终于有人把云计算、大数据和人工智能讲明白了！

普通谈云计算的时分会提到大数据、谈人工智能的时分会提大数据、谈人工智能的时分会提云计算……感觉三者之间相反相成又不可分割。但假如是非技术的人员，就能够比较难了解这三者之间的互相关系，所以有必要解释一下。

普通谈云计算的时分会提到大数据、谈人工智能的时分会提大数据、谈人工智能的时分会提云计算……感觉三者之间相反相成又不可分割。

但假如是非技术的人员，就能够比较难了解这三者之间的互相关系，所以有必要解释一下。

云计算最后的目的

我们首先来说云计算。云计算最后的目的是对资源的管理，管理的次要是计算资源、网络资源、存储资源三个方面。

管数据中心就像配电脑

什么叫计算、网络、存储资源？

比如你要买台笔记本电脑，是不是要关怀这台电脑是什么样的 CPU？多大的内存？这两个就被我们称为计算资源。

这台电脑要上网，就需求有个可以插网线的网口，或者有可以衔接我们家路由器的无线网卡。

您家也需求到运营商比如联通、移动或者电信守旧一个网络，比如 100M 的带宽。然后会有徒弟弄一根网线到您家来，徒弟能够会帮您将您的路由器和他们公司的网络衔接配置好。

这样您家的一切的电脑、手机、平板就都可以经过您的路由器上网了。这就是网络资源。

您能够还会问硬盘多大？过去的硬盘都很小，大小如 10G 之类的；后来即便 500G、1T、2T 的硬盘也不新颖了。(1T 是 1000G)，这就是存储资源。

对于一台电脑是这个样子的，对于一个数据中心也是异样的。想象你有一个非常非常大的机房，外面堆了很多的服务器，这些服务器也是有 CPU、内存、硬盘的，也是经过相似路由器的设备上网的。

这时的成绩就是：运营数据中心的人是怎样把这些设备一致的管理起来的呢？

灵敏就是想啥时要都有，想要多少都行

管理的目的就是要达到两个方面的灵敏性。详细哪两个方面呢？

举个例子来了解：比如有个人需求一台很小的电脑，只要一个 CPU、1G 内存、10G 的硬盘、一兆的带宽，你能给他吗？

像这么小规格的电脑，如今随意一个笔记本电脑都比这个配置强了，家里随意拉一个宽带都要 100M。但是假如去一个云计算的平台上，他想要这个资源时，只需一点就有了。

这种状况下它就能达到两个方面的灵敏性：

工夫灵敏性：想什么时分要就什么时分要，需求的时分一点就出来了。 空间灵敏性：想要多少就有多少。需求一个空间很小的电脑，可以满足；需求一个特别大的空间例如云盘，云盘给每个人分配的空间动不动就很大很大，随时上传随时有空间，永远用不完，也是可以满足的。

空间灵敏性和工夫灵敏性，即我们常说的云计算的弹性。而处理这个弹性的成绩，阅历了漫长工夫的发展。

物理设备不灵敏

第一个阶段是物理设备时期。这个时期客户需求一台电脑，我们就买一台放在数据中心里。

物理设备当然是越来越牛：

例如服务器，内存动不动就是百 G 内存。 例如网络设备，一个端口的带宽就能有几十 G 甚至上百 G。 例如存储，在数据中心至少是 PB 级别的(一个 P 是 1000 个 T，一个 T 是 1000 个 G)。

但是物理设备不能做到很好的灵敏性：

首先是它缺乏工夫灵敏性。不可以达到想什么时分要就什么时分要。比如买台服务器、买个电脑，都要有采购的工夫。

假如忽然用户告诉某个云厂商，说想要开台电脑，运用物理服务器，当时去采购就很难。与供应商关系好的能够需求一个星期，与供应商关系普通的就能够需求采购一个月。

用户等了很久电脑才到位，这时用户还要登录上去渐渐末尾部署本人的运用。工夫灵敏性非常差。

其次是它的空间灵敏性也不行。例如上述的用户需求一个很小很小的电脑，但如今哪还有这么小型号的电脑？不能为了满足用户只需一个 G 的内存、80G 硬盘的，就去买一个这么小的机器。

但是假如买一个大的，又会由于电脑大，需求向用户多收钱，可用户需求用的只要那么小一点，所以多付钱就很冤。

虚拟化灵敏多了

有人就想办法了。第一个办法就是虚拟化。用户不是只需一个很小的电脑么？

数据中心的物理设备都很弱小，我可以从物理的 CPU、内存、硬盘中虚拟出一小块来给客户，同时也可以虚拟出一小块来给其他客户。

每个客户只能看到本人的那一小块，但其实每个客户用的是整个大的设备上的一小块。

虚拟化的技术使得不同客户的电脑看起来是隔离的。也就是我看着好像这块盘就是我的，你看着这块盘就是你的，但实践状况能够我的这个 10G 和你的这个 10G 是落在异样一个很大很大的存储上。

而且假如事前物理设备都预备好，虚拟化软件虚拟出一个电脑是非常快的，基本上几分钟就能处理。所以在任何一个云上要创建一台电脑，一点几分钟就出来了，就是这个道理。

这样空间灵敏性和工夫灵敏性就基本处理了。

虚拟世界的赚钱与情怀

在虚拟化阶段，最牛的公司是 VMware。它是完成虚拟化技术比较早的一家公司，可以完成计算、网络、存储的虚拟化。

这家公司很牛，功能做得非常好，虚拟化软件卖得也非常好，赚了好多的钱，后来让 EMC(世界五百强，存储厂商第一品牌)给收买了。

但这个世界上还是有很多无情怀的人的，尤其是程序员外面。无情怀的人喜欢做什么事情？开源。

这个世界上很多软件都是有闭源就有开源，源就是源代码。也就是说，某个软件做的好，一切人都爱用，但这个软件的代码被我封闭起来，只要我公司知道，其别人不知道。

假如其别人想用这个软件，就要向我付钱，这就叫闭源。但世界上总有一些大牛看不惯钱都让一家赚了去的状况。大牛们觉得，这个技术你会我也会；你能开发出来，我也能。

我开发出来就是不收钱，把代码拿出来分享给大家，全世界谁用都可以，一切的人都可以享遭到好处，这个叫做开源。

比如最近的蒂姆·伯纳斯·李就是个非常无情怀的人。2017 年，他因“发明万维网、第一个阅读器和使万维网得以扩展的基本协议和算法”而获得 2016 年度的图灵奖。

图灵奖就是计算机界的诺贝尔奖。但是他最令人敬仰的是，他将万维网，也就是我们常见的 WWW 技术无偿贡献给全世界无偿运用。

我们如今在网上的一切行为都应该感激他的功劳，假如他将这个技术拿来收钱，应该和比尔盖茨差不多有钱。

开源和闭源的例子有很多：例如在闭源的世界里有 Windows，大家用 Windows 都得给微软付钱；开源的世界外面就出现了 Linux。

比尔盖茨靠 Windows、Office 这些闭源的软件赚了很多钱，称为世界首富，就有大牛开发了另外一种操作系统 Linux。

很多人能够没有听说过 Linux，很多后台的服务器上跑的程序都是 Linux 上的，比如大家享用双十一，无论是淘宝、京东、考拉……支撑双十一抢购的系统都是跑在 Linux 上的。

再如有 Apple 就有安卓。Apple 市值很高，但是苹果系统的代码我们是看不到的，于是就有大牛写了安卓手机操作系统。

所以大家可以看到几乎一切的其他手机厂商，外面都装安卓系统。缘由就是苹果系统不开源，而安卓系统大家都可以用。

在虚拟化软件也一样，有了 VMware，这个软件非常贵。那就有大牛写了两个开源的虚拟化软件，一个叫做 Xen，一个叫做 KVM，假如不做技术的，可以不用管这两个名字，但是后面还是会提到。

虚拟化的半自动和云计算的全自动

要说虚拟化软件处理了灵敏性成绩，其实并不全对。由于虚拟化软件普通创建一台虚拟的电脑，是需求人工指定这台虚拟电脑放在哪台物理机上的。

这一过程能够还需求比较复杂的人工配置。所以运用 VMware 的虚拟化软件，需求考一个很牛的证书，而能拿到这个证书的人，薪资是相当高，也可见其复杂程度。

所以仅仅凭虚拟化软件所能管理的物理机的集群规模都不是特别大，普通在十几台、几十台、最多百台这么一个规模。

这一方面会影响工夫灵敏性：虽然虚拟出一台电脑的工夫很短，但是随着集群规模的扩展，人工配置的过程越来越复杂，越来越耗时。

另一方面也影响空间灵敏性：当用户数量多时，这点集群规模，还远达不到想要多少要多少的程度，很能够这点资源很快就用完了，还得去采购。

所以随着集群的规模越来越大，基本都是千台起步，动辄上万台、甚至几十上百万台。假如去查一下 BAT，包括网易、谷歌、亚马逊，服务器数目都大的吓人。

这么多机器要靠人去选一个地位放这台虚拟化的电脑并做相应的配置，几乎是不能够的事情，还是需求机器去做这个事情。

人们发明了各种各样的算法来做这个事情，算法的名字叫做调度(Scheduler)。

粗浅一点说，就是有一个调度中心，几千台机器都在一个池子外面，无论用户需求多少 CPU、内存、硬盘的虚拟电脑，调度中心会自动在大池子外面找一个可以满足用户需求的地方，把虚拟电脑启动起来做好配置，用户就直接能用了。

这个阶段我们称为池化或者云化。到了这个阶段，才可以称为云计算，在这之前都只能叫虚拟化。

云计算的公有与公有

云计算大致分两种：一个是公有云，一个是公有云，还有人把公有云和公有云衔接起来称为混合云，这里暂且不说这个。

公有云：把虚拟化和云化的这套软件部署在别人的数据中心外面。运用公有云的用户往往很有钱，本人买地建机房、本人买服务器，然后让云厂商部署在本人这里。

VMware 后来除了虚拟化，也推出了云计算的产品，并且在公有云市场赚的盆满钵满。

公有云：把虚拟化和云化软件部署在云厂商本人数据中心外面的，用户不需求很大的投入，只需注册一个账号，就能在一个网页上点一下创建一台虚拟电脑。

例如 AWS 即亚马逊的公有云；国内的阿里云、腾讯云、网易云等。

亚马逊为什么要做公有云呢？我们知道亚马逊原来是国外比较大的一个电商，它做电商时也一定会遇到相似双十一的场景：在某一个时辰大家都冲下去买东西。

当大家都冲上买东西时，就特别需求云的工夫灵敏性和空间灵敏性。由于它不能时辰预备好一切的资源，那样太糜费了。但也不能什么都不预备，看着双十一这么多用户想买东西登不上去。

所以需求双十一时，就创建一大批虚拟电脑来支撑电商运用，过了双十一再把这些资源都释放掉去干别的。因此亚马逊是需求一个云平台的。

但是商用的虚拟化软件真实是太贵了，亚马逊总不能把本人在电商赚的钱全部给了虚拟化厂商。

于是亚马逊基于开源的虚拟化技术，如上所述的 Xen 或者 KVM，开发了一套本人的云化软件。没想到亚马逊后来电商越做越牛，云平台也越做越牛。

由于它的云平台需求支撑本人的电商运用；而传统的云计算厂商多为 IT 厂商出身，几乎没有本人的运用，所以亚马逊的云平台对运用愈加敌对，迅速发展成为云计算的第一品牌，赚了很多钱。

在亚马逊公布其云计算平台财报之前，人们都猜测，亚马逊电商赚钱，云也赚钱吗？后来一公布财报，发现不是普通的赚钱。仅仅去年，亚马逊 AWS 年营收达 122 亿美元，运营利润 31 亿美元。

云计算的赚钱与情怀

公有云的第一名亚马逊过得很爽，第二名 Rackspace 过得就普通了。没办法，这就是互联网行业的残酷性，多是赢者通吃的形式。所以第二名假如不是云计算行业的，很多人能够都没听过了。

第二名就想，我干不过老大怎样办呢？开源吧。如上所述，亚马逊虽然运用了开源的虚拟化技术，但云化的代码是闭源的。

很多想做又做不了云化平台的公司，只能眼巴巴的看着亚马逊挣大钱。Rackspace 把源代码一公开，整个行业就可以一同把这个平台越做越好，兄弟们大家一同上，和老大拼了。

于是 Rackspace 和美国航空航天局合作创办了开源软件 OpenStack，如上图所示 OpenStack 的架构图，不是云计算行业的不用弄懂这个图。

但可以看到三个关键字：Compute 计算、Networking 网络、Storage 存储。还是一个计算、网络、存储的云化管理平台。

当然第二名的技术也是非常棒的，有了 OpenStack 之后，果真像 Rackspace 想的一样，一切想做云的大企业都疯了，你能想象到的一切如雷贯耳的大型 IT 企业：IBM、惠普、戴尔、华为、联想等都疯了。

原来云平台大家都想做，看着亚马逊和 VMware 赚了这么多钱，眼巴巴看着没办法，想本人做一个好像难度还挺大。

如今好了，有了这样一个开源的云平台 OpenStack，一切的 IT 厂商都加入到这个社区中来，对这个云平台停止贡献，包装成本人的产品，连同本人的硬件设备一同卖。

有的做了公有云，有的做了公有云，OpenStack 曾经成为开源云平台的理想标准。

IaaS，资源层面的灵敏性

随着 OpenStack 的技术越来越成熟，可以管理的规模也越来越大，并且可以有多个 OpenStack 集群部署多套。

比如北京部署一套、杭州部署两套、广州部署一套，然后停止一致的管理。这样整个规模就更大了。

在这个规模下，对于普通用户的感知来讲，基天分够做到想什么时分要就什么时分要，想要多少就要多少。

还是拿云盘举例子，每个用户云盘都分配了 5T 甚至更大的空间，假如有 1 亿人，那加起来空间多大啊。

其实背后的机制是这样的：分配你的空间，你能够只用了其中很少一点，比如说它分配给你了 5 个 T，这么大的空间仅仅是你看到的，而不是真的就给你了。

你其实只用了 50 个 G，则真实给你的就是 50 个 G，随着你文件的不断上传，分给你的空间会越来越多。

当大家都上传，云平台发现快满了的时分(例如用了 70%)，会采购更多的服务器，扩大背后的资源，这个对用户是透明的、看不到的。

从感觉下去讲，就完成了云计算的弹性。其实有点像银行，给储户的感觉是什么时分取钱都有，只需不同时挤兑，银行就不会垮。

总结

到了这个阶段，云计算基本上完成了工夫灵敏性和空间灵敏性；完成了计算、网络、存储资源的弹性。

计算、网络、存储我们常称为基础设备 Infranstracture, 因此这个阶段的弹性称为资源层面的弹性。

管理资源的云平台，我们称为基础设备服务，也就是我们常听到的 IaaS（Infranstracture As A Service）。

云计算不光管资源，也要管运用

有了 IaaS，完成了资源层面的弹性就够了吗？显然不是，还有运用层面的弹性。

这里举个例子：比如说完成一个电商的运用，往常十台机器就够了，双十一需求一百台。你能够觉得很好办啊，有了 IaaS，新创建九十台机器就可以了啊。

但 90 台机器创建出来是空的，电商运用并没有放上去，只能让公司的运维人员一台一台的弄，需求很长工夫才能安装好的。

虽然资源层面完成了弹性，但没有运用层的弹性，依然灵敏性是不够的。有没有方法处理这个成绩呢？

人们在 IaaS 平台之上又加了一层，用于管理资源以上的运用弹性的成绩，这一层通常称为 PaaS（Platform As A Service）。

这一层往往比较难了解，大致分两部分：一部分笔者称为“你本人的运用自动安装”，一部分笔者称为“通用的运用不用安装”。

本人的运用自动安装：比如电商运用是你本人开发的，除了你本人，其别人是不知道怎样安装的。

像电商运用，安装时需求配置支付宝或者微信的账号，才能使别人在你的电商上买东西时，付的钱是打到你的账户外面的，除了你，谁也不知道。

所以安装的过程平台帮不了忙，但可以帮你做得自动化，你需求做一些工作，将本人的配置信息融入到自动化的安装过程中方可。

比如下面的例子，双十一新创建出来的 90 台机器是空的，假如可以提供一个工具，可以自动在这新的 90 台机器上将电商运用安装好，就可以完成运用层面的真正弹性。

例如 Puppet、Chef、Ansible、Cloud Foundary 都可以干这件事情，最新的容器技术 Docker 能更好的干这件事情。

通用的运用不用安装：所谓通用的运用，普通指一些复杂性比较高，但大家都在用的，例如数据库。几乎一切的运用都会用数据库，但数据库软件是标准的，虽然安装和维护比较复杂，但无论谁安装都是一样。

这样的运用可以变成标准的 PaaS 层的运用放在云平台的界面上。当用户需求一个数据库时，一点就出来了，用户就可以直接用了。

有人问，既然谁安装都一个样，那我本人来好了，不需求花钱在云平台上买。当然不是，数据库是一个非常难的东西，光 Oracle 这家公司，靠数据库就能赚这么多钱。买 Oracle 也是要花很多钱的。

但是大多数云平台会提供 MySQL 这样的开源数据库，又是开源，钱不需求花这么多了。

但维护这个数据库，却需求专门招一个很大的团队，假如这个数据库可以优化到可以支撑双十一，也不是一年两年可以搞定的。

比如您是一个做单车的，当然没必要招一个非常大的数据库团队来干这件事情，成本太高了，应该交给云平台来做这件事情。

专业的事情专业的人来做，云平台专门养了几百人维护这套系统，您只需专注于您的单车运用就可以了。

要么是自动部署，要么是不用部署，总的来说就是运用层你也要少操心，这就是 PaaS 层的重要作用。

虽说脚本的方式可以处理本人的运用的部署成绩，但是不同的环境千差万别，一个脚本往往在一个环境上运转正确，到另一个环境就不正确了。

而容器是能更好地处理这个成绩。

容器是 Container，Container 另一个意思是集装箱，其实容器的思想就是要变成软件交付的集装箱。集装箱的特点：一是封装，二是标准。

在没有集装箱的时代，假设将货物从 A 运到 B，中间要经过三个码头、换三次船。

每次都要将货物卸下船来，摆得七零八落，然后搬上船重新划一摆好。因此在没有集装箱时，每次换船，船员们都要在岸上待几天赋能走。

有了集装箱当前，一切的货物都打包在一同了，并且集装箱的尺寸全部分歧，所以每次换船时，一个箱子全体搬过去就行了，小时级别就能完成，船员再也不用上岸长工夫耽搁了。

这是集装箱“封装”、“标准”两大特点在生活中的运用。

那么容器如何对运用打包呢？还是要学习集装箱。首先要有个封闭的环境，将货物封装起来，让货物之间互不干扰、互相隔离，这样装货卸货才方便。好在 Ubuntu 中的 LXC 技术早就能做到这一点。

封闭的环境次要运用了两种技术：

看起来是隔离的技术，称为 Namespace，也即每个 Namespace 中的运用看到的是不同的 IP 地址、用户空间、程号等。 用起来是隔离的技术，称为 Cgroups，也即明明整台机器有很多的 CPU、内存，而一个运用只能用其中的一部分。

所谓的镜像，就是将你焊好集装箱的那一刻，将集装箱的形状保存上去，就像孙悟空说：“定”，集装箱外面就定在了那一刻，然后将这一刻的形状保存成一系列文件。

这些文件的格式是标准的，谁看到这些文件都能还原当时定住的那个时辰。将镜像还原成运转时的过程（就是读取镜像文件，还原那个时辰的过程），就是容器运转的过程。

有了容器，使得 PaaS 层对于用户本身运用的自动部署变得疾速而优雅。

大数据拥抱云计算

在 PaaS 层中一个复杂的通用运用就是大数据平台。大数据是如何一步一步融入云计算的呢？

数据不大也包含智慧

一末尾这个大数据并不大。原来才有多多数据？如今大家都去看电子书，上网看旧事了，在我们 80 后小时分，信息量没有那么大，也就看看书、看看报，一个星期的报纸加起来才有多少字？

假如你不在一个大城市，一个普通的学校的图书馆加起来也没几个书架，是后来随着信息化的到来，信息才会越来越多。

首先我们来看一下大数据外面的数据，就分三种类型：

结构化的数据：即有固定格式和有限长度的数据。例如填的表格就是结构化的数据，国籍：中华人民共和国，民族：汉，性别：男，这都叫结构化数据。 非结构化的数据：如今非结构化的数据越来越多，就是不定长、无固定格式的数据，例如网页，有时分非常长，有时分几句话就没了；例如语音，视频都是非结构化的数据。 半结构化数据：是一些 XML 或者 HTML 的格式的，不从事技术的能够不了解，但也没有关系。

其实数据本身不是有用的，必需要经过一定的处理。例如你每天跑步带个手环搜集的也是数据，网上这么多网页也是数据，我们称为 Data。

数据本身没有什么用途，但数据外面包含一个很重要的东西，叫做信息（Information）。

数据非常杂乱，经过梳理和清洗，才可以称为信息。信息会包含很多规律，我们需求从信息中将规律总结出来，称为知识（Knowledge），而知识改变命运。

信息是很多的，但有人看到了信息相当于白看，但有人就从信息中看到了电商的将来，有人看到了直播的将来，所以人家就牛了。

假如你没有从信息中提取出知识，天天看冤家圈也只能在互联网滚滚大潮中做个看客。

有了知识，然后应用这些知识去运用于实战，有的人会做得非常好，这个东西叫做智慧（Intelligence）。

有知识并不一定有智慧，例如好多学者很有知识，曾经发生的事情可以从各个角度分析得头头是道，但一到实干就歇菜，并不能转化成为智慧。

而很多的创业家之所以伟大，就是经过获得的知识运用于实际，最后做了很大的生意。

所以数据的运用分这四个步骤：数据、信息、知识、智慧。

最终的阶段是很多商家都想要的。你看我搜集了这么多的数据，能不能基于这些数据来帮我做下一步的决策，改善我的产品。

例如让用户看视频的时分旁边弹出广告，正好是他想买的东西；再如让用户听音乐时，另外引荐一些他非常想听的其他音乐。

用户在我的运用或者网站上随意点点鼠标，输入文字对我来说都是数据，我就是要将其中某些东西提取出来、指点实际、构成智慧，让用户堕入到我的运用外面不可自拔，上了我的网就不想分开，手不停地点、不停地买。

很多人说双十一我都想断网了，我老婆在下面不断地买买买，买了 A 又引荐 B，老婆大人说，“哎呀，B 也是我喜欢的啊，老公我要买”。

你说这个程序怎样这么牛，这么有智慧，比我还了解我老婆，这件事情是怎样做到的呢？

数据如何升华为智慧

数据的处理分以下几个步骤，完成了才最后会有智慧：

数据搜集 数据传输 数据存储 数据处理和分析 数据检索和发掘

数据搜集

首先得有数据，数据的搜集有两个方式：

拿，专业点的说法叫抓取或者爬取。例如搜索引擎就是这么做的：它把网上的一切的信息都下载到它的数据中心，然后你一搜才能搜出来。

比如你去搜索的时分，结果会是一个列表，这个列表为什么会在搜索引擎的公司外面？就是由于他把数据都拿上去了，但是你一点链接，点出来这个网站就不在搜索引擎它们公司了。

比如说新浪有个旧事，你拿百度搜出来，你不点的时分，那一页在百度数据中心，一点出来的网页就是在新浪的数据中心了。

推送，有很多终端可以帮我搜集数据。比如说小米手环，可以将你每天跑步的数据，心跳的数据，睡眠的数据都上传到数据中心外面。

数据传输

普通会经过队列方式停止，由于数据量真实是太大了，数据必须经过处理才会有用。可系统处理不过来，只好排好队，渐渐处理。

数据存储

如今数据就是金钱，掌握了数据就相当于掌握了钱。要不然网站怎样知道你想买什么？

就是由于它有你历史的买卖数据，这个信息可不能给别人，非常宝贵，所以需求存储上去。

数据处理和分析

下面存储的数据是原始数据，原始数据多是杂乱无章的，有很多渣滓数据在外面，因此需求清洗和过滤，得到一些高质量的数据。

对于高质量的数据，就可以停止分析，从而对数据停止分类，或者发现数据之间的互相关系，得到知识。

比如盛传的沃尔玛超市的啤酒和尿布的故事，就是经过对人们的购买数据停止分析，发现了男人普通买尿布的时分，会同时购买啤酒。

这样就发现了啤酒和尿布之间的互相关系，获得知识，然后运用到实际中，将啤酒和尿布的柜台弄的很近，就获得了智慧。

数据检索和发掘

检索就是搜索，所谓外事不决问 Google，内事不决问百度。内外两大搜索引擎都是将分析后的数据放入搜索引擎，因此人们想寻觅信息的时分，一搜就有了。

另外就是发掘，仅仅搜索出来曾经不能满足人们的要求了，还需求从信息中发掘出互相的关系。

比如财经搜索，当搜索某个公司股票的时分，该公司的高管是不是也应该被发掘出来呢？

假如仅仅搜索出这个公司的股票发现涨的特别好，于是你就去买了，其时其高管发了一个声明，对股票非常不利，第二天就跌了，这不坑害广大股民么？所以经过各种算法发掘数据中的关系，构成知识库，非常重要。

大数据时代，众人拾柴火焰高

当数据量很小时，很少的几台机器就能处理。渐渐的，当数据量越来越大，最牛的服务器都处理不了成绩时，怎样办呢？

这时就要聚合多台机器的力气，大家齐心协力一同把这个事搞定，众人拾柴火焰高。

对于数据的搜集：就 IoT 来讲，外面部署着成千上万的检测设备，将大量的温度、湿度、监控、电力等数据统统搜集下去；就互联网网页的搜索引擎来讲，需求将整个互联网一切的网页都下载上去。

这显然一台机器做不到，需求多台机器组成网络爬虫系统，每台机器下载一部分，同时工作，才能在有限的工夫内，将海量的网页下载终了。

对于数据的传输：一个内存外面的队列一定会被大量的数据挤爆掉，于是就产生了基于硬盘的分布式队列，这样队列可以多台机器同时传输，随你数据量多大，只需我的队列足够多，管道足够粗，就可以撑得住。

对于数据的存储：一台机器的文件系统一定是放不下的，所以需求一个很大的分布式文件系统来做这件事情，把多台机器的硬盘打成一块大的文件系统。

对于数据的分析：能够需求对大量的数据做分解、统计、汇总，一台机器一定搞不定，处理到猴年马月也分析不完。

于是就有分布式计算的方法，将大量的数据分成小份，每台机器处理一小份，多台机器并行处理，很快就能算完。

例如著名的 Terasort 对 1 个 TB 的数据排序，相当于 1000G，假如单机处理，怎样也要几个小时，但并行处理 209 秒就完成了。

所以说什么叫做大数据？说白了就是一台机器干不完，大家一同干。

可是随着数据量越来越大，很多不大的公司都需求处理相当多的数据，这些小公司没有这么多机器可怎样办呢？

大数据需求云计算，云计算需求大数据

说到这里，大家想起云计算了吧。当想要干这些活时，需求很多的机器一块做，真的是想什么时分要就什么时分要，想要多少就要多少。

例如大数据分析公司的财务状况，能够一周分析一次，假如要把这一百台机器或者一千台机器都在那放着，一周用一次非常糜费。

那能不能需求计算的时分，把这一千台机器拿出来；不算的时分，让这一千台机器去干别的事情？

谁能做这个事儿呢？只要云计算，可以为大数据的运算提供资源层的灵敏性。

而云计算也会部署大数据放到它的 PaaS 平台上，作为一个非常非常重要的通用运用。

由于大数据平台可以使得多台机器一同干一个事儿，这个东西不是普通人能开发出来的，也不是普通人玩得转的，怎样也得雇个几十上百号人才能把这个玩起来。

所以说就像数据库一样，还是需求有一帮专业的人来玩这个东西。如今公有云上基本上都会有大数据的处理方案了。

一个小公司需求大数据平台的时分，不需求采购一千台机器，只需到公有云上一点，这一千台机器都出来了，并且下面曾经部署好了的大数据平台，只需把数据放出来算就可以了。

云计算需求大数据，大数据需求云计算，二者就这样结合了。

人工智能拥抱大数据

机器什么时分才能懂人心

虽说有了大数据，人的愿望却不可以满足。虽说在大数据平台外面有搜索引擎这个东西，想要什么东西一搜就出来了。

但也存在这样的状况：我想要的东西不会搜，表达不出来，搜索出来的又不是我想要的。

例如音乐软件引荐了一首歌，这首歌我没听过，当然不知道名字，也没法搜。但是软件引荐给我，我的确喜欢，这就是搜索做不到的事情。

当人们运用这种运用时，会发现机器知道我想要什么，而不是说当我想要时，去机器外面搜索。这个机器真像我的冤家一样懂我，这就有点人工智能的意思了。

人们很早就在想这个事情了。最早的时分，人们想象，要是有一堵墙，墙后面是个机器，我给它说话，它就给我回应。

假如我感觉不出它那边是人还是机器，那它就真的是一个人工智能的东西了。

让机器学会推理

怎样才能做到这一点呢？人们就想：我首先要告诉计算机人类推理的才能。你看人重要的是什么？人和动物的区别在什么？就是能推理。

要是把我这个推理的才能告诉机器，让机器根据你的发问，推理出相应的回答，这样多好？

其实目后人们渐渐地让机器可以做到一些推理了，例如证明数学公式。这是一个非常让人惊喜的一个过程，机器居然可以证明数学公式。

但渐渐又发现这个结果也没有那么令人惊喜。由于大家发现了一个成绩：数学公式非常严谨，推理过程也非常严谨，而且数学公式很容易拿机器来停止表达，程序也相对容易表达。

但是人类的言语就没这么简单了。比如明天早晨，你和你女冤家约会，你女冤家说：假如你早来，我没来，你等着；假如我早来，你没来，你等着！

这个机器就比较难了解了，但人都懂。所以你和女冤家约会，是不敢迟到的。

教给机器知识

因此，仅仅告诉机器严厉的推理是不够的，还要告诉机器一些知识。但告诉机器知识这个事情，普通人能够就做不来了。能够专家可以，比如言语范畴的专家或者财经范畴的专家。

言语范畴和财经范畴知识能不能表示成像数学公式一样稍微严厉点呢？例如言语专家能够会总结出主谓宾定状补这些语法规则，主语后面一定是谓语，谓语后面一定是宾语，将这些总结出来，并严厉表达出来不就行了吗？

后来发现这个不行，太难总结了，言语表达千变万化。就拿主谓宾的例子，很多时分在口语外面就省略了谓语，别人问：你谁啊？我回答：我刘超。

但你不能规定在语音语义辨认时，要求对着机器说标准的口语，这样还是不够智能，就像罗永浩在一次演讲中说的那样，每次对着手机，用口语说：请帮我呼叫某某某，这是一件很尴尬的事情。

人工智能这个阶段叫做专家系统。专家系统不易成功，一方面是知识比较难总结，另一方面总结出来的知识难以教给计算机。

由于你本人还恍恍惚惚，觉得似乎有规律，就是说不出来，又怎样可以经过编程教给计算机呢？

算了，教不会你本人学吧

于是人们想到：机器是和人完全不一样的物种，干脆让机器本人学习好了。

机器怎样学习呢？既然机器的统计才能这么强，基于统计学习，一定能从大量的数字中发现一定的规律。

其真实文娱圈有很好的一个例子，可窥一斑：

有一位网友统计了知名歌手在大陆发行的 9 张专辑中 117 首歌曲的歌词，同一词语在一首歌出现只算一次，描画词、名词和动词的前十名如下表所示（词语后面的数字是出现的次数）：

假如我们随意写一串数字，然后按照数位依次在描画词、名词和动词中取出一个词，连在一同会怎样样呢？

例如取圆周率 3.1415926，对应的词语是：坚强，路，飞，自在，雨，埋，怅惘。

稍微衔接和润饰一下：

坚强的孩子 依然前行在路上 张开翅膀飞向自在 让雨水掩埋他的怅惘

是不是有点感觉了？当然，真正基于统计的学习算法比这个简单的统计复杂得多。

但是统计学习比较容易了解简单的相关性：例如一个词和另一个词总是一同出现，两个词应该有关系；而无法表达复杂的相关性。

并且统计方法的公式往往非常复杂，为了简化计算，常常做出各种独立性的假设，来降低公式的计算难度，但是理想生活中，具有独立性的事情是相对较少的。

模拟大脑的工作方式

于是人类末尾从机器的世界，反思人类的世界是怎样工作的。

人类的脑子外面不是存储着大量的规则，也不是记录着大量的统计数据，而是经过神经元的触发完成的。

每个神经元有从其他神经元的输入，当接收到输入时，会产生一个输入来刺激其他神经元。于是大量的神经元互相反应，最终构成各种输入的结果。

例如当人们看到美女瞳孔会放大，绝不是大脑根据身体比例停止规则判别，也不是将人生中看过的一切的美女都统计一遍，而是神经元从视网膜触发到大脑再回到瞳孔。

在这个过程中，其实很难总结出每个神经元对最终的结果起到了哪些作用，反正就是起作用了。

于是人们末尾用一个数学单元模拟神经元。

这个神经元有输入，有输入，输入和输入之间经过一个公式来表示，输入根据重要程度不同(权重)，影响着输入。

于是将 n 个神经元经过像一张神经网络一样衔接在一同。n 这个数字可以很大很大，一切的神经元可以分成很多列，每一列很多个陈列起来。

每个神经元对于输入的权重可以都不相反，从而每个神经元的公式也不相反。当人们从这张网络中输入一个东西的时分，希望输入一个对人类来讲正确的结果。

例如下面的例子，输入一个写着 2 的图片，输入的列表外面第二个数字最大，其实从机器来讲，它既不知道输入的这个图片写的是 2，也不知道输入的这一系列数字的意义，没关系，人知道意义就可以了。

正如对于神经元来说，他们既不知道视网膜看到的是美女，也不知道瞳孔放大是为了看的清楚，反正看到美女，瞳孔放大了，就可以了。

对于任何一张神经网络，谁也不敢保证输入是 2，输入一定是第二个数字最大，要保证这个结果，需求训练和学习。

毕竟看到美女而瞳孔放大也是人类很多年退化的结果。学习的过程就是，输入大量的图片，假如结果不是想要的结果，则停止调整。

如何调整呢？就是每个神经元的每个权重都向目的停止微调，由于神经元和权重真实是太多了，所以整张网络产生的结果很难表现出非此即彼的结果，而是向着结果悄然地提高，最终可以达到目的结果。

当然，这些调整的策略还是非常有技巧的，需求算法的高手来细心的调整。正如人类见到美女，瞳孔一末尾没有放大到能看清楚，于是美女跟别人跑了，下次学习的结果是瞳孔放大一点点，而不是放大鼻孔。

没道理但做得到

听起来也没有那么有道理，但的确能做到，就是这么任性！

神经网络的普遍性定理是这样说的，假设某个人给你某种复杂奇特的函数，f(x)：

不管这个函数是什么样的，总会确保有个神经网络可以对任何能够的输入 x，其值 f(x)（或者某个可以准确的近似）是神经网络的输入。

假如在函数代表着规律，也意味着这个规律无论多么巧妙，多么不能了解，都是能经过大量的神经元，经过大量权重的调整，表示出来的。

人工智能的经济学解释

这让我想到了经济学，于是比较容易了解了。

我们把每个神经元当成社会中从事经济活动的个体。于是神经网络相当于整个经济社会，每个神经元对于社会的输入，都有权重的调整，做出相应的输入。

比如工资涨了、菜价涨了、股票跌了，我应该怎样办、怎样花本人的钱。这外面没有规律么？一定有，但是详细什么规律呢？很难说清楚。

基于专家系统的经济属于计划经济。整个经济规律的表示不希望经过每个经济个体的独立决策表现出来，而是希望经过专家的高屋建瓴和真知灼见总结出来。但专家永远不能够知道哪个城市的哪个街道短少一个卖甜豆腐脑的。

于是专家说应该产多少钢铁、产多少馒头，往往间隔人民生活的真正需求有较大的差距，就算整个计划书写个几百页，也无法表达隐藏在人民生活中的小规律。

基于统计的宏观调控就靠谱多了，每年统计局都会统计整个社会的失业率、通胀率、GDP 等目的。这些目的往往代表着很多内在规律，虽然不能准确表达，但是相对靠谱。

但是基于统计的规律总结表达相对比较粗糙。比如经济学家看到这些统计数据，可以总结出长期来看房价是涨还是跌、股票长期来看是涨还是跌。

假如经济总体上扬，房价和股票应该都是涨的。但基于统计数据，无法总结出股票，物价的宏大波动规律。

基于神经网络的微观经济学才是对整个经济规律最最准确的表达，每个人对于本人在社会中的输入停止各自的调整，并且调整异样会作为输入反馈到社会中。

想象一下股市行情纤细的波动曲线，正是每个独立的个体各自不断买卖的结果，没有一致的规律可循。

而每个人根据整个社会的输入停止独立决策，当某些要素经过多次训练，也会构成宏观上统计性的规律，这也就是宏观经济学所能看到的。

例如每次货币大量发行，最后房价都会下跌，多次训练后，人们也就都学会了。

人工智能需求大数据

但是，神经网络包含这么多的节点，每个节点又包含非常多的参数，整个参数量真实是太大了，需求的计算量真实太大。

但没有关系，我们有大数据平台，可以汇聚多台机器的力气一同来计算，就能在有限的工夫内得到想要的结果。

人工智能可以做的事情非常多，例如可以鉴别渣滓邮件、鉴别黄色暴力文字和图片等。

这也是阅历了三个阶段的：

依赖于关键词黑白名单和过滤技术，包含哪些词就是黄色或者暴力的文字。随着这个网络言语越来越多，词也不断地变化，不断地更新这个词库就有点顾不过来。 基于一些新的算法，比如说贝叶斯过滤等，你不用管贝叶斯算法是什么，但是这个名字你应该听过，这是一个基于概率的算法。 基于大数据和人工智能，停止愈加精准的用户画像、文本了解和图像了解。

由于人工智能算法多是依赖于大量的数据的，这些数据往往需求面向某个特定的范畴(例如电商，邮箱)停止长期的积累。

假如没有数据，就算有人工智能算法也白搭，所以人工智能程序很少像后面的 IaaS 和 PaaS 一样，将人工智能程序给某个客户安装一套，让客户去用。

由于给某个客户单独安装一套，客户没有相关的数据做训练，结果往往是很差的。

但云计算厂商往往是积累了大量数据的，于是就在云计算厂商外面安装一套，暴露一个服务接口。

比如您想鉴别一个文本是不是触及黄色和暴力，直接用这个在线服务就可以了。这种情势的服务，在云计算外面称为软件即服务，SaaS (Software AS A Service)

于是工智能程序作为 SaaS 平台进入了云计算。

基于三者关系的美妙生活

终于云计算的三兄弟凑齐了，分别是 IaaS、PaaS 和 SaaS。所以普通在一个云计算平台上，云、大数据、人工智能都能找得到。

一个大数据公司，积累了大量的数据，会运用一些人工智能的算法提供一些服务；一个人工智能公司，也不能够没有大数据平台支撑。

所以，当云计算、大数据、人工智能这样整合起来，便完成了相遇、相识、相知的过程

科普文，写的挺好

⊙∀⊙！

分享了

分享了

分享了

分享了

在撸一遍。。。

好，很好，非常好！