше и больше, и несколько кластеров OpenStack могут быть развернуты с несколькими наборами, такими как один набор в Пекине, два набора в Ханчжоу, один набор в Гуанчжоу, а затем единое управление. Таким образом, весь масштаб больше. При таком масштабе, с точки зрения восприятия рядовых пользователей, в принципе можно принимать любое лекарство, когда они хотят и сколько хотят. Возьмем в качестве примера облачный диск.Каждому пользователю на облачном диске выделяется пространство 5T или больше.Если есть 100 миллионов человек, сколько места будет добавлено. На самом деле механизм за этим такой: вы можете использовать только небольшое количество своего пространства, когда выделяете его. Например, оно выделяет вам 5 Т. Такое большое пространство — это только то, что вы видите, а не на самом деле. для вас вы на самом деле использовали только 50 ГБ, тогда вам действительно дается 50 ГБ.При непрерывной загрузке ваших файлов вам будет выделяться все больше и больше места. Когда все загружают и облачная платформа обнаруживает, что она почти заполнена (например, используется 70%), она покупает больше серверов и расширяет ресурсы, стоящие за ней.Это прозрачно для пользователей и не может быть замечено.С точки зрения ощущений, Он реализует эластичность облачных вычислений. По сути, это немного похоже на банк.Это дает вкладчикам ощущение, что они могут снять деньги в любой момент.Пока они не будут запущены одновременно, банк не рухнет.
Вот краткое изложение.На этом этапе облачные вычисления в основном реализуют гибкость во времени и пространстве, а также реализуют гибкость вычислительных, сетевых ресурсов и ресурсов хранения. Вычисления, сеть и хранилище часто называют инфраструктурной инфраструктурой, поэтому эластичность на этом этапе называется эластичностью на уровне ресурсов, а облачная платформа, которая управляет ресурсами, называется инфраструктурным сервисом, что мы часто слышим об IaaS, Infrastructure As. Служба.
2. Облачные вычисления управляют не только ресурсами, но и приложениями.
Достаточно ли с IaaS эластичности на уровне ресурсов? Очевидно нет. Существует также гибкость на уровне приложений. Вот пример: например, для реализации приложения электронной коммерции обычно достаточно десяти машин, а для Double Eleven нужна сотня машин. Вы можете подумать, что с этим легко справиться: с помощью IaaS вы можете создать 90 новых машин. Однако созданные 90 машин пусты, и приложение для электронной коммерции на них не установлено, это может сделать только операционный и обслуживающий персонал вашей компании, и установка все еще занимает много времени. Хотя эластичность достигается на уровне ресурсов, гибкости все же недостаточно без эластичности прикладного уровня.
Есть ли способ решить эту проблему? Поэтому люди добавляют еще один уровень поверх платформы IaaS для управления эластичностью приложения по сравнению с ресурсами.Этот уровень обычно называется PaaS (платформа как услуга). Этот слой часто трудно понять, фактически он условно разделен на две части: одну часть я называю автоматической установкой вашего собственного приложения, а другую часть я называю общими приложениями, которые не нужно устанавливать.
Начнем с первой части, автоматической установки собственного приложения. Например, приложение для электронной коммерции разработано вами. Другие не знают, как его установить, кроме вас самих. Например, приложение для электронной коммерции необходимо настроить с помощью учетной записи Alipay или WeChat при его установке, чтобы другие могли покупайте вещи в своем интернет-магазине.Иногда уплаченные деньги зачисляются на ваш счет, и никто не знает об этом, кроме вас, поэтому платформа процесса установки не может помочь, но может автоматизировать его для вас.Вам нужно сделать некоторые работать для переноса вашей собственной информации о конфигурации. Она может быть интегрирована только в процесс автоматической установки. Например, в приведенном выше примере 90 новых машин, созданных в Double Eleven, пусты.Если можно предоставить инструмент для автоматической установки приложений электронной коммерции на новые 90 машин, можно добиться истинной гибкости на уровне приложений. Например, Кукольный, Это могут сделать Chef, Ansible и Cloud Foundary. Новейшая контейнерная технология, Docker, может сделать это лучше. Те, кто не занимается технологиями, могут игнорировать эти слова.
Во второй части общие приложения устанавливать не нужно. Так называемые приложения общего назначения обычно относятся к некоторым сложным приложениям, которые используются всеми, например к базам данных. Почти все приложения будут использовать базу данных, но программное обеспечение базы данных является стандартным.Хотя установка и обслуживание более сложны, они одинаковы независимо от того, кто их устанавливает. Такие приложения можно превратить в стандартные приложения уровня PaaS и разместить на интерфейсе облачной платформы. Когда пользователю нужна база данных, она появляется в какой-то момент, и пользователь может использовать ее напрямую. Кто-то спрашивал, раз все устанавливают одинаково, то и я могу сделать сам, и мне не нужно тратить деньги на покупку на облачной платформе. Конечно нет, база данных — очень сложная штука, только Oracle может заработать столько денег, полагаясь на базу данных. Покупка Oracle также стоит больших денег. Однако большинство облачных платформ предоставляют базы данных с открытым исходным кодом, такие как Mysql, которые являются открытым исходным кодом, поэтому вам не нужно тратить так много денег, но для обслуживания этой базы данных вам необходимо нанять большую команду. оптимизирован для поддержки Double Ten First, это не то, что можно сделать за год или два. Например, если вы производите велосипеды, конечно, нет необходимости нанимать для этого очень большую команду по работе с базами данных, стоимость слишком высока, вы должны предоставить эту работу облачной платформе. облачная платформа С сотнями людей, занимающихся обслуживанием этой системы, вы можете просто сосредоточиться на своем велосипедном приложении.
Требуется либо автоматическое развертывание, либо отсутствие развертывания.В общем, вам нужно меньше беспокоиться о прикладном уровне.Это важная роль уровня PaaS.
Хотя метод сценария может решить проблему развертывания вашего собственного приложения, различные среды сильно различаются.Сценарий часто работает правильно в одной среде, но не в другой среде.
Контейнер является лучшим решением этой проблемы.
Контейнер есть Контейнер, а Контейнер также означает контейнер, На самом деле идея контейнера состоит в том, чтобы стать контейнером для доставки программного обеспечения. Характеристики тары, одна упаковка, другая стандарт.
Предположим, что в эпоху отсутствия контейнеров товары перевозятся из пункта А в пункт Б, проходя через три терминала и трижды меняя суда посередине. Каждый раз товары выгружаются с корабля, размещаются в разных местах, а затем кладутся на корабль для аккуратной расстановки. Поэтому, когда контейнеров нет, при каждой смене корабля экипажу приходится оставаться на берегу несколько дней перед отплытием.
После получения контейнера все товары упаковываются вместе, а размер контейнера у всех одинаковый, поэтому каждый раз при смене корабля одну коробку можно перемещать целиком, ее можно выполнить за час, а экипажу больше не придется долго выходить на берег.
Это применение двух характеристик контейнера «инкапсуляция» и «стандарт» в жизни.
Так как же контейнер упаковывает приложение? Про контейнеры еще нужно узнать.Во-первых, должна быть закрытая среда, и товары должны быть упакованы так, чтобы товары не мешали друг другу и были изолированы друг от друга, чтобы погрузка-разгрузка была удобной. К счастью, технология LXC в Ubuntu уже давно умеет это делать.
В закрытой среде в основном используются две технологии: одна — изолированная технология, называемая пространством имен, то есть приложения в каждом пространстве имен видят разные IP-адреса, пользовательские пространства, номера программ и т. д. Другой — это технология изоляции, называемая Cgroups, которая означает, что вся машина имеет много ЦП и памяти, а приложение может использовать только их часть.
Так называемое зеркальное отображение заключается в сохранении состояния контейнера в тот момент, когда вы свариваете контейнер, как сказал Сунь Укун: «зафиксировано», внутренняя часть контейнера фиксируется в этот момент, а затем состояние этого момент сохраняется в виде серии файлов. Формат этих файлов стандартный, и любой, кто увидит эти файлы, может восстановить тот момент, который был зафиксирован на тот момент. Процесс восстановления образа во время выполнения (то есть процесс чтения файла образа и восстановления этого момента) — это процесс работы контейнера.
Благодаря контейнерам автоматическое развертывание собственных приложений пользователей на уровне PaaS становится быстрым и элегантным.
3. Большие данные охватывают облачные вычисления
Комплексное общее приложение на уровне PaaS — это платформа больших данных. Как большие данные шаг за шагом интегрируются в облачные вычисления?
3.1 Данные невелики, но содержат мудрость
В начале эти большие данные невелики, сколько данных вы себе представляете? Сейчас все читают электронные книги и читают новости в Интернете. Когда мы родились в 1980-х годах, объем информации был не таким большим, поэтому мы просто читали книги и газеты. Сколько слов в еженедельных газетах? Если вы не в одном В большом городе в обычной школьной библиотеке всего не так много книжных полок, но с приходом информатизации информации будет все больше и больше.
Во-первых, давайте посмотрим на данные в больших данных, которые делятся на три типа: один называется структурированными данными, один называется неструктурированными данными, а другой называется полуструктурированными данными. Что такое структурированные данные? Вызываются данные с фиксированным форматом и ограниченной длиной. Например, заполненная форма представляет собой структурированные данные, национальность: Китайская Народная Республика, национальность: хань, пол: мужской, это называется структурированными данными. Сейчас все больше и больше данных представляют собой неструктурированные данные, то есть данные переменной длины и без фиксированного формата, такие как веб-страницы, иногда очень длинные, иногда исчезают несколько предложений, например, голос и видео — все это неструктурированные данные. Полуструктурированные данные в формате xml или html.Тем, кто не занимается технологиями, это может быть не понятно, но это неважно.
Как данные могут быть полезны людям? На самом деле сами по себе данные бесполезны, их нужно обрабатывать. Например, если вы бегаете с браслетом каждый день, вы также собираете данные. Так много веб-страниц в Интернете также являются данными. Мы называем это данными. Сами по себе данные бесполезны, но данные содержат очень важную вещь, называемую информацией Информация .Данные очень грязные.Прочесывание и очистку можно назвать информацией. Информация будет содержать много законов, нам нужно обобщить законы из информации, которая называется знанием, знание меняет судьбу. Информации много, но некоторые люди видят информацию, которая равнозначна ничему, но некоторые люди видят будущее электронной коммерции из информации, а некоторые люди видят будущее прямых трансляций, так что люди потрясающие. из информации знания не извлекаешь, я смотрю Моменты каждый день, и могу быть только зрителем в бурлящем потоке интернета. Со знанием, а затем используя это знание, чтобы применить его в реальном бою, некоторые люди преуспевают Это называется интеллектом. Знание не обязательно означает мудрость.Например, многие ученые очень хорошо осведомлены, и они могут анализировать то, что произошло со всех сторон. Причина, по которой многие предприниматели являются великими, заключается в том, что, применяя полученные знания на практике, они, наконец, делают отличный бизнес.
Таким образом, применение данных делится на четыре этапа: данные, информация, знания и мудрость. Это то, чего хотят многие продавцы. Видите ли, я собрал так много данных. Можете ли вы помочь мне принять следующее решение на основе этих данных и улучшить мои продукты? Например, когда пользователи смотрят видео, всплывает реклама. он хочет купить, а когда дает пользователю послушать музыку, рекомендует какую-то другую музыку, которую он действительно хочет послушать. Пользователь щелкает мышкой по моему приложению или сайту, а вводимый текст для меня — это данные, я просто хочу извлечь некоторые из них, направить практику и сформировать мудрость, чтобы пользователь не мог выйти из моего приложения. Я не хочу уходить, когда я в Интернете. Я продолжаю нажимать и покупать. Многие люди говорят, что я хочу отключиться от Интернета на Double Eleven. Моя жена продолжает покупать и покупать на нем. После покупки A я рекомендую Б. Жена сказала: "О, Б тоже мой любимый, муж мой, хочу его купить". Вы говорите, почему эта программа такая хорошая, такая мудрая и знает мою жену лучше меня, как она это сделала?
3.2 Как данные превращаются в мудрость
Обработка данных разделена на несколько шагов, и только когда она будет завершена, в конце будет мудрость.
Первый шаг называется сбором данных. В первую очередь должны быть данные.Есть два способа сбора данных.Первый способ-взять.Профессионально говоря,это называется краулинг или краулинг.Например,так делают поисковые системы.Он скачивает всю информацию на Интернет к нему.дата центр, а дальше можно поискать. Например, когда вы идете в поиск, результатом будет список.Почему этот список в поисковой компании?Это потому, что он снял все данные, но когда вы переходите по ссылке, веб-сайта нет в списке. поисковая система.Они компания. Например, есть новость в Sina, вы используете Baidu для ее поиска, когда вы не нажимаете, страница находится в центре обработки данных Baidu, а страница, которая появляется после одного клика, находится в центре обработки данных Sina. Другой способ — нажать.Существует много терминалов, которые могут помочь мне собирать данные.Например, Xiaomi Mi Band может загружать ваши ежедневные данные о беге, данные о сердцебиении и данные о сне в центр обработки данных.
Второй шаг — передача данных. Обычно это выполняется в очереди, потому что объем данных слишком велик, и данные должны быть обработаны, чтобы быть полезными, но система не может их обработать, поэтому ей приходится стоять в очереди и обрабатывать их медленно.
Третий шаг — хранение данных. Теперь данные — это деньги, и освоение данных эквивалентно освоению денег. Иначе как сайт узнает, что вы хотите купить? Это потому, что в нем есть данные о ваших исторических транзакциях.Эта информация не может быть передана другим и очень ценна, поэтому ее необходимо хранить.
Четвертый этап – обработка и анализ данных. Данные, хранящиеся выше, являются необработанными. Большинство необработанных данных неорганизованы и содержат много ненужных данных, поэтому их необходимо очистить и отфильтровать, чтобы получить качественные данные. Для высококачественных данных может быть выполнен анализ для классификации данных или для обнаружения взаимосвязей между данными и получения знаний. Например, слухи о пиве и подгузниках в супермаркете Walmart основаны на анализе данных о покупках людей и обнаружили, что, когда мужчины обычно покупают подгузники, они будут покупать пиво в то же время, таким образом обнаруживая связь между пивом и подгузниками. получение Знаний, а затем их применение на практике, приближение к прилавкам с пивом и подгузниками, чтобы обрести мудрость.
Пятый шаг — получение и анализ данных. Поиск поиск, так называемая нерешительность иностранных дел спросите Google, нерешительность внутренних дел спросите Baidu. Две основные поисковые системы, внутренняя и внешняя, предназначены для помещения проанализированных данных в поисковую систему, чтобы, когда люди хотят найти информацию, они могли ее искать. Другой — майнинг, просто поиск уже не может удовлетворить потребности людей, необходимо также выкопать взаимную связь из информации. Например, финансовый поиск, при поиске акций компании, должен ли майнить также и топ-менеджеры компании? Если бы вы просто искали акции компании и обнаружили, что они очень хорошо выросли, то вы пошли бы покупать их.На самом деле, ее руководители выступили с заявлением, которое было очень неблагоприятным для акций, и на следующий день они упали бы. это вредит большинству инвесторов? Поэтому очень важно анализировать отношения в данных с помощью различных алгоритмов для формирования базы знаний.
3.3 В эпоху больших данных все собирают дрова и пламя высоко
Когда объем данных невелик, немногие машины могут его решить. Медленно, когда объем данных становится все больше и больше, и лучший сервер не может решить проблему, что мне делать? Чтобы собрать мощность нескольких машин, все будут работать вместе, чтобы сделать это дело, и все будут собирать дрова, и пламя будет высоким.
Для сбора данных для IoT тысячи устройств обнаружения развертываются снаружи для сбора большого количества данных, таких как температура, модерация, мониторинг, мощность и т. Д. Для поисковой системы интернет-страниц необходимо Все веб-страницы на загружаются из Интернета, что, очевидно, не может быть выполнено одной машиной.Для формирования системы поискового робота требуется несколько машин.Каждая машина загружает ее часть и работает одновременно, так что большое количество веб-страниц может быть загружено за один раз. ограниченный срок.
Для передачи данных очередь в памяти обязательно будет вытеснена большим объемом данных, поэтому генерируется распределенная очередь на основе жесткого диска, чтобы очередь могла передаваться несколькими машинами одновременно, в зависимости от объема данных, которые у вас есть, пока моей очереди достаточно, и труба достаточно толстая, чтобы выдержать.
Для хранения данных нельзя разместить файловую систему одной машины, поэтому для этого нужна большая распределенная файловая система, а жесткие диски нескольких машин группируются в большую файловую систему.
Другой пример — анализ данных, который может потребовать декомпозиции, подсчета и суммирования большого количества данных, одна машина с этим точно не справится, и анализ не будет завершен до года обезьяны и месяца обезьяны. Таким образом, существует метод распределенных вычислений для разделения большого объема данных на мелкие части, каждая машина обрабатывает небольшую часть, а несколько машин обрабатывают ее параллельно, и расчет может быть выполнен быстро. Например, знаменитый Terasort сортирует 1 ТБ данных, что эквивалентно 1000G.Если это обрабатывать на одной машине, то это займет несколько часов, а параллельная обработка завершается за 209 секунд.
Поэтому платформа больших данных, то, что называется большими данными, грубо говоря, заключается в том, что одна машина не может это сделать, и все вместе могут это сделать. С увеличением объема данных многим небольшим компаниям необходимо обрабатывать значительный объем данных.Что эти небольшие компании могут делать без такого количества машин?
3.4 Для больших данных нужны облачные вычисления, а для облачных вычислений нужны большие данные
Говоря об этом, все думают об облачных вычислениях. Когда вы хотите выполнять эти работы, вам нужно много машин, чтобы делать их вместе.Вы действительно хотите, когда хотите, и хотите столько, сколько хотите. Например, финансовое положение компании, занимающейся анализом больших данных, можно анализировать раз в неделю, и если вам нужно поставить туда все эти 100 машин или 1000 машин, использовать их раз в неделю очень расточительно. Когда придет время посчитать, можно ли, вынесите эту тысячу машин, а потом, когда не сосчитать, эта тысяча машин сможет заняться другими делами. Кто может это сделать? Только облачные вычисления могут обеспечить гибкость на уровне ресурсов для операций с большими данными. И облачные вычисления также будут развертывать большие данные на своей платформе PaaS в качестве очень важного общего приложения. Поскольку платформа больших данных может позволить нескольким машинам делать одно и то же одновременно, это не то, что могут разработать обычные люди, и это не то, с чем обычные люди могут играть. или сотни людей, чтобы играть в это, поэтому говорят, что это похоже на базу данных.На самом деле, для игры в эту вещь все еще нужна группа профессиональных людей. Теперь в общедоступном облаке в основном есть решения для больших данных. Когда небольшой компании нужна платформа для больших данных, мне не нужно покупать тысячу машин. Пока я работаю в публичном облаке, все эти тысячи машин выйдут , И платформа больших данных, которая была развернута выше, пока данные помещаются в нее.
Облачные вычисления нуждаются в больших данных, большие данные нуждаются в облачных вычислениях, и таким образом объединяются два человека.
4. Искусственный интеллект использует большие данные
4.1 Когда машины поймут человеческие сердца?
Хотя есть большие данные, желание людей всегда не может быть удовлетворено. Хотя на платформе больших данных есть поисковая система, я могу искать все, что захочу. Но бывает и такая ситуация, я не могу искать то, что хочу, не могу это выразить, и то, что я ищу, это не то, что я хочу. Например, в музыкальной программе рекомендуется песня. Я никогда не слышал эту песню. Я, конечно, не знаю названия, и я не могу найти ее. Но программа мне порекомендовала ее, и я действительно нравится. Это то, что поиск не может сделать. Когда люди используют такого рода приложения, они обнаружат, что машина знает, чего я хочу, вместо того, чтобы обращаться к машине для поиска, когда я этого хочу. Эта машина действительно понимает меня, как мой друг, который является чем-то вроде искусственного интеллекта.
Люди думали об этом давно. В первые дни люди представляли себе, что если есть стена, а за стеной машина, и я говорю с ней, она отвечает мне, и если я не чувствую, человек это или машина там , то это был действительно человек.Умные вещи тоже.
4.2 Пусть машины учатся рассуждать
Как это может быть сделано? Люди думают: сначала я сообщу компьютеру о способности человека рассуждать. Вы видите, что важно для людей, и в чем отличие человека от животных, то есть умение рассуждать. Если я скажу машине о своих способностях рассуждать, машина сможет вывести соответствующий ответ на основе вашего вопроса, что действительно хорошо. Рассуждение На самом деле люди постепенно позволяют машинам делать некоторые вещи, например, доказывать математические формулы. Это очень удивительный процесс, и машина может доказать математическую формулу. Однако постепенно выяснилось, что этот результат не так уж удивителен, потому что каждый нашел проблему, математическая формула очень строгая, процесс рассуждения также очень строгий, а математическую формулу легко выразить с помощью машины, и программу относительно легко выразить. Однако человеческий язык не так прост, например, сегодня вечером вы на свидании со своей девушкой, и ваша девушка говорит: Если ты придешь рано, а я не приду, ты подожди, если я приду раньше, а ты не Приходи, ты жди. Эту машину сложнее понять, но ее понимают все, так что не смей опаздывать на свидание со своей девушкой.
4.3 Обучение машин знаниям
Таким образом, недостаточно просто сообщить машине строгие рассуждения, но также сообщить машине некоторые знания. Но знание — это то, на что обычные люди могут быть не способны, а могут специалисты, например, специалисты в области языка или эксперты в области финансов и экономики. Могут ли знания в языковой и финансовой областях быть выражены несколько более строго, как в математических формулах? Например, лингвисты могут обобщить грамматические правила детерминированного дополнения подлежащее-глагол-дополнение.За подлежащим должно следовать сказуемое, а за сказуемым должно следовать дополнение.Будут ли они суммированы и выражены строго? Позже я обнаружил, что это нехорошо, это слишком сложно обобщить, а языковые выражения постоянно меняются. Возьмем пример подлежащего, сказуемого и объекта.Часто сказуемое опускается в разговорной речи.Другие спрашивают: Кто ты? Я ответил: Я Лю Чао. Но вы не можете указать, что вам нужно говорить с машиной на стандартном письменном языке во время семантического распознавания речи.Это все еще недостаточно разумно.Как сказал Луо Юнхао в своем выступлении, каждый раз, когда он смотрит в мобильный телефон, он говорит письменно язык: Пожалуйста, помогите мне позвонить такому-то, это очень неловко.
Этот этап искусственного интеллекта называется экспертной системой. Экспертные системы добиться успеха непросто: с одной стороны, трудно обобщить знания, а с другой стороны, суммированные знания сложно обучить компьютеру. Потому что вы все еще находитесь в оцепенении, и вам кажется, что есть правила, но вы не можете этого сказать, как вы можете обучать компьютер через программирование?
4.4 Забудь об этом, ты можешь научить себя?
Вот люди и думают, будто машина совершенно другого вида, чем человек, так что пусть машина учится сама. Как машина учится? Поскольку статистические способности машины настолько сильны, на основе статистического обучения можно найти определенные правила из большого количества чисел.
На самом деле, в индустрии развлечений есть очень хороший пример, который очевиден.
Пользователь сети подсчитал тексты 117 песен в 9 альбомах, выпущенных известными певцами в материковом Китае. Одно и то же слово встречается в песне только один раз. Десять лучших прилагательных, существительных и глаголов показаны в таблице ниже (числа после слов) — количество вхождений):
| a | имя прилагательное | b | имя существительное | c | глагол |
| 0 | Одинокий: 34 | 0 | Жизнь: 50 | 0 | любовь: 54 |
| 1 | Бесплатно: 17 | 1 | Дорога: 37 | 1 | Раздавлено: 37 |
| 2 | В замешательстве: 16 | 2 | ночь: 29 | 2 | плакать:35 |
| 3 | Сильный: 13 | 3 | небо: 24 | 3 | мертвых: 27 |
| 4 | Отчаяние: 8 | 4 | Дети: 23 | 4 | летать: 26 |
| 5 | Молодежь: 7 | 5 | Дождь: 21 | 5 | Мечты: 14 |
| 6 | В замешательстве: 6 | 6 | Камни: 9 | 6 | Молитва: 10 |
| 7 | Яркий: 6 | 7 | Птицы: 9 | 7 | отправление: 10 |
Что, если мы напишем случайную цепочку чисел, а затем возьмем слово из прилагательного, существительного и глагола в порядке цифр и соединим их вместе?
Например, при значении числа пи, равном 3,1415926, соответствующими словами будут: сильный, дорога, полет, свобода, дождь, похороненный, потерянный. Подключаем и немного полируем:
сильный мальчик,
еще в дороге,
Расправь свои крылья и лети на свободу,
Пусть дождь похоронит его замешательство.
Вы немного чувствуете? Конечно, реальные алгоритмы обучения, основанные на статистике, намного сложнее, чем эта простая статистика.
Однако статистическое обучение легче понять простые корреляции, например, одно слово и другое слово всегда появляются вместе, два слова должны быть связаны, но не могут выражать сложные корреляции, а формулы статистических методов часто очень сложны, чтобы упростить вычисления часто делают различные предположения о независимости, чтобы уменьшить сложность расчета формулы, но в реальной жизни независимых событий относительно немного.
4.5 Моделирование работы мозга
Так люди начали размышлять о том, как устроен человеческий мир, исходя из мира машин.
Человеческий мозг не хранит большое количество правил и не записывает большое количество статистических данных, а достигается за счет срабатывания нейронов.Каждый нейрон получает входные данные от других нейронов.При получении входных данных он генерирует выходные данные стимулировать другие нейроны, поэтому большое количество нейронов реагируют друг с другом и, наконец, формируют результаты различных выходов. Например, когда люди видят красивые зрачки с расширенными зрачками, это не мозг выносит суждение о правиле, основанном на пропорциях тела, и не он подсчитывает все красоты, увиденные в жизни, а активируются нейроны от сетчатки к мозгу и вернуться к ученику. В этом процессе на самом деле сложно обобщить, какую роль каждый нейрон играет в конечном результате, но это так.
Поэтому люди начали моделировать нейроны с помощью математической единицы.
Этот нейрон имеет вход и выход.Вход и выход представлены формулой.Вход различается (весом) по степени важности, которая влияет на выход.
Таким образом, n нейронов соединены вместе, как нейронная сеть. Число n может быть очень большим. Все нейроны можно разделить на множество столбцов, и каждый столбец расположен во многих строках. Входное значение каждого нейрона равно Веса могут быть разными , поэтому формула для каждого нейрона разная. Когда люди вводят что-то из этой сети, они надеются получить результат, правильный для людей. Например, в вышеприведенном примере вводится картинка с цифрой 2, а второе число в выходном списке самое большое, на самом деле из машины она не знает, что входная картинка записана с цифрой 2, и не знает вывод серии Неважно, что означает число, лишь бы люди знали его значение. Как и в случае с нейронами, они не знают, что сетчатка видит красивую женщину, и не знают, что зрачок расширен, чтобы видеть ясно. .
Для любой нейронной сети никто не может гарантировать, что на входе будет 2, а на выходе должно быть второе по величине число.Для обеспечения этого результата требуется обучение и обучение. Ведь видеть красивых женщин и расширенные зрачки — тоже результат многолетней эволюции человека. Процесс обучения заключается в вводе большого количества изображений и корректировке, если результат не соответствует желаемому. Как настроить, то есть каждый вес каждого нейрона точно настроен на цель. Поскольку нейронов и весов слишком много, для результатов, генерируемых всей сетью, трудно показать результат «или-или». к результату, и в конечном итоге целевой результат может быть достигнут. Конечно, эти стратегии настройки по-прежнему очень искусны, и они должны быть тщательно отрегулированы мастером алгоритма. Подобно тому, как люди видят красивых женщин, их зрачки сначала недостаточно расширены, чтобы ясно видеть, поэтому красивая женщина убегает с другими Результатом следующего исследования является то, что зрачки немного расширены, а не ноздри.
4.6 Это не имеет смысла, но это можно сделать
Это звучит не так разумно, но это можно сделать, просто это так капризно.
Теорема общности нейронных сетей говорит следующее: предположим, кто-то дает вам какую-то сложную и причудливую функцию f(x):
Независимо от того, как выглядит эта функция, всегда гарантируется, что существует нейронная сеть, которая для любого возможного входа x может иметь значение f(x) (или некоторое точное приближение), которое является выходом нейронной сети.
Если функция представляет собой закон, это также означает, что каким бы чудесным или непостижимым ни был этот закон, его можно выразить через большое количество нейронов и настройку большого количества весов.
4.7 Экономическое объяснение искусственного интеллекта
Это напоминает мне экономику, так что это легче понять.
Мы рассматриваем каждый нейрон как экономически активного человека в обществе. Таким образом, нейронная сеть эквивалентна всему экономическому обществу.Каждый нейрон имеет весовую поправку на вход общества и делает соответствующий вывод.Например, зарплата выросла, цены на овощи тоже выросли, а акции упали.что делать?как потратить собственные деньги. Есть ли здесь какие-то правила? Конечно, но каковы конкретные правила? Но трудно сказать.
Экономика, основанная на экспертной системе, принадлежит к плановой экономике, и выражение всего экономического закона не хочет выражаться через самостоятельное принятие решений каждым экономическим индивидом, а надеется быть обобщенным через высокоуровневое построение. и предвидение экспертов. Эксперты никогда не узнают, на какой улице в каком городе не хватает сладкой лапши с тофу. Поэтому специалисты говорят, что сколько надо производить стали и сколько надо производить паровых булочек, зачастую далеки от реальных потребностей жизни людей.Даже если весь план написан на сотни страниц, он не может выразить маленькие закономерности, скрытые в людском сознании. жизни.
Статистический макроконтроль гораздо надежнее.Каждый год Бюро статистики будет подсчитывать уровень занятости, уровень инфляции, ВВП и другие показатели всего общества.Эти показатели часто представляют собой многие внутренние законы.Хотя они не могут быть точно выражены , они относительно надежны. Однако правила, основанные на статистике, относительно грубы. Например, экономисты видят эту статистику и могут сделать вывод, будут ли цены на жилье расти или падать в долгосрочной перспективе, а также будут ли акции расти или падать в долгосрочной перспективе. Если экономика в целом растет, цены на жилье и акции должны все пошли вверх. Однако на основе статистических данных невозможно обобщить закон малых колебаний запасов и цен.
Микроэкономика, основанная на нейронных сетях, является наиболее точным выражением всего экономического закона.Каждый вносит свои собственные коррективы на входные данные общества, и эти корректировки также будут возвращены обществу в качестве входных данных. Представьте себе тонкую кривую колебаний фондового рынка, которая является результатом непрерывной торговли каждого независимого человека, и нет единого правила, которому нужно следовать. И каждый принимает самостоятельные решения на основе вклада всего общества.Когда определенные факторы многократно обучаются, они также будут формировать макроскопический статистический закон, что и может видеть макроэкономика. Например, каждый раз, когда выдается большая сумма денег, цена дома в конечном итоге будет расти, после многих тренингов люди узнают об этом.
4.8 ИИ нужны большие данные
Однако нейронная сеть содержит так много узлов, и каждый узел содержит много параметров.Общее количество параметров слишком велико, и объем требуемых вычислений слишком велик, но это не имеет значения.У нас есть платформа больших данных. , который может агрегировать несколько платформ.Мощность машины рассчитывается вместе, чтобы получить желаемый результат за ограниченное время.
Искусственный интеллект может делать много вещей, например, идентифицировать спам, распознавать желтые тексты и изображения и т. д. Это тоже прошло три этапа. Первый этап основан на черном и белом списках ключевых слов и методах фильтрации, чтобы включить слова, которые являются желтыми или агрессивными. С увеличением количества языков в Интернете слова постоянно меняются, и постоянное обновление этого тезауруса немного утомительно. На втором этапе, основанном на некоторых новых алгоритмах, таких как байесовская фильтрация, вам не нужно заботиться о том, что такое байесовский алгоритм, но вы должны были слышать его название, это алгоритм, основанный на вероятности. Третий этап основан на больших данных и искусственном интеллекте, более точных портретах пользователей и понимании текста и изображений.
Так как алгоритмы искусственного интеллекта в основном опираются на большой объем данных, эти данные часто нужно долго накапливать в конкретной области (например, электронная коммерция, почтовые ящики) Программа редко похожа на предыдущие IaaS и PaaS. набор программ искусственного интеллекта устанавливается для клиента и используется заказчиком.Поскольку набор программ искусственного интеллекта устанавливается для клиента, а клиент не имеет соответствующих данных для обучения, результаты часто очень плохие. Однако поставщики облачных вычислений часто накапливают большой объем данных, поэтому они устанавливают набор у поставщика облачных вычислений, чтобы открыть интерфейс службы.Например, если вы хотите определить, содержит ли текст порнографию и насилие, вы можете напрямую использовать этот Интернет Сервис. Этот вид услуг называется программное обеспечение как услуга в облачных вычислениях, SaaS. (Программное обеспечение как услуга)
Таким образом, программы искусственного интеллекта вошли в облачные вычисления как платформы SaaS.
5. Облачные вычисления, большие данные, искусственный интеллект делают жизнь лучше
Наконец, три брата облачных вычислений объединились, а именно IaaS, PaaS и SaaS, поэтому, как правило, на платформе облачных вычислений можно найти облако, большие данные и искусственный интеллект. Для компании, занимающейся большими данными, она накопила большой объем данных, а также будет использовать некоторые алгоритмы искусственного интеллекта для предоставления некоторых услуг. Для компании искусственного интеллекта это невозможно без поддержки платформы больших данных. Поэтому облачные вычисления, большие данные и искусственный интеллект интегрируются таким образом, чтобы завершить встречу, знакомство и знакомство.
1 лайк2 избранныхКомментарийАвтор этой статьи Чао Лю, "Секрет разработки приложений Lucene". Личный публичный аккаунт: популярные облачные вычисления Лю Чао (popsuper1982).