云計(jì)算_大數(shù)據(jù)和人工智能層層剖析

1、終于有人把云計(jì)算、大數(shù)據(jù)和人工智能講明白了！ 今天跟大家講講云計(jì)算、大數(shù)據(jù)和人工智能。為什么講這三個(gè)東西呢？因?yàn)檫@三個(gè)東西現(xiàn)在非?；穑⑶宜鼈冎g好像互相有關(guān)系：一般談云計(jì)算的時(shí)候會(huì)提到大數(shù)據(jù)、談人工智能的時(shí)候會(huì)提大數(shù)據(jù)、談人工智能的時(shí)候會(huì)提云計(jì)算感覺三者之間相輔相成又不可分割。但如果是非技術(shù)的人員，就可能比較難理解這三者之間的相互關(guān)系，所以有必要解釋一下。目錄 TOC o 1-3 h z u HYPERLINK l _Toc512697926 一、云計(jì)算最初的目標(biāo) PAGEREF _Toc512697926 h 1 HYPERLINK l _Toc512697927 二、云計(jì)算不光管資源，也

2、要管應(yīng)用 PAGEREF _Toc512697927 h 9 HYPERLINK l _Toc512697928 三、大數(shù)據(jù)擁抱云計(jì)算 PAGEREF _Toc512697928 h 14 HYPERLINK l _Toc512697929 四、人工智能擁抱大數(shù)據(jù) PAGEREF _Toc512697929 h 23一、云計(jì)算最初的目標(biāo)我們首先來說云計(jì)算。云計(jì)算最初的目標(biāo)是對(duì)資源的管理，管理的主要是計(jì)算資源、網(wǎng)絡(luò)資源、存儲(chǔ)資源三個(gè)方面。1管數(shù)據(jù)中心就像配電腦什么叫計(jì)算、網(wǎng)絡(luò)、存儲(chǔ)資源？比如你要買臺(tái)筆記本電腦，是不是要關(guān)心這臺(tái)電腦是什么樣的CPU？多大的內(nèi)存？這兩個(gè)就被我們稱為計(jì)算資源。這臺(tái)電腦

3、要上網(wǎng)，就需要有個(gè)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(yùn)營商比如聯(lián)通、移動(dòng)或者電信開通一個(gè)網(wǎng)絡(luò)，比如100M的帶寬。然后會(huì)有師傅弄一根網(wǎng)線到您家來，師傅可能會(huì)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(jī)、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(huì)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(chǔ)資源。對(duì)于一臺(tái)電腦是這個(gè)樣子的，對(duì)于一個(gè)數(shù)據(jù)中心也是同樣的。想象你有一個(gè)非常非常大的機(jī)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，

4、也是通過類似路由器的設(shè)備上網(wǎng)的。這時(shí)的問題就是：運(yùn)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？2靈活就是想啥時(shí)要都有，想要多少都行管理的目標(biāo)就是要達(dá)到兩個(gè)方面的靈活性。具體哪兩個(gè)方面呢？舉個(gè)例子來理解：比如有個(gè)人需要一臺(tái)很小的電腦，只有一個(gè)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(gè)筆記本電腦都比這個(gè)配置強(qiáng)了，家里隨便拉一個(gè)寬帶都要100M。然而如果去一個(gè)云計(jì)算的平臺(tái)上，他要想要這個(gè)資源時(shí)，只要一點(diǎn)就有了。這種情況下它就能達(dá)到兩個(gè)方面靈活性：時(shí)間靈活性：想什么時(shí)候要就什么時(shí)候要，需要的時(shí)候一點(diǎn)就出來了；空間靈活性：想要多少就有多少。需要一個(gè)

5、太很小的電腦，可以滿足；需要一個(gè)特別大的空間例如云盤，云盤給每個(gè)人分配的空間動(dòng)不動(dòng)就很大很大，隨時(shí)上傳隨時(shí)有空間，永遠(yuǎn)用不完，也是可以滿足的?？臻g靈活性和時(shí)間靈活性，即我們常說的云計(jì)算的彈性。而解決這個(gè)彈性的問題，經(jīng)歷了漫長時(shí)間的發(fā)展。3物理設(shè)備不靈活第一個(gè)階段是物理設(shè)備時(shí)期。這個(gè)時(shí)期客戶需要一臺(tái)電腦，我們就買一臺(tái)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(dòng)不動(dòng)就是百G內(nèi)存；例如網(wǎng)絡(luò)設(shè)備，一個(gè)端口的帶寬就能有幾十G甚至上百G；例如存儲(chǔ)，在數(shù)據(jù)中心至少是PB級(jí)別的(一個(gè)P是1000個(gè)T，一個(gè)T是1000個(gè)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(shí)間靈活性。不能夠達(dá)到想什

6、么時(shí)候要就什么時(shí)候要。比如買臺(tái)服務(wù)器、買個(gè)電腦，都要有采購的時(shí)間。如果突然用戶告訴某個(gè)云廠商，說想要開臺(tái)電腦，使用物理服務(wù)器，當(dāng)時(shí)去采購就很難。與供應(yīng)商關(guān)系好的可能需要一個(gè)星期，與供應(yīng)商關(guān)系一般的就可能需要采購一個(gè)月。用戶等了很久電腦才到位，這時(shí)用戶還要登錄上去慢慢開始部署自己的應(yīng)用。時(shí)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(gè)很小很小的電腦，但現(xiàn)在哪還有這么小型號(hào)的電腦？不能為了滿足用戶只要一個(gè)G的內(nèi)存是80G硬盤的，就去買一個(gè)這么小的機(jī)器。但是如果買一個(gè)大的，又會(huì)因?yàn)殡娔X大，需要向用戶多收錢，可用戶需要用的只有那么小一點(diǎn)，所以多付錢就很冤。4虛擬化靈活多了有人就想辦

7、法了。第一個(gè)辦法就是虛擬化。用戶不是只要一個(gè)很小的電腦么？數(shù)據(jù)中心的物理設(shè)備都很強(qiáng)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(shí)也可以虛擬出一小塊來給其他客戶。每個(gè)客戶只能看到自己的那一小塊，但其實(shí)每個(gè)客戶用的是整個(gè)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(shí)際情況可能我的這個(gè)10G和你的這個(gè)10G是落在同樣一個(gè)很大很大的存儲(chǔ)上。而且如果事先物理設(shè)備都準(zhǔn)備好，虛擬化軟件虛擬出一個(gè)電腦是非?？斓?，基本上幾分鐘就能解決。所以在任何一個(gè)云上要?jiǎng)?chuàng)建一臺(tái)電腦，一點(diǎn)幾分鐘就出來了，就是這個(gè)道理。這樣空間靈活性

8、和時(shí)間靈活性就基本解決了。5虛擬世界的賺錢與情懷在虛擬化階段，最牛的公司是VMware。它是實(shí)現(xiàn)虛擬化技術(shù)比較早的一家公司，可以實(shí)現(xiàn)計(jì)算、網(wǎng)絡(luò)、存儲(chǔ)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(qiáng)，存儲(chǔ)廠商第一品牌)給收購了。但這個(gè)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(gè)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(gè)軟件做的好，所有人都愛用，但這個(gè)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(gè)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

9、一家賺了去的情況。大牛們覺得，這個(gè)技術(shù)你會(huì)我也會(huì)；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(gè)叫做開源。比如最近的蒂姆伯納斯李就是個(gè)非常有情懷的人。2017年，他因“發(fā)明萬維網(wǎng)、第一個(gè)瀏覽器和使萬維網(wǎng)得以擴(kuò)展的基本協(xié)議和算法”而獲得2016年度的圖靈獎(jiǎng)。圖靈獎(jiǎng)就是計(jì)算機(jī)界的諾貝爾獎(jiǎng)。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(xiàn)給全世界免費(fèi)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(gè)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

10、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(tái)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(jī)操作系統(tǒng)。所以大家可以看到幾乎所有的其他手機(jī)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VM

11、ware，這個(gè)軟件非常貴。那就有大牛寫了兩個(gè)開源的虛擬化軟件，一個(gè)叫做Xen，一個(gè)叫做KVM，如果不做技術(shù)的，可以不用管這兩個(gè)名字，但是后面還是會(huì)提到。6虛擬化的半自動(dòng)和云計(jì)算的全自動(dòng)要說虛擬化軟件解決了靈活性問題，其實(shí)并不全對(duì)。因?yàn)樘摂M化軟件一般創(chuàng)建一臺(tái)虛擬的電腦，是需要人工指定這臺(tái)虛擬電腦放在哪臺(tái)物理機(jī)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(gè)很牛的證書，而能拿到這個(gè)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(jī)的集群規(guī)模都不是特別大，一般在十幾臺(tái)、幾十臺(tái)、最多百臺(tái)這么一個(gè)規(guī)模。這一方面會(huì)影響時(shí)間靈活性：雖然虛擬出

12、一臺(tái)電腦的時(shí)間很短，但是隨著集群規(guī)模的擴(kuò)大，人工配置的過程越來越復(fù)雜，越來越耗時(shí)。另一方面也影響空間靈活性：當(dāng)用戶數(shù)量多時(shí)，這點(diǎn)集群規(guī)模，還遠(yuǎn)達(dá)不到想要多少要多少的程度，很可能這點(diǎn)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(tái)起步，動(dòng)輒上萬臺(tái)、甚至幾十上百萬臺(tái)。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(jī)器要靠人去選一個(gè)位置放這臺(tái)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(jī)器去做這個(gè)事情。人們發(fā)明了各種各樣的算法來做這個(gè)事情，算法的名字叫做調(diào)度(Scheduler)。通俗一點(diǎn)說，就是有一個(gè)調(diào)度中心，幾千臺(tái)機(jī)器都在一個(gè)池子里面，

13、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(huì)自動(dòng)在大池子里面找一個(gè)能夠滿足用戶需求的地方，把虛擬電腦啟動(dòng)起來做好配置，用戶就直接能用了。這個(gè)階段我們稱為池化或者云化。到了這個(gè)階段，才可以稱為云計(jì)算，在這之前都只能叫虛擬化。7云計(jì)算的私有與公有云計(jì)算大致分兩種：一個(gè)是私有云，一個(gè)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(gè)。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(jī)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(jì)算的產(chǎn)品，并且在私有云市場(chǎng)賺的盆滿缽滿。公有云：把虛擬化

14、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(cè)一個(gè)賬號(hào)，就能在一個(gè)網(wǎng)頁上點(diǎn)一下創(chuàng)建一臺(tái)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(gè)電商，它做電商時(shí)也肯定會(huì)遇到類似雙十一的場(chǎng)景：在某一個(gè)時(shí)刻大家都沖上來買東西。當(dāng)大家都沖上買東西時(shí)，就特別需要云的時(shí)間靈活性和空間靈活性。因?yàn)樗荒軙r(shí)刻準(zhǔn)備好所有的資源，那樣太浪費(fèi)了。但也不能什么都不準(zhǔn)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(shí)，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

15、要一個(gè)云平臺(tái)的。然而商用的虛擬化軟件實(shí)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(tái)也越做越牛。由于它的云平臺(tái)需要支撐自己的電商應(yīng)用；而傳統(tǒng)的云計(jì)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(tái)對(duì)應(yīng)用更加友好，迅速發(fā)展成為云計(jì)算的第一品牌，賺了很多錢。在亞馬遜公布其云計(jì)算平臺(tái)財(cái)報(bào)之前，人們都猜測(cè)，亞馬遜電商賺錢，云也賺錢嗎？后來一公布財(cái)報(bào)，發(fā)現(xiàn)不是一般的賺錢。僅僅去年，亞馬遜AWS年?duì)I收達(dá)122億美元，運(yùn)營利潤31億美元。8云計(jì)算的賺錢與情懷公

16、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(jì)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(tái)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(gè)行業(yè)就可以一起把這個(gè)平臺(tái)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(jì)算行業(yè)的不用弄懂這個(gè)圖，但能夠看

17、到三個(gè)關(guān)鍵字：Compute計(jì)算、Networking網(wǎng)絡(luò)、Storage存儲(chǔ)。還是一個(gè)計(jì)算、網(wǎng)絡(luò)、存儲(chǔ)的云化管理平臺(tái)。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(tái)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(gè)好像難度還挺大。現(xiàn)在好了，有了這樣一個(gè)開源的云平臺(tái)OpenStack，所有的IT廠商都加入到這個(gè)社區(qū)中來，對(duì)這個(gè)云平臺(tái)進(jìn)行貢獻(xiàn)，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

18、做了公有云，OpenStack已經(jīng)成為開源云平臺(tái)的事實(shí)標(biāo)準(zhǔn)。9IaaS,資源層面的靈活性隨著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(gè)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(jìn)行統(tǒng)一的管理。這樣整個(gè)規(guī)模就更大了。在這個(gè)規(guī)模下，對(duì)于普通用戶的感知來講，基本能夠做到想什么時(shí)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(gè)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(shí)背后的機(jī)制是這樣的：分配你的空間，你可能只用了其中很少一點(diǎn)，比如說它分配給你了5個(gè)T，這么大的空間僅僅是你看到的，而不是真

19、的就給你了，你其實(shí)只用了50個(gè)G，則真實(shí)給你的就是50個(gè)G，隨著你文件的不斷上傳，分給你的空間會(huì)越來越多。當(dāng)大家都上傳，云平臺(tái)發(fā)現(xiàn)快滿了的時(shí)候(例如用了70%)，會(huì)采購更多的服務(wù)器，擴(kuò)充背后的資源，這個(gè)對(duì)用戶是透明的、看不到的。從感覺上來講，就實(shí)現(xiàn)了云計(jì)算的彈性。其實(shí)有點(diǎn)像銀行，給儲(chǔ)戶的感覺是什么時(shí)候取錢都有，只要不同時(shí)擠兌，銀行就不會(huì)垮。10總結(jié)到了這個(gè)階段，云計(jì)算基本上實(shí)現(xiàn)了時(shí)間靈活性和空間靈活性；實(shí)現(xiàn)了計(jì)算、網(wǎng)絡(luò)、存儲(chǔ)資源的彈性。計(jì)算、網(wǎng)絡(luò)、存儲(chǔ)我們常稱為基礎(chǔ)設(shè)施Infrastructure, 因而這個(gè)階段的彈性稱為資源層面的彈性。管理資源的云平臺(tái)，我們稱為基礎(chǔ)設(shè)施服務(wù)，也就是我們常聽到

20、的IaaS（Infrastructure As A Service）。二、云計(jì)算不光管資源，也要管應(yīng)用有了IaaS，實(shí)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(gè)例子：比如說實(shí)現(xiàn)一個(gè)電商的應(yīng)用，平時(shí)十臺(tái)機(jī)器就夠了，雙十一需要一百臺(tái)。你可能覺得很好辦啊，有了IaaS，新創(chuàng)建九十臺(tái)機(jī)器就可以了啊。但90臺(tái)機(jī)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(yùn)維人員一臺(tái)一臺(tái)的弄，需要很長時(shí)間才能安裝好的。雖然資源層面實(shí)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(gè)問題呢？人們?cè)贗aaS平臺(tái)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P

21、aaS（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(dòng)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(dòng)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(shí)需要配置支付寶或者微信的賬號(hào)，才能使別人在你的電商上買東西時(shí)，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(tái)幫不了忙，但能夠幫你做得自動(dòng)化，你需要做一些工作，將自己的配置信息融入到自動(dòng)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(tái)機(jī)器是空的，如果能夠提供一個(gè)工具，能夠自動(dòng)在這新的90臺(tái)機(jī)器上將

22、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(huì)用數(shù)據(jù)庫，但數(shù)據(jù)庫軟件是標(biāo)準(zhǔn)的，雖然安裝和維護(hù)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(biāo)準(zhǔn)的PaaS層的應(yīng)用放在云平臺(tái)的界面上。當(dāng)用戶需要一個(gè)數(shù)據(jù)庫時(shí)，一點(diǎn)就出來了，用戶就可以直接用了。有人問，既然誰安裝都一個(gè)樣，那我自己來好了，不需要花錢在云平臺(tái)上買。當(dāng)然不是，數(shù)據(jù)庫是一個(gè)非常難的東西，光Oracl

23、e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(tái)會(huì)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(hù)這個(gè)數(shù)據(jù)庫，卻需要專門招一個(gè)很大的團(tuán)隊(duì)，如果這個(gè)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(gè)做單車的，當(dāng)然沒必要招一個(gè)非常大的數(shù)據(jù)庫團(tuán)隊(duì)來干這件事情，成本太高了，應(yīng)該交給云平臺(tái)來做這件事情，專業(yè)的事情專業(yè)的人來做，云平臺(tái)專門養(yǎng)了幾百人維護(hù)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(dòng)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

24、而不同的環(huán)境千差萬別，一個(gè)腳本往往在一個(gè)環(huán)境上運(yùn)行正確，到另一個(gè)環(huán)境就不正確了。而容器是能更好地解決這個(gè)問題。容器是 Container，Container另一個(gè)意思是集裝箱，其實(shí)容器的思想就是要變成軟件交付的集裝箱。集裝箱的特點(diǎn)：一是封裝，二是標(biāo)準(zhǔn)。在沒有集裝箱的時(shí)代，假設(shè)將貨物從 A運(yùn)到 B，中間要經(jīng)過三個(gè)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(shí)，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(shí)，一個(gè)箱子整體搬過去就行了，小時(shí)級(jí)別就能完成，船員再也不用上岸長時(shí)間

25、耽擱了。這是集裝箱“封裝”、“標(biāo)準(zhǔn)”兩大特點(diǎn)在生活中的應(yīng)用。那么容器如何對(duì)應(yīng)用打包呢？還是要學(xué)習(xí)集裝箱。首先要有個(gè)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(diǎn)。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(gè) Namespace中的應(yīng)用看到的是不同的 IP地址、用戶空間、程號(hào)等。另一種是用起來是隔離的技術(shù)，稱為 Cgroups，也即明明整臺(tái)機(jī)器有很多的 CPU、內(nèi)存，而一個(gè)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

26、：“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(biāo)準(zhǔn)的，誰看到這些文件都能還原當(dāng)時(shí)定住的那個(gè)時(shí)刻。將鏡像還原成運(yùn)行時(shí)的過程（就是讀取鏡像文件，還原那個(gè)時(shí)刻的過程）就是容器運(yùn)行的過程。有了容器，使得 PaaS層對(duì)于用戶自身應(yīng)用的自動(dòng)部署變得快速而優(yōu)雅。三、大數(shù)據(jù)擁抱云計(jì)算在PaaS層中一個(gè)復(fù)雜的通用應(yīng)用就是大數(shù)據(jù)平臺(tái)。大數(shù)據(jù)是如何一步一步融入云計(jì)算的呢？1數(shù)據(jù)不大也包含智慧一開始這個(gè)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(shí)候，信息量沒有那么大，也就看看書、看看報(bào)，一個(gè)星期的報(bào)紙加起來才有多少字？如果你不在一個(gè)大城

27、市，一個(gè)普通的學(xué)校的圖書館加起來也沒幾個(gè)書架，是后來隨著信息化的到來，信息才會(huì)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(shí)候非常長，有時(shí)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(shí)數(shù)據(jù)本身不是有用的，

28、必須要經(jīng)過一定的處理。例如你每天跑步帶個(gè)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(gè)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(huì)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(shí)（Knowledge），而知識(shí)改變命運(yùn)。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(shí)，天天看朋友圈也只能在互聯(lián)網(wǎng)滾滾大潮中做個(gè)看客。有了知識(shí)，然后利用這些知識(shí)去應(yīng)用于實(shí)戰(zhàn)，有的人會(huì)做得非常好，這個(gè)東西叫做

29、智慧（Intelligence）。有知識(shí)并不一定有智慧，例如好多學(xué)者很有知識(shí)，已經(jīng)發(fā)生的事情可以從各個(gè)角度分析得頭頭是道，但一到實(shí)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(shí)應(yīng)用于實(shí)踐，最后做了很大的生意。所以數(shù)據(jù)的應(yīng)用分這四個(gè)步驟：數(shù)據(jù)、信息、知識(shí)、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(shí)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(shí)，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(diǎn)點(diǎn)鼠標(biāo)，輸入文字對(duì)我來說都是數(shù)據(jù)，我就是要將其中某些東西提取出

30、來、指導(dǎo)實(shí)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(diǎn)、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(gè)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？2數(shù)據(jù)如何升華為智慧數(shù)據(jù)的處理分幾個(gè)步驟，完成了才最后會(huì)有智慧。第一個(gè)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(gè)方式：第一個(gè)方式是拿，專業(yè)點(diǎn)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(shí)候，結(jié)果會(huì)是一個(gè)列表，這

31、個(gè)列表為什么會(huì)在搜索引擎的公司里面？就是因?yàn)樗褦?shù)據(jù)都拿下來了，但是你一點(diǎn)鏈接，點(diǎn)出來這個(gè)網(wǎng)站就不在搜索引擎它們公司了。比如說新浪有個(gè)新聞，你拿百度搜出來，你不點(diǎn)的時(shí)候，那一頁在百度數(shù)據(jù)中心，一點(diǎn)出來的網(wǎng)頁就是在新浪的數(shù)據(jù)中心了。第二個(gè)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(gè)步驟是數(shù)據(jù)的傳輸。一般會(huì)通過隊(duì)列方式進(jìn)行，因?yàn)閿?shù)據(jù)量實(shí)在是太大了，數(shù)據(jù)必須經(jīng)過處理才會(huì)有用?？上到y(tǒng)處理不過來，只好排好隊(duì)，慢慢處理。第三個(gè)步驟是數(shù)據(jù)的存儲(chǔ)?，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

32、是因?yàn)樗心銡v史的交易的數(shù)據(jù)，這個(gè)信息可不能給別人，十分寶貴，所以需要存儲(chǔ)下來。第四個(gè)步驟是數(shù)據(jù)的處理和分析。上面存儲(chǔ)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(duì)于高質(zhì)量的數(shù)據(jù)，就可以進(jìn)行分析，從而對(duì)數(shù)據(jù)進(jìn)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(shí)。比如盛傳的沃爾瑪超市的啤酒和尿布的故事，就是通過對(duì)人們的購買數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)了男人一般買尿布的時(shí)候，會(huì)同時(shí)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(shí)，然后應(yīng)用到實(shí)踐中，將啤酒和尿布的柜臺(tái)弄的很近，就獲得了智慧。第五個(gè)步驟是對(duì)于數(shù)據(jù)的檢索和挖掘。檢索就是搜索，所謂外事不

33、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(shí)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(cái)經(jīng)搜索，當(dāng)搜索某個(gè)公司股票的時(shí)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(gè)公司的股票發(fā)現(xiàn)漲的特別好，于是你就去買了，其實(shí)其高管發(fā)了一個(gè)聲明，對(duì)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(shí)庫，十分重要。3大數(shù)據(jù)時(shí)代，眾人拾柴火焰高當(dāng)數(shù)據(jù)量很小時(shí)，很少的幾臺(tái)機(jī)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(shí)，怎么

34、辦呢？這時(shí)就要聚合多臺(tái)機(jī)器的力量，大家齊心協(xié)力一起把這個(gè)事搞定，眾人拾柴火焰高。對(duì)于數(shù)據(jù)的收集：就IoT來講，外面部署這成千上萬的檢測(cè)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(gè)互聯(lián)網(wǎng)所有的網(wǎng)頁都下載下來。這顯然一臺(tái)機(jī)器做不到，需要多臺(tái)機(jī)器組成網(wǎng)絡(luò)爬蟲系統(tǒng)，每臺(tái)機(jī)器下載一部分，同時(shí)工作，才能在有限的時(shí)間內(nèi)，將海量的網(wǎng)頁下載完畢。對(duì)于數(shù)據(jù)的傳輸：一個(gè)內(nèi)存里面的隊(duì)列肯定會(huì)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(duì)列，這樣隊(duì)列可以多臺(tái)機(jī)器同時(shí)傳輸，隨你數(shù)據(jù)量多大，只要我的隊(duì)列足夠多，管道足夠粗，就能夠撐得住。對(duì)于數(shù)據(jù)的存儲(chǔ)：一臺(tái)機(jī)器的文件系統(tǒng)

35、肯定是放不下的，所以需要一個(gè)很大的分布式文件系統(tǒng)來做這件事情，把多臺(tái)機(jī)器的硬盤打成一塊大的文件系統(tǒng)。對(duì)于數(shù)據(jù)的分析：可能需要對(duì)大量的數(shù)據(jù)做分解、統(tǒng)計(jì)、匯總，一臺(tái)機(jī)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(jì)算的方法，將大量的數(shù)據(jù)分成小份，每臺(tái)機(jī)器處理一小份，多臺(tái)機(jī)器并行處理，很快就能算完。例如著名的Terasort對(duì)1個(gè)TB的數(shù)據(jù)排序，相當(dāng)于1000G，如果單機(jī)處理，怎么也要幾個(gè)小時(shí)，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(tái)機(jī)器干不完，大家一起干?？墒请S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(jī)器可怎么辦呢？4大數(shù)據(jù)需要云

36、計(jì)算，云計(jì)算需要大數(shù)據(jù)說到這里，大家想起云計(jì)算了吧。當(dāng)想要干這些活時(shí)，需要很多的機(jī)器一塊做，真的是想什么時(shí)候要就什么時(shí)候要，想要多少就要多少。例如大數(shù)據(jù)分析公司的財(cái)務(wù)情況，可能一周分析一次，如果要把這一百臺(tái)機(jī)器或者一千臺(tái)機(jī)器都在那放著，一周用一次非常浪費(fèi)。那能不能需要計(jì)算的時(shí)候，把這一千臺(tái)機(jī)器拿出來；不算的時(shí)候，讓這一千臺(tái)機(jī)器去干別的事情？誰能做這個(gè)事兒呢？只有云計(jì)算，可以為大數(shù)據(jù)的運(yùn)算提供資源層的靈活性。而云計(jì)算也會(huì)部署大數(shù)據(jù)放到它的PaaS平臺(tái)上，作為一個(gè)非常非常重要的通用應(yīng)用。因?yàn)榇髷?shù)據(jù)平臺(tái)能夠使得多臺(tái)機(jī)器一起干一個(gè)事兒，這個(gè)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(gè)

37、幾十上百號(hào)人才能把這個(gè)玩起來。所以說就像數(shù)據(jù)庫一樣，其實(shí)還是需要有一幫專業(yè)的人來玩這個(gè)東西?，F(xiàn)在公有云上基本上都會(huì)有大數(shù)據(jù)的解決方案了，一個(gè)小公司需要大數(shù)據(jù)平臺(tái)的時(shí)候，不需要采購一千臺(tái)機(jī)器，只要到公有云上一點(diǎn)，這一千臺(tái)機(jī)器都出來了，并且上面已經(jīng)部署好了的大數(shù)據(jù)平臺(tái)，只要把數(shù)據(jù)放進(jìn)去算就可以了。云計(jì)算需要大數(shù)據(jù)，大數(shù)據(jù)需要云計(jì)算，二者就這樣結(jié)合了。四、人工智能擁抱大數(shù)據(jù)1機(jī)器什么時(shí)候才能懂人心雖說有了大數(shù)據(jù)，人的欲望卻不能夠滿足。雖說在大數(shù)據(jù)平臺(tái)里面有搜索引擎這個(gè)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(huì)搜，表達(dá)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

38、，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(shí)，會(huì)發(fā)現(xiàn)機(jī)器知道我想要什么，而不是說當(dāng)我想要時(shí)，去機(jī)器里面搜索。這個(gè)機(jī)器真像我的朋友一樣懂我，這就有點(diǎn)人工智能的意思了。人們很早就在想這個(gè)事情了。最早的時(shí)候，人們想象，要是有一堵墻，墻后面是個(gè)機(jī)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(jī)器，那它就真的是一個(gè)人工智能的東西了。2讓機(jī)器學(xué)會(huì)推理怎么才能做到這一點(diǎn)呢？人們就想：我首先要告訴計(jì)算機(jī)人類的推理的能力。你看人重要的是什么？人和動(dòng)物的區(qū)別在什么？就是能推理。要是把我這個(gè)推理的能力告訴機(jī)器，讓機(jī)器根據(jù)你的提問，

39、推理出相應(yīng)的回答，這樣多好？其實(shí)目前人們慢慢地讓機(jī)器能夠做到一些推理了，例如證明數(shù)學(xué)公式。這是一個(gè)非常讓人驚喜的一個(gè)過程，機(jī)器竟然能夠證明數(shù)學(xué)公式。但慢慢又發(fā)現(xiàn)其實(shí)這個(gè)結(jié)果也沒有那么令人驚喜。因?yàn)榇蠹野l(fā)現(xiàn)了一個(gè)問題：數(shù)學(xué)公式非常嚴(yán)謹(jǐn)，推理過程也非常嚴(yán)謹(jǐn)，而且數(shù)學(xué)公式很容易拿機(jī)器來進(jìn)行表達(dá)，程序也相對(duì)容易表達(dá)。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(huì)，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(gè)機(jī)器就比較難理解了，但人都懂。所以你和女朋友約會(huì)，是不敢遲到的。3教給機(jī)器知識(shí)因此，僅僅告訴機(jī)器嚴(yán)格的推理是不夠的，還要告訴機(jī)器一些知識(shí)。但告訴機(jī)器知識(shí)這個(gè)

40、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(cái)經(jīng)領(lǐng)域的專家。語言領(lǐng)域和財(cái)經(jīng)領(lǐng)域知識(shí)能不能表示成像數(shù)學(xué)公式一樣稍微嚴(yán)格點(diǎn)呢？例如語言專家可能會(huì)總結(jié)出主謂賓定狀補(bǔ)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(yán)格表達(dá)出來不久行了嗎？后來發(fā)現(xiàn)這個(gè)不行，太難總結(jié)了，語言表達(dá)千變?nèi)f化。就拿主謂賓的例子，很多時(shí)候在口語里面就省略了謂語，別人問：你誰??？我回答：我劉超。但你不能規(guī)定在語音語義識(shí)別時(shí)，要求對(duì)著機(jī)器說標(biāo)準(zhǔn)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(duì)著手機(jī)，用書面語說：請(qǐng)幫我呼叫某某某，這是一件很尷尬的事情。人工智能這個(gè)階段叫做專

41、家系統(tǒng)。專家系統(tǒng)不易成功，一方面是知識(shí)比較難總結(jié)，另一方面總結(jié)出來的知識(shí)難以教給計(jì)算機(jī)。因?yàn)槟阕约哼€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(jì)算機(jī)呢？4算了，教不會(huì)你自己學(xué)吧于是人們想到：機(jī)器是和人完全不一樣的物種，干脆讓機(jī)器自己學(xué)習(xí)好了。機(jī)器怎么學(xué)習(xí)呢？既然機(jī)器的統(tǒng)計(jì)能力這么強(qiáng)，基于統(tǒng)計(jì)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(shí)在娛樂圈有很好的一個(gè)例子，可見一般：有一位網(wǎng)友統(tǒng)計(jì)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(dòng)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)

42、位依次在形容詞、名詞和動(dòng)詞中取出一個(gè)詞，連在一起會(huì)怎么樣呢？例如取圓周率 3.1415926，對(duì)應(yīng)的詞語是：堅(jiān)強(qiáng)，路，飛，自由，雨，埋，迷惘。稍微連接和潤色一下：堅(jiān)強(qiáng)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(diǎn)感覺了？當(dāng)然，真正基于統(tǒng)計(jì)的學(xué)習(xí)算法比這個(gè)簡單的統(tǒng)計(jì)復(fù)雜得多。然而統(tǒng)計(jì)學(xué)習(xí)比較容易理解簡單的相關(guān)性：例如一個(gè)詞和另一個(gè)詞總是一起出現(xiàn)，兩個(gè)詞應(yīng)該有關(guān)系；而無法表達(dá)復(fù)雜的相關(guān)性。并且統(tǒng)計(jì)方法的公式往往非常復(fù)雜，為了簡化計(jì)算，常常做出各種獨(dú)立性的假設(shè)，來降低公式的計(jì)算難度，然而現(xiàn)實(shí)生活中，具有獨(dú)立性的事件是相對(duì)較少的。5模擬大腦的工作方式于是人類開始從機(jī)器的世界，

43、反思人類的世界是怎么工作的。人類的腦子里面不是存儲(chǔ)著大量的規(guī)則，也不是記錄著大量的統(tǒng)計(jì)數(shù)據(jù)，而是通過神經(jīng)元的觸發(fā)實(shí)現(xiàn)的，每個(gè)神經(jīng)元有從其它神經(jīng)元的輸入，當(dāng)接收到輸入時(shí)，會(huì)產(chǎn)生一個(gè)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(huì)放大，絕不是大腦根據(jù)身材比例進(jìn)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(jì)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(gè)過程中，其實(shí)很難總結(jié)出每個(gè)神經(jīng)元對(duì)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(gè)數(shù)學(xué)單元模擬神經(jīng)元。這個(gè)神經(jīng)元有輸入，有輸出，輸入和輸出之間通過一個(gè)公式來表示，輸入根據(jù)重要程度不同

44、(權(quán)重)，影響著輸出。于是將n個(gè)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(gè)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(gè)排列起來。每個(gè)神經(jīng)元對(duì)于輸入的權(quán)重可以都不相同，從而每個(gè)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(gè)東西的時(shí)候，希望輸出一個(gè)對(duì)人類來講正確的結(jié)果。例如上面的例子，輸入一個(gè)寫著2的圖片，輸出的列表里面第二個(gè)數(shù)字最大，其實(shí)從機(jī)器來講，它既不知道輸入的這個(gè)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(duì)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(duì)于任何一張神

45、經(jīng)網(wǎng)絡(luò)，誰也不敢保證輸入是2，輸出一定是第二個(gè)數(shù)字最大，要保證這個(gè)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(jìn)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(jìn)行調(diào)整。如何調(diào)整呢？就是每個(gè)神經(jīng)元的每個(gè)權(quán)重都向目標(biāo)進(jìn)行微調(diào)，由于神經(jīng)元和權(quán)重實(shí)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(jìn)步，最終能夠達(dá)到目標(biāo)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(xì)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(diǎn)點(diǎn)，而不是放大鼻孔。6沒道理但做得到聽起來也沒有那么有道

46、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(gè)人給你某種復(fù)雜奇特的函數(shù)，f(x)：不管這個(gè)函數(shù)是什么樣的，總會(huì)確保有個(gè)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(gè)能夠準(zhǔn)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(gè)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。7人工智能的經(jīng)濟(jì)學(xué)解釋這讓我想到了經(jīng)濟(jì)學(xué)，于是比較容易理解了。我們把每個(gè)神經(jīng)元當(dāng)成社會(huì)中從事經(jīng)濟(jì)活動(dòng)的個(gè)體。于是神經(jīng)網(wǎng)絡(luò)相當(dāng)于整個(gè)經(jīng)濟(jì)社會(huì)，每個(gè)神經(jīng)元對(duì)于社會(huì)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(jià)漲了、股票跌了，我應(yīng)該怎么辦、

47、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(jì)屬于計(jì)劃經(jīng)濟(jì)。整個(gè)經(jīng)濟(jì)規(guī)律的表示不希望通過每個(gè)經(jīng)濟(jì)個(gè)體的獨(dú)立決策表現(xiàn)出來，而是希望通過專家的高屋建瓴和遠(yuǎn)見卓識(shí)總結(jié)出來。但專家永遠(yuǎn)不可能知道哪個(gè)城市的哪個(gè)街道缺少一個(gè)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(gè)計(jì)劃書寫個(gè)幾百頁，也無法表達(dá)隱藏在人民生活中的小規(guī)律。基于統(tǒng)計(jì)的宏觀調(diào)控就靠譜多了，每年統(tǒng)計(jì)局都會(huì)統(tǒng)計(jì)整個(gè)社會(huì)的就業(yè)率、通脹率、GDP等指標(biāo)。這些指標(biāo)往往代表著很多內(nèi)在規(guī)律，雖然不能精確表達(dá)，但是相對(duì)靠譜。然而基于統(tǒng)計(jì)的規(guī)律總結(jié)表達(dá)相對(duì)比較粗

48、糙。比如經(jīng)濟(jì)學(xué)家看到這些統(tǒng)計(jì)數(shù)據(jù)，可以總結(jié)出長期來看房價(jià)是漲還是跌、股票長期來看是漲還是跌。例如，如果經(jīng)濟(jì)總體上揚(yáng)，房價(jià)和股票應(yīng)該都是漲的。但基于統(tǒng)計(jì)數(shù)據(jù)，無法總結(jié)出股票，物價(jià)的微小波動(dòng)規(guī)律?；谏窠?jīng)網(wǎng)絡(luò)的微觀經(jīng)濟(jì)學(xué)才是對(duì)整個(gè)經(jīng)濟(jì)規(guī)律最最準(zhǔn)確的表達(dá)，每個(gè)人對(duì)于自己在社會(huì)中的輸入進(jìn)行各自的調(diào)整，并且調(diào)整同樣會(huì)作為輸入反饋到社會(huì)中。想象一下股市行情細(xì)微的波動(dòng)曲線，正是每個(gè)獨(dú)立的個(gè)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(gè)人根據(jù)整個(gè)社會(huì)的輸入進(jìn)行獨(dú)立決策，當(dāng)某些因素經(jīng)過多次訓(xùn)練，也會(huì)形成宏觀上統(tǒng)計(jì)性的規(guī)律，這也就是宏觀經(jīng)濟(jì)學(xué)所能看到的。例如每次貨幣大量發(fā)行，最后房價(jià)都會(huì)上漲，多次訓(xùn)練后，人們也

49、就都學(xué)會(huì)了。8人工智能需要大數(shù)據(jù)然而，神經(jīng)網(wǎng)絡(luò)包含這么多的節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)又包含非常多的參數(shù)，整個(gè)參數(shù)量實(shí)在是太大了，需要的計(jì)算量實(shí)在太大。但沒有關(guān)系，我們有大數(shù)據(jù)平臺(tái)，可以匯聚多臺(tái)機(jī)器的力量一起來計(jì)算，就能在有限的時(shí)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(gè)階段的：第一個(gè)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(gè)網(wǎng)絡(luò)語言越來越多，詞也不斷地變化，不斷地更新這個(gè)詞庫就有點(diǎn)顧不過來。第二個(gè)階段時(shí)，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(gè)名字你應(yīng)該聽過，這個(gè)一個(gè)基

50、于概率的算法。第三個(gè)階段就是基于大數(shù)據(jù)和人工智能，進(jìn)行更加精準(zhǔn)的用戶畫像和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)的，這些數(shù)據(jù)往往需要面向某個(gè)特定的領(lǐng)域(例如電商，郵箱)進(jìn)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(gè)客戶安裝一套，讓客戶去用。因?yàn)榻o某個(gè)客戶單獨(dú)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(jì)算廠商往往是積累了大量數(shù)據(jù)的，于是就在云計(jì)算廠商里面安裝一套，暴露一個(gè)服務(wù)接口，比如您想鑒別一個(gè)文本是不是涉及黃色和暴力，直接用這個(gè)在線服務(wù)就可以了。這種形勢(shì)的服務(wù)，在云計(jì)算里面稱為

51、軟件即服務(wù)，SaaS (Software AS A Service)于是工智能程序作為SaaS平臺(tái)進(jìn)入了云計(jì)算。五、基于三者關(guān)系的美好生活終于云計(jì)算的三兄弟湊齊了，分別是IaaS、PaaS和SaaS。所以一般在一個(gè)云計(jì)算平臺(tái)上，云、大數(shù)據(jù)、人工智能都能找得到。一個(gè)大數(shù)據(jù)公司，積累了大量的數(shù)據(jù)，會(huì)使用一些人工智能的算法提供一些服務(wù)；一個(gè)人工智能公司，也不可能沒有大數(shù)據(jù)平臺(tái)支撐。所以，當(dāng)云計(jì)算、大數(shù)據(jù)、人工智能這樣整合起來，便完成了相遇、相識(shí)、相知的過程。附錄資料：不需要的可以自行刪除大數(shù)據(jù)挖掘技術(shù)之DM經(jīng)典模型（下）數(shù)據(jù)分析微信公眾號(hào)datadw關(guān)注你想了解的，分享你需要的。接著上篇大數(shù)據(jù)挖掘技

52、術(shù)之DM經(jīng)典模型（上）文章，接下來我們將探討樸素貝葉斯模型、線性回歸、多元回歸、邏輯回歸分析等模型。4、樸素貝葉斯模型表查詢模型簡單有效，但是存在一個(gè)問題。隨著輸入數(shù)量的額增加，每個(gè)單元格中訓(xùn)練樣本的數(shù)量會(huì)迅速減少。如果維度為2，且每一維有10個(gè)不同的變量，那么就需要100個(gè)單元格，而當(dāng)有3個(gè)維度時(shí)，就需要1000個(gè)單元格，4個(gè)維度就是10000.這樣成指數(shù)級(jí)的增長，哪怕的傳統(tǒng)數(shù)據(jù)挖掘中都會(huì)遇到明顯瓶頸。當(dāng)試圖預(yù)測(cè)某一個(gè)概率值時(shí)，樸素貝葉斯模型就提供這一辦法。基本思想：每個(gè)輸入變量本身就包含一些預(yù)測(cè)需要的信息。比如目標(biāo)變量是取消業(yè)務(wù)的概率，解釋變量是市場(chǎng)、獲取渠道、初始信用評(píng)分、利率計(jì)劃、電話

53、號(hào)碼類型、手機(jī)號(hào)以及客戶年齡。這些變量都具有預(yù)測(cè)能力。根據(jù)取消率的顯著差異性，可將每個(gè)變量劃分在不同的范圍中。簡單理解：條件概率是指給定B的條件下A的概率以及給定A的條件下B的概率。解釋：給定B的條件下A發(fā)生的概率，等于給定A的條件下B發(fā)生的概率乘以A和B發(fā)生的概率的比例。如果A代表停止續(xù)簽，B代表使用黑莓手機(jī)，然后給定使用黑莓手機(jī)的條件下停止續(xù)簽的概率，就是給定停止續(xù)簽的條件下使用黑莓手機(jī)的概率乘以總體停止續(xù)簽的概率與總體使用黑莓手機(jī)的概率之比。4.1、概率、幾率和釋然概率：0到1之間的一個(gè)數(shù)字，表示一個(gè)特定結(jié)果發(fā)生的可能性。一種估計(jì)結(jié)果概率的方法是計(jì)算樣本數(shù)據(jù)中出現(xiàn)結(jié)果次數(shù)的百分比。幾率：

54、某一特定結(jié)果發(fā)生于不發(fā)生的概率比。如果一個(gè)事件發(fā)生的概率是0.2，那么不發(fā)生的概率是0.8。那么其發(fā)生的幾率就是1/4。幾率的取值是0到無窮。似然：兩個(gè)相關(guān)的條件概率比。即給定B發(fā)生的情況下，某一特定結(jié)果A發(fā)生的概率和給定B不發(fā)生的情況下A發(fā)生的概率之比。4.2、樸素貝葉斯計(jì)算對(duì)任意數(shù)量屬性中的每一個(gè)屬性，樸素貝葉斯公式都將目標(biāo)事件的幾率與該事件的似然聯(lián)系起來。回到基于營銷市場(chǎng)、渠道獲取、最初信用評(píng)分、費(fèi)率計(jì)算、電話號(hào)碼類型、手機(jī)型號(hào)以及客戶年齡來預(yù)測(cè)客戶流失的例子。例如上面談到的黑莓手機(jī)續(xù)簽的案例，我們關(guān)注的是。1、停止續(xù)簽的總體幾率。2、黑莓手機(jī)用戶停止的似然。3、在整個(gè)州市場(chǎng)停止續(xù)簽的似

55、然。之所以定義為“樸素”，是基于所有似然相乘都基于輸入變量相互獨(dú)立的假設(shè)。在這個(gè)案例中，假設(shè)的是使用黑莓手機(jī)的似然與市場(chǎng)獨(dú)立（并且存在于該州的似然與手機(jī)類型獨(dú)立）。而在實(shí)際中，這種真正相互獨(dú)立的情況很少見。樸素貝葉斯模型最吸引人的點(diǎn)：對(duì)于待評(píng)分的觀測(cè)，如果缺失某些輸入值，可以簡單地將缺失的似然從模型中去掉。意味著，包含那些并不是對(duì)所有有用都可用的輸入（用戶年齡），但如果知道這些變量，它們就有用。給定不同輸入的概率，且這些輸入與停止續(xù)簽相關(guān)，樸素貝葉斯公式就可以計(jì)算停止續(xù)簽的幾率，而公司對(duì)這種停止續(xù)簽的用戶更感興趣。4.3、樸素與表查詢模型的比較對(duì)于概率型目標(biāo)來說，樸素貝葉斯模型和表查詢模型密切

56、相關(guān)。兩者之間的主要區(qū)別就在于如何使用維度。在表查詢模型中，使用所有維度依次定義單元格，然后計(jì)算每一個(gè)單元格的目標(biāo)概率。因此，表查詢模型可以獲取變量之間的相互作用。在樸素中，需要為每一個(gè)維度單獨(dú)計(jì)算似然，之后組合這些似然，從而計(jì)算出目標(biāo)概率。似然的組合有一個(gè)假設(shè)：各維度關(guān)于目標(biāo)彼此獨(dú)立。表查詢沒有說明這樣一類屬性的組合關(guān)系，即由于在訓(xùn)練數(shù)據(jù)中出現(xiàn)的頻率很低，導(dǎo)致這些概率很低的屬性就不會(huì)出現(xiàn)。在樸素模型中可以預(yù)測(cè)任何從未出現(xiàn)過的組合，但要這樣做，就必須假設(shè)這些輸入所造成的影響彼此獨(dú)立。表查詢模型沒有這樣的假設(shè)，所以當(dāng)數(shù)據(jù)多到可以支持一個(gè)可信的估計(jì)模型時(shí)，表查詢模型也許會(huì)做的更好。5、線性回歸回歸

57、模型也是一種預(yù)測(cè)建模技術(shù)。在Excel中就可以使用線性回歸?；貧w模型也很復(fù)雜，這里談到最佳擬合曲線。輸入變量和目標(biāo)變量必須都是數(shù)值變量，回歸方程描述了兩者之間的一種算術(shù)關(guān)系。“最佳的”關(guān)系是指最大限度地減少了從數(shù)據(jù)點(diǎn)到擬合曲線的垂直距離的平方和。5.1最佳擬合曲線如下圖，顯示了一個(gè)知名博主發(fā)表的一篇文章日瀏覽率隨著時(shí)間和被關(guān)注度之間的關(guān)系。圖中使用描點(diǎn)的符號(hào)是空心圓，它有助于清楚的顯示各點(diǎn)之間的聚集情況。例如，在較短時(shí)間內(nèi)用戶的關(guān)注度分布非常密集。當(dāng)使用不同的顏色比較不同的客戶組時(shí)，這種散點(diǎn)圖尤其有用。隨著時(shí)間的增加，博客的日訪問量會(huì)越來越低，最后維持到一個(gè)水平。畫出來的曲線更像是一個(gè)雙曲線。

58、根據(jù)X軸，時(shí)間的遞增。Y軸，日訪問量的增加。我們可以模擬出這個(gè)博主的訪問量隨時(shí)間變化的曲線。如果在保證博客質(zhì)量的同時(shí)，我們就可以預(yù)測(cè)博主的一篇博客的訪問量大致在什么范圍?？赡苓@里有很多的誤差或不精確的地方。但是通過擬合曲線，我們更能從直觀上看到，曲線的走勢(shì)。如果曲線更精確的化，我們甚至可以模擬出曲線的函數(shù)表達(dá)式。如果用作數(shù)據(jù)點(diǎn)的標(biāo)記并沒有完全擬合，散點(diǎn)圖可以傳遞出更多的信息。最佳擬合曲線的性質(zhì)：在所有可能的曲線中，最佳擬合曲線指的是從觀察點(diǎn)到曲線垂直距離的平方最下的那條曲線，散點(diǎn)圖顯示了每個(gè)點(diǎn)到曲線之間的距離。最佳擬合曲線的定義就是最小二乘法的定義。歐式距離公式對(duì)該值進(jìn)行了開方，在沒有計(jì)算機(jī)的

59、年代，計(jì)算歐式距離非常困難。當(dāng)時(shí)，高斯提出這一觀點(diǎn)，就是利用計(jì)算平方和，代替計(jì)算距離之和。這樣做的目的，就使最佳擬合曲線系數(shù)很容易計(jì)算。這里談到的是線性回歸，其實(shí)回歸模型是一個(gè)直線方程，這里只是來描述一個(gè)擬合曲線，其實(shí)算不上一個(gè)回歸曲線。在現(xiàn)實(shí)之中，更多線性回歸的模型很少見，更多的是曲線擬合。5.2擬合的優(yōu)點(diǎn)對(duì)于一個(gè)給定的數(shù)據(jù)集，總是可以找到一條最佳的擬合曲線。但是，存在很多條曲線，哪條才是最佳的。這里引入“殘差”，就是度量預(yù)測(cè)值與實(shí)際值之差。還有一個(gè)標(biāo)準(zhǔn)方法，成為，用來衡量描述曲線對(duì)觀測(cè)數(shù)據(jù)的擬合程度。（1）殘差如圖，身高與體重模型的殘差。一個(gè)無偏模型在丟失高值點(diǎn)方面應(yīng)與丟失低值點(diǎn)類似。在殘

60、差圖中，最重要的一點(diǎn)就是，這些值是位于擬合曲線之上的可能性與之下的可能性是否一樣。從圖中我們也可以看到在曲線上與在曲線下的樣本點(diǎn)是不一樣的。一個(gè)良好的模型所產(chǎn)生的估計(jì)值應(yīng)該接近真實(shí)值，所以殘差應(yīng)該集中于曲線軸附近。如圖中也是可以看到拋離曲線的一些孤立點(diǎn)。這些點(diǎn)出現(xiàn)的原因，可能是由于一些人為記錄的原因造成的。在統(tǒng)計(jì)學(xué)中，殘差在回歸方程中要考慮誤差項(xiàng)。最佳擬合曲線的方程是：Y=aX+b但該曲線，不是完整的模型。統(tǒng)計(jì)人員會(huì)將模型方程表示為：代表誤差項(xiàng)，因?yàn)閄并不能完美的展示Y。誤差項(xiàng)表示模型無法解釋的Y的部分。Y=aX +b+（2）R(R這里代表是R的平方)對(duì)于最佳擬合曲線，R的取值始終在01之間。