其實，粒計算比云計算的概念出現得還早。在1997年時，美國一大學教授首次在論文中提出了粒計算，這標志著涉及多學科的一個應用研究領域產生。此后，國外諸多學者對它進行了研究，提出了許多有關粒計算的理論、方法和模型，現已成為研究模糊的、不精確的、不完整的及海量信息處理的重要工具。粒計算是一個含義廣泛的術語，覆蓋了所有有關粒的理論、方法學、技術和工具的研究，并認為粒計算是模糊信息粒化、Rough集理論和區間計算的超集，是粒數學的子集。粒計算是在問題求解中使用粒子，構建信息粒化，將一類對象基于不可分辨關系、相似性等特征劃分為一系列粒。粒計算模型分為兩大類：一類以處理不確定性為主要目標，如以模糊處理為基礎的計算模型，以粗糙集為基礎的模型，側重于計算對象的不確定性處理。模糊概念是粒計算的主要組成部分;另一類則以多粒度計算為目標，如商空間理論。從不同的粒度上分層次地處理它們，降低處理復雜問題的復雜性。信息粒廣泛存在于現實世界中，是對現實的抽象。
粒計算雖然誕生得早，并沒有云計算發展得快，只是到最近才火了起來，這來源于人工智能和大數據技術的熱寵。在這兩個方面進行粒計算，意義不同凡響。人工智能和大數據的誕生，是因為人們試圖從人類思維和生物界的一些規律中得到啟發，創建相應的計算模型，應用到信息科學中去，而粒計算則在更高層次上模擬了人類的思維規律。當人工智能掌握“粒計算”，就會像顯微鏡一樣，能分析海量信息，這將對科學界和人類社會都產生深遠影響。當大數據遇到了粒計算，可以對大數據所表示的領域信息進行粒度分析，確定可能的粒度層次數目、各層次上信息粒的語義以及根據領域知識能夠斷言的信息粒之間的相關關系，這些粒度分析結果及其質量可直接影響后續的大數據處理的準確性和效率。目前，大數據開源平臺的蓬勃發展，適用于不同應用場合的系統層出不窮，針對具體數據選擇適合的多粒度建模，實現對特定粒計算模型的支持，可以更好地進行海量數據分析。所以，人工智能和大數據再火，也需要依仗粒計算等這些新技術來實現，否則就是空中樓閣，沒有任何現實意義。海量的數據中大量都是不確定的，模糊的，這給粒計算提供了廣闊的發展空間。
不僅在大數據、人工智能這些領域，在云計算里，粒計算同樣受歡迎。云計算是一種計算資源，集合了海量的數據處理，與大數據、人工智能都有著緊密聯系，而粒計算正是處理海量數據，尤其是不確定性數據的好手。云計算可以根據用戶需求通過網絡對松散耦合的粗細粒度應用組件進行分布式部署、組合和使用，形成多粒度或者可變粒度的服務。云計算的技術底層架構中，分布式操作系統也支撐軟件的多粒度和可變粒度。由于云計算本身的通用性特點，在“云”的支撐下可以構造出千變萬化的應用，同一個“云”可以同時支撐不同的應用運行，這都需要對海量的不確定數據進行計算處理，這時就需要粒計算。云計算提供的服務也是個性化的，是多粒度和可變粒度的,提供的是細粒度服務。在云計算中，為了保證計算和存儲等操作的完整性，在實現上要考慮很多大規模分布式計算機集群進行海量數據處理時容錯處理問題，在出現部分失效的情況下計算任務仍然能夠正確執行，這時粒計算就會發揮作用。粒計算本身就可以處理大量具有不確定性的數據，當海量數據中摻雜著無用甚至是錯誤的數據，在粒計算的處理下，依然能夠得到最佳的正確結果，粒計算本身就具有容錯性。粒計算還可以將計算任務更加優化地分解和并行執行，對于每個未完成子任務，粒計算都會啟動一個備份子任務同時執行，無論初始任務還是備份子任務處理完成，該子任務都會立即被標記為完成狀態，通過備份任務機制可以有效避免因個別節點處理速度過慢而延誤整個任務的處理速度，粒計算可以在云計算中大展手腳。
云計算是一種新型的超級計算方式，以數據為中心，是一種數據密集型的超級計算，對海量數據處理操作非常頻繁的，需要新的算法適應，這時粒計算應運而生，將會更好地完成海量數據處理任務。粒計算是云計算的最佳拍檔，隨著云計算要處理的數據量越來越龐大，大量無用甚至錯誤的數據影響到了云計算的處理效率和結果，引入粒計算后，可以有效提升云計算的計算效率，充分地發揮出云計算的優勢。
版權聲明：本文為企業網D1Net原創，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號