企业业务的现有架构是否适合云计算架构

企业业务的现有架构是否适合云计算架构

为应用选择合适的架构与技术
对于应用而言，笔者认为可以根据数据的使用方式分为三种：以计算为中心的应用、以数据为中心的应用和需要兼顾数据与计算的应用。
针对上面所提到的不同种类的应用，我们需要选择合适的架构以及技术来实现应用。
1. 以计算为中心的应用
我们通常见到的大部分应用，计算所需的数据量往往都不是很大，而影响执行效率的通常是计算量。这样的应用包括：统计计算（比如大量用户话费计算）、模拟计算（随机算法）、图像处理以及信息管理系统等。此类应用由于单个计算所需的数据量较小，数据传输的代价小，故我们可以将数据集中存放，并根据计算的需要实时发送数据，由多台计算机同时计算以提高计算速度。
2. 以数据为中心的应用
而对于Google，Baidu这样的互联网搜索公司来说，每天都需要从互联网采集海量的数据，并对其进行分析。其应用所需的输入数据往往较大，故它们的数据一般存放于像HDFS这样的分布式文件系统上或类似的集群数据服务器上，这些数据往往以大文件的形式存放，并且不容易被拆分。但这些数据可以供多个应用同时读取。在这样地情况下，我们一般不会移动数据，而会将任务发送到数据所在的服务器上执行。
对于开发人员来说，需要先确定所开发应用的类型并结合所能获取的计算资源，综合分析，才能选择合理的架构与技术。下面我们以常见的百兆网卡，7200转硬盘处理10G数据为例，对比一下将数据分配到多台计算机上计算所花的时间，与利用多核CPU采用多线程技术在本地计算所花费的时间（业务可使用并行计算）。详细信息如表5-1。
表5-1 常见计算机硬件配置
项目 参数
数据块 10 GB
100Mbps以太网卡 实际传输速率12.8MB/s
7200转硬盘 平均实际读取速度 50MB/s
算法计算所需时间 60分钟
CPU 4核
实际计算时间 =单核处理时间/CPU核数+ 数据传输时间 + 数据读取时间
利用多核处理器本地计算所需时间为：（需要重新看一下 本地IO的计算速度 ）
实际计算时间 = 单核处理时间/CPU核数+数据读取时间
= (60 Minutes/4)*60 + 10*1024/50
= 900 Sec + 204.8 Sec
= 1104.8 sec
= 18 分钟

将数据分配到4台4核计算机上，同时计算
实际计算时间 = 单核处理时间/CPU核数+数据传输时间+数据读取时间
= (60 Minutes/4*4)*60 + (10*1024/12.8) *4 + 10*1024/50
= 225 Sec + 3200 Sec + 204.8 Sec
= 60 分钟
从上面的分析我们可以看出，由于数据传输量较大，将数据分发到多台计算机上执行虽然降低了算法本身计算的时间，但数据传输时间显著增大，计算时间不但没有降低，反而变长。
影响数据传输的主要因素有数据复制的数量以及数据本身的大小。假如输入数据在10MB以内，此时再次计算，则结果为：
利用多核处理器本地计算所需时间为：
实际计算时间 = 单核处理时间/CPU核数+数据读取时间
= (60 Minutes/4)*60 + 10/50
= 900 Sec
= 15 分钟
将数据分配到4台4核计算机上，同时计算
实际计算时间 = 单核处理时间/CPU核数+数据传输时间+数据读取时间
= (60 Minutes/4*4)*60 + (10/12.8) *4 + 10/50
= 230 Sec
= 约4 分钟
这个时候采用多台计算机并行计算就可以极大地提升计算速度。类似的应用还有需要进行数据挖掘的应用（比如历史交易分析），人口统计信息，日志分析等。
3. 需要兼顾数据与计算的应用
在实际应用中还存在需要兼顾大数据量与计算量的应用。针对这样的应用，我们可以采用分而治之的方式，将该应用的不同功能模块根据实际情况采取不同的技术，从而提高计算效率。