本周我在納帕參加了HotOS 2011年會--關(guān)于操作系統(tǒng)的最高級研討會。本次年會是第24次--它開始于1987年的關(guān)于工作站操作系統(tǒng)的研討。關(guān)于年會的更多的信息可在即將提交的博客中獲得，此時此刻，我想就昨天分組會議上充滿活力的討論發(fā)表一點看法。

這個分組由以下成員組成：斯坦福大學(xué)的孟德爾.羅森布拉姆(虛擬機(jī))，微軟研究院的麗貝卡.艾薩克，谷歌的約翰.威爾克斯，加州伯克利分校的艾恩.史杜爾卡。這個分組的指定討論主題是關(guān)于云計算理論研究與面臨的工業(yè)現(xiàn)實之間的差距。這個討論的產(chǎn)生部分地緣于關(guān)于云計算的理論研究團(tuán)體向年會提交的大量論文。討論組感到有些論文正嘗試解決錯誤的問題，或者對于現(xiàn)實世界里的云計算做出了不正確的假定。我們想，假定大學(xué)無法建造一定規(guī)模和復(fù)雜度的真實世界的云計算平臺前提下，聽聽理論研究者和工業(yè)的代表來談?wù)摾碚撗芯空呦Ｍ�怎樣去研究云計算，這會是很有趣的事情。令人擔(dān)心的是，理論研究將會降低去解決外圍的細(xì)小問題，或者提出玩具解決方案。

如我所見，最大的挑戰(zhàn)是，在大學(xué)環(huán)境中幾乎不可能建造關(guān)于云計算的基礎(chǔ)設(shè)施情況下，如何去鼓勵勵理論研究者去做關(guān)于云計算的有趣和相關(guān)的工作。約翰.威爾克斯表達(dá)了一個觀點，他不想再看到有一篇論文闡釋在集群測試上的10%的性能改進(jìn)，他是對的----對于理論研究來說這是一個錯誤的問題。不是因為10%的改進(jìn)毫無用處，也不是集群測試是一個糟糕的平臺，而是因為這些問題工業(yè)制造方面正在得以解決。我的觀點看來，理論研究最好的角色是開啟新的領(lǐng)域和比當(dāng)前產(chǎn)業(yè)看得更遠(yuǎn)。但是這經(jīng)常與關(guān)于“工業(yè)相關(guān)”理論研究的渴望格格不入，這和從工業(yè)獲取贊助一樣。我常常覺得學(xué)者陷入了做事情的陷阱中，就像在一家公司中會步入的一樣。

HotOS辯論大部分是圍繞產(chǎn)業(yè)的。理論劃分和它的大部分是目標(biāo)，這在我前期的提交的關(guān)于的這個主題的博客中已經(jīng)提到。提摩太.羅斯科認(rèn)為，學(xué)術(shù)界的作用是揭示復(fù)雜的問題，獲得理解之光，而不僅僅是工程師的解決方案。我同意這一點。有時在谷歌，我覺得我們這么匆忙地執(zhí)行，以致我們不花時間去深入的理解問題：建立一些能工作的事物，然后轉(zhuǎn)移到下一個問題。當(dāng)然，你必須在產(chǎn)業(yè)中快速移動。這個步伐和理論是不一樣的，一個博士學(xué)位的學(xué)生要花費多年的時間集中在一個問題，才能寫出論文來。

我們現(xiàn)在還沒有，但正在努力開拓云計算的基礎(chǔ)設(shè)施，來進(jìn)行理論研究。OpenCirrus是一個測試平臺，由惠普支持，英特爾和雅虎擁有超過10,000個內(nèi)核，學(xué)者可以利用，進(jìn)行系統(tǒng)的研究。微軟已經(jīng)開放了Azure的云計算平臺進(jìn)行理論研究。在HotOS研討會上，當(dāng)被問及是否有人利用這一點，只有一個人舉手 -- 這實在是不幸的。 (我的理論是，學(xué)術(shù)界在規(guī)劃C#和Visual Studio有過敏反應(yīng)，這是太糟糕了，因為這是一個真正偉大的平臺，如果你可以克服的工具鏈的話。)谷歌將通過其Exacycle方案提供一億核心工作時間，以及和亞馬遜有一個研究資助計劃。

提供基礎(chǔ)設(shè)施，只有一個解決方案的一部分。知道要致力于什么問題，是另一部分。在HotOS，很多人感嘆的是，像谷歌這樣的公司，他們是多么神秘，這很難學(xué)習(xí)什么是來自外部的“真正的”挑戰(zhàn)。我的答案是花時間在谷歌作為訪問學(xué)者，并派送您的學(xué)生做實習(xí)。盡管它可能不會導(dǎo)致論文的出版，我可以保證，您將在云計算的難題中學(xué)習(xí)到很多，對理論工作來說，那里存在巨大的機(jī)會。(該死，在谷歌的頭幾天，我的心快被爆炸了。這就像服用紅色藥丸似的。)

在云計算的理論研究的成熟領(lǐng)域，有幾件事情起跳入我的腦海：

理解和預(yù)測不同規(guī)模上的性能，伴隨著不確定性的工作量和頻繁的節(jié)點故障。

管理能力差異很大、偶爾中斷，限制跨數(shù)據(jù)中心的鏈接在網(wǎng)絡(luò)上的多個數(shù)據(jù)中心的工作量。

建立故障恢復(fù)機(jī)制，這對大規(guī)模的相關(guān)的故障是健壯的。(這就是幾個星期前擊垮在亞馬遜EC2的。)

調(diào)試大規(guī)模的云計算應(yīng)用：工具收集，可視化，并檢查各地成千上萬的內(nèi)核正在運(yùn)行的作業(yè)狀態(tài)。

管理對一個大型的代碼庫的依賴，這個代碼庫依靠廣泛的分布式服務(wù)，如Chubby和GFS。

處理大規(guī)模的計算能力的升級以及持續(xù)大規(guī)模故障，而無需完全關(guān)閉您服務(wù)，一切都依賴于它。