瑞斯云：分布式计算有哪些模式？

云计算早期，简单来说就是简单的分布式计算，解决任务分配，合并计算结果。因此，云计算也被称为网格计算。通过这项技术，可以在短时间(几秒钟)内处理成千上万的数据，从而实现强大的网络服务。目前，云服务不仅仅是一种分布式计算，而是分布式计算、效用计算、负载均衡、并行计算、网络存储、冗余热备份和虚拟化等计算机技术混合演进和飞跃的结果。

(1)单机计算(集中式计算):与分布式计算相对应的一种计算模式，计算机不与任何网络互联，只使用计算机系统能够控制的资源。

(2)并行计算:并行计算或并行计算是相对于串行计算而言的。它是一种可以一次执行多条指令的算法，目的是通过扩大问题求解的规模来提高计算速度，解决大型复杂的计算问题。并行计算可以分为时间并行和空间并行。时间并行指的是流水线技术，空间并行指的是多个处理器并行执行计算。

(3)网络计算:通过网络将各种资源组合起来，实现资源共享、协同工作和联合计算，为各种用户提供基于网络的各种服务。

(4)点对点计算（p2p）:点对点；每个用户既是客户端，也是服务器。

(5)集群计算:在计算机中，集群使用多台计算机为用户形成单个高可用性系统。集群计算可以用来实现= =负载均衡= =，集群计算的倡导者建议，对于一个企业来说，集群在很多情况下可以实现99.999%的可用性。= =集群的主要思想之一是，对外界来说，集群就像一个独特的系统。

(6)网格计算:研究如何将一个需要巨大计算能力的问题分割成许多小的部分，然后将这些部分分配到多台计算机上进行处理，最后将这些计算结果组合起来得到最终的结果。将整个网络整合成一台巨大的超级计算机，实现计算资源和存储资源的全面共享。

(7)雾计算:在这种模式下，数据、(数据)处理和应用集中在网络边缘的设备中，而不是几乎全部存储在云中，这是云计算的扩展概念，由思科提出。“雾”因“云”而得名，源于“雾是更接近地面的云”这句话。像云计算一样，雾计算非常生动。云飞扬，高高在上，遥不可及，刻意抽象；但雾是现实的，贴近地面，就在你我身边。雾计算不是由功能强大的服务器组成，而是由各种性能更弱、更分散的功能计算机组成，渗透到工厂、汽车、电器、路灯以及人们物质生活中的各种用品中。

(8)边缘计算:边缘计算是指在靠近对象或数据来源的网络边缘侧，集成网络、计算、存储和应用核心能力，就近提供边缘智能服务，满足行业数字化在敏捷连接、实时服务、数据优化、应用智能、安全和隐私保护等关键需求的开放平台。

(9)大数据计算:

① MapReduce: MapReduce是大规模数据集(大于1TB)并行操作的编程模型。“Map”和“Reduce”这两个概念，连同它们的主要思想，都是从函数式编程语言中借用来的，还有从向量编程语言中借用来的特性。程序员在分布式系统上运行程序非常方便，无需分布式并行编程。当前的软件实现是指定一个Map函数，将一组键值对映射成一组新的键值对，并指定一个并发Reduce函数，以确保所有映射的键值对共享同一个键组。

②流计算:实时计算；在传统的数据处理流程中，我们总是先收集数据，然后将数据放入数据库。当人们需要时，通过数据库查询数据，得到答案或进行处理。虽然这看起来很合理，但结果非常紧凑，尤其是在一些实时搜索应用环境中，像MapReduce这样的离线处理并不能很好地解决问题。这就产生了一种新的数据计算结构——流计算模式。= =它可以在变化的运动过程中实时分析大规模的流量数据，捕捉潜在有用的信息，并将结果发送到下一个计算节点。

③Spark：内存中的计算；Apache Spark是专门为大规模数据处理设计的快速通用计算引擎。Spark是一个类似Hadoop MapReduce的通用并行框架，由加州大学伯克利分校AMP实验室开放。Spark具有Hadoop MapReduce的优点。但是，与MapReduce不同的是，job的中间输出结果可以保存在内存中，因此不再需要读写HDFS，因此Spark可以更好地应用于数据挖掘、机器学习等需要迭代的MapReduce算法。