/ 云計算最初的目標 /

我們首先來說云計算。云計算最初的目標是對資源的管理，管理的主要是計算資源、網(wǎng)絡(luò)資源、存儲資源三個方面。

什么叫計算、網(wǎng)絡(luò)、存儲資源？

比如你要買臺筆記本電腦，是不是要關(guān)心這臺電腦是什么樣的CPU？多大的內(nèi)存？這兩個就被我們稱為計算資源。

這臺電腦要上網(wǎng)，就需要有個可以插網(wǎng)線的網(wǎng)口，或者有可以連接我們家路由器的無線網(wǎng)卡。您家也需要到運營商比如聯(lián)通、移動或者電信開通一個網(wǎng)絡(luò)，比如100M的帶寬。然后會有師傅弄一根網(wǎng)線到您家來，師傅可能會幫您將您的路由器和他們公司的網(wǎng)絡(luò)連接配置好。這樣您家的所有的電腦、手機、平板就都可以通過您的路由器上網(wǎng)了。這就是網(wǎng)絡(luò)資源。

您可能還會問硬盤多大？過去的硬盤都很小，大小如10G之類的；后來即使500G、1T、2T的硬盤也不新鮮了。(1T是1000G)，這就是存儲資源。

對于一臺電腦是這個樣子的，對于一個數(shù)據(jù)中心也是同樣的。想象你有一個非常非常大的機房，里面堆了很多的服務(wù)器，這些服務(wù)器也是有CPU、內(nèi)存、硬盤的，也是通過類似路由器的設(shè)備上網(wǎng)的。這時的問題就是：運營數(shù)據(jù)中心的人是怎么把這些設(shè)備統(tǒng)一的管理起來的呢？

管理的目標就是要達到兩個方面的靈活性。具體哪兩個方面呢？

舉個例子來理解：比如有個人需要一臺很小的電腦，只有一個CPU、1G內(nèi)存、10G的硬盤、一兆的帶寬，你能給他嗎？像這種這么小規(guī)格的電腦，現(xiàn)在隨便一個筆記本電腦都比這個配置強了，家里隨便拉一個寬帶都要100M。然而如果去一個云計算的平臺上，他要想要這個資源時，只要一點就有了。

這種情況下它就能達到兩個方面靈活性：

• 時間靈活性：想什么時候要就什么時候要，需要的時候一點就出來了；

• 空間靈活性：想要多少就有多少。需要一個太很小的電腦，可以滿足；需要一個特別大的空間例如云盤，云盤給每個人分配的空間動不動就很大很大，隨時上傳隨時有空間，永遠用不完，也是可以滿足的。

空間靈活性和時間靈活性，即我們常說的云計算的彈性。而解決這個彈性的問題，經(jīng)歷了漫長時間的發(fā)展。

第一個階段是物理設(shè)備時期。這個時期客戶需要一臺電腦，我們就買一臺放在數(shù)據(jù)中心里。

物理設(shè)備當(dāng)然是越來越牛，例如服務(wù)器，內(nèi)存動不動就是百G內(nèi)存；例如網(wǎng)絡(luò)設(shè)備，一個端口的帶寬就能有幾十G甚至上百G；例如存儲，在數(shù)據(jù)中心至少是PB級別的(一個P是1000個T，一個T是1000個G)。

然而物理設(shè)備不能做到很好的靈活性：

• 首先是它缺乏時間靈活性。不能夠達到想什么時候要就什么時候要。比如買臺服務(wù)器、買個電腦，都要有采購的時間。如果突然用戶告訴某個云廠商，說想要開臺電腦，使用物理服務(wù)器，當(dāng)時去采購就很難。與供應(yīng)商關(guān)系好的可能需要一個星期，與供應(yīng)商關(guān)系一般的就可能需要采購一個月。用戶等了很久電腦才到位，這時用戶還要登錄上去慢慢開始部署自己的應(yīng)用。時間靈活性非常差。

• 其次是它的空間靈活性也不行。例如上述的用戶需要一個很小很小的電腦，但現(xiàn)在哪還有這么小型號的電腦？不能為了滿足用戶只要一個G的內(nèi)存是80G硬盤的，就去買一個這么小的機器。但是如果買一個大的，又會因為電腦大，需要向用戶多收錢，可用戶需要用的只有那么小一點，所以多付錢就很冤。

有人就想辦法了。第一個辦法就是虛擬化。用戶不是只要一個很小的電腦么？數(shù)據(jù)中心的物理設(shè)備都很強大，我可以從物理的CPU、內(nèi)存、硬盤中虛擬出一小塊來給客戶，同時也可以虛擬出一小塊來給其他客戶。每個客戶只能看到自己的那一小塊，但其實每個客戶用的是整個大的設(shè)備上的一小塊。

虛擬化的技術(shù)使得不同客戶的電腦看起來是隔離的。也就是我看著好像這塊盤就是我的，你看著這塊盤就是你的，但實際情況可能我的這個10G和你的這個10G是落在同樣一個很大很大的存儲上。而且如果事先物理設(shè)備都準備好，虛擬化軟件虛擬出一個電腦是非?？斓?，基本上幾分鐘就能解決。所以在任何一個云上要創(chuàng)建一臺電腦，一點幾分鐘就出來了，就是這個道理。

這樣空間靈活性和時間靈活性就基本解決了。

在虛擬化階段，最牛的公司是VMware。它是實現(xiàn)虛擬化技術(shù)比較早的一家公司，可以實現(xiàn)計算、網(wǎng)絡(luò)、存儲的虛擬化。這家公司很牛，性能做得非常好，虛擬化軟件賣得也非常好，賺了好多的錢，后來讓EMC(世界五百強，存儲廠商第一品牌)給收購了。（編者注：數(shù)據(jù)猿專訪VMware）

但這個世界上還是有很多有情懷的人的，尤其是程序員里面。有情懷的人喜歡做什么事情？開源。

這個世界上很多軟件都是有閉源就有開源，源就是源代碼。也就是說，某個軟件做的好，所有人都愛用，但這個軟件的代碼被我封閉起來，只有我公司知道，其他人不知道。如果其他人想用這個軟件，就要向我付錢，這就叫閉源。

但世界上總有一些大?？床粦T錢都讓一家賺了去的情況。大牛們覺得，這個技術(shù)你會我也會；你能開發(fā)出來，我也能。我開發(fā)出來就是不收錢，把代碼拿出來分享給大家，全世界誰用都可以，所有的人都可以享受到好處，這個叫做開源。

比如，蒂姆·伯納斯·李就是個非常有情懷的人。2017年，他因“發(fā)明萬維網(wǎng)、第一個瀏覽器和使萬維網(wǎng)得以擴展的基本協(xié)議和算法”而獲得2016年度的圖靈獎。圖靈獎就是計算機界的諾貝爾獎。然而他最令人敬佩的是，他將萬維網(wǎng)，也就是我們常見的WWW技術(shù)無償貢獻給全世界免費使用。我們現(xiàn)在在網(wǎng)上的所有行為都應(yīng)該感謝他的功勞，如果他將這個技術(shù)拿來收錢，應(yīng)該和比爾蓋茨差不多有錢。

開源和閉源的例子有很多：

例如在閉源的世界里有Windows，大家用Windows都得給微軟付錢；開源的世界里面就出現(xiàn)了Linux。比爾蓋茨靠Windows、Office這些閉源的軟件賺了很多錢，稱為世界首富，就有大牛開發(fā)了另外一種操作系統(tǒng)Linux。很多人可能沒有聽說過Linux，很多后臺的服務(wù)器上跑的程序都是Linux上的，比如大家享受雙十一，無論是淘寶、京東、考拉……支撐雙十一搶購的系統(tǒng)都是跑在Linux上的。

再如有Apple就有安卓。Apple市值很高，但是蘋果系統(tǒng)的代碼我們是看不到的。于是就有大牛寫了安卓手機操作系統(tǒng)。所以大家可以看到幾乎所有的其他手機廠商，里面都裝安卓系統(tǒng)。原因就是蘋果系統(tǒng)不開源，而安卓系統(tǒng)大家都可以用。

在虛擬化軟件也一樣，有了VMware，這個軟件非常貴。那就有大牛寫了兩個開源的虛擬化軟件，一個叫做Xen，一個叫做KVM，如果不做技術(shù)的，可以不用管這兩個名字，但是后面還是會提到。

要說虛擬化軟件解決了靈活性問題，其實并不全對。因為虛擬化軟件一般創(chuàng)建一臺虛擬的電腦，是需要人工指定這臺虛擬電腦放在哪臺物理機上的。這一過程可能還需要比較復(fù)雜的人工配置。所以使用VMware的虛擬化軟件，需要考一個很牛的證書，而能拿到這個證書的人，薪資是相當(dāng)高，也可見復(fù)雜程度。

所以僅僅憑虛擬化軟件所能管理的物理機的集群規(guī)模都不是特別大，一般在十幾臺、幾十臺、最多百臺這么一個規(guī)模。

這一方面會影響時間靈活性：雖然虛擬出一臺電腦的時間很短，但是隨著集群規(guī)模的擴大，人工配置的過程越來越復(fù)雜，越來越耗時。另一方面也影響空間靈活性：當(dāng)用戶數(shù)量多時，這點集群規(guī)模，還遠達不到想要多少要多少的程度，很可能這點資源很快就用完了，還得去采購。

所以隨著集群的規(guī)模越來越大，基本都是千臺起步，動輒上萬臺、甚至幾十上百萬臺。如果去查一下BAT，包括網(wǎng)易、谷歌、亞馬遜，服務(wù)器數(shù)目都大的嚇人。這么多機器要靠人去選一個位置放這臺虛擬化的電腦并做相應(yīng)的配置，幾乎是不可能的事情，還是需要機器去做這個事情。

人們發(fā)明了各種各樣的算法來做這個事情，算法的名字叫做調(diào)度(Scheduler)。通俗一點說，就是有一個調(diào)度中心，幾千臺機器都在一個池子里面，無論用戶需要多少CPU、內(nèi)存、硬盤的虛擬電腦，調(diào)度中心會自動在大池子里面找一個能夠滿足用戶需求的地方，把虛擬電腦啟動起來做好配置，用戶就直接能用了。這個階段我們稱為池化或者云化。到了這個階段，才可以稱為云計算，在這之前都只能叫虛擬化。

云計算大致分兩種：一個是私有云，一個是公有云，還有人把私有云和公有云連接起來稱為混合云，這里暫且不說這個。

• 私有云：把虛擬化和云化的這套軟件部署在別人的數(shù)據(jù)中心里面。使用私有云的用戶往往很有錢，自己買地建機房、自己買服務(wù)器，然后讓云廠商部署在自己這里。VMware后來除了虛擬化，也推出了云計算的產(chǎn)品，并且在私有云市場賺的盆滿缽滿。

• 公有云：把虛擬化和云化軟件部署在云廠商自己數(shù)據(jù)中心里面的，用戶不需要很大的投入，只要注冊一個賬號，就能在一個網(wǎng)頁上點一下創(chuàng)建一臺虛擬電腦。例如AWS即亞馬遜的公有云；例如國內(nèi)的阿里云、騰訊云、網(wǎng)易云等。

亞馬遜為什么要做公有云呢？我們知道亞馬遜原來是國外比較大的一個電商，它做電商時也肯定會遇到類似雙十一的場景：在某一個時刻大家都沖上來買東西。當(dāng)大家都沖上買東西時，就特別需要云的時間靈活性和空間靈活性。因為它不能時刻準備好所有的資源，那樣太浪費了。但也不能什么都不準備，看著雙十一這么多用戶想買東西登不上去。所以需要雙十一時，就創(chuàng)建一大批虛擬電腦來支撐電商應(yīng)用，過了雙十一再把這些資源都釋放掉去干別的。因此亞馬遜是需要一個云平臺的。

然而商用的虛擬化軟件實在是太貴了，亞馬遜總不能把自己在電商賺的錢全部給了虛擬化廠商。于是亞馬遜基于開源的虛擬化技術(shù)，如上所述的Xen或者KVM，開發(fā)了一套自己的云化軟件。沒想到亞馬遜后來電商越做越牛，云平臺也越做越牛。

由于它的云平臺需要支撐自己的電商應(yīng)用；而傳統(tǒng)的云計算廠商多為IT廠商出身，幾乎沒有自己的應(yīng)用，所以亞馬遜的云平臺對應(yīng)用更加友好，迅速發(fā)展成為云計算的第一品牌，賺了很多錢。

在亞馬遜公布其云計算平臺財報之前，人們都猜測，亞馬遜電商賺錢，云也賺錢嗎？后來一公布財報，發(fā)現(xiàn)不是一般的賺錢。僅僅去年，亞馬遜AWS年營收達122億美元，運營利潤31億美元。

公有云的第一名亞馬遜過得很爽，第二名Rackspace過得就一般了。沒辦法，這就是互聯(lián)網(wǎng)行業(yè)的殘酷性，多是贏者通吃的模式。所以第二名如果不是云計算行業(yè)的，很多人可能都沒聽過了。

第二名就想，我干不過老大怎么辦呢？開源吧。如上所述，亞馬遜雖然使用了開源的虛擬化技術(shù)，但云化的代碼是閉源的。很多想做又做不了云化平臺的公司，只能眼巴巴的看著亞馬遜掙大錢。Rackspace把源代碼一公開，整個行業(yè)就可以一起把這個平臺越做越好，兄弟們大家一起上，和老大拼了。

于是Rackspace和美國航空航天局合作創(chuàng)辦了開源軟件OpenStack，如上圖所示OpenStack的架構(gòu)圖，不是云計算行業(yè)的不用弄懂這個圖，但能夠看到三個關(guān)鍵字：Compute計算、Networking網(wǎng)絡(luò)、Storage存儲。還是一個計算、網(wǎng)絡(luò)、存儲的云化管理平臺。

當(dāng)然第二名的技術(shù)也是非常棒的，有了OpenStack之后，果真像Rackspace想的一樣，所有想做云的大企業(yè)都瘋了，你能想象到的所有如雷貫耳的大型IT企業(yè)：IBM、惠普、戴爾、華為、聯(lián)想等都瘋了。

原來云平臺大家都想做，看著亞馬遜和VMware賺了這么多錢，眼巴巴看著沒辦法，想自己做一個好像難度還挺大?，F(xiàn)在好了，有了這樣一個開源的云平臺OpenStack，所有的IT廠商都加入到這個社區(qū)中來，對這個云平臺進行貢獻，包裝成自己的產(chǎn)品，連同自己的硬件設(shè)備一起賣。有的做了私有云，有的做了公有云，OpenStack已經(jīng)成為開源云平臺的事實標準。

隨著OpenStack的技術(shù)越來越成熟，可以管理的規(guī)模也越來越大，并且可以有多個OpenStack集群部署多套。比如北京部署一套、杭州部署兩套、廣州部署一套，然后進行統(tǒng)一的管理。這樣整個規(guī)模就更大了。

在這個規(guī)模下，對于普通用戶的感知來講，基本能夠做到想什么時候要就什么什么要，想要多少就要多少。還是拿云盤舉例子，每個用戶云盤都分配了5T甚至更大的空間，如果有1億人，那加起來空間多大啊。

其實背后的機制是這樣的：分配你的空間，你可能只用了其中很少一點，比如說它分配給你了5個T，這么大的空間僅僅是你看到的，而不是真的就給你了，你其實只用了50個G，則真實給你的就是50個G，隨著你文件的不斷上傳，分給你的空間會越來越多。

當(dāng)大家都上傳，云平臺發(fā)現(xiàn)快滿了的時候(例如用了70%)，會采購更多的服務(wù)器，擴充背后的資源，這個對用戶是透明的、看不到的。從感覺上來講，就實現(xiàn)了云計算的彈性。其實有點像銀行，給儲戶的感覺是什么時候取錢都有，只要不同時擠兌，銀行就不會垮。

到了這個階段，云計算基本上實現(xiàn)了時間靈活性和空間靈活性；實現(xiàn)了計算、網(wǎng)絡(luò)、存儲資源的彈性。計算、網(wǎng)絡(luò)、存儲我們常稱為基礎(chǔ)設(shè)施Infranstracture, 因而這個階段的彈性稱為資源層面的彈性。管理資源的云平臺，我們稱為基礎(chǔ)設(shè)施服務(wù)，也就是我們常聽到的IaaS（Infranstracture As A Service）。

云計算不光管資源，也要管應(yīng)用

有了IaaS，實現(xiàn)了資源層面的彈性就夠了嗎？顯然不是，還有應(yīng)用層面的彈性。

這里舉個例子：比如說實現(xiàn)一個電商的應(yīng)用，平時十臺機器就夠了，雙十一需要一百臺。你可能覺得很好辦啊，有了IaaS，新創(chuàng)建九十臺機器就可以了啊。但90臺機器創(chuàng)建出來是空的，電商應(yīng)用并沒有放上去，只能讓公司的運維人員一臺一臺的弄，需要很長時間才能安裝好的。

雖然資源層面實現(xiàn)了彈性，但沒有應(yīng)用層的彈性，依然靈活性是不夠的。有沒有方法解決這個問題呢？

人們在IaaS平臺之上又加了一層，用于管理資源以上的應(yīng)用彈性的問題，這一層通常稱為PaaS（Platform As A Service）。這一層往往比較難理解，大致分兩部分：一部分筆者稱為“你自己的應(yīng)用自動安裝”，一部分筆者稱為“通用的應(yīng)用不用安裝”。

• 自己的應(yīng)用自動安裝：比如電商應(yīng)用是你自己開發(fā)的，除了你自己，其他人是不知道怎么安裝的。像電商應(yīng)用，安裝時需要配置支付寶或者微信的賬號，才能使別人在你的電商上買東西時，付的錢是打到你的賬戶里面的，除了你，誰也不知道。所以安裝的過程平臺幫不了忙，但能夠幫你做得自動化，你需要做一些工作，將自己的配置信息融入到自動化的安裝過程中方可。比如上面的例子，雙十一新創(chuàng)建出來的90臺機器是空的，如果能夠提供一個工具，能夠自動在這新的90臺機器上將電商應(yīng)用安裝好，就能夠?qū)崿F(xiàn)應(yīng)用層面的真正彈性。例如Puppet、Chef、Ansible、Cloud Foundary都可以干這件事情，最新的容器技術(shù)Docker能更好的干這件事情。

• 通用的應(yīng)用不用安裝：所謂通用的應(yīng)用，一般指一些復(fù)雜性比較高，但大家都在用的，例如數(shù)據(jù)庫。幾乎所有的應(yīng)用都會用數(shù)據(jù)庫，但數(shù)據(jù)庫軟件是標準的，雖然安裝和維護比較復(fù)雜，但無論誰安裝都是一樣。這樣的應(yīng)用可以變成標準的PaaS層的應(yīng)用放在云平臺的界面上。當(dāng)用戶需要一個數(shù)據(jù)庫時，一點就出來了，用戶就可以直接用了。有人問，既然誰安裝都一個樣，那我自己來好了，不需要花錢在云平臺上買。當(dāng)然不是，數(shù)據(jù)庫是一個非常難的東西，光Oracle這家公司，靠數(shù)據(jù)庫就能賺這么多錢。買Oracle也是要花很多錢的。

然而大多數(shù)云平臺會提供MySQL這樣的開源數(shù)據(jù)庫，又是開源，錢不需要花這么多了。但維護這個數(shù)據(jù)庫，卻需要專門招一個很大的團隊，如果這個數(shù)據(jù)庫能夠優(yōu)化到能夠支撐雙十一，也不是一年兩年能夠搞定的。

比如您是一個做單車的，當(dāng)然沒必要招一個非常大的數(shù)據(jù)庫團隊來干這件事情，成本太高了，應(yīng)該交給云平臺來做這件事情，專業(yè)的事情專業(yè)的人來做，云平臺專門養(yǎng)了幾百人維護這套系統(tǒng)，您只要專注于您的單車應(yīng)用就可以了。

要么是自動部署，要么是不用部署，總的來說就是應(yīng)用層你也要少操心，這就是PaaS層的重要作用。

雖說腳本的方式能夠解決自己的應(yīng)用的部署問題，然而不同的環(huán)境千差萬別，一個腳本往往在一個環(huán)境上運行正確，到另一個環(huán)境就不正確了。

而容器是能更好地解決這個問題。

容器是 Container，Container另一個意思是集裝箱，其實容器的思想就是要變成軟件交付的集裝箱。集裝箱的特點：一是封裝，二是標準。

在沒有集裝箱的時代，假設(shè)將貨物從 A運到 B，中間要經(jīng)過三個碼頭、換三次船。每次都要將貨物卸下船來，擺得七零八落，然后搬上船重新整齊擺好。因此在沒有集裝箱時，每次換船，船員們都要在岸上待幾天才能走。

有了集裝箱以后，所有的貨物都打包在一起了，并且集裝箱的尺寸全部一致，所以每次換船時，一個箱子整體搬過去就行了，小時級別就能完成，船員再也不用上岸長時間耽擱了。

這是集裝箱“封裝”、“標準”兩大特點在生活中的應(yīng)用。

那么容器如何對應(yīng)用打包呢？還是要學(xué)習(xí)集裝箱。首先要有個封閉的環(huán)境，將貨物封裝起來，讓貨物之間互不干擾、互相隔離，這樣裝貨卸貨才方便。好在 Ubuntu中的LXC技術(shù)早就能做到這一點。

封閉的環(huán)境主要使用了兩種技術(shù)，一種是看起來是隔離的技術(shù)，稱為 Namespace，也即每個 Namespace中的應(yīng)用看到的是不同的 IP地址、用戶空間、程號等。另一種是用起來是隔離的技術(shù)，稱為 Cgroups，也即明明整臺機器有很多的 CPU、內(nèi)存，而一個應(yīng)用只能用其中的一部分。

所謂的鏡像，就是將你焊好集裝箱的那一刻，將集裝箱的狀態(tài)保存下來，就像孫悟空說：“定”，集裝箱里面就定在了那一刻，然后將這一刻的狀態(tài)保存成一系列文件。這些文件的格式是標準的，誰看到這些文件都能還原當(dāng)時定住的那個時刻。將鏡像還原成運行時的過程（就是讀取鏡像文件，還原那個時刻的過程）就是容器運行的過程。

有了容器，使得 PaaS層對于用戶自身應(yīng)用的自動部署變得快速而優(yōu)雅。

/ 大數(shù)據(jù)擁抱云計算 /

在PaaS層中一個復(fù)雜的通用應(yīng)用就是大數(shù)據(jù)平臺。大數(shù)據(jù)是如何一步一步融入云計算的呢？

一開始這個大數(shù)據(jù)并不大。原來才有多少數(shù)據(jù)？現(xiàn)在大家都去看電子書，上網(wǎng)看新聞了，在我們80后小時候，信息量沒有那么大，也就看看書、看看報，一個星期的報紙加起來才有多少字？如果你不在一個大城市，一個普通的學(xué)校的圖書館加起來也沒幾個書架，是后來隨著信息化的到來，信息才會越來越多。

首先我們來看一下大數(shù)據(jù)里面的數(shù)據(jù)，就分三種類型，一種叫結(jié)構(gòu)化的數(shù)據(jù)，一種叫非結(jié)構(gòu)化的數(shù)據(jù)，還有一種叫半結(jié)構(gòu)化的數(shù)據(jù)。

• 結(jié)構(gòu)化的數(shù)據(jù)：即有固定格式和有限長度的數(shù)據(jù)。例如填的表格就是結(jié)構(gòu)化的數(shù)據(jù)，國籍：中華人民共和國，民族：漢，性別：男，這都叫結(jié)構(gòu)化數(shù)據(jù)。

• 非結(jié)構(gòu)化的數(shù)據(jù)：現(xiàn)在非結(jié)構(gòu)化的數(shù)據(jù)越來越多，就是不定長、無固定格式的數(shù)據(jù)，例如網(wǎng)頁，有時候非常長，有時候幾句話就沒了；例如語音，視頻都是非結(jié)構(gòu)化的數(shù)據(jù)。

• 半結(jié)構(gòu)化數(shù)據(jù)：是一些XML或者HTML的格式的，不從事技術(shù)的可能不了解，但也沒有關(guān)系。

其實數(shù)據(jù)本身不是有用的，必須要經(jīng)過一定的處理。例如你每天跑步帶個手環(huán)收集的也是數(shù)據(jù)，網(wǎng)上這么多網(wǎng)頁也是數(shù)據(jù)，我們稱為Data。數(shù)據(jù)本身沒有什么用處，但數(shù)據(jù)里面包含一個很重要的東西，叫做信息（Information）。

數(shù)據(jù)十分雜亂，經(jīng)過梳理和清洗，才能夠稱為信息。信息會包含很多規(guī)律，我們需要從信息中將規(guī)律總結(jié)出來，稱為知識（Knowledge），而知識改變命運。信息是很多的，但有人看到了信息相當(dāng)于白看，但有人就從信息中看到了電商的未來，有人看到了直播的未來，所以人家就牛了。如果你沒有從信息中提取出知識，天天看朋友圈也只能在互聯(lián)網(wǎng)滾滾大潮中做個看客。

有了知識，然后利用這些知識去應(yīng)用于實戰(zhàn)，有的人會做得非常好，這個東西叫做智慧（Intelligence）。有知識并不一定有智慧，例如好多學(xué)者很有知識，已經(jīng)發(fā)生的事情可以從各個角度分析得頭頭是道，但一到實干就歇菜，并不能轉(zhuǎn)化成為智慧。而很多的創(chuàng)業(yè)家之所以偉大，就是通過獲得的知識應(yīng)用于實踐，最后做了很大的生意。

所以數(shù)據(jù)的應(yīng)用分這四個步驟：數(shù)據(jù)、信息、知識、智慧。

最終的階段是很多商家都想要的。你看我收集了這么多的數(shù)據(jù)，能不能基于這些數(shù)據(jù)來幫我做下一步的決策，改善我的產(chǎn)品。例如讓用戶看視頻的時候旁邊彈出廣告，正好是他想買的東西；再如讓用戶聽音樂時，另外推薦一些他非常想聽的其他音樂。

用戶在我的應(yīng)用或者網(wǎng)站上隨便點點鼠標，輸入文字對我來說都是數(shù)據(jù)，我就是要將其中某些東西提取出來、指導(dǎo)實踐、形成智慧，讓用戶陷入到我的應(yīng)用里面不可自拔，上了我的網(wǎng)就不想離開，手不停地點、不停地買。

很多人說雙十一我都想斷網(wǎng)了，我老婆在上面不斷地買買買，買了A又推薦B，老婆大人說，“哎呀，B也是我喜歡的啊，老公我要買”。你說這個程序怎么這么牛，這么有智慧，比我還了解我老婆，這件事情是怎么做到的呢？

數(shù)據(jù)的處理分幾個步驟，完成了才最后會有智慧。

第一個步驟叫數(shù)據(jù)的收集。首先得有數(shù)據(jù)，數(shù)據(jù)的收集有兩個方式：

• 第一個方式是拿，專業(yè)點的說法叫抓取或者爬取。例如搜索引擎就是這么做的：它把網(wǎng)上的所有的信息都下載到它的數(shù)據(jù)中心，然后你一搜才能搜出來。比如你去搜索的時候，結(jié)果會是一個列表，這個列表為什么會在搜索引擎的公司里面？就是因為他把數(shù)據(jù)都拿下來了，但是你一點鏈接，點出來這個網(wǎng)站就不在搜索引擎它們公司了。比如說新浪有個新聞，你拿百度搜出來，你不點的時候，那一頁在百度數(shù)據(jù)中心，一點出來的網(wǎng)頁就是在新浪的數(shù)據(jù)中心了。

• 第二個方式是推送，有很多終端可以幫我收集數(shù)據(jù)。比如說小米手環(huán)，可以將你每天跑步的數(shù)據(jù)，心跳的數(shù)據(jù)，睡眠的數(shù)據(jù)都上傳到數(shù)據(jù)中心里面。

第二個步驟是數(shù)據(jù)的傳輸。一般會通過隊列方式進行，因為數(shù)據(jù)量實在是太大了，數(shù)據(jù)必須經(jīng)過處理才會有用。可系統(tǒng)處理不過來，只好排好隊，慢慢處理。

第三個步驟是數(shù)據(jù)的存儲?，F(xiàn)在數(shù)據(jù)就是金錢，掌握了數(shù)據(jù)就相當(dāng)于掌握了錢。要不然網(wǎng)站怎么知道你想買什么？就是因為它有你歷史的交易的數(shù)據(jù)，這個信息可不能給別人，十分寶貴，所以需要存儲下來。

第四個步驟是數(shù)據(jù)的處理和分析。上面存儲的數(shù)據(jù)是原始數(shù)據(jù)，原始數(shù)據(jù)多是雜亂無章的，有很多垃圾數(shù)據(jù)在里面，因而需要清洗和過濾，得到一些高質(zhì)量的數(shù)據(jù)。對于高質(zhì)量的數(shù)據(jù)，就可以進行分析，從而對數(shù)據(jù)進行分類，或者發(fā)現(xiàn)數(shù)據(jù)之間的相互關(guān)系，得到知識。

比如盛傳的沃爾瑪超市的啤酒和尿布的故事，就是通過對人們的購買數(shù)據(jù)進行分析，發(fā)現(xiàn)了男人一般買尿布的時候，會同時購買啤酒，這樣就發(fā)現(xiàn)了啤酒和尿布之間的相互關(guān)系，獲得知識，然后應(yīng)用到實踐中，將啤酒和尿布的柜臺弄的很近，就獲得了智慧。

第五個步驟是對于數(shù)據(jù)的檢索和挖掘。檢索就是搜索，所謂外事不決問Google，內(nèi)事不決問百度。內(nèi)外兩大搜索引擎都是將分析后的數(shù)據(jù)放入搜索引擎，因此人們想尋找信息的時候，一搜就有了。

另外就是挖掘，僅僅搜索出來已經(jīng)不能滿足人們的要求了，還需要從信息中挖掘出相互的關(guān)系。比如財經(jīng)搜索，當(dāng)搜索某個公司股票的時候，該公司的高管是不是也應(yīng)該被挖掘出來呢？如果僅僅搜索出這個公司的股票發(fā)現(xiàn)漲的特別好，于是你就去買了，其實其高管發(fā)了一個聲明，對股票十分不利，第二天就跌了，這不坑害廣大股民么？所以通過各種算法挖掘數(shù)據(jù)中的關(guān)系，形成知識庫，十分重要。

當(dāng)數(shù)據(jù)量很小時，很少的幾臺機器就能解決。慢慢的，當(dāng)數(shù)據(jù)量越來越大，最牛的服務(wù)器都解決不了問題時，怎么辦呢？這時就要聚合多臺機器的力量，大家齊心協(xié)力一起把這個事搞定，眾人拾柴火焰高。

對于數(shù)據(jù)的收集：就IoT來講，外面部署這成千上萬的檢測設(shè)備，將大量的溫度、濕度、監(jiān)控、電力等數(shù)據(jù)統(tǒng)統(tǒng)收集上來；就互聯(lián)網(wǎng)網(wǎng)頁的搜索引擎來講，需要將整個互聯(lián)網(wǎng)所有的網(wǎng)頁都下載下來。這顯然一臺機器做不到，需要多臺機器組成網(wǎng)絡(luò)爬蟲系統(tǒng)，每臺機器下載一部分，同時工作，才能在有限的時間內(nèi)，將海量的網(wǎng)頁下載完畢。

對于數(shù)據(jù)的傳輸：一個內(nèi)存里面的隊列肯定會被大量的數(shù)據(jù)擠爆掉，于是就產(chǎn)生了基于硬盤的分布式隊列，這樣隊列可以多臺機器同時傳輸，隨你數(shù)據(jù)量多大，只要我的隊列足夠多，管道足夠粗，就能夠撐得住。

對于數(shù)據(jù)的存儲：一臺機器的文件系統(tǒng)肯定是放不下的，所以需要一個很大的分布式文件系統(tǒng)來做這件事情，把多臺機器的硬盤打成一塊大的文件系統(tǒng)。

對于數(shù)據(jù)的分析：可能需要對大量的數(shù)據(jù)做分解、統(tǒng)計、匯總，一臺機器肯定搞不定，處理到猴年馬月也分析不完。于是就有分布式計算的方法，將大量的數(shù)據(jù)分成小份，每臺機器處理一小份，多臺機器并行處理，很快就能算完。例如著名的Terasort對1個TB的數(shù)據(jù)排序，相當(dāng)于1000G，如果單機處理，怎么也要幾個小時，但并行處理209秒就完成了。

所以說什么叫做大數(shù)據(jù)？說白了就是一臺機器干不完，大家一起干。可是隨著數(shù)據(jù)量越來越大，很多不大的公司都需要處理相當(dāng)多的數(shù)據(jù)，這些小公司沒有這么多機器可怎么辦呢？

說到這里，大家想起云計算了吧。當(dāng)想要干這些活時，需要很多的機器一塊做，真的是想什么時候要就什么時候要，想要多少就要多少。

例如大數(shù)據(jù)分析公司的財務(wù)情況，可能一周分析一次，如果要把這一百臺機器或者一千臺機器都在那放著，一周用一次非常浪費。那能不能需要計算的時候，把這一千臺機器拿出來；不算的時候，讓這一千臺機器去干別的事情？

誰能做這個事兒呢？只有云計算，可以為大數(shù)據(jù)的運算提供資源層的靈活性。而云計算也會部署大數(shù)據(jù)放到它的PaaS平臺上，作為一個非常非常重要的通用應(yīng)用。因為大數(shù)據(jù)平臺能夠使得多臺機器一起干一個事兒，這個東西不是一般人能開發(fā)出來的，也不是一般人玩得轉(zhuǎn)的，怎么也得雇個幾十上百號人才能把這個玩起來。

所以說就像數(shù)據(jù)庫一樣，其實還是需要有一幫專業(yè)的人來玩這個東西?，F(xiàn)在公有云上基本都會有大數(shù)據(jù)的解決方案了，一個小公司需要大數(shù)據(jù)平臺的時候，不需要采購一千臺機器，只要到公有云上一點，這一千臺機器都出來了，并且上面已經(jīng)部署好了的大數(shù)據(jù)平臺，只要把數(shù)據(jù)放進去算就可以了。

云計算需要大數(shù)據(jù)，大數(shù)據(jù)需要云計算，二者就這樣結(jié)合了。

/ 人工智能擁抱大數(shù)據(jù) /

雖說有了大數(shù)據(jù)，人的欲望卻不能夠滿足。雖說在大數(shù)據(jù)平臺里面有搜索引擎這個東西，想要什么東西一搜就出來了。但也存在這樣的情況：我想要的東西不會搜，表達不出來，搜索出來的又不是我想要的。

例如音樂軟件推薦了一首歌，這首歌我沒聽過，當(dāng)然不知道名字，也沒法搜。但是軟件推薦給我，我的確喜歡，這就是搜索做不到的事情。當(dāng)人們使用這種應(yīng)用時，會發(fā)現(xiàn)機器知道我想要什么，而不是說當(dāng)我想要時，去機器里面搜索。這個機器真像我的朋友一樣懂我，這就有點人工智能的意思了。

人們很早就在想這個事情了。最早的時候，人們想象，要是有一堵墻，墻后面是個機器，我給它說話，它就給我回應(yīng)。如果我感覺不出它那邊是人還是機器，那它就真的是一個人工智能的東西了。

怎么才能做到這一點呢？人們就想：我首先要告訴計算機人類的推理能力。你看人重要的是什么？人和動物的區(qū)別是什么？就是能推理。要是把我這個推理的能力告訴機器，讓機器根據(jù)你的提問，推理出相應(yīng)的回答，這樣多好？

其實，目前人們慢慢地讓機器能夠做到一些推理了，例如證明數(shù)學(xué)公式。這是一個非常讓人驚喜的過程，機器竟然能夠證明數(shù)學(xué)公式。但慢慢又發(fā)現(xiàn)其實這個結(jié)果也沒有那么令人驚喜。因為大家發(fā)現(xiàn)了一個問題：數(shù)學(xué)公式非常嚴謹，推理過程也非常嚴謹，而且數(shù)學(xué)公式很容易拿機器來進行表達，程序也相對容易表達。

然而人類的語言就沒這么簡單了。比如今天晚上，你和你女朋友約會，你女朋友說：如果你早來，我沒來；你等著，如果我早來；你沒來，你等著！這個機器就比較難理解了，但人都懂。所以你和女朋友約會，是不敢遲到的。

因此，僅僅告訴機器嚴格的推理是不夠的，還要告訴機器一些知識。但告訴機器知識這個事情，一般人可能就做不來了。可能專家可以，比如語言領(lǐng)域的專家或者財經(jīng)領(lǐng)域的專家。

語言領(lǐng)域和財經(jīng)領(lǐng)域知識能不能表示成像數(shù)學(xué)公式一樣稍微嚴格點呢？例如語言專家可能會總結(jié)出主謂賓定狀補這些語法規(guī)則，主語后面一定是謂語，謂語后面一定是賓語，將這些總結(jié)出來，并嚴格表達出來不就行了嗎？

后來發(fā)現(xiàn)這個不行，太難總結(jié)了，語言表達千變?nèi)f化。就拿主謂賓的例子，很多時候在口語里面就省略了謂語，別人問：你誰啊？我回答：我劉超。但你不能規(guī)定在語音語義識別時，要求對著機器說標準的書面語，這樣還是不夠智能，就像羅永浩在一次演講中說的那樣，每次對著手機，用書面語說：請幫我呼叫某某某，這是一件很尷尬的事情。

人工智能這個階段叫做專家系統(tǒng)。專家系統(tǒng)不易成功，一方面是知識比較難總結(jié)，另一方面總結(jié)出來的知識難以教給計算機。因為你自己還迷迷糊糊，覺得似乎有規(guī)律，就是說不出來，又怎么能夠通過編程教給計算機呢？

于是人們想到：機器是和人完全不一樣的物種，干脆讓機器自己學(xué)習(xí)好了。

機器怎么學(xué)習(xí)呢？既然機器的統(tǒng)計能力這么強，基于統(tǒng)計學(xué)習(xí)，一定能從大量的數(shù)字中發(fā)現(xiàn)一定的規(guī)律。

其實在娛樂圈有很好的一個例子，可見一般：

有一位網(wǎng)友統(tǒng)計了知名歌手在大陸發(fā)行的 9 張專輯中 117 首歌曲的歌詞，同一詞語在一首歌出現(xiàn)只算一次，形容詞、名詞和動詞的前十名如下表所示（詞語后面的數(shù)字是出現(xiàn)的次數(shù)）：

如果我們隨便寫一串?dāng)?shù)字，然后按照數(shù)位依次在形容詞、名詞和動詞中取出一個詞，連在一起會怎么樣呢？

例如取圓周率 3.1415926，對應(yīng)的詞語是：堅強，路，飛，自由，雨，埋，迷惘。稍微連接和潤色一下：

堅強的孩子，

依然前行在路上，

張開翅膀飛向自由，

讓雨水埋葬他的迷惘。

是不是有點感覺了？當(dāng)然，真正基于統(tǒng)計的學(xué)習(xí)算法比這個簡單的統(tǒng)計復(fù)雜得多。

然而，統(tǒng)計學(xué)習(xí)比較容易理解簡單的相關(guān)性：例如一個詞和另一個詞總是一起出現(xiàn)，兩個詞應(yīng)該有關(guān)系；而無法表達復(fù)雜的相關(guān)性。并且統(tǒng)計方法的公式往往非常復(fù)雜，為了簡化計算，常常做出各種獨立性的假設(shè)，來降低公式的計算難度，然而現(xiàn)實生活中，具有獨立性的事件是相對較少的。

于是人類開始從機器的世界，反思人類的世界是怎么工作的。

人類的腦子里面不是存儲著大量的規(guī)則，也不是記錄著大量的統(tǒng)計數(shù)據(jù)，而是通過神經(jīng)元的觸發(fā)實現(xiàn)的，每個神經(jīng)元有從其它神經(jīng)元的輸入，當(dāng)接收到輸入時，會產(chǎn)生一個輸出來刺激其它神經(jīng)元。于是大量的神經(jīng)元相互反應(yīng)，最終形成各種輸出的結(jié)果。

例如，當(dāng)人們看到美女瞳孔會放大，絕不是大腦根據(jù)身材比例進行規(guī)則判斷，也不是將人生中看過的所有的美女都統(tǒng)計一遍，而是神經(jīng)元從視網(wǎng)膜觸發(fā)到大腦再回到瞳孔。在這個過程中，其實很難總結(jié)出每個神經(jīng)元對最終的結(jié)果起到了哪些作用，反正就是起作用了。

于是人們開始用一個數(shù)學(xué)單元模擬神經(jīng)元。

這個神經(jīng)元有輸入，有輸出，輸入和輸出之間通過一個公式來表示，輸入根據(jù)重要程度不同(權(quán)重)，影響著輸出。

于是，將n個神經(jīng)元通過像一張神經(jīng)網(wǎng)絡(luò)一樣連接在一起。n這個數(shù)字可以很大很大，所有的神經(jīng)元可以分成很多列，每一列很多個排列起來。每個神經(jīng)元對于輸入的權(quán)重可以都不相同，從而每個神經(jīng)元的公式也不相同。當(dāng)人們從這張網(wǎng)絡(luò)中輸入一個東西的時候，希望輸出一個對人類來講正確的結(jié)果。

例如上面的例子，輸入一個寫著2的圖片，輸出的列表里面第二個數(shù)字最大，其實從機器來講，它既不知道輸入的這個圖片寫的是2，也不知道輸出的這一系列數(shù)字的意義，沒關(guān)系，人知道意義就可以了。正如對于神經(jīng)元來說，他們既不知道視網(wǎng)膜看到的是美女，也不知道瞳孔放大是為了看的清楚，反正看到美女，瞳孔放大了，就可以了。

對于任何一張神經(jīng)網(wǎng)絡(luò)，誰也不敢保證輸入是2，輸出一定是第二個數(shù)字最大，要保證這個結(jié)果，需要訓(xùn)練和學(xué)習(xí)。畢竟看到美女而瞳孔放大也是人類很多年進化的結(jié)果。學(xué)習(xí)的過程就是，輸入大量的圖片，如果結(jié)果不是想要的結(jié)果，則進行調(diào)整。

如何調(diào)整呢？就是每個神經(jīng)元的每個權(quán)重都向目標進行微調(diào)，由于神經(jīng)元和權(quán)重實在是太多了，所以整張網(wǎng)絡(luò)產(chǎn)生的結(jié)果很難表現(xiàn)出非此即彼的結(jié)果，而是向著結(jié)果微微地進步，最終能夠達到目標結(jié)果。

當(dāng)然，這些調(diào)整的策略還是非常有技巧的，需要算法的高手來仔細的調(diào)整。正如人類見到美女，瞳孔一開始沒有放大到能看清楚，于是美女跟別人跑了，下次學(xué)習(xí)的結(jié)果是瞳孔放大一點點，而不是放大鼻孔。

聽起來也沒有那么有道理，但的確能做到，就是這么任性！

神經(jīng)網(wǎng)絡(luò)的普遍性定理是這樣說的，假設(shè)某個人給你某種復(fù)雜奇特的函數(shù)，f(x)：

不管這個函數(shù)是什么樣的，總會確保有個神經(jīng)網(wǎng)絡(luò)能夠?qū)θ魏慰赡艿妮斎離，其值f(x)（或者某個能夠準確的近似）是神經(jīng)網(wǎng)絡(luò)的輸出。

如果在函數(shù)代表著規(guī)律，也意味著這個規(guī)律無論多么奇妙，多么不能理解，都是能通過大量的神經(jīng)元，通過大量權(quán)重的調(diào)整，表示出來的。

這讓我想到了經(jīng)濟學(xué)，于是比較容易理解了。

我們把每個神經(jīng)元當(dāng)成社會中從事經(jīng)濟活動的個體。于是神經(jīng)網(wǎng)絡(luò)相當(dāng)于整個經(jīng)濟社會，每個神經(jīng)元對于社會的輸入，都有權(quán)重的調(diào)整，做出相應(yīng)的輸出，比如工資漲了、菜價漲了、股票跌了，我應(yīng)該怎么辦、怎么花自己的錢。這里面沒有規(guī)律么？肯定有，但是具體什么規(guī)律呢？很難說清楚。

基于專家系統(tǒng)的經(jīng)濟屬于計劃經(jīng)濟。整個經(jīng)濟規(guī)律的表示，不希望通過每個經(jīng)濟個體的獨立決策表現(xiàn)出來，而是希望通過專家高屋建瓴和遠見卓識總結(jié)出來。但專家永遠不可能知道哪個城市的哪個街道缺少一個賣甜豆腐腦的。

于是，專家說應(yīng)該產(chǎn)多少鋼鐵、產(chǎn)多少饅頭，往往距離人民生活的真正需求有較大的差距，就算整個計劃書寫個幾百頁，也無法表達隱藏在人民生活中的小規(guī)律。

基于統(tǒng)計的宏觀調(diào)控就靠譜多了，每年統(tǒng)計局都會統(tǒng)計整個社會的就業(yè)率、通脹率、GDP等指標。這些指標往往代表著很多內(nèi)在規(guī)律，雖然不能精確表達，但是相對靠譜。

然而，基于統(tǒng)計的規(guī)律總結(jié)表達相對比較粗糙。比如經(jīng)濟學(xué)家看到這些統(tǒng)計數(shù)據(jù)，可以總結(jié)出長期來看房價是漲還是跌、股票長期來看是漲還是跌。例如，如果經(jīng)濟總體上揚，房價和股票應(yīng)該都是漲的。但基于統(tǒng)計數(shù)據(jù)，無法總結(jié)出股票，物價的微小波動規(guī)律。

基于神經(jīng)網(wǎng)絡(luò)的微觀經(jīng)濟學(xué)才是對整個經(jīng)濟規(guī)律最最準確的表達，每個人對于自己在社會中的輸入進行各自的調(diào)整，并且調(diào)整同樣會作為輸入反饋到社會中。想象一下股市行情細微的波動曲線，正是每個獨立的個體各自不斷交易的結(jié)果，沒有統(tǒng)一的規(guī)律可循。

而每個人根據(jù)整個社會的輸入進行獨立決策，當(dāng)某些因素經(jīng)過多次訓(xùn)練，也會形成宏觀上統(tǒng)計性的規(guī)律，這也就是宏觀經(jīng)濟學(xué)所能看到的。例如每次貨幣大量發(fā)行，最后房價都會上漲，多次訓(xùn)練后，人們也就都學(xué)會了。

然而，神經(jīng)網(wǎng)絡(luò)包含這么多的節(jié)點，每個節(jié)點又包含非常多的參數(shù)，整個參數(shù)量實在是太大了，需要的計算量實在太大。但沒有關(guān)系，我們有大數(shù)據(jù)平臺，可以匯聚多臺機器的力量一起來計算，就能在有限的時間內(nèi)得到想要的結(jié)果。

人工智能可以做的事情非常多，例如可以鑒別垃圾郵件、鑒別黃色暴力文字和圖片等。這也是經(jīng)歷了三個階段：

• 第一個階段依賴于關(guān)鍵詞黑白名單和過濾技術(shù)，包含哪些詞就是黃色或者暴力的文字。隨著這個網(wǎng)絡(luò)語言越來越多，詞也不斷地變化，不斷地更新這個詞庫就有點顧不過來。

• 第二個階段時，基于一些新的算法，比如說貝葉斯過濾等，你不用管貝葉斯算法是什么，但是這個名字你應(yīng)該聽過，這個一個基于概率的算法。

• 第三個階段就是基于大數(shù)據(jù)和人工智能，進行更加精準的用戶畫像、文本理解和圖像理解。

由于人工智能算法多是依賴于大量的數(shù)據(jù)，這些數(shù)據(jù)往往需要面向某個特定的領(lǐng)域(例如電商，郵箱)進行長期的積累，如果沒有數(shù)據(jù)，就算有人工智能算法也白搭，所以人工智能程序很少像前面的IaaS和PaaS一樣，將人工智能程序給某個客戶安裝一套，讓客戶去用。因為給某個客戶單獨安裝一套，客戶沒有相關(guān)的數(shù)據(jù)做訓(xùn)練，結(jié)果往往是很差的。

但云計算廠商往往是積累了大量數(shù)據(jù)的，于是就在云計算廠商里面安裝一套，暴露一個服務(wù)接口，比如您想鑒別一個文本是不是涉及黃色和暴力，直接用這個在線服務(wù)就可以了。這種形勢的服務(wù)，在云計算里面稱為軟件即服務(wù)，SaaS (Software AS A Service)

于是工智能程序作為SaaS平臺進入了云計算。

/ 基于三者關(guān)系的美好生活 / 

終于，云計算的三兄弟湊齊了，分別是IaaS、PaaS和SaaS。所以一般在一個云計算平臺上，云、大數(shù)據(jù)、人工智能都能找得到。一個大數(shù)據(jù)公司，積累了大量的數(shù)據(jù)，會使用一些人工智能的算法提供一些服務(wù)；一個人工智能公司，也不可能沒有大數(shù)據(jù)平臺支撐。

所以，當(dāng)云計算、大數(shù)據(jù)、人工智能這樣整合起來，便完成了相遇、相識、相知的過程。