全球边缘计算市场将达到183.6亿美元

这个版本使用递归将数据划分为块而不是重新计算将数据划分为块,但是它比之前的版本要简单一些,并且是异常安全的。如以前一样,你以计算序列长度开始1,如果它比最大的块尺寸小的话,就直接调用

std::accumuate 2。如果它的元素比块尺寸大的话,就找到中点3然后产生一个异步任务来处理前半部分![序号4。范围内的第二部分就用一个直接的递归调用来处理5。,然后将这两个块的结果累加6。库确保了std::async调用使用了可获得的硬件线程,并且没有创造很多线程。一些"异步”调用将在调用get()的时候被异步执行6。

这种做法的好处在于它不仅可以利用硬件并发,而且它也是异常安全的。如果递归调用抛出异常5,当异常传播时,调用std::async 4创造的future就会被销毁。它会轮流等待异步线程结束,因此避免了悬挂线程。另一方面,如果异步调用抛出异常,就会被future捕捉,并且调用get() 6将再次抛出异常。

当设计并发代码的时候还需要考虑哪些方面呢?让我们来看看可扩展性。如果将你的代码迁移到更多处理器系统中会提高多少性能呢?

8.4.2可扩展性和阿姆达尔定律

可扩展性是关于确保你的应用可以利用系统中增加的处理器。一种极端情况就是你有一个完全不能扩展的单线程应用,即使你在系统中增加100个处理器也不会改变性能。另一种极端情况是你有类似SETI@Home[3]的项目,被设计用来利用成千上万的附加的处理器(以用户将个人计算机增加到网络中的形式)。

对于任何给定的多线程程序,当程序运行时,执行有用工作的线程的数量会发生变化。即使每个线程都在做有用的操作,初始化应用的时候可能只有一个线程,然后就有一个任务生成其他的线程。但是即使那样也是一个不太可能发生的方案。线程经常花时间等待彼此或者等待I/O操作完成

除非每次线程等待事情(无论是什么事情)的时候都有另一个线程在处理器上代替它,否则就有一个可以进行有用工作的处理器处于闲置状态

一种简单的方法就是将程序划分为只有一个线程在做有用的工作"串行的"部分和所有可以获得的处理器都在做有用工作的"并行的"部分。如果你在有更多处理器的系统上运行你的应用,理论上就可以更快地完成"并行"部分,因为可以在更多的处理器间划分工作,但是"串行的"部分仍然是串行的。在这样一种简单假设下,你可以通过增加处理器数量来估计可以获得的性能。如果“连续的"部分组成程序的一个部分fs,那么使用N个处理器获得的性能P就可以估计为


 

自动化运营数据中心的好处

自动化运营的数据中心可以提供许多好处，其中最重要的是效率。自动化运营的数据中心可以自动化和简化需要IT资源的操作，消除了重复的人工任务，减少了服务中断，并节省了时间和资金。

由于自动化运营的数据中心基础设施整合了智能功能，数据中心将从实时分析中受益，这些实时分析可提供可行的见解和更快的结果。同时，自动化和软件定义的功能可实现更简化的管理，并更快地解决问题。

这种效率还释放了IT人员的时间，他们可以将精力集中在学习新技术、掌握更多高级技能和开发优秀产品方面，而不必花费大量时间实施数百项决策和执行例行任务。IT专业人员花费更少的时间进行调配、升级、恢复和执行其他任务，而将更多的时间花在推动组织发展以提供竞争优势上。

自动化运营数据中心的软件定义功能的另一个好处是减少了人工重复性任务可能引入的错误类型。当操作自动化并由智能系统支持时，其精度就成为标准。人工操作和重复操作越多，出现错误的机会就越大，尤其是在不断变化的环境中。

自动化运营数据中心的基础

在传统的数据中心中，IT人员执行的大多数操作都是人工的，无论是常规维护还是故障排除。随着数据中心变得越来越复杂，保持设备和应用程序平稳运行就变得越来越困难。通过更好地利用资源，虚拟化技术在某种程度上有所帮助，但仍然需要大量的人工工作。

为了应对这些挑战，一些组织转向诸如融合或超融合基础设施之类的系统。这些可以帮助简化操作，但是它们仍然需要大量的操作，特别是DIY系统。例如，管理超融合工作负载的管理人员可能仍必须解决意外的争用问题或服务中断。

但是，超融合所做的一件事是凝聚软件定义基础设施(SDI)理念的力量，该架构将IT系统置于软件的控制之下，从而有助于简化操作并更好地利用资源。在超融合基础设施的早期，软件定义基础设施(SDI)方法主要应用于计算和存储资源，但是如今的超融合系统还包括软件定义的网络，以创建更完整的软件定义的数据中心。

借助软件定义基础设施(SDI)，超融合系统不仅变得更易于管理，而且还可以实现自动化，从而支持诸如代码之类的基础设施之类的开发方法。自动化与软件定义基础设施(SDI)一起可简化诸如供应资源、应用更新、监视组件、平衡分配、采取纠正步骤，以及执行各种其他任务之类的过程，而无需(或至少很少)人工输入。

基于软件的应用程序交付模型基础设施是实现自动化运营数据中心的第一步，它可以根据需要自动提供和配置基础设施资源，以承载和运行应用程序。

但是，自动化只会像现有的控制一样有效，以确保操作按预期工作，或者更好的是继续改进。这就是基于人工智能的智能技术发挥作用的地方。如今的智能系统结合了人工智能技术，如机器学习和深度学习，以及预测分析，以充分利用自动化软件定义基础设施(SDI)的能力。

基于人工智能的服务从被监控的组件中收集系统指标、聚合和分析累积的数据，并使用这些发现来确定要执行的操作和优秀方式。智能服务并不止于此。随着数据的不断收集和对环境的进一步了解，它们继续变得更加智能。



 

（编辑：宜春站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!