云计算与网格计算、分布式计算、自主计算等到底什么区别？有点晕，求指点。

多线程是一个线程只能运行在一个CPU需要分析及划分应用程序问题，并将问题映射到分布式进程。需要解决通信延迟大和负载不平衡两个主要问题。，多个线程可以运行在多个CPU；并行计算是一个线程可以运行在多个CPU。

是总分关系、发展与基础关系。云计算是在网格计算、分布式计算、自主计算等技术的基础上发展起来的，是后者各要素整合发展的技术。

并行计算与分布式计算的区别有哪些_并行与分布式计算的区别和联系

并行计算与分布式计算的区别有哪些_并行与分布式计算的区别和联系

并行计算与分布式计算的区别有哪些_并行与分布式计算的区别和联系

云计算是网络服务资源池，提供但不限于网格计算、分布式计算、自主计算等数据处理服务。

云计算和其他算法的区别是什么 特点有五个

大家都知道云计算的核心概念就是以互联网为中心，在网站上提供快速且安全的云计算服务与数据存储，在早期其实还有其他算Dryad结合Hyper-V(Windows 2008的一个关键组成部分)虚拟化技术。可以实现TB级别数据的在线迁移。中小型企业也可以针对企业内部小型集群进行分布式应用系统编程，以及制定私有云开发与应用解决方案等设计。Windows Azure是微软的公有云解决方案，但是目前要大规模应用还为时过早。使用现有Windows第三方产品实现私有云，花费成本却很大。然而Dryad技术给我们带来了不错的折中选择，当我们基于Windows 台运行应用系统或者网站时，便可以基于Dryad分布式架构来开发与设计实现。当公有云时机成熟和各种条件完备时，系统可以很轻易地升级到公有云，企业而无需花费太多成本。法，而发展为云计算。

并行计算、分布式计算、网格计算与云计算都属于高性能计算的范畴，主要目的在于对大数据的分析与处理，但它们却存在很多异。电子海图云服务是基于高性能计算的理论技术、通过对传统服务体系结构的改进，以实现海量电子海图数据的快速存取与处理作，使其更好地为海洋地理信息科学领域中的计算密集型和数据密集型问题提供相应的计算和处理能力。高性能计算体系结构是海量电子海图数据存储与处理的技术基础，也是顺利进行电子海图云服务原型系统开发的保证。

云计算是一种由大数据存储分析与资源弹性扩缩需求驱动的计算模式，其具备五个关键特点：①基于分布式并行计算技术；②能够实现规模化、弹性化的计算存储；③用户服务的虚拟化与多级化；④受高性能计算与大数据存储驱动；⑤服务资源的动态化、弹性化。近年来云计算能够获得普遍关注的原因主要有2、如果一个组织机构需要增加新的相对自主的组织单位来扩充机构，则分布式数据库系统可以在对当前机构影响小的情况下进行扩充。以下三点：①设备存储计算能力的提升与成本的下降，多核、多处理器技术的诞生与普及；②各行业积累了越来越多的专业数据，亟需得到有效利用；③网络服务和Web2.0应用的广泛使用。

早期的并行计算主要应用于科学研究领域，具有特定的应用环境，需要利用很高的技术技巧才能完成任务所需要的并行程序设计。虽然当时的并行计算离普通大众还很遥远，但已经为复杂问题奠定了方基础。可以说，并行计算是云计算的初始阶段或者说是萌芽期，它为云计算的发展提供了实际而朴素的思想和基本思路。

由此可见，与其他形式计算相比，云计算是一种成熟稳定的流式商业资源，它为用户提供可量算的抽象服务就如同水电厂提供可量算的水电资源一样便捷可靠。

分布式计算系统和分布式系统有什么区别和联系？

在概念层次上云计算与并行计算、集群计算、网格计算、分布式计算存在交叉云计算不仅是从网格计算演化来的，而且网格计算还为云计算提供了基本的网络框架支持。网格计算的焦点在于计算与存储能力的提供，而云计算更注重于资源与服务能力的抽象，这就是网格计算向云计算的演化。

分布式软件系统(Distributed Software Systems)是支持分布式处理的软件系统,是在由通信网络互联的多处理机体系结构上执行任务的系统。它包括分布式作系统、分布式程序设计语言及其编译(解释)系统、分布式文件系统和分布式数据库系统等。

分布式作系统负责管理分布式处理系统资源和控制分布式程序运行。它和集中式作系统的区别在于资源管理、进程通信和系统结构等方面。

分布式程序设计语言用于编写运行于分布式计算机系统上的分布式程序。一个分布式程序由若干个可以执行的程序模块组成,它们分布于一个分布式处理系统的多台计算机上被同时执行。它与集中式的程序设计语言相比有三个特点：分布性、通信性和稳健性。

分布式文件系统具有执行远程文件存取的能力,并以透明方式对分布在网络上的文件进行管理和存取。

分布式数据库系统由分布于多个计算机结点上的若干个数据库系统组成,它提供有效的存取手段来纵这些结点上的子数据库。分布式数据库在使用上可视为一个完整的数据库,而实际上它是分布在地理分散的各个结点上。当然,分布在各个结点上的子数据库在逻辑上是相关的。

---------------

分布式数据库系统是由若干个站而成。这些站又称为，它们在通讯网络中联接在一起，每个都是一个的数据库系统，它们都拥有各自的数据库、处理机、终端，以及各自的局部数据库管理系统。因此分布式数据库系统可以看作是一系列集中式数据库系统的联合。它们在逻辑上属于同一系统，但在物理结构上是分布式的。

分布式数据库系统已经成为信息处理学科的重要领域，正在迅速发展之中，原因基于以下几点：

1、它可以解决组织机构分散而数据需要相互联系的问题。比如银行系统，总行与各分行处于不同的城市或城市中的各个地区，在业务上它们需要处理各自的数据，也需要彼此之间的交换我们经常会遇到网站或系统无法承载大规模用户并发访问的问题，解决该问题的传统方法是使用数据库，通过数据库所提供的访问作接口来保证处理复杂查询的能力。当访问量增大，单数据库处理不过来时便增加数据库。如果增加了三台，再把用户分成了三类A(学生)、B(老师)，C(工程师)。每次访问时先查看用户属于哪一类，然后直接访问存储那类用户数据的数据库，则可将处理能力增加三倍，这时我们已经实现了一个分布式的存储引擎过程。和处理，这就需要分布式的系统。

4、当现有机构中已存在几个数据库系统，而且实现全局应用的必要性增加时，就可以由这些数据库自下而上构成分布式数据库系统。

5、相等规模的分布式数据库系统在出现故障的几率上不会比集中式数据库系统低，但由于其故障的影响仅限于局部数据应用，因此就整个系统来讲它的可靠性是比较高的。

特点

1、在分布式数据库系统里不强调集中控制概念，它具有一个以全局数据库为基础的分层控制结构，但是每个局部数据库都具有高度的自。

3、集中式数据库系统不同，数据冗余在分布式系统中被看作是所需要的特性，其原因在于：首先，如果在需要的数据，则可以提高局部的应用性。其次，当某发生故障时，可以作其它上的数据，因此这可以增加系统的有效性。当然，在分布式系统中对冗余度的评价是很复杂的。

1、分布式数据，但只有一个总? 据库，没有局部数据库。

2、分层式处理，每一层都有自己的数据库。

3、充分分散的分布式网络，没有控制部分，各之间的联接方式又可以有多种，如松散的联接，紧密的联接，动态的联接，广播通知式联接等。

---------------------

什么是分布式智能?

NI LabVIEW 8的分布式智能结合了相关的技术和工具，解决了分布式系统开发会碰到的一些挑战。更重要的是，NI LabVIEW 8的分布式智能提供的解决方案不仅令这些挑战迎刃而解，且易于实施。LabVIEW 8的分布式智能具体包括:

可对分布式系统中的所有结点编程——包括主机和终端。尤为可贵的是，您可以利用LabVIEW图形化编程方式，对大量不同类型的对象进行编程，如桌面处理器、实时系统、FPGA、PDA、嵌入式微处理器和DSP。

导航所有系统结点的查看系统——LabVIEW Project Explorer。您可使用Project Explorer查看、编辑、运行和调试运行于任何对象上的结点。

--------------------

在分布式计算机作系统支持下，互连的计算机可以互相协调工作，共同完成一项任务。

也可以这么解释:

一种计算机硬件的配置方式和相应的功能配置方式。它是一种多处理器的计算机系统，各处理器通过互连网络构成统一的系统。系统采用分布式计算结构，即把原来系统内处理器处理的任务分散给相应的处理器，实现不同功能的各个处理器相互协调，共享系统的外设与软件。这样就加快了系统的处理速度，简化了主机的逻辑结构

什么是分布式处理系统

将你的整个软件视为一个系统（不管它有多复杂）

将整个系统分割为一系列的 Process（进程）， 总之，将分布式计算系统改造成共享式存储器系统需要经过设计、修改和重新编写程序等一系列复杂的工作。针对具体问题的解决方案需要根据具体情况进一步探讨和研究。每个 Process 完成一定的功能

将这些 Process 分散到不同的机器上。分散后，选择若干种（没错一种可能不够）通信协议把他们连接起来

蹬蹬蹬蹬～大功告成。哈哈别打我，这真的是很严肃的通用型三步骤大杀器，对付任何软件，是任何软件都可以的。接下来我当然要解释清楚为什么。

输出 2、在分布式数据库系统中数据性概念也同样重要，然而增加了一个新的概念，就是分布式透明性。所谓分布式透明性就是在编写程序时好象数据没有被分布一样，因此把数据进行转移不会影响程序的正确性。但程序的执行速度会有所降低。C

很简单吧？这三个步骤是无法并行的。它们需要被依次执行。但是这个软件依然可以被改为分布式的，方法就是用前面提到的方法，把步骤 2 的计算过程为一个 Process 移动到另外一台计算机上完成。

如何连接——光把系统拆开成 Process 还不够，关键是拆开后的 Process 之间还要能通信，因此涉及通信协议设计的问题，需要考虑的因素很多，好消息是这部分其实成熟方案很多

四、为什么你要使用分布式？

为了增强可靠性——软件不是完美的，网络不是完美的，甚至机器本身也不可能是完美的，随时可能会出错，为了避免故障，需要将业务分散开保留一定的冗余度

在以提供 Serv 为主的服务端软件开发过程中常常遇到这些问题。

通信协议。Process 间需要相互配合才能完成工作，因此通信协议是基本要解决的问题。这部分其实挺复杂，牵涉面光，不过核心还是抓住两方面，一是存在哪些需求，二是各个协议如何满足这些需求

命名法。两个 Process 要通信，必须相互知道对方的名字，名字可以是数字，也可以是结构化的字符串。例如众所周知域名系统就是一种命名方案，但是方案还有很多，各有特点

协作。上面都在谈 Process 之间的通信，可是为什么要通信？因为要协作。协作是个复杂的主题，其中基本基本的一个问题就是同步问题。而聊同步问题必然要聊“锁”……知识点就这么展开了

上面几点是基础的知识。了解了这些其实就算入门了。可是如何进阶呢？那么必然要开始学习下面的问题：

容错。冗余是容错的基础，但并不是全部，分布式本身为实现容错提供了一些便利，这也是实际设计系统时常常需要考虑的问题

并行计算和多线程的区别

很明显并行比多线程具有更高的CPU利用率，因此效率相对更高；

并行是利用CPU的多个核进行计算，而多线程是利不过，Dryad和DryadLINQ也同样具有局限性。其一，它更适用于批处理任务，而不适用于需要快速响应的任务；这个数据模型更适用于处理流式访问，而不是随机访问。其二，DryadLINQ使用的是，NET的LINO查询语言模型，针对运行Windows HPC 的计算机集群设计，而目前高性能计算市场被Einux所占领。此外，和MapReduce的应用时间和实践相比，Dryad的可靠性还明显不足，据了解除了微软AdCenter中的数据分析和Trident项目之外，其它应用Dryad的地方还很少。不过总的来看，Dryad平台在将来仍具有很广泛的发展前景，尤其对NET开发人员来说是―次很重要的技术革新机遇。用CPU一个核在不同时间段内进行计算。

并行计算式多个线程运行在多个经简化的数据共享编程界面——共享变量。使用共享变量，您可轻松地在系统间(甚至实时系统间)传输数据且不影响性能。无通信循环，无RT FIFO，无需低层次TCP函数。您可以利用简单的对话完成共享变量的配置，从而将数据在各系统间传输或将数据连接到不同的数据源。您还可添加记录、警报、等数据服务――一切仅需简单的对话即可完成。cpu上， 多线程是多个线程运行在一个cpu上， 并行计算基本是依赖多线程的。

分布式计算和集中式计算的区别

计算机科学中的两个重要概念是分布式计算和集中式计算。集中式计算在一台计算机上运行所有的应用程序和服务，而分布式计算是将任务分配给多台计算机来协同完成。这两种计算方式之间存在明显的异。

其中一个主要的区别在于它们的可扩展性。在集中式计算中，所有的应用程序都运行在同一台计算机上，这使得增加工作负载或者应用程序会导致性能下降。而在分布式计算中，可以将任务分配给多台计算机我认为，要理解OpenMP和MPI，首先要有一些作系统知识和系统编程基础——OpenMP对应的实际上是单进程多线程的并发编程模型，可以将一个单线程的程序按for循环拆分成多线程——相当于pthread_create。来协同完成，这使得计算能力可以随着需要而扩展，从而提高可伸缩性。

另一个区别是它们的容错性。在集中式计算中，如果计算机出现故障，整个系统可能会停止工作。而分布式计算可以设置冗余计算机，从而在某台计算机出现故障时，其他计算机可以接管任务并继续工作，从而提高了容错性。

总的来说，选择分布式计算还是集中式计算取决于应用程序的需求。如果应用程序需要高可扩展性和容错性，则分布式计算是更好的选择。如果应用程序的规模相对较小或者不需要高可扩展性和容错性，则Dryad系统架构集中式计算可能是更好的选择。

分布式计算系统能不能改造成共享式存储器系统(并行计算)?怎么改造

Dryad同MapReduce样，它不仅仅是种编程模型，同时也是一种高效的任务调度模型。Dryad这种编程模型不仅适用于云计算，在多核和多处理器以及异构机群上同样有良好的性能。在VisualStudio 2010 C++有一套并行计算编程框架，支持常用的协同任务调度和硬件资源(例如CPU和内存等)管理，通过WorkStealing算法可以充分利用细颗粒度并行的优势，来保证空闲的线程依照一定的策略建模，从所有线程队列中“偷取”任务执行，所以能够让任务和数据粒度并行。Dryad与上述并行框架相似，同样可以对计算机和它们的CPU进行调度，不同的是Dryad被设计为伸缩于各种规模的集群计算平台，无论是单台多核计算机还是由多台计算机组成的集群，甚至拥有数千台计算机的数据中心，都能以从任务队列中创建的策略建模来实现分布式并行计算的编程框架。

分布式计算系统和共享式存储器系统的设计思想和架构方式有很大的不同，因此将分布式计算系统改造成共享式存储器系统并不是一件简单的事情。

3、均衡负载的需要。数据的分解采用使局部应用达到，这使得各处理机之间的相互干扰降到。负载在各处理机之间分担，可以避免临界瓶颈。

分布式计算系统通常采用了分布式文件系统等技术，使得数据可以分散存储在多个计算上，并通过网络进行相互传输和通讯。而共享式存储器系统则是所有计算共享同一个物理存储器，在不同的上可以访问同样的数据。

因此，如果要将分布式计算系统改造成共享式存储器系统，需要进行大量的系统架构和编程上的改动。具体的改造方案会依据所使用的分布式计算系统和共享式存储器系统的具体实现方式而有所不同，但一些基本步骤可能包括：

1. 重新设计系统架构：将原来的分布式架构转变为共享式架构，使得所有计算可以访问同一个存储器。

2. 修改数据存储方式：将原来的分布式存储方式改为共享式存储方式，即所有计算共享同一个存储器空间。

3. 修改通信协议：修改之间的通信协议，以适应共享式存储器系统的特性。

4. 重新编写程序：根据新的系统架构和通信协议，需要重新编写程序，在共享式存储器系统上进行并行计算。

分布式计算系统的设计目的是为了实现大规模计算任务的分布式处理，其中各个之间通过网络进行通信和协作，每个都有自己的计算资源和存储资源，通过分布式算法实现任务的并行计算和协同处理。而共享式存储器系统的设计目的则是为了实现多个共享同一个存储资源，通过共享存储实现并行计算和数据共享，从而提高整个系统的计算能力和存储能力。

要将分布式计算系统改造成共享式存储器系统，需要进行大量的软硬件重构和重新设计。具体来说，可以考虑以下几个方面的改造：

1.硬件方面：需要将分布式计算中的存储资源统一起来，构建一个共享式存储器系统。这可以通过引入专门的存储和存储设备来实现，从而实现多个共享同一块存储设备。

2.软件方面：需要对分布式计算系统的软件进行修改和重新开发，以适应共享式存储器系统的需求。这包括设计适合共享存储的并行计算算法和数据管理策略，修改之间的通信协议和接口，实现数据共享和同步等功能。

3.系统架构方面：需要重新设计系统的架构体系，以适应共享式存储器系统的需求。这包括设计适合共享存储的分布式计算架构，实现存储资源的动态调度和管理，构建高可用性的共享存储系统等。

总的来说，将分布式计算系统改造成共享式存储器系统是一个非常复杂和繁琐的过程，需要针对具体的应用场景进行深入的分析和设计。在进行改造时需要充分考虑系统的性能、可扩展性、可靠性等因素，以实现更高效、更可靠、更灵活的计算和存储系统。

计算机科学与技术专业考研！谁能告诉我各报考方向之间有什么区别？

如果是单的，利用多线程的就可以了。mpi一般使用在多上的，就是好几个工作站一起计算的时候，采用mpi实现。 多线程作系统是自动分配cpu的，可以实现一台电脑上的分配。 mpi的通讯在以电脑上的速度肯定比不上多线程的，因为线程的通讯...

系统结构是硬件方向，包括体系结构、嵌入式等；软件理论包括软件体系结构、形式语言、分布式、数据库、信息安全等；应用技术包括多媒体技术、人工智能等。至于软件工程则是开发软件工程方法。每个学校还会有一些细微别。

计算机应对于同一个进程的多个线程来说，由于它们只是独占自己的栈内存，堆内存是共享的，因此数据交换十分地容易，直接通过共享变量就可以进行交换，编程模型非常简单易用，并且对于作系统来说，线程的上下文切换成本也比进程低很多。用技术范围大些，其他的是它的子类。

我自我感觉计算机软件工程应用更加广泛和热门。

祝贺你成功！

采用并行计算的程序用什么编程语言开发?

Dryad的执行过程可以看做是一个二维管道流的处理过程，其中每个可以具有多个程序的执行，通过这种算法可以同时处理大规模数据。在每个进程(VertsProcesses)上都有一个处理程序在运行，并且通过数据管道(Channels)的方式在它们之间传送数据。二维的Dryad管道模型定义了一系列的作，可以用来动态地建立并且改变这个有向无环图。这些作包括建立新的，在之间加入边，合并两个图以及对任务的输入和输出进行处理等。

分布式(即并行计算)的编写一般用的是C++（也有用JAVA的，但是都是娱乐性质的项目了，不是主在内部，对 A 和 B 执行某数算，获得 C流），基本不用MPI接口。并行计算用MPI或者OpenMP。如果把网格计算算做分布式计算（网格计算是分布式计算的一种特例，但是有区别，区别仅仅在编程方法和实际应用的范围上），网格计算使用中间件！而且对联网的各台计算机的作系统的要求比较特殊。

当然vb也是可以的，c++这方面的类库比较多。

的是汇编,机器语言

如何知道电脑是否具有并行计算能力?（就剩下这么点家底了，希望大家原谅）

存储器系统由一个或多个存储器 模块组成,所有的存储器模块使用一个统一编址的地 址空间。处理机可以用不同的地址访问不同的存分布式系统的类型，大致可以归为三类：储器 模块。

随着多核CPU的普及和互联网的迅速发展，计算已经进入并行的时代，这种并行计算有两种主要的形式，一种着眼于充分挖掘单台计算机的硬件潜力，通常以多线程协作的方式完成指定的工作任务；另一种着眼于利用互联的计算机所共同拥有的计算能力，将一个工作任务分发到多台计算机上同时处理，通过多台计算机的相互协作完成单台计算机所无法完成的工作任务。

只要你的电脑有两个核就可以做并行，装个MPI就可以进行并行

【云计算新的基石,微软Dryad分布式并行计算平台解析】 云计算是并行计算

分布式——一个高大上的名词，是计算机软件设计中群众喜闻乐见的“逼格满满”、“不明觉厉”的几个名词之一。但很可惜，这玩意儿一点也不复杂，甚至有些“简单”。不信？你只要遵循下述步骤即可将任何一个软件拆分为“分布式”的：

Dryad：MapReduce之外的新思路 目前各大软件巨头都搭建了自己的分布式平台解决方案，主要包括Dryad，DynamoSDMapReduce等框架。2010年12月21日，微软发布了Dryad的测试版本，成为谷歌MapReduce分布式并行计算平台的竞争对手。Dryad是微软构建云计算基础设施的重要核心技术之一，它可以让开发人员在Windows或者，NET平台上编写大规模的并行应用程序模型，并能够让在单机上编写的程序运行在分布式并行计算平台上。工程师可以利用数据中心的集群对数据进行并行处理，当工程师在作数千台计算机时，无需关心分布式并行计算系统方面的细节。

实现了远程设备及系统内部或设备及系统之间的同步作——定时和同步始终是定义高性能测量和控制系统的关键问题。利用基于NI技术的系统，探索设备内部并编写其内部运行机制，从而取得比传统仪器或PLC方式下更为灵活的解决方案。

DryadgDDryadLINO是微软硅谷研究院创建的研究项目，主要用来提供一个分布式并行计算平台。DryadLINO是分布式计算语言，能够将LINQ编写的程序转变为能够在Dryad上运行的程序，使普通程序员也可以轻易进行大规模的分布式计算。它结合了微软Dryad和LINO两种关键技术，被用于在该平台上构建应用。Dryad构建在Cluster Serv(集群服务)和分布式文件系统之上，可以处理任务的创建和管理、资源管理，任务和可视化、容错，重新执行和调度等工作。

Dryad系统主要用来构建支持有向无环图(Directed Acycline Graph，DAG)类型数据流的并行程序，然后根据程序的要求进行任务调度，自动完成任务在各个上的运行。在Dryad平台上，每个任务或并行计算过程都可以被表示为一个有向无环图，图中的每个表示一个要执行的程序，之间的边表示数据通道中数据的传输方式，其可能是文件、TCPPipe、共享内存

用Dryad平台时，首先需要在任务管理(JM)上建立自己的任务，每一个任务由一些处理过程以及在这些处理过程问的数据传递组成。任务管理器(JM)获取无环图之后，便会在程序的输入通道准备，当有可用机器的时候便对它进行调度。JM从命名(NS)那里获得一个可用的计算机列表，并通过一个维护进程(PD)来调度这个程序。

Dryad模型算法应用

DryadLINQ可以根据工程师给出的LINQ查询生成可以在Dryad引擎上执行的分布式策略算法建模(运算规则)，并负务的自动并行处理及数据传递时所需要的序列化等作。此外，它还提供了一系列易于使用的高级特性，如强类型数据、Visual Studio集成调试以及丰富的任务优化策略(规则)算法等。这种模型策略开发框架也比较适合采用领域驱动开发设计(DDD)来构建“云”平台应用，并能够较容易地做到自动化分布式计算。

我们可以通过Dryad分布式平台来解决云存储扩容困难的问题。如果这三台也承载不了更大的数据要求，需要增加到五台，那必须更改分类方法把用户分成五类，然后重新迁移已经存在的数据，这时候就需要非常大的迁移工作，这种方法显然不可取。另外，当群集进行分布式计算时，每个资源处理能力可能有所不同(例如采用不同硬件配置的)，如果只是简单地把机器直接分布上去，性能高的机器得不到充分利用，性能低的机器处理不过来。

Dryad解决此问题的方法是采用虚，把上面的A、B、C三类用户都想象成一个逻辑上的。一台真实的物理可能会包含一个或者几个虚(逻辑)，看机器的性能而定。我们可以把那任务程序分成Q等份(每一个等份就是一个虚)，这个Q要远大于我们的资源数。现在设我们有S个资源，那么每个资源就承担Q／S个等份。当一个资源离开系统时，它所负责的等份要重新均分到其他资源上；当一个新加入时，要从其他的1偷取2一定数额的等份。

在这个策略建模算法下，当一个离开系统时，虽然需要影响到很多，但是迁移的数据总量只是离开那个的数据量。同样，～个新的加入，迁移的数据总量也只是一个新的数据量。之所以有这个效果是因为Q的存在，使得增加和减少的时候不需要对已有的数据做重新哈希(D)。这个策略的要求是Q>>s(存储备份上，设每个数据存储N个备份则要满足Q>>SN)。如果业务快速发展，使得不断地增加主机，从而导致Q不再满足Q>>S，那么这个策略将重新变化。

Dryad算法模型就是一种简化并行计算的编程模型，它向上层用户提供接口，屏蔽了并行计算特别是分布式处理的诸多细节问题，让那些没有多少并行计算经验的开发 人员也可以很方便地开发并行应用，避免了很多重复工作。这也就是Dryad算法模型的价值所在，通过简化编程模型，降低了开发并行应用的入门门槛，并且能大大减轻了工程师在开发大规模数据应用时的负担。

通过上述的论述，我们可以看到Dryad通过一个有向无环图的策略建模算法，提供给用户一个比较清晰的编程框架。在这个编程框架下，用户需要将自己的应用程序表达为有向无环图的形式，程序则编写为串行程序的形式，而后用Dryad方法将程序组织起来。用户不需要考虑分布式系统中关于的选择，与通信的出错处理手段都简单明确，内建在Dryad框架内部，满足了分布式程序的可扩展性、可靠性和对性能的要求。

使用Drvad LINO

通过使用DryadLINQ编程，使工程师编写大型数据并行程序能够轻易地运行在大型计算机集群里。DryadLINO开发的程序是一组顺序的L_NQ代码，它们可以针对数据集做任何无副作用的作，编译器会自动将其中数据并行的部分翻译成并行执行的，并交由底层的Dryad平成计算，从而生成每个要执行的代码和静态数据，并为所需要传输的数据类型生成序列化代码；

LINQ本身是，NET引入的组编程结构，它用于像作数据库中的表一样来作内存中的数据。DryadLINQ提供的是一种通用的开发／运行支持，而不包含任何与实际业务，算法相关的逻辑，Dryad和DryadLINQ都提供有API。DryadLINQ使用和LINQ相同的编程模型，并扩展了少量作符和数据类型以适用于数据并行的分布式计算。并从两方面扩展了以前的计算模型(SQL，MapReduce，Dryad等)它是基于，NET强类型对象的，表达力更强的数据模型和支持通用的命令式和声明式编程(混合编程)，从而延续了LINQ代码即数据(treat codeas data)的特性。

DryadLINQ使用动态的代，将DryadLINQ表达式编译成，NET字节码。这些编译后的字节码会根据调度执行的需要，被传输到执行它的机器上去。字节码中包含两类代码完成某个子表达式计算的代码和完成输入输出序列化的代码。这种表达式并不会被立刻计算，而是等到需要其结果的时候才进行计算。DryadLINQ设计的核心是在分布式执行层采用了一种完全函数式的，声明式的表述，用于表达数据并行计算中的计算。这种设计使得我们可以对计算进行复杂的重写和优化，类似于传统的并行数据库。从而解决了传统分布式数据库SQL语句功能受限与类型系统受限问题，以及MapReduce模型中的计算模型受限和没有系统级的自动优化等问题。

在Dryad编程模式中，应用程序的大规模数据处理被分解为多个步骤，并构成有向无环图形式的任务组织，由执行引擎去执行。这两种模式都提供了简单明了的编程方式，使得工程师能够很好地驾驭云计算处理平台，对大规模数据进行处理。Dryad的编程方式可适应的应用也更加广泛，通过DryadLINQ所提供的高级语言接口，使工程师可以快速进行大规模的分布式计算应用程序的编写。

Dryad技术的应用

云计算重要的概念之～就是可伸缩性，实现它的关键是虚拟化。通过虚拟化可以在一台共享计算机上聚集多个作系统和应用程序，以便更好地利用。当一个负载超荷时，可以将其中一个作系统的一个实例(以及它的应用程序)迁移到一个新的，相对闲置的上。虚拟化(Virtualization)是云计算的基石，企业实现私有云的步就是基础架构进行虚拟化。基础设施虚拟化之后。接下来就是要将现有应用迁移到虚拟环境中。

写在

云计算可以看成是网络计算与虚拟化技术的结合，利用网络的分布式计算能力将各种IT资源筑成一个资源池，然后结合成熟的存储虚拟化和服务虚拟化技术，让用户实时透明地和调配资源。Dryad是实现构建微软云计算基础设施的重要核心技术之一，其具有诸多优点，如DryadLINQ具有声明式编程并将作的对象封装为，NET类数据，方便数据作，自动并行化、VisualStudio IDE和，NET类库集成，自动序列化和任务图的优化(静态和动态(主要通过DryadAPI实现))，对J0in进行了优化，得到了比BigTable+MapReduee更快的Join速率和更易用的数据作方式等。

计算机群(Cluster)：用于执行工作图中的。

命名(Name ,Ns)：负责维护cluster中各个机器的信息。

维护进程(PDaemon,PD)：进程监管与调度工作。