粒計算是什麼，和雲計算有什麼關系？

雲計算真正作為一個新興技術得到IT界認可是在2007年左右，經過這十年的普及和發展，雲計算早已走進千萬個資料中心，成為IT世界裡炙手可熱的技術門類，并可以在未來的一段時間内繼續獲得長足發展。雲計算固然好，但也有不少的缺陷和使用限制，這樣才出現了霧計算、霾計算等技術，這些技術都是針對雲計算做的很好的補充，滿足多樣化的市場應用需求。

粒計算的基本問題

然而，人類在處理大量複雜資訊時．由于人類認知能力有限，往往會把大量複雜資訊按其各自特征和性能将其劃分為若幹較為簡單的塊．每個被分出來的塊就被看成是一個粒。實際上，粒就是指一些個體通過不分明關系、相似關系、鄰近關系或功能關系等所形成的塊。這種處理資訊的過程．稱資訊粒化。如商場的貨物多種多樣，如果不按某種方式擺放就很難進行有效管理．于是人們按貨架所擺放貨物的種類、體積、等級等将商場劃分為若幹塊并以此安排貨架，其每一塊将擺放同一種類或體積相似或同一等級的貨物。這裡所說的塊就是粒的概念，劃分粒的過程稱為資訊粒。

粒計算中存在2個基本問題: 粒化和基于粒化的計算。即如何構造這個模型, 以及根據這個模型的計算。粒化, 是問題空間的一個劃分過程, 它可以簡單了解為在給定粒化準則下(如等價關系)得到一個粒層的過程, 是粒計算的基礎, 通過粒化我們可以得到問題空間的層次間與層次内部的結構。在同一或者不同的粒化準則下均可得到多個粒層, 形成多層次的網絡結構。粒計算通過通路粒結構求解問題, 包括在層次結構中自上而下、或者自下而上2個方向的互動, 以及在同一層次内部的移動。即不同粒層上粒子之間的轉換與推理, 以及同一粒層上粒子之間互相互動,形成所謂的多粒度計算。

其實，粒計算比雲計算的概念出現得還早。在1997年時，美國一大學教授首次在論文中提出了粒計算，這标志着涉及多學科的一個應用研究領域産生。此後，國外諸多學者對它進行了研究，提出了許多有關粒計算的理論、方法和模型，現已成為研究模糊的、不較精确的、不完整的及海量資訊處理的重要工具。粒計算是一個含義廣泛的術語，覆寫了所有有關粒的理論、方法學、技術和工具的研究，并認為粒計算是模糊資訊粒化、Rough集理論和區間計算的超集，是粒數學的子集。粒計算是在問題求解中使用粒子，建構資訊粒化，将一類對象基于不可分辨關系、相似性等特征劃分為一系列粒。粒計算模型分為兩大類：一類以處理不确定性為主要目标，如以模糊處理為基礎的計算模型，以粗糙集為基礎的模型，側重于計算對象的不确定性處理。模糊概念是粒計算的主要組成部分;另一類則以多粒度計算為目标，如商空間理論。從不同的粒度上分層次地處理它們，降低處理複雜問題的複雜性。資訊粒廣泛存在于現實世界中，是對現實的抽象。

粒計算的價值和作用

粒計算雖然誕生得早，并沒有雲計算發展得快，隻是到最近才火了起來，這來源于人工智能和大資料技術的熱寵。在這兩個方面進行粒計算，意義不同凡響。人工智能和大資料的誕生，是因為人們試圖從人類思維和生物界的一些規律中得到啟發，建立相應的計算模型，應用到資訊科學中去，而粒計算則在更高層次上模拟了人類的思維規律。

當人工智能掌握“粒計算”，就會像顯微鏡一樣，能分析海量資訊，這将對科學界和人類社會都産生深遠影響。當大資料遇到了粒計算，可以對大資料所表示的領域資訊進行粒度分析，确定可能的粒度層次數目、各層次上資訊粒的語義以及根據領域知識能夠斷言的資訊粒之間的相關關系，這些粒度分析結果及其品質可直接影響後續的大資料處理的準确性和效率。目前，大資料開源平台的蓬勃發展，适用于不同應用場合的系統層出不窮，針對具體資料選擇适合的多粒度模組化，實作對特定粒計算模型的支援，可以更好地進行海量資料分析。是以，人工智能和大資料再火，也需要依仗粒計算等這些新技術來實作，否則就是空中樓閣，沒有任何現實意義。海量的資料中大量都是不确定的，模糊的，這給粒計算提供了廣闊的發展空間。

什麼是粒計算？和雲計算有什麼關系？

不僅在大資料、人工智能這些領域，在雲計算裡，粒計算同樣受歡迎。雲計算是一種計算資源，集合了海量的資料處理，與大資料、人工智能都有着緊密聯系，而粒計算正是處理海量資料，尤其是不确定性資料的好手。雲計算可以根據使用者需求通過網絡對松散耦合的粗細粒度應用元件進行分布式部署、組合和使用，形成多粒度或者可變粒度的服務。雲計算的技術底層架構中，分布式作業系統也支撐軟體的多粒度和可變粒度。由于雲計算本身的通用性特點，在“雲”的支撐下可以構造出千變萬化的應用，同一個“雲”可以同時支撐不同的應用運作，這都需要對海量的不确定資料進行計算處理，這時就需要粒計算。

雲計算和粒計算之間的關系

雲計算提供的服務也是個性化的，是多粒度和可變粒度的,提供的是細粒度服務。在雲計算中，為了保證計算和存儲等操作的完整性，在實作上要考慮很多大規模分布式計算機叢集進行海量資料處理時容錯處理問題，在出現部分失效的情況下計算任務仍然能夠正确執行，這時粒計算就會發揮作用。粒計算本身就可以處理大量具有不确定性的資料，當海量資料中摻雜着無用甚至是錯誤的資料，在粒計算的處理下，依然能夠得到較佳的正确結果，粒計算本身就具有容錯性。粒計算還可以将計算任務更加優化地分解和并行執行，對于每個未完成子任務，粒計算都會啟動一個備份子任務同時執行，無論初始任務還是備份子任務處理完成，該子任務都會立即被标記為完成狀态，通過備份任務機制可以有效避免因個别節點處理速度過慢而延誤整個任務的處理速度，粒計算可以在雲計算中大展手腳。

什麼是粒計算？和雲計算有什麼關系？

雲計算是一種新型的超級計算方式，以資料為中心，是一種資料密集型的超級計算，對海量資料處理操作非常頻繁的，需要新的算法适應，這時粒計算應運而生，将會更好地完成海量資料處理任務。粒計算是雲計算的較佳拍檔，随着雲計算要處理的資料量越來越龐大，大量無用甚至錯誤的資料影響到了雲計算的處理效率和結果，引入粒計算後，可以有效提升雲計算的計算效率，充分地發揮出雲計算的優勢。

粒計算面臨的挑戰

随着計算機及網絡的日益普及, 出現了以下趨勢: 資料的複雜性增加且更加多樣化, 如文本、圖像、語音、與視訊等; 海量資料; 人機互動更加頻繁與密切。這種發展趨勢給粒計算提出巨大的挑戰。例如：

計算對象的粒化

一個複雜的對象(系統)通常具有複雜的内部結構, 是以要将粒計算方法應用于這類對象, 首先遇到的問題是對象的粒化, 或者是結構分析(分解)。資訊結構通常有以下幾種類型: 邏輯(文法)結構(如文本)、空間結構(如圖像)、時間結構(如語音)、與時空結構(如視訊)等。這些結構中, 有的是已知的固定結構, 如資料庫; 有的是未知的固定結構, 如文本; 有的則是未知的變化結構, 如圖像、網頁内部結構等。對于後2 種未知的結構, 無論是固定還是變化的, 在粒化的過程中均存在如何選擇資訊結構中的基本元素, 如何劃分, 如何表示粒層之間與粒層内部的結構, 以及結構本身的不确定性等難題,這都是目前研究的熱點課題。已有的粒計算研究主要針對已知的固定結構, 如粗糙集研究中的決策表。

什麼是粒計算？和雲計算有什麼關系？

結構的表示

粒化之後, 另一個重要問題是如何表示這些結構。目前已有的進展是采用機率圖模型, 如條件随機場、馬爾可夫随機場等, 即利用機率來表示結構中的不确定性。為了分析機率圖模型, 在傳統機器學習的基礎上, 發展出一套具有結構資料的機器學習方法, 即結構預測法。是以對于有結構的對象,也可以采用傳統的機器學習方法加以處理。

面向大規模的實際問題

網絡環境下, 粒計算必須面向大規模的問題, 這必然導緻采用多粒度、多層次的分析與處理方法。是以需要在此架構下發展出一套高效的算法。

人工智能、大資料、雲計算和物聯網的未來發展值得重視，均為前沿産業，多智時代專注于人工智能和大資料的入門和科譜，在此為你推薦幾篇優質好文：

雲計算環境中存儲要必備哪六大要素

http://www.duozhishidai.com/article-12313-1.html

面對巨大的雲計算人才需要，你準備好了麼？