在貴州舉辦的2019年數(shù)博會吸引了國內(nèi)外各界目光，圍繞大數(shù)據(jù)最新技術(shù)創(chuàng)新與成就，諸多學界、產(chǎn)業(yè)界、政界人士紛紛參與交流。在5月25日的“5G+大數(shù)據(jù)推動智慧社會數(shù)字化轉(zhuǎn)型論壇”上，中科院院士梅宏發(fā)表了精彩演講，重點談到了大數(shù)據(jù)對計算體系帶來的挑戰(zhàn)以及應對之法。

梅宏作為大數(shù)據(jù)領(lǐng)域權(quán)威專家，對大數(shù)據(jù)學術(shù)研究、工具開發(fā)等方面有著深入的理解。他提到，大數(shù)據(jù)讓信息技術(shù)整個體系進入一個重構(gòu)的前夜，大數(shù)據(jù)的管理、處理方式正在發(fā)生深刻改變。比如，在芯片上探討存算一體是一種可能的方向；比如，軟件定義可以做很多事情；比如，軟件開源+硬件開放有可能產(chǎn)生顛覆式機遇。

他提到了個人對于大數(shù)據(jù)的理解，談到了三個現(xiàn)實中的挑戰(zhàn)。但在挑戰(zhàn)背后，他們的團隊已經(jīng)集結(jié)了最好的高校和阿里這種巨頭企業(yè)的技術(shù)，做完了三批課題。未來，將追求高時效、低時延，多計算模型的融合，打造出更多核心、關(guān)鍵、原創(chuàng)的技術(shù)。

演講原文如下，雷鋒網(wǎng)做了不改變原意的編輯與整理：

大數(shù)據(jù)導致了一個現(xiàn)象，就是信息技術(shù)整個體系進入一個重構(gòu)前夜，實際上給了我們一個顛覆式發(fā)展的一種機遇。因為它和過去的東西確實不太一樣了。

個人對大數(shù)據(jù)的理解

我想分四個方面講。

第一，應用需求。大數(shù)據(jù)的應用需求，使得我們的計算機體系結(jié)構(gòu)可能面臨重構(gòu)的需要。比如，過去在單機體系結(jié)構(gòu)，我們知道計算機處理的方式是強調(diào)I，強調(diào)O，所以我們是以CPU的處理能力為核心，數(shù)據(jù)是圍繞處理能力來走的?，F(xiàn)在我們又出現(xiàn)了很多新的一些技術(shù)，比如新型存儲介質(zhì)、新型運算器件，它使得我們的體系結(jié)構(gòu)可能就會有一定的變革。怎么變革？會不會出現(xiàn)以數(shù)據(jù)為核心而計算圍在周邊的一種結(jié)構(gòu)?，F(xiàn)在就在芯片上探討存算一體——這是一種可能的方向。

第二，云計算模式領(lǐng)域化、資源泛載化，資源平臺化的大態(tài)勢。我們希望在服務質(zhì)量提升、新型硬件管理、極致效能的追求方面做很多工作。同時我們也看到從云向邊轉(zhuǎn)變，這種云端融合，云邊端結(jié)合的新型計算也在涌現(xiàn)，還有軟件定義對整個世界所形成的影響。我們對數(shù)據(jù)管理、軟件開發(fā)運行、數(shù)據(jù)分析等等都有很多要求，都需要很多新的東西，這與過去是不一樣的。

第三，通信。5G能解決的通信問題，所以我們網(wǎng)絡通信還需要更好的帶寬、移動、泛載的發(fā)展。對于帶寬的問題，移動、泛載的問題，我們看到整個信息技術(shù)體系按照過去的發(fā)展套路，實際理論上還有很多值得探討的空間，在基礎器件上也有很多探討的空間，比如大數(shù)據(jù)組織、分析等等相關(guān)技術(shù)理論都有待突破。基礎器件，高性能、高時效、高吞吐等極端化的大數(shù)據(jù)需求，使得我們需要高通量的處理芯片，需要多通道數(shù)據(jù)化、可視設備等等。

第四，軟件開源，硬件開放，正在導致我們產(chǎn)業(yè)生態(tài)發(fā)生一些變化。實際上，顛覆式發(fā)展的機遇可能就在這個地方。

觀念變化：大數(shù)據(jù)的管理、處理

管理是數(shù)據(jù)的存儲、組織，而處理就是把數(shù)據(jù)并行處理為內(nèi)容。

對于管理而言，比如說傳統(tǒng)數(shù)據(jù)庫、關(guān)系型數(shù)據(jù)庫，它的目標是什么？應用的通用性、數(shù)據(jù)的一致性、應用需求的處理方式和響應時間等方面都不同，使得很難有一種通用管理的方式。

由于無法定義一個模式，一致性也沒法保持，不能夠事先定義數(shù)據(jù)模式，就沒辦法保持它的事務性等數(shù)據(jù)的一致性。從性能上講，由于單一表格存儲、高性能是非常難以實現(xiàn)的，這就使得對大規(guī)模、多表關(guān)聯(lián)查詢及復雜分析類型的SQL查詢性能嚴重下降，這就是在大數(shù)據(jù)時代傳統(tǒng)數(shù)據(jù)庫做不了的事。

對于處理而言，實際上大體分成三個階段：前大數(shù)據(jù)時代，大數(shù)據(jù)早期、現(xiàn)在。

早期都是關(guān)系型數(shù)據(jù)庫再到后來的SQL，這是在管理層面走過的一些路徑。從分析上面，比如說面向大數(shù)據(jù)分析軟件、深度學習的一些發(fā)展，大體上是把前面的東西再做一個總結(jié)。當然，支撐的東西都是在計算里面的分布式處理和實時集散這些相關(guān)的概念，都是計算基礎的支撐。

傳統(tǒng)關(guān)系數(shù)據(jù)庫雖然還在廣泛使用，結(jié)構(gòu)化數(shù)據(jù)還是我們很有用的一些東西。但是NoSQL和NewSQL都在快速發(fā)展，我們可以看到2011年的NoSQL和NewSQL的比例在增長，市場份額在擴大。也就使得我們數(shù)據(jù)庫管理系統(tǒng)發(fā)展觀念的轉(zhuǎn)變，傳統(tǒng)關(guān)系數(shù)據(jù)庫一招通吃天下，變成了我們在一個領(lǐng)域里面?zhèn)€通用的平臺。

大數(shù)據(jù)處理——為什么要談這件事情？

大數(shù)據(jù)和HaDoop不管發(fā)展如何，單臺計算能力都是有限的。所以我們必須要并行處理，沒辦法做一臺計算機滿足所有的處理需求。比如最早出現(xiàn)的HaDoop就是批處理，批處理好處是什么？吞吐率高，適用于海量預存數(shù)據(jù)的處理。其次是流處理，適用于在線型、產(chǎn)生速度快的時延數(shù)據(jù)處理。還有一種新的數(shù)據(jù)類型就是圖處理，用巨型的圖數(shù)據(jù)，比如以社交網(wǎng)絡為代表的大量都是圖數(shù)據(jù)，億萬個節(jié)點，這樣大型的社交網(wǎng)絡圖怎么辦。所以現(xiàn)在這些系統(tǒng)很多，都是開源，但是沒有看到一個能滿足所有要求的一種處理模型。

再看現(xiàn)在存在的問題，比如說Spark，它是一個批處理平臺，它是用VP的技術(shù)處理流模式，把流式計算用時間片切開，分解成一些小批量，本質(zhì)上還是批處理，只是每一批小一點。

圖處理。圖數(shù)據(jù)最大的問題就是并行，它本身量很大，大量的數(shù)據(jù)是沖突的，而且互相依賴性比較高，通信開銷就比較大。核心的一個問題，從數(shù)學上，如果能完成一個很好的圖分割，可能能夠完成這種圖的并行處理。大體上最終也是要追求并行處理。

所以可以看到，回顧我們前面談到的問題，我們會說面臨一些挑戰(zhàn)。這個挑戰(zhàn)從三個維度來說：

第一，數(shù)據(jù)處理方式和數(shù)據(jù)來源的問題。我們提到了面臨數(shù)據(jù)來源有離線數(shù)據(jù)、在線、混合處理的需求，方式就出現(xiàn)了批處理、流處理和混合處理。從計算架構(gòu)角度、系統(tǒng)結(jié)構(gòu)的角度看，我們過去做的傳統(tǒng)計算最大的問題是計算產(chǎn)生的內(nèi)存要求，內(nèi)存要從外存取數(shù)據(jù)，所以內(nèi)外交疊浪費很多時間。

所以我們還出現(xiàn)了內(nèi)存計算，既然這樣，就可以搞一個大內(nèi)存，把所有數(shù)據(jù)裝在內(nèi)存里面，這是一種方式。

第二，新型的架構(gòu)。通過綜合GPU，還有其他的TPU、數(shù)據(jù)流等等，構(gòu)建新型的計算架構(gòu)。

第三，數(shù)據(jù)類型本身。數(shù)據(jù)類型本身有文檔等各種模式，我們目前看到的單一系統(tǒng)是沒有辦法去處理這種混合負載的，而混合負載的處理，實際上是存在著大量的需求。

大數(shù)據(jù)處理三大挑戰(zhàn)

挑戰(zhàn)一：怎么樣高效處理各類混合負載。這是當前我們面臨的一個挑戰(zhàn)。什么叫混合處理的需求？

我舉一個例子，比如說雙十一成交數(shù)據(jù)的一個實時分析。當天處理的時候，它是實時的用戶數(shù)據(jù)和商品數(shù)據(jù)，通過實時數(shù)據(jù)采集去弄。但實際上這兩個東西對實時數(shù)據(jù)、興趣模型到用戶的行為預測有局限，如果沒有離線數(shù)據(jù)支撐的話，它的準確率和效果不會那么好。所以要完成個性化推薦，必須要用到離線的數(shù)據(jù)，這就是我們的流處理和批處理同時會出現(xiàn)的一種場景。

現(xiàn)有的大數(shù)據(jù)處理系統(tǒng)沒辦法處理這種混合的處理。比如按照傳統(tǒng)的一些實例，要統(tǒng)計實時銷量排名前50的店鋪，按照阿里的做法，對供應商表、店鋪表是需要完成批處理的，而現(xiàn)在新流進來的實時的數(shù)據(jù)，需要進行流處理。現(xiàn)在比如說Flink單一作業(yè)運行的時候，只能啟動批處理環(huán)境或者流處理環(huán)境其中的一個，在多任務運行的時候就需要啟動相對獨立的批處理和流處理環(huán)境，它的交互就出了問題，就沒有辦法對這種業(yè)務需求完成批和流的混合任務。

挑戰(zhàn)二：現(xiàn)有的大數(shù)據(jù)帶來的好處就是開源，但是HaDoop的生態(tài)系統(tǒng)、Spark的生態(tài)系統(tǒng)、Flink的生態(tài)系統(tǒng)都有各自的開源生態(tài)，甚至有自己的開源許可證協(xié)議。

我曾經(jīng)問很多做數(shù)據(jù)的人：為什么這些東西都誕生在國際上，而不誕生在中國？如果大家現(xiàn)在去使用，那我們創(chuàng)新的機遇在哪里？

我們重點研發(fā)云計算和大數(shù)據(jù)專項的時候，就面臨一個很大問題：要不要布大數(shù)據(jù)處理這樣的系統(tǒng)？布單一的系統(tǒng)，它到開源東西的時候抄一個對付我怎么辦？而且再拿開源的東西做一個過去的套路，也沒有意思。所以我一直在琢磨有沒有創(chuàng)新的機會。

挑戰(zhàn)三：針對圖數(shù)據(jù)，傳統(tǒng)應用計算密集，而圖應用，有較低的計算訪存比，有大量隨機的訪存，有復雜數(shù)據(jù)的依賴，還有非結(jié)構(gòu)化的分布，這是圖數(shù)據(jù)的問題，和傳統(tǒng)應用所面臨的東西是不一樣的。所以我們能不能探討另一種新型的架構(gòu)來提高它的高并行的處理？這就是我們談到的各種大數(shù)據(jù)類型和計算結(jié)構(gòu)匹配起來之后的一些挑戰(zhàn)。

完成四個任務課題

針對這些挑戰(zhàn)性的問題，國家重點研發(fā)專項里面有一個云計算和大數(shù)據(jù)。整體的布局，大體上分成四項任務，現(xiàn)在已經(jīng)連續(xù)三年發(fā)布指南了，已經(jīng)做完了三批課題。

任務一：做云計算、大數(shù)據(jù)等基礎設施的關(guān)鍵裝備。

任務二：做一些核心軟件，基于云模式和數(shù)據(jù)驅(qū)動的新型軟件。

任務三：做大數(shù)據(jù)分析應用和內(nèi)容智能。

任務四：云端交互，人機交互。

我們在云計算平臺之上，要進行各種大數(shù)據(jù)處理，而大數(shù)據(jù)的類型、存儲是迥然不同的，訪問模式有圖數(shù)據(jù)、KV的、列的、文檔的，各種各樣的東西?，F(xiàn)在，我們要構(gòu)成一個處理平臺是支持批處理的，也支持流處理的，還可以支持混合處理的，要完成這些任務，多種處理模式混存?；齑嬷?，我們要支持人工智能應用，要支持交互式的數(shù)據(jù)分析，進一步支持各種應用。

傳統(tǒng)的定制問題、系統(tǒng)選型難，不同處理系統(tǒng)融合難，系統(tǒng)調(diào)優(yōu)難，維護難、多系統(tǒng)之間數(shù)據(jù)傳輸也導致它的效率是比較低的——這就是我們的大環(huán)境面臨的問題。

所以我們想做一件事，就是希望通過軟件定義的方式，通過大數(shù)據(jù)處理管理平臺，讓它的功能實現(xiàn)可編程，可以面向不同的需求進行定制。

做“最厲害”的武器：原創(chuàng)的技術(shù)

多少年前，古龍小說里面有一個最厲害的武器。有一個穿長衫的黑衣人，走到哪里都拎著一個箱子，他離開這個場景的時候，不管多厲害的武器，多高的武功，最后就敗在他的手下。

我還記得這個箱子，這個箱子里面實際上就是各種武器的配件，他離場的時候，根據(jù)對手的武器臨時組合成一個克敵制勝的東西。我們就想達到這么一個箱子，這個箱子能不能滿足不同應用的需求，就是應用的定制。比如阿里雙十一的應用場景，它就涉及到這樣的東西，就確實需要這種混合處理，從它的存儲、計算、應用。我們希望資源調(diào)度優(yōu)化，進一步上去依托數(shù)據(jù)多種需求，多模態(tài)存儲，形成一套引擎，能夠高效的支撐多種處理模式，這就是當初設想的一個東西。

這個項目是怎么做的呢？就是大數(shù)據(jù)系統(tǒng)軟件國家工程實驗室在做。這個項目里面有北京理工大學、中國人民大學、北京大學、復旦大學、阿里巴巴集團這一些參與者，在實驗室的框架之下，我們就共同去做這么一個項目。

項目的目標，是希望研究和開發(fā)面向新型的、多處理模型融合架構(gòu)的一個高時效、可擴展的新一代大數(shù)據(jù)分析支撐系統(tǒng)和工具平臺。我們還是希望站在巨人的肩膀上消化吸收，高時效、可擴展就是它的關(guān)鍵詞，希望基于軟件定義的新型的自適應融合架構(gòu)。一套引擎、一套數(shù)據(jù)、一套資源來支撐、滿足不同的處理模型的需求，進一步去支撐大數(shù)據(jù)分析和智能的應用。

這是更為具體的一些描述，我們要追求高時效、低時延，多計算模型的融合，自適應的優(yōu)化；在可擴展方面，面向云計算可伸縮的調(diào)整，處理平臺跨數(shù)據(jù)中心的擴展，機器學習模型的擴展，還有一些具體的關(guān)鍵技術(shù)。

事情能不能做得成，就要靠我們團隊的努力。我想跟各位說，由于這種應用需求，我始終覺得中國的IT還存在很大的問題。畢竟，我們很多場合不在應用第一線，很多問題都不是我們發(fā)現(xiàn)的。

我記得，已經(jīng)過去五到十年，我們依然在談的問題就是海量：我人多，我數(shù)據(jù)多。所以，我們沒有原始的創(chuàng)新，我們一直在尋求這樣原始創(chuàng)新，就是得發(fā)現(xiàn)真正的問題在哪里，這是我們最大的一個欠缺。

這件事情我覺得也沒有多少了不起，但是我想留下一支做系統(tǒng)軟件的隊伍做這件事情，我們希望通過消化、吸收，打碎并重新組合，形成一種集成創(chuàng)新。（雷鋒網(wǎng)雷鋒網(wǎng)）

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。