第七章.多元云智能管理系统

选择困难症加巨大工作量,林久浩还真的去问了丁琪琪,琪琪说:“扔硬币的时候,确实有很小的概率,发生硬币立在地面的情况,所以。。。扔鞋吧~。”林久浩就知道,丁琪琪不会出好主意的。

配属的算力存储等硬件系统明天才能到位,这一天,愁上眉梢的林久浩,居然什么也没干,因为不知道怎么干,难题。

晚上快十点了,思考中,思考中,已经考虑一天了,选择困难症,到底要不要下决心,让小组成员开始写基于多元关联拟脑技术的云智能管理程序,理工科人的习惯,只要现在动手写一点,就根本停不下来了。

选择困难症,扔鞋吧,是先把多元云的智能管理模型制定出来,估算一下代码量,然后再听天由命吗?还是。。。。。。问问老爸吧。

已经是晚上十点多了,“老爸,您休息了吗?”林久浩尝试着给林自强发了一个消息。

“没有,这么晚你又要干什么?”林自强回道。

“老爸,我有一件技术方面的事情想咨询,您,一下。”林久浩不知道怎么说。

“很麻烦的?”林自强问道。

“很麻烦,时间不短,会影响您休息,不知道该不该说。”林久浩有些犹豫。

“说还是不说,你选择困难症呀?说。。。立刻。”林自强果断下了命令。

“好,就是上一回跟您说过的,用于母子脑算法,基于多元关联拟脑技术的云资源智能管理的问题,我们怎么做?”林久浩提出问题。

“你们的母子脑算法,必须基于多元云智能管理系统,是不是?你现在想怎么做?”林自强反问。

“我还没想。”林久浩马上回来一个信息。

“我还没说完,你想怎么做我不管,我这边已经有规划了。”林自强手慢。

“您有规划了,怎么规划的?”林久浩兴奋了。

“用多元关联拟脑模型,抽离软硬件控制部分,定义为信息元,然后构建中间多元关联模型层,给云资源管理建立一个大脑。”林自强淡定地说道。

“我就知道,肯定要用多元关联拟脑模型,但是,我们怎么用呀?”林久浩问到具体的方面。

“我会把云内部所有软硬件资源及管理信息资源,全部转化为信息元,建立在多元关联拟脑模型中,管理信息资源你应该明白了,我不用解释了吧?”林自强引导着。

“知道,不是用户存储的信息,是我们在系统管理中的信息,例如,软硬件信息、固定的用户权限、配置信息、故障信息等等。。。都转化为信息元并关联起来。我当初做的运维系统多元关联拟脑模型,就是用的这个理念。”林久浩想起了自己编写的第一个程序。

“对的,很多驱动程序和管理模块都是现成的,我们只需要建立一个脑结构,把这些信息关联在一起,这个脑结构可不可以满足你的管理要求?”林自强问道。

“您还没说结构呢,我不知道能不能满足我的要求。”林久浩没明白。

“好吧,我们假设脑结构已经建立好,就是资源控制模块及管理信息全部信息元化,而且信息元关联等工作已经完成,你可以把你的需求发出来,看我们能不能满足要求。”林自强继续引导。

“好的,我们是要建立一个母子脑生成机制,拟脑软件部分是由【星辰大海】生成的专用子脑,这个子脑需要配置相应的硬件设备,算力存储运维之类的硬件资源、管理功能组资源及管理规划,而且产生的子脑还有生命周期,等等。”林久浩提出需求。

“很简单呀,你可以在测试系统中,完成子脑的硬件资源需求,也可以用多元云的实验资源池部分,确定这个子脑的资源需求范围。”林自强先提出测算方法,当一个子脑生成的时候,先要知道这个子脑的算力要求范围,以及存储需求的范围。

“有实验资源池吗?我们要做的子脑叫【场景】,您帮我分析一下,怎么实现?”林久浩继续提需求。

“好,我们按照你说的要求,生成针对【场景】子脑的场景管理信息元,取名字叫【场景管理元】。”林自强说道。

“运维管理信息及生存周期呢?”林久浩问道。

“这些内容应该在【星辰大海】中有明确的规定,我们先把子脑建立起来,然后再去设定管理功能组的需求。”林自强回答。

“好的。”林久浩。

“设定一个信息元【场景管理元】,标注为预设信息元,设定各项条件参数范围,例如你实际运行的算力是A,你设定的参数范围为A*150%,这样实验云中的【场景管理元】会得出这个子脑的算力需求范围,当输出的预设信息元为实际信息元的时候,信息元【场景管理元】www.youxs.org,这个信息元【场景管理元】会加入【资源管理信息元】的【我生负】象限,而【资源管理信息元】也在【场景管理元】的【生我正】象限。”林自强开始推演。

“【场景管理元】信息元就是子脑吗?”林久浩有点含糊。

“不是,【场景管理元】信息元是生成【场景】子脑的上一级关联信息元,而【场景子脑】在【场景管理元】的【我生负】象限,而且可以产生多个子脑,包括你们需要的平行脑和影子脑。”林自强解释道,这里的管理信息元不是实际生成的子脑系统,而是为生成和关联这个子脑系统而设定的管理信息元。

“哦,这样太好了,就是【场景管理元】是针对【场景子脑】的管理核心信息元,这个信息元就是生成子脑运行条件的规范,按照规范生成【场景子脑】的运行条件,太好了,因为【场景子脑】不是一个,需要三个脑并行运行相互验证,同时还需要影子脑进行多执行脑算法比对。”林久浩理解着说道。

“多执行脑算法比对?”林自强问道。

“就是采用新版本的多重平行三维空间技术,我们多执行脑算法比对,是针对多方向预设态计算的一种,多方向预设态是用来预测未来的真实发生态,多执行脑算法比对是面对一个问题,模拟多种解决方法,对比出最优的,就是我前几天跟您说过的互斥问题,也是其中的一种。”林久浩解释道。

“哦,我明白了,看来你那边的应用场景很丰富,真好。”林自强居然羡慕了。

“老爸,我有时候很佩服您,您都没有接触过真实的应用场景,居然就。。。就。。。凭妄想就想出来了。”林久浩说完,立刻意识到,这好像不是夸人。

“嗯,嗯,我们继续,【场景管理元】作为【场景子脑】的生成规范,如果需要多个【场景子脑】,由【场景管理元】向【生我正】象限申请资源,由【生我正】象限的【资源管理信息元】响应,而实际的资源又在【资源管理信息元】的【我克正】的资源池里,资源池里面的资源被申请,反馈到发起者【场景管理元】信息元,形成执行闭环,最终在【场景管理元】的【我生负】象限会出现一个【场景子脑】的运行条件环境包。”林自强解释着。

“如果【场景子脑】在运行的时候,例如,算力不够,怎么办?”林久浩又问道。

“你会发现,在【场景管理元】信息元的【我克负】象限里面,有你的监控参数信息元,例如,你说的【算力】信息元,【场景子脑】在运行的时候,一直溢出监控的参数,且会一直将参数发向【算力】这个信息元,而【算力】信息元与【场景管理元】关联,关联线路容忍度设定范围阈值,如果参数是70%以内,没有超越容忍度,则不向【场景管理元】元发申请,如果【算力】监控元参数是80%,超越容忍度阈值,会产生算力不够,就会向【场景管理元】发出带参数80%的申请。”林自强继续解释。

“然后【场景管理元】把这个参数传给【资源管理信息元】,然后发到资源池,按照参数选择是算力添加,然后把定义好的算力单元添加给【场景子脑】,【场景子脑】再获得添加的单位算力后,就结束了。”林久浩边理解边推演。

“没有结束,你要看到是谁发起的申请,注意闭环。”林自强提醒着。

“【场景子脑】发现算力不够,是【场景子脑】吗?”林久浩问道。

“不是,【场景子脑】信息元没有发现算力不够,只是把算力参数发给【算力】监控信息元。”林自强解释道。

“是【算力】监控信息元发起的?”林久浩自己也在思考,并不确定。

“不是,【算力】信息元也只是传递算力参数,你再想想。”林自强继续引导。

“是【场景管理元】发起的,因为【场景子脑】只是出现了算力不够的问题,并把这个参数传导给【算力】信息元,而发现算力不够的问题是【算力】信息元参数突破容忍度后,向【场景管理元】发出的实际参数,【场景管理元】向【资源管理信息元】发送的不是这个参数80%,是由这个参数激活的【场景管理元】信息元中的条件参数,后续的工作需要这个条件参数来完成。”林久浩的理解又进了一步。

“对,闭环,最终的结果需要走到【场景管理元】,【场景管理元】在算力条件这个地方,把添加的算力放进去,修改原【场景子脑】的算力配置参数。”林自强接着说道。

“【场景管理元】作为闭环开始,也是闭环终结,所以在完成闭环后,【场景管理元】的条件参数也改变了,这样真实的反应了现有的状态。”林久浩全明白了。

“是的,如果闭环终点不修改,【场景管理元】内部信息就失真了。”林自强说道。

“老爸,正反方向选择都可以吗?”林久浩又问道。

“当然可以,你说的反向,就是算力过多,导致浪费问题,需要【场景管理信息元】自动撤回算力资源,对吗?”林自强反问。

“对呀,影子脑使用后关闭,对应的资源释放,或者是算力需求小了,需要减少算力,都需要自动处理的。”林久浩描述了用途。

“你监控的参数在与【场景管理元】关联线路容忍度阈值采用双向设置,低于某值也触发传送,例如,参数算力下限为30%,如果,当前使用的算力低于这个算力参数,就会导致激活【场景管理元】的条件参数,传导到【资源管理信息元】做单位算力减少操作,最后返回【场景管理元】,做闭环终结。”林自强又讲解一遍。

“减少的算力怎么从拟脑计算的资源池中撤出来?”林久浩继续问具体方法。

“标记下一次不可用呀,被撤下来的算力资源不再接受新的计算申请,只完成当前未完成的工作,这样就可以回收了。”林自强解释道。

“如果,我说是如果。。。又导致算力增加了怎么办?”林久浩问道。

“这个过程是自动的智能的,且实时完成的,所以可以继续增加呀。”林自强说道。

“我说的是不稳定,一会儿减少了,然后又增加了,这样是不是自动的方式就容易出问题?”林久浩在脑子里面边推演边问道。

“那一定是你把参数设定的太严格了,宽泛一些,就可以减少波动。”林自强一句话就解决了。

“哦,我已经很清楚的,除了算力以外,还有很多资源都用同样的方法设定,用同样的流程完成资源自动分配,真好。”林久浩这回高兴了。

“是呀,不只是硬件资源,软件资源也可以,例如,软件节点授权可以灵活分配,有些企业购买多元关联拟脑节点授权,他们会为每一个应用购买最低授权数,然后再购买一个授权包放入资源管理池,这些授权也可以被动态地灵活分配。”林自强继续介绍。

“老爸,我们是堂堂正正盗版的,没有授权限制,所以不需要考虑。”林久浩开了一句玩笑。

“胡说,你们的是。。。国家专用版,多元关联拟脑技术一发明出来就有国家专用版,不是盗版,是专门给国家定制的版本。”林自强加重语气强调不是盗版。

“哦,明白了,老爸。我们现在采用国产设备,设备型号及配置很统一,所以这个云智能管理模型看着不难实现吧。。。是吧?”林久浩又尝试着问道,他最希望听到,“不难,很容易”之类的话。

“确实,不像以前,一个云里面各种品牌的设备,管理很复杂。不过,即使如此,所有代码重新编制,肯定是天量代码,但是,我们用了多元关联拟脑算法模型,你发现需要编制的代码很少,在模型上配置后,再编写一些执行脑函数就好了。”林自强没有让林久浩失望。

“老爸,是不是这就是,我们的多元关联拟脑技术的优势?”林久浩接着问道。

“不只是,这个模型还把很多信息比对过程转化为数学计算过程,尤其是闭环的使用。”林自强耐心解释。

“老爸,我又糊涂了,这些关联在一起不就好了,为什么要用六亲关系?又克又正了,又生又负了的?”林久浩因为最近的事太多,又有点糊涂了。

“六亲关系是为了信息元划分在不同象限用的,如果只给你八个象限,一堆关联信息元你怎么分?按照什么关系分类?”林自强用问题解释问题。

“哦,确实,无法按照【正正正】【负负负】的分,那为什么要用象限呀。”林久浩还糊涂着。

“象限可以大大减少执行脑代码,假设你激活了一个信息元,并想让这个信息元在它的拟脑结构中思维行走,在执行脑部分只需要输入【信息元编码,象限,参数1,参数N】就可以了。”林自强解释道。

“【信息元编码,象限,参数1,参数N】对了,想起来了,执行脑输入信息元编码找到信息元,给你一个象限方向,而多元关联拟脑就在这个象限开始思维行走,如果后面跟着参数为空,则行走函数就会在这个象限发起全路径行走,然后等待闭环反馈;如果给一个参数值,行走函数就会以路径最短,或者权重最大,或者角度最小等,优先行走,如果没有形成闭环,再从次优的路径行走,直到出现闭环。”林久浩复述了一遍以前的知识。

“对,执行脑发起思维,只需要很少的几个指令,而今天,我们做的多元云智能管理系统,也没有必要大量编写代码。”林自强拉回话题。

“看来先编写多元云智能管理部分是对的,不能像琪琪说的那样,扔鞋。”林久浩说道。

“对,一定要做好基础的云智能管理部分,否则你生成的【场景子脑】会有巨大的维护工作量,而且你还需要形成多个子脑,例如,平行脑和影子脑,工作量倍量增长,人力耗不起呀!”林自强不但懂技术还懂运维。

沉吟了一会儿,林久浩不想在麻烦父母了,随即说道:“知道了,老爸,您休息吧,再晚就影响我妈休息了。”。

“你妈?距离很远的,不会影响到她的呀。”林自强说道。

“什么,老爸您们现在,在哪里?”林久浩惊奇的问道。

“你妈在家休息,我在单位加班呢。”林自强回答。

“加班?加班干什么?”林久浩忙问。

“昨天有人都求到琪琪那个简单大脑了,还扔鞋,www.youxs.org。”林自强解释道。

“您都知道了,是琪琪告诉您的,所以您自己就加班加点帮我做系统。”林久浩突然被感动到了。

“不是我一个,我把视频打开,你自己看吧。”林自强打开了视频,林久浩看到公司里面灯火通明,三多带着几十名员工在加班工作。

“谢谢,老爸。”林久浩。

“谢什么,本来我们这边就已经在升级多元云智能管理系统,现在为了赶你的时间,大家一起加班做测试,两天提交给你,怎么样?”林自强问。

“谢谢!老爸,谢谢!老爸。”林久浩由衷地感谢,憋了一天的那一口气,总算舒了出来,自信又回来了。

下一章节===《www.youxs.org》

上一章目录+书架下一章