17、云计算应用、范式与资源虚拟化深度解析

云计算应用、范式与资源虚拟化深度解析

1. 社交计算、数字内容与云计算

社交网络在人们生活中的重要性与日俱增，规模和功能不断扩展。对于大规模社交网络数据的分析，将计算工作负载分布在云的大量节点上是一种有前景的解决方案。传统上，确定网络中节点或关系的重要性采用采样和调查的方法，但在超大型网络中，无法通过小规模网络的结果推断整体结构属性，而且社交亲密度的评估计算量极大。

社交智能是社交计算与云计算的交叉领域，知识发现和模式识别技术需要高性能计算资源，云计算正好可以提供。基于案例的推理（CBR）被上下文感知推荐系统采用，它根据过去类似问题的解决方案来解决新问题，需要基于相似度的检索。随着案例库的积累，这类应用要处理大量历史数据，可通过在云端开发新的推理平台来实现。与基于规则的推荐系统相比，CBR更适合大规模社交智能应用，因为规则难以泛化和应用，触发条件需严格满足，数据积累时可扩展性是挑战，且系统维护困难。

BetterLife 2.0 系统就是基于 CBR 的，它由云层、基于案例的推理引擎和 API 组成。云层使用 Hadoop 分布式文件系统集群存储案例表示的应用数据和社交网络信息，推理引擎计算案例间的相似度以检索最相似的案例，并将新案例存回云层，API 连接主节点处理用户查询、分发查询到服务器并接收结果。

CBR 的推理周期有四个步骤：
1. 检索：从内存中检索最相关或相似的案例来解决当前问题。
2. 重用：将先前案例的解决方案映射到新问题。
3. 修正：在现实世界或模拟中测试新解决方案，必要时进行修正。
4. 保留：若解决方案适配目标问题，将结果作为新案例存储。

过去，社交网络是为特定应用领域构建的，