| 词条 | 云电脑 |
| 释义 | 综述云电脑是采用现在最新的云计算技术开发出的一款智能终端产品。它看起来就是一个小盒子，可以替代普通电脑来使用。 原来用10台电脑的地方，现在只需1台电脑，然后加上10个小盒子，就可以像原来一样的使用了。 我们用一台电脑来管控这10个小盒子，使每一个使用小盒子的人，看到的界面和操作都和原来使用的电脑一样，而且每个用户端各用各的，互不影响。这就是云计算技术。"云电脑" 这个名词是由 "电脑" 一词创始人范光陵院士 Dr. Fan Kuanling 所创始 云电脑优点节能省电，绿色环保 普通电脑功率高达150W-200W;云电脑采用节能设计,功率只有2.5W,只占普通电脑的1.25%, 比普通电脑节省720度电/年, 有效减小二氧化碳排放。维护简单，升级容易 云电脑是在网络环境下工作的，所有的程序和数据都集中在云端服务器上，在这种工作模式下，整个系统的安装、调试、管理、维护、升级都由系统管理员在服务器端统一实现,大大节省信息系统的部署时间，降低人力资源费用和管理成本，提高管理效率。 性能稳定，故障率低 云电脑采用集成化的系统结构设计,不配置软驱、光驱、硬盘等易坏易损部件，从而杜绝了病毒产生的来源，提高了系统的可靠性、稳定性。云电脑的本地系统软件采用嵌入式技术设计，因此云电脑从硬件和软件两方面都保证了系统的稳定运行，其故障率较之PC大大降低。 自主产权,安全可靠 采用完全自主知识产权的龙芯处理器,完美解决其它处理器的设计缺陷。龙芯处理器是国家信息安全的核心基本保证,得到历届国家领导和政府部门的高度重视, 已经在军工、安全和民用等领域得到规模应用。价格低廉， 轻松拥有 普通电脑1/3的价格拥有云电脑 ,轻松实现用户各种应用需求, 并运算可达到服务器的计算能力;由于云电脑的运算主要是靠强大的服务器来支撑,所以不必为了运行新的软件而不断地去购买或升级用户的硬件设备。 数据安装，轻松实现 由于没有软驱、光驱、硬盘等设备，因此不能随意将软件复制、安装到系统中，也不能随意复制、带走企业内部的重要软件和保密数据 , 从而有效保护企业内部系统安全和信息安全。 云电脑原理并行编程一个处理进程被划分为几部分,然后并发地执行各部分的指令分别在不同的CPU上同时运行，这些CPU可以存在于单台机器中,也可以存在于多台机器上,它们通过连接起来共同运作。 串行编程早期的计算里，程序一般是被串行执行的程序是指令的序列，在单处理器的机器里，程序从开始到结束，这些指令一条接一条的执行。 映射简单说来，一个映射函数就是对一些独立元素组成的概念上的列表（例如，一个测试成绩的列表）的每一个元素进行指定的操作（比如前面的例子里，有人发现所有学生的成绩都被高估了一分，他可以定义一个“减一”的映射函数，用来修正这个错误）。事实上，每个元素都是被独立操作的，而原始列表没有被更改，因为这里创建了一个新的列表来保存新的答案。这就是说，Map操作是可以高度并行的，这对高性能要求的应用以及并行计算领域的需求非常有用。 化简化简操作指的是对一个列表的元素进行适当的合并（继续看前面的例子，如果有人想知道班级的平均分该怎么做？他可以定义一个化简函数，通过让列表中的元素跟自己的相邻的元素相加的方式把列表减半，如此递归运算直到列表只剩下一个元素，然后用这个元素除以人数，就得到了平均分）。虽然他不如映射函数那么并行，但是因为化简总是有一个简单的答案，大规模的运算相对独立，所以化简函数在高度并行环境下也很有用。 分布和可靠性MapReduce通过把对数据集的大规模操作分发给网络上的每个节点实现可靠性；每个节点会周期性的把完成的工作和状态的更新报告回来。如果一个节点保持沉默超过一个预设的时间间隔，主节点（类同Google File System中的主服务器）记录下这个节点状态为死亡，并把分配给这个节点的数据发到别的节点。每个操作使用命名文件的原子操作以确保不会发生并行线程间的冲突；当文件被改名的时候，系统可能会把他们复制到任务名以外的另一个名字上去。化简操作工作方式很类似，但是由于化简操作在并行能力较差，主节点会尽量把化简操作调度在一个节点上，或者离需要操作的数据尽可能近的节点上了；这个特性可以满足Google的需求，因为他们有足够的带宽，他们的内部网络没有那么多的机器。 云电脑构架MapReduce一个软件架构，是一种处理海量数据的并行编程模式，用于大规模数据集（通常大于1TB）的并行运算 MapReduce实现了Map和Reduce两个功能：Map把一个函数应用于集合中的所有成员，然后返回一个基于这个处理的结果集；Reduce对结果集进行分类和归纳。Map()和 Reduce() 两个函数可能会并行运行，即使不是在同一的系统的同一时刻。 例子：单词记数问题(Word Count)。 给定一个巨大的文本（如1TB），如何计算单词出现的数目？ 使用MapReduce求解该问题 定义Map和Reduce函数 map(K,V) { for each word w in V collect(w,1); } Reduce(K,V[]) { int count=0 foreach v in V count+=v; Collect(K,count); } 使用MapReduce求解该问题 Step 1: 自动对文本进行分割 Step 2:在分割之后的每一对<key,value>进行用户定义的Map进行处理，再生成新的<key,value>对 Step 3:对输出的结果集归拢、排序(系统自动完成） Step 4:通过Reduce操作生成最后结果 |
| 随便看 |
百科全书收录4421916条中文百科知识，基本涵盖了大多数领域的百科知识，是一部内容开放、自由的电子版百科全书。