透明计算:对当前主流计算模式的革命

简介: 本文讲的是透明计算:对当前主流计算模式的革命【IT168 资讯】自 20 世纪40年代计算机技术诞生以来,计算机技术经历了由大型机向台式机的转变,之后又进一步向各种移动设备和家电设备转变。目前,计算机技术正在向无处不在的计算,即普适计算阶段转变。

本文讲的是透明计算:对当前主流计算模式的革命【IT168 资讯】自 20 世纪40年代计算机技术诞生以来,计算机技术经历了由大型机向台式机的转变,之后又进一步向各种移动设备和家电设备转变。目前,计算机技术正在向无处不在的计算,即普适计算阶段转变。在计算机技术的发展过程中,CPU、内存、外存储器和输入输出设备一直是计算机硬件的几大主要部分,而操作系统和支持工具(中间件)以及相关应用软件则构成了计算机软件系统。迄今为止,尽管Web 服务技术和网络存储技术等为用户提供了网上高层(应用层)信息资源共享和应用软件的复用,但是计算机的硬件和操作系统一起才能构成一台可使用和操作的系统。这种方式造成了目前计算机发展中存在的如下几个主要问题。

  1.不断升级问题

  不断升级问题尤以PC机最为显著。随着各种应用需求的不断增加以及操作系统和中间件技术的发展,Windows 2000和XP等操作系统所需存储空间已经到了1GB以上,与最初只需要几十KB 或几百KB 存储空间的DOS 等操作系统相比,扩大了几千倍。应用需求的增加,需要功能更强的操作系统,而现有技术条件下,为了实现更多更强的功能,不得不把操作系统做得越来越庞大。再加上人们对计算速度的要求,又推动了硬件的不断升级。硬件和软件不断升级造成了系统越来越复杂,安装、管理、维护越来越困难,硬件单位成本的下降(例如存储器)远远赶不上升级换代成本的上升,以及管理和维护成本的上升,这严重加大了用户使用计算机的难度和负担。

  2.兼容性问题

  无论硬件或软件,目前都存在着一种事实上的垄断。例如芯片、操作系统和数据库等。这使得不同的操作系统平台和应用很难在一个硬件平台上同时存在。这种垄断既损害了用户利益,又阻碍了产业发展。例如,当用户安装了一台Windows 的计算机之后,就不能在该计算机上使用Linux 的应用软件,除非在这台计算机上同时安装Windows 和Linux 这两个计算平台和环境。

  3.病毒和盗版问题

  操作系统等软件的一枝独秀带来了巨额的利润,也带来了众多的病毒和盗版问题。目前,全世界已有6 万多种Windows 上的相关病毒,这给用户带来了无穷的负担和烦恼。如何解决上述问题?特别是在普适计算时代,针对那些内存、外设都较小的各种各样的计算设备,如何减少它们的升级换代,如何使它们能够运行不同的操作系统环境,为用户提供不同的服务,如何进一步减少病毒?使计算机变得更便宜一点,更安全一点,资源共享更容易一点,就是透明计算试图解决的问题。

 透明计算模式

  透明计算是指用户在使用计算机系统时,无需感知操作系统、中间件、应用程序的具体所在,只需根据自己的服务需求,通过网络得到相应计算服务的计算模式。在透明计算模式下,各种计算机终端系统(以下称客户机)上不用预置任何操作系统和应用软件,用户可以根据自己的需要,动态选择与客户机兼容的各种操作系统和应用,就像打开电视机后便可以选择不同的电视台那样。图 1 是一个基于透明计算模式的系统中,开机之后的运行初始界面,用户可选择Windows 2000、Linux 及Windows 98。在图1 中,用户可任意选择3 个操作系统中的任一系统运行。

  透明计算模式

  图 1 一种透明计算系统中的运行初始界面

  透明计算采用客户机/服务器模式,其拓扑连接如图2所示。

  透明计算模式

  图2 透明计算中服务器与客户机连接示意图

  图 2 中的服务器既可以是单台,也可以是多台;其网络既可以是有线网,也可以是无线网;既可以是局域网,也可以是广域网。但是,其网络的传输速度必须满足服务器与客户机之间程序和数据传输的需要。透明计算中的客户机负责完成客户端应用程序的计算工作,服务器端只负责进行资源存储和管理。客户机所需要的任何应用程序、中间件及操作系统都通过动态的请求调页方式从服务器中获得。服务器和客户机的体系结构如图3 所示。

  透明计算模式

  图 3 透明计算体系结构示意图

  在图3 中,物理驱动层为供客户机和服务器提供连接的各种物理网络,例如802.3(有线局域网)、802.11(无线局域网)、IEEE 13941、蓝牙、CATV等。图3 中的透明计算层主 要完成客户机和服务器之间计算连接的支持软件,包括多操作系统远程启动协议(Multi-OSRemote Booting Protocol,MRBP)、虚拟调度与交换、用户请求管理与地址配置、安全管理等,这些软件的大部分预置在服务器上,当系统启动后被下载到客户机上运行。但是,也有部分软件,例如MRBP 必须预置在客户机的相关芯片中,以便启动系统。虚拟操作系统和应用计算层则是指客户机在执行时动态下载的部分。综上所述,我们可以总结出透明计算模式的几个主要技术特点如下:

  1.客户机上不预置任何操作系统,但用户可在执行时通过网络选择所需要的、并与客户机兼容的任何操作系统。

  2.所选操作系统和应用并不是一次全部下载到客户机上,而是像电流一样,通过动态调度,根据客户机内存大小,采用分页调度方式,按计算需要分页下载,从而减少了客户机内存和CPU需求。

  3.所有的客户机应用计算都在客户机上完成,资源和数据的存储在服务器上,这使得资源共享更加容易。

  4.使用和维护分离。由于所有的资源都放在服务器上,因此,维护管理人员只需维护管理服务器即可。客户机主要提供给用户使用,使用户摆脱繁琐的操作系统安装、数据维护等工作。

 应用示例

  我们已经开发成功了基于802.3 以太网的客户机/服务器模式的透明计算机系统。这种系统的服务器采用普通PC 机,客户机由低端CPU 设计而成的All-in-One 板构成。我们采用主频分别为266MHz、400MHz、800MHz、1GHz 等不同X86 结构的CPU,研制成功了多种透明计算客户机。由于国外芯片的不断升级,我们每次只能选择市贩2最低端X86 CPU进行客户机的主板开发。

  目前,这些系统已成功地用于全国军事、教育、企业、金融等部门。中国软件评测中心和中国信息安全产品测评认证中心分别于2003年9月和2005年5月给出了很好的性能与功能评测结果,以及安全测评结果。

应用示例

  张尧学 博士,清华大学教授,教育部高等教育司司长,中央广播电视大学校长,研究兴趣主要集中在计算机网络和操作系统等领域,如路由算法、QoS 控制策略、协议工程、透明计算(普适计算)和可管理多媒体网络计算机(MMNC)等。

原文发布时间为:2010-07-17 

本文作者:唐蓉

本文来自云栖社区合作伙伴IT168,了解相关信息可以关注IT168

原文标题:透明计算:对当前主流计算模式的革命


目录
相关文章
|
4月前
|
存储 数据处理 Apache
超越传统数据库:揭秘Flink状态机制,让你的数据处理效率飞升!
【8月更文挑战第26天】Apache Flink 在流处理领域以其高效实时的数据处理能力脱颖而出,其核心特色之一便是状态管理机制。不同于传统数据库依靠持久化存储及 ACID 事务确保数据一致性和可靠性,Flink 利用内存中的状态管理和分布式数据流模型实现了低延迟处理。Flink 的状态分为键控状态与非键控状态,前者依据数据键值进行状态维护,适用于键值对数据处理;后者与算子实例关联,用于所有输入数据共享的状态场景。通过 checkpointing 机制,Flink 在保障状态一致性的同时,提供了更适合流处理场景的轻量级解决方案。
64 0
|
2月前
|
存储 SQL 数据挖掘
TDengine 流计算与窗口机制的深度解析:揭示计数窗口的关键作用
在 TDengine 3.2.3.0 版本中,我们针对流式计算新增了计数窗口,进一步优化了流式数据处理的能力。本文将为大家解读流式计算与几大窗口的关系,并针对新增的计数窗口进行详细的介绍,帮助大家进一步了解 TDengine 流式计算,以便更好地进行应用。
42 1
|
4月前
|
存储 缓存 流计算
Flink 新一代流计算和容错问题之在有状态的算子中,状态更新是怎么记录的
Flink 新一代流计算和容错问题之在有状态的算子中,状态更新是怎么记录的
|
4月前
|
边缘计算 Kubernetes Cloud Native
边缘计算问题之中等规模标准集群的配置与大规模的差异如何解决
边缘计算问题之中等规模标准集群的配置与大规模的差异如何解决
37 1
|
7月前
|
存储 缓存 Java
蚂蚁流场景状态演进和优化
本文整理自蚂蚁集团实时计算组技术专家闵文俊在 FFA 2023 核心技术(一)中 的分享,内容关于蚂蚁流场景状态演进和优化的研究。
84352 142
蚂蚁流场景状态演进和优化
|
5月前
|
数据采集 大数据 数据库
数据架构问题之流式架构的典型代表图示有吗
数据架构问题之流式架构的典型代表图示有吗
|
存储 消息中间件 Cloud Native
解构流存储 — Pravega,与 Flink 构建端到端的大数据流水处理线
Pravega 中国社区创始人、戴尔科技集团软件工程技术总监滕昱在 FFA 2021 主会场的演讲
解构流存储 — Pravega,与 Flink 构建端到端的大数据流水处理线
|
算法 Java Spring
玩技术,你得懂这个模式!
大家好,我是本周的值班编辑 懿,本周将由我为大家排版并送出技术干货,大家可以在公众号后台回复“springboot”,获取最新版 Spring Boot2.1.6 视频教程试看。
|
机器学习/深度学习 分布式计算 大数据
开发者解读:为什么蚂蚁要用融合计算这种新计算模式?
蚂蚁金服从 2018 年 7 月开始,基于最新的 Ray 分布式引擎自研了金融级的在线学习系统,与传统在线学习框架相比,在端到端延迟、稳定性、研发效率等方面都有不同程度的提高。
3569 0
开发者解读:为什么蚂蚁要用融合计算这种新计算模式?
|
存储 SQL 分布式计算
一文详解大规模数据计算处理原理及操作重点
大数据技术主要针对的是大规模数据的计算处理问题,那么要想解决的这一问题,首先要解决的就是大规模数据的存储问题。
2166 0