17、云计算应用与资源虚拟化全解析

云计算应用与资源虚拟化全解析

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，其涉及的人群规模和功能都在不断扩展。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很有前景的解决方案。传统上，确定网络中节点或关系的重要性通常采用抽样和调查的方法，但在超大型网络中，不能简单地通过放大小型网络的结果来推断其结构特性，而且评估社交亲密度的计算量非常大。

社交智能是社交计算与云计算的交叉领域。知识发现过程和基于模式识别的技术需要高性能计算和资源，而云计算正好可以提供这些。基于案例的推理（CBR）被上下文感知推荐系统所采用，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，这类应用必须处理大量的历史数据，通过开发运行在云端的新推理平台可以实现这一目标。对于大规模社交智能应用，CBR比基于规则的推荐系统更具优势，因为规则难以泛化或应用到某些领域，所有触发条件必须严格满足，随着数据的积累，可扩展性成为挑战，并且由于数据量增加需要不断添加新规则，系统难以维护。

以BetterLife 2.0系统为例，它基于CBR，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来存储以案例表示的应用数据以及社交网络信息，如关系拓扑和成对社交亲密度信息。CBR引擎计算案例之间的相似度度量，以检索最相似的案例，并将新案例存储回云层。API连接到主节点，主节点负责处理用户查询，将查询分发到服务器机器，并接收结果。

一个案例由问题描述、解决方案以及关于推导解决方案路径的可选注释组成。CBR使用MapReduce，所有案例按用户ID分组，然后对图应用广度优先搜索（BFS）算法，其中每个节点对应一个