1
00:00:00,000 --> 00:00:12,080

2
00:00:12,080 --> 00:00:13,799
>> JAMES MANCHET: Hej, god
eftermiddag, alle sammen.

3
00:00:13,799 --> 00:00:14,715
Mit navn er James Cuff.

4
00:00:14,715 --> 00:00:18,970
Jeg er den assisterende dekan for forskning
Computing her på Harvard University.

5
00:00:18,970 --> 00:00:24,540
Og i dag vil jeg tale med dig om
hvorfor skala-out computing er afgørende.

6
00:00:24,540 --> 00:00:26,810
>> Så jeg gætte, først op, der er denne fyr?

7
00:00:26,810 --> 00:00:27,750
Hvorfor er jeg her?

8
00:00:27,750 --> 00:00:29,200
Hvorfor taler jeg med dig?

9
00:00:29,200 --> 00:00:33,730
Jeg har en baggrund i videnskabelig
computing og forskning computing,

10
00:00:33,730 --> 00:00:38,530
strækker sig tilbage til De Forenede
Kingdom-- The Wellcome Trust Sanger

11
00:00:38,530 --> 00:00:43,270
Institut for den menneskelige genome-- og
så for nylig i USA

12
00:00:43,270 --> 00:00:50,170
arbejder på de overordnede og andre agtet
steder for læring, som Harvard.

13
00:00:50,170 --> 00:00:53,930
>> Jeg gætte, hvad der virkelig betyder
at jeg er en inddrive molekylær bio

14
00:00:53,930 --> 00:00:55,740
fysiker.

15
00:00:55,740 --> 00:01:01,250
Så hvad ret har jeg nødt til at fortælle
dig om skala-out computing?

16
00:01:01,250 --> 00:01:03,570
Der er en dog.

17
00:01:03,570 --> 00:01:09,530
18 år, så jeg har lige set den mest
dramatiske stigninger i skala kompleksitet

18
00:01:09,530 --> 00:01:13,570
og samlede effektivitet
af computersystemer.

19
00:01:13,570 --> 00:01:18,890
>> Da jeg lavede min PhD på Oxford, jeg
var temmelig ophidset med en 200 megahertz

20
00:01:18,890 --> 00:01:23,830
Silicon Graphics maskine med 18
gigabyte lagerplads og en enkelt CPU.

21
00:01:23,830 --> 00:01:24,910
Tiderne har ændret sig.

22
00:01:24,910 --> 00:01:29,860
Hvis du spoler frem nu, vi spinning
over 60.000 CPU'er her på Harvard.

23
00:01:29,860 --> 00:01:32,810
Mange andre organisationer
roterer mange flere.

24
00:01:32,810 --> 00:01:37,740
>> Det vigtige takeaway fra dette er
at skalaen er nu ikke kun uundgåelig,

25
00:01:37,740 --> 00:01:41,910
det er sket, og det er
vil fortsætte med at ske.

26
00:01:41,910 --> 00:01:44,760
Så lad os for et øjeblik, venlig
af spole tilbage og tale meget hurtigt

27
00:01:44,760 --> 00:01:50,530
om videnskab, min favorit
emne, den videnskabelige metode.

28
00:01:50,530 --> 00:01:53,180
>> Hvis du er til at være en videnskabsmand,
du skal gøre et par vigtige ting.

29
00:01:53,180 --> 00:01:56,140
Hvis du ikke gør disse ting, du kan
ikke anser dig selv en videnskabsmand

30
00:01:56,140 --> 00:02:03,250
og du vil kæmpe at kunne
forstå dit område af disciplin.

31
00:02:03,250 --> 00:02:07,290
>> Så først og fremmest vil du formulere
dit spørgsmål, du generere hypoteser,

32
00:02:07,290 --> 00:02:09,289
men endnu vigtigere, du
forudsige din results--

33
00:02:09,289 --> 00:02:13,090
du har et gæt på
hvad resultaterne vil være.

34
00:02:13,090 --> 00:02:19,560
Og så endelig, du teste din
hypotese og analysere dine resultater.

35
00:02:19,560 --> 00:02:25,460
>> Så denne videnskabelige metode er
ekstremt vigtigt i computing.

36
00:02:25,460 --> 00:02:28,450
Computing både forudsigelsen
og at kunne teste dine resultater

37
00:02:28,450 --> 00:02:33,660
er en vigtig del af det, vi har brug for
at gøre i den videnskabelige metode.

38
00:02:33,660 --> 00:02:37,310
Disse forudsigelser og afprøvninger
er de virkelige to hjørnestene

39
00:02:37,310 --> 00:02:42,350
af den videnskabelige metode, og hver
kræver de største fremskridt

40
00:02:42,350 --> 00:02:45,240
i moderne beregning.

41
00:02:45,240 --> 00:02:51,210
>> De to søjler i videnskab er, at
teori og eksperimenter.

42
00:02:51,210 --> 00:02:54,300
Og for nylig,
computing nævnes ofte

43
00:02:54,300 --> 00:02:58,090
som den tredje søjle af videnskaben.

44
00:02:58,090 --> 00:03:01,440
Så hvis du studerende ser denne,
du har absolut ingen pres.

45
00:03:01,440 --> 00:03:03,960

46
00:03:03,960 --> 00:03:08,720
Tredje søjle i science-- nogen big
deal-- computing, slags vigtige.

47
00:03:08,720 --> 00:03:14,000
Så glad dette er computing del
datalogi kursus 50.

48
00:03:14,000 --> 00:03:16,220
>> Så nok af baggrunden.

49
00:03:16,220 --> 00:03:20,226
Jeg vil gerne fortælle dig plan for, hvad
vi kommer til at tale om i dag.

50
00:03:20,226 --> 00:03:22,870
Jeg har tænkt mig at gå over nogle historie.

51
00:03:22,870 --> 00:03:25,250
Jeg har tænkt mig at forklare, hvorfor vi kom her.

52
00:03:25,250 --> 00:03:27,750
Jeg har tænkt mig at tale om nogle
af historien om computing

53
00:03:27,750 --> 00:03:33,890
her på Harvard, nogle
aktiviteter omkring sociale medier,

54
00:03:33,890 --> 00:03:36,200
grøn things-- meget
lidenskabelig om alle ting

55
00:03:36,200 --> 00:03:43,640
green-- storage-- computer storage--
hvordan kaos påvirker skala-out ud systemer,

56
00:03:43,640 --> 00:03:45,640
og distribution systemer i særdeleshed.

57
00:03:45,640 --> 00:03:48,473
>> Og så jeg har tænkt mig at komme ind på nogle
af skalaen-out hardware, der er

58
00:03:48,473 --> 00:03:51,370
der kræves for at være i stand til
gøre computing på skalaen.

59
00:03:51,370 --> 00:03:55,830
Og så endelig, vi vil
wrap op med nogle awesome videnskab.

60
00:03:55,830 --> 00:04:00,894
>> Så lad os tage et minut til
se på vores faktiske historie.

61
00:04:00,894 --> 00:04:01,810
Computing har udviklet sig.

62
00:04:01,810 --> 00:04:07,370
Så da 60'erne, alle
den væk igennem til i dag,

63
00:04:07,370 --> 00:04:11,260
vi har set stort set en ændring i
rækkevidde fra centraliseret computing

64
00:04:11,260 --> 00:04:14,679
at decentralisere computing, til
samarbejdsorienteret og derefter uafhængig

65
00:04:14,679 --> 00:04:15,970
computing og højre back igen.

66
00:04:15,970 --> 00:04:17,709
>> Og lad mig anmærke, at en lille smule.

67
00:04:17,709 --> 00:04:20,370
Da vi først startede med
computere, havde vi mainframes.

68
00:04:20,370 --> 00:04:22,824
De var overordentligt
dyrt udstyr.

69
00:04:22,824 --> 00:04:23,990
Alt skulle deles.

70
00:04:23,990 --> 00:04:25,556
Den computing var kompleks.

71
00:04:25,556 --> 00:04:29,060
Du kan se, det fyldt værelser og
der var operatører og bånd

72
00:04:29,060 --> 00:04:32,780
og alle former for whirry,
clicky, Spinny enheder.

73
00:04:32,780 --> 00:04:39,930
>> Omkring 70'erne tidlige 80'ere, du startede
at se en effekt af de faxmaskiner.

74
00:04:39,930 --> 00:04:43,620
Så du begynder at se computing
begynder at dukke tilbage i laboratorier

75
00:04:43,620 --> 00:04:45,880
og komme tættere på dig.

76
00:04:45,880 --> 00:04:49,800
Fremkomsten af ​​den personlige
computer, bestemt

77
00:04:49,800 --> 00:04:57,460
i 80'erne, først på
årti ændret virkelig computing.

78
00:04:57,460 --> 00:04:59,570
>> Og der er en anelse i
titlen, fordi det

79
00:04:59,570 --> 00:05:04,080
blev kaldt den personlige computer,
som betød det tilhørte dig.

80
00:05:04,080 --> 00:05:07,630
Så som udviklingen i
computing fortsatte,

81
00:05:07,630 --> 00:05:10,530
folk indså, at deres personlige
computer ikke var virkelig stor nok

82
00:05:10,530 --> 00:05:15,020
at være i stand til at gøre noget for nogen fortjeneste,
eller betydelig fortjeneste, i videnskaben.

83
00:05:15,020 --> 00:05:17,790
>> Og så folk begyndte at
udvikle netværksenhed

84
00:05:17,790 --> 00:05:21,920
drivere for at kunne forbinde pc'er
sammen for at være i stand til at opbygge klynger.

85
00:05:21,920 --> 00:05:26,430
Og så dette avlede den æra
af Beowulf klynge.

86
00:05:26,430 --> 00:05:32,470
Linux eksploderede som en reaktion på
proprietære styresystem, både omkostninger

87
00:05:32,470 --> 00:05:33,650
og kompleksitet.

88
00:05:33,650 --> 00:05:36,530
>> Og så er vi her i dag,
hvor endnu en gang, vi er

89
00:05:36,530 --> 00:05:40,610
konfronteret med værelser fuld af computer
udstyr og evnen

90
00:05:40,610 --> 00:05:44,570
at knalde ens kreditkort og få
adgang til disse computerfaciliteter,

91
00:05:44,570 --> 00:05:45,290
eksternt.

92
00:05:45,290 --> 00:05:49,680
>> Og så kan du så se, i
form af historie dønninger

93
00:05:49,680 --> 00:05:52,180
hvordan vi gør computing
i dag, er det absolut

94
00:05:52,180 --> 00:05:56,090
udviklet sig fra maskinen
værelser fuld af computere

95
00:05:56,090 --> 00:05:59,160
gennem nogle pc
hele vejen tilbage igen

96
00:05:59,160 --> 00:06:02,400
til maskinen værelser fuld af computere.

97
00:06:02,400 --> 00:06:06,620
>> Så dette er min første klynge.

98
00:06:06,620 --> 00:06:10,170
Så 2000 byggede vi et
computersystem i Europa

99
00:06:10,170 --> 00:06:13,900
til effektivt at kommentere
det humane genom.

100
00:06:13,900 --> 00:06:16,521
Der er en masse teknologi
noteret på højre side

101
00:06:16,521 --> 00:06:18,520
der, desværre
er ikke længere hos os.

102
00:06:18,520 --> 00:06:23,460
Det er gået ud til
store teknologi i himlen.

103
00:06:23,460 --> 00:06:26,610
>> Selve maskinen er sandsynligvis
svarende til et par anstændigt laptops

104
00:06:26,610 --> 00:06:29,020
i dag, og at lige slags viser dig.

105
00:06:29,020 --> 00:06:36,260
Men vi nøje anmærke
det humane genom og begge beskyttet det

106
00:06:36,260 --> 00:06:43,190
med denne særlige papir
Naturen fra vedrører data

107
00:06:43,190 --> 00:06:45,380
være offentlige eller private.

108
00:06:45,380 --> 00:06:48,610
>> Så dette er awesome, ikke?

109
00:06:48,610 --> 00:06:50,280
Så vi har fået en menneskelige genom.

110
00:06:50,280 --> 00:06:51,510
Vi har gjort computing.

111
00:06:51,510 --> 00:06:53,400
Jeg føler meget glad mig.

112
00:06:53,400 --> 00:06:59,090
Jeg rullede op til Harvard i 2006,
føler en masse mindre tilfreds med mig selv.

113
00:06:59,090 --> 00:07:00,210
>> Dette er hvad jeg har arvet.

114
00:07:00,210 --> 00:07:03,575
Dette er en afdelings
mail og filserver.

115
00:07:03,575 --> 00:07:05,450
Du kan se her er der
en lille smule af bånd

116
00:07:05,450 --> 00:07:07,710
der bruges til at holde systemet sammen.

117
00:07:07,710 --> 00:07:09,890
Dette er vores licens og printserver.

118
00:07:09,890 --> 00:07:13,990
Jeg er temmelig sikker på, der måske passwords
På nogle af disse post-it sedler.

119
00:07:13,990 --> 00:07:16,560

120
00:07:16,560 --> 00:07:17,360
>> Ikke awesome.

121
00:07:17,360 --> 00:07:18,530
Temmelig langt fra awesome.

122
00:07:18,530 --> 00:07:22,060
Og så er jeg klar over denne lille diagram
at jeg viste dig i starten

123
00:07:22,060 --> 00:07:25,350
at dele til ejerskab
tilbage til deling,

124
00:07:25,350 --> 00:07:27,930
at vi havde brug for at ændre spillet.

125
00:07:27,930 --> 00:07:31,330
Og så vi ændret spillet
ved at give incitamenter.

126
00:07:31,330 --> 00:07:34,250
Og så mennesker, som dette
lille Wikipedia-artikel

127
00:07:34,250 --> 00:07:35,990
siger her, vores målbevidste skabninger.

128
00:07:35,990 --> 00:07:39,250
Og studiet af incitament
strukturer er afgørende for undersøgelsen

129
00:07:39,250 --> 00:07:41,100
af den økonomiske aktivitet.

130
00:07:41,100 --> 00:07:44,580
>> Så vi begyndte at tilskynde
vores fakultet og vores forskere.

131
00:07:44,580 --> 00:07:47,720
Og så vi tilskyndes dem med
en rigtig stor computersystem.

132
00:07:47,720 --> 00:07:52,720
Så i 2008 byggede vi en 4.096
processor machine-- 10 stativer,

133
00:07:52,720 --> 00:07:54,470
par hundrede kilowatt strøm.

134
00:07:54,470 --> 00:07:56,178
>> Hvad jeg mener er
interessant er det ikke

135
00:07:56,178 --> 00:07:58,300
Uanset hvor du er i cyklus.

136
00:07:58,300 --> 00:08:03,510
Den samme mængde strøm og
computerkraft, strømmen er konstant.

137
00:08:03,510 --> 00:08:06,270
Det var 200 kW, når vi
byggede i Europa.

138
00:08:06,270 --> 00:08:09,770
Det er to hundrede kilowatt
i 2008, og at

139
00:08:09,770 --> 00:08:15,820
synes at være [? quanter?] af små
universitetsbaseret computersystemer.

140
00:08:15,820 --> 00:08:20,540
>> Så Harvard today-- hurtigt frem, jeg er ikke
længere trist panda, en ganske glad panda.

141
00:08:20,540 --> 00:08:25,860
Vi har 60-ulige tusinde belastning afbalanceret
CPU'er, og deres klatring dramatisk.

142
00:08:25,860 --> 00:08:28,780
Vi har 15 petabyte af
opbevaring, også klatring.

143
00:08:28,780 --> 00:08:30,720
Igen, dette 200 kilowatt
tilvækst, synes vi

144
00:08:30,720 --> 00:08:33,000
at være tilføjer, at
hver sjette eller så måneder.

145
00:08:33,000 --> 00:08:35,480
Partier og masser af virtuelle maskiner.

146
00:08:35,480 --> 00:08:37,620
Og endnu vigtigere,
omkring 1,8 megawatt

147
00:08:37,620 --> 00:08:39,669
forskning computerudstyr.

148
00:08:39,669 --> 00:08:41,820
>> Og jeg har tænkt mig at komme
tilbage til dette senere,

149
00:08:41,820 --> 00:08:46,913
på, hvorfor jeg ikke længere nødvendigvis
tælle hvor meget CPU, vi har,

150
00:08:46,913 --> 00:08:48,980
men hvor stor er elregningen.

151
00:08:48,980 --> 00:08:52,690
20 andre så dedikeret
forskning computing personale.

152
00:08:52,690 --> 00:08:57,250
Og endnu vigtigere, vi er
begyndt at vokse vores GPGPUs.

153
00:08:57,250 --> 00:09:05,030
Jeg blev forskudt over, hvor meget af dette
bliver tilføjet på en dag-til-dag basis.

154
00:09:05,030 --> 00:09:07,310
Så historietime forbi, ikke?

155
00:09:07,310 --> 00:09:11,280
>> Så hvordan kommer vi derhen herfra?

156
00:09:11,280 --> 00:09:14,560
Lad os se på nogle moderne
scale-out beregne eksempler.

157
00:09:14,560 --> 00:09:18,290

158
00:09:18,290 --> 00:09:23,230
Jeg er en lille smule besat med
størrelse og omfanget af sociale medier.

159
00:09:23,230 --> 00:09:30,850
Der er en række af ekstremt
vellykket stor skala computing

160
00:09:30,850 --> 00:09:34,820
organisationer nu på planeten,
yde støtte og service

161
00:09:34,820 --> 00:09:36,810
for os alle.

162
00:09:36,810 --> 00:09:39,340
Så det er ansvarsfraskrivelse.

163
00:09:39,340 --> 00:09:42,990
>> Og jeg ønsker at starte med en
antal ounce i en Instagram.

164
00:09:42,990 --> 00:09:48,336
Det er faktisk ikke en
bly-in til en joke, det er

165
00:09:48,336 --> 00:09:50,460
ikke engang at sjove,
faktisk, kommer til at tænke på det.

166
00:09:50,460 --> 00:09:52,751
Men alligevel, vi vil
se på ounce i Instagram.

167
00:09:52,751 --> 00:09:55,260
Og vi kommer til at starte
med "min bi og en blomst."

168
00:09:55,260 --> 00:09:57,600
Jeg var på [uhørligt] Village
og jeg tog lidt billede

169
00:09:57,600 --> 00:10:00,460
af en bi siddende på en blomst.

170
00:10:00,460 --> 00:10:03,270
Og så begyndte jeg at tænke på
hvad betyder det egentlig betyder.

171
00:10:03,270 --> 00:10:07,013
Og jeg tog dette billede fra min telefon
og tælles, hvor mange bytes er i det,

172
00:10:07,013 --> 00:10:09,070
og det er omkring 256 kilobyte.

173
00:10:09,070 --> 00:10:13,550
Hvilket da jeg startede, ville stort set
fylde en 5 og 1/4 tommer floppy.

174
00:10:13,550 --> 00:10:15,340
Og begyndte at tænke, ja, det er cool.

175
00:10:15,340 --> 00:10:18,630
>> Og jeg begyndte at se og gøre
nogle forskning på netværket.

176
00:10:18,630 --> 00:10:22,490
Og jeg fandt ud af, at Instagram
har 200 millioner MAU'er.

177
00:10:22,490 --> 00:10:25,105
Jeg var faktisk ikke, at
sikker på, hvad en MAU var.

178
00:10:25,105 --> 00:10:28,960
Og en MAU, hernede, er
en månedlig aktiv bruger.

179
00:10:28,960 --> 00:10:34,270
>> Så 200 millioner MAUs-- pretty cool.

180
00:10:34,270 --> 00:10:38,190
20 milliarder photographs-- så
en hel del af fotografier.

181
00:10:38,190 --> 00:10:42,300
60 millioner nye fotografier
hver dag

182
00:10:42,300 --> 00:10:46,990
kommer ud på omkring 0,002 gig per foto.

183
00:10:46,990 --> 00:10:51,290
Det er omkring fem petabyte
af disken bare lige der.

184
00:10:51,290 --> 00:10:55,480
Og det er virkelig ikke den centrale del
af det, vi kommer til at tale om.

185
00:10:55,480 --> 00:10:57,830
Det er små kartofler.

186
00:10:57,830 --> 00:11:00,710
Eller som vi siger i England, små spuds.

187
00:11:00,710 --> 00:11:05,050
>> Så lad os se på den virkelige elefant
i room-- unikke ansigter.

188
00:11:05,050 --> 00:11:09,170
Igen, lad os måle på
denne nye kvanter kalder en MAU.

189
00:11:09,170 --> 00:11:13,260
Facebook selv har 1,3 mia MAU'er.

190
00:11:13,260 --> 00:11:17,510
WhatsApp, som jeg havde ikke engang
hørt om indtil for nylig, er det

191
00:11:17,510 --> 00:11:23,260
en slags messaging service,
er på 500 mio MAU'er.

192
00:11:23,260 --> 00:11:26,620
Instagram, som vi lige
talte om, 200 millioner MAU'er.

193
00:11:26,620 --> 00:11:29,370
Og Messenger, som er
en anden messaging service,

194
00:11:29,370 --> 00:11:31,120
er også 200 millioner MAU'er.

195
00:11:31,120 --> 00:11:35,920
>> Så alt det op, det handler om
2,2 milliarder samlede brugere.

196
00:11:35,920 --> 00:11:39,880
Der er tydeligvis en vis overlapning, men det er
svarende til en tredjedel af planeten.

197
00:11:39,880 --> 00:11:44,270
Og de sender noget i
region på 12 milliarder beskeder om dagen.

198
00:11:44,270 --> 00:11:46,680
Og igen, er der kun 7
milliard mennesker på planeten.

199
00:11:46,680 --> 00:11:48,550
Ikke alle har en smartphone.

200
00:11:48,550 --> 00:11:53,960
Så dette er vanvittige numre.

201
00:11:53,960 --> 00:12:02,050
>> Og jeg har tænkt mig at argumentere for, at det ikke er
selv om opbevaring eller Compute.

202
00:12:02,050 --> 00:12:05,610
Og for at citere den sang,
det handler om at grafen.

203
00:12:05,610 --> 00:12:09,045
Her er vores dejlige Meghan Trainor ned
her synger om alle bassen.

204
00:12:09,045 --> 00:12:12,570
Bemærk, hun også har en ganske
smule bas herself-- 207,

205
00:12:12,570 --> 00:12:16,460
godt 218 mio mennesker har set
denne unge dame synger hendes sang.

206
00:12:16,460 --> 00:12:19,910
>> Så mit argument er det
det handler om grafen.

207
00:12:19,910 --> 00:12:23,480
Så vi tog nogle open source-software
og begyndte at se på en graf.

208
00:12:23,480 --> 00:12:27,740
Og det er LinkedIn, så dette
er Facebook for gamle mennesker.

209
00:12:27,740 --> 00:12:29,910
Og så, det er min LinkedIn graf.

210
00:12:29,910 --> 00:12:34,080
Jeg har 1.200 eller deromkring knudepunkter,
såkaldte "Friends".

211
00:12:34,080 --> 00:12:36,360
Og her er mig på toppen.

212
00:12:36,360 --> 00:12:38,140
Og her er alle de indbyrdes forbindelser.

213
00:12:38,140 --> 00:12:40,570
>> Nu tænker tilbage til Instagram historien.

214
00:12:40,570 --> 00:12:42,815
Hver af disse er
ikke bare billedet er det

215
00:12:42,815 --> 00:12:46,860
har en hel overflod af forbindelser
mellem dette særlige individuelle

216
00:12:46,860 --> 00:12:48,220
og mange andre.

217
00:12:48,220 --> 00:12:52,190
Dette er central brik er enten en
bug i grafen tegning algoritme,

218
00:12:52,190 --> 00:12:55,982
eller dette måske David
Malan, jeg er ikke sikker endnu.

219
00:12:55,982 --> 00:12:57,690
Så du kan gentegne
grafer i alle mulige

220
00:12:57,690 --> 00:13:02,510
af ways-- gephi.gihub.io er hvor
du kan trække den software fra.

221
00:13:02,510 --> 00:13:05,410
Det er virkelig cool for at være
stand til at organisere fællesskaber.

222
00:13:05,410 --> 00:13:08,640
Du kan se her, det er Harvard og
forskellige andre steder, jeg har arbejdet,

223
00:13:08,640 --> 00:13:12,160
fordi det er min arbejdsrelaterede data.

224
00:13:12,160 --> 00:13:15,080
>> Så bare tænke kompleksiteten
af grafen og alle data

225
00:13:15,080 --> 00:13:17,070
at du trækker sammen med.

226
00:13:17,070 --> 00:13:20,870
Så i mellemtiden, tilbage på FriendFace, ikke?

227
00:13:20,870 --> 00:13:24,360
Vi kiggede på Instagram data,
var i størrelsesordenen fem petabyte.

228
00:13:24,360 --> 00:13:25,300
Nogen big deal.

229
00:13:25,300 --> 00:13:28,830
Stadig en del data, men nogen big
beskæftige i den større arrangement med ting.

230
00:13:28,830 --> 00:13:33,850
>> Fra denne artikel på det gamle internet,
"Skalering af Facebook data warehouse

231
00:13:33,850 --> 00:13:36,250
til 300 petabyte. "

232
00:13:36,250 --> 00:13:38,110
Det er en helt anden
game changer nu

233
00:13:38,110 --> 00:13:40,234
når du begynder at
tænke på data og grafen

234
00:13:40,234 --> 00:13:41,690
og hvad du bringer sammen med.

235
00:13:41,690 --> 00:13:47,480
Og deres høje data vokser af
størrelsesordenen 600 Terrabytes en dag.

236
00:13:47,480 --> 00:13:52,980
>> Nu ved du, ja, then--
Jeg mener, 600 Terrabytes om dagen,

237
00:13:52,980 --> 00:13:55,670
300 petabytes-- de er
også nu begynder

238
00:13:55,670 --> 00:13:58,550
at få meget bekymret
hvordan man holder det her

239
00:13:58,550 --> 00:14:01,160
og for at sikre disse data forbliver rundt.

240
00:14:01,160 --> 00:14:04,630
Og denne herre her,
Jay Parikh, ser

241
00:14:04,630 --> 00:14:08,250
på, hvordan man opbevarer en Exabyte af data.

242
00:14:08,250 --> 00:14:10,180
>> Bare for dem af jer
der ser sammen

243
00:14:10,180 --> 00:14:13,940
hjemme, en exabyte-- 10 til 18.

244
00:14:13,940 --> 00:14:18,210
Det har fået sit eget Wikipedia
side, det er så stort et antal.

245
00:14:18,210 --> 00:14:23,120
Det er størrelsen og omfanget af det, vi er
ser på, at være i stand til at lagre data.

246
00:14:23,120 --> 00:14:27,090
Og disse fyre ikke mucking rundt,
de er opbevaring at mængden af ​​data.

247
00:14:27,090 --> 00:14:29,550
Så en af ​​de spor,
de søger på her

248
00:14:29,550 --> 00:14:32,185
er datacentre for
såkaldt kold opbevaring.

249
00:14:32,185 --> 00:14:35,020

250
00:14:35,020 --> 00:14:36,470
>> Hvilket bringer mig til at være grøn.

251
00:14:36,470 --> 00:14:38,340
Og her er Kermit.

252
00:14:38,340 --> 00:14:43,050
Han og jeg agree-- det ekstremt
svært at være grøn,

253
00:14:43,050 --> 00:14:44,920
men vi giver det vores bedste chance.

254
00:14:44,920 --> 00:14:47,430
Kermit kan ikke gøre for det, han har
være grøn hele tiden,

255
00:14:47,430 --> 00:14:49,945
kan ikke tage sin grønne-ness off på alle.

256
00:14:49,945 --> 00:14:55,410
>> Så bliver concepts-- en
nogle slags kernebegreber

257
00:14:55,410 --> 00:14:59,510
af grønhed, når det
vedrører computing.

258
00:14:59,510 --> 00:15:05,510
Den ene, der er den vigtigste
er levetiden af ​​produktet.

259
00:15:05,510 --> 00:15:09,405
Hvis dit produkt har en kort levetid,
du kan ikke per definition være grøn.

260
00:15:09,405 --> 00:15:13,280
Den energi, der til at fremstille en
diskdrev, et bundkort, en computer

261
00:15:13,280 --> 00:15:17,890
systemet, en tablet, hvad det kan
være, levetiden af ​​dine systemer

262
00:15:17,890 --> 00:15:21,700
er en vigtig del af, hvordan grøn du kan være.

263
00:15:21,700 --> 00:15:27,960
>> Den vigtige del, som alle jer
er ved at opbygge software algorithms--

264
00:15:27,960 --> 00:15:30,455
Algoritmen er en delvis
ord for software, ikke?

265
00:15:30,455 --> 00:15:34,000
Så din algoritme design er
helt afgørende i forhold

266
00:15:34,000 --> 00:15:43,080
af, hvordan du vil være i stand til at gøre
hurtige og præcise beregninger til at bruge

267
00:15:43,080 --> 00:15:44,710
den mindste mængde energi muligt.

268
00:15:44,710 --> 00:15:47,280
Og jeg vil komme til dette i en lille smule.

269
00:15:47,280 --> 00:15:51,270
>> Datacenter design-- du har set
at vi allerede har tusindvis

270
00:15:51,270 --> 00:15:54,870
og atter tusinder af maskiner, der sidder
roligt i små, mørke hjørner

271
00:15:54,870 --> 00:15:57,760
af verden, computing.

272
00:15:57,760 --> 00:16:01,670
Resource allocation-- hvordan du får
til compute, til opbevaring,

273
00:16:01,670 --> 00:16:03,840
via netværket.

274
00:16:03,840 --> 00:16:08,530
Operativsystemer er en vigtig del af
dette, og en masse virtualisering

275
00:16:08,530 --> 00:16:12,080
at være i stand til at pakke mere og
mere Compute ind i et lille rum.

276
00:16:12,080 --> 00:16:15,530
>> Jeg vil give dig et lille eksempel
fra forskning computing.

277
00:16:15,530 --> 00:16:18,220
Vi havde brug for mere ping, mere
magt, og mere rør.

278
00:16:18,220 --> 00:16:21,030
Vi havde brug for mere større,
bedre, hurtigere computere,

279
00:16:21,030 --> 00:16:23,390
og havde brug for at bruge mindre juice.

280
00:16:23,390 --> 00:16:26,856
Og vi kunne ikke finde ud af, hvordan du gør dette.

281
00:16:26,856 --> 00:16:29,980
Jeg ved ikke, om det hashtag gowest som
sandsynligvis blevet brugt af Kardashian,

282
00:16:29,980 --> 00:16:32,560
men alligevel, gowest.

283
00:16:32,560 --> 00:16:33,220
Og det gjorde vi.

284
00:16:33,220 --> 00:16:36,610
>> Vi plukket op vores operation
og vi flyttede det ud

285
00:16:36,610 --> 00:16:39,660
til vestlige Massachusetts
i en lille mølle by

286
00:16:39,660 --> 00:16:45,000
kaldet Holyoke, lige nord
af Chikopee og Springfield.

287
00:16:45,000 --> 00:16:49,280
Vi gjorde det for et par grunde.

288
00:16:49,280 --> 00:16:55,150
Den vigtigste var, at vi
havde en meget, meget stor dæmning.

289
00:16:55,150 --> 00:17:00,080
Og denne meget store dæmning er i stand til at
sat ud 30 plus megawatt energi,

290
00:17:00,080 --> 00:17:02,980
og det blev underudnyttet på det tidspunkt.

291
00:17:02,980 --> 00:17:06,170
>> Vigtigere, havde vi også
en meget kompliceret netværk

292
00:17:06,170 --> 00:17:07,254
der var allerede på plads.

293
00:17:07,254 --> 00:17:09,711
Hvis man ser på, hvor netværket
går i USA,

294
00:17:09,711 --> 00:17:11,230
det følger alle toget spor.

295
00:17:11,230 --> 00:17:14,290
Denne særlige stykke net var
ejet af vores kolleger og venner

296
00:17:14,290 --> 00:17:16,480
på Massachusetts
Institute of Technology,

297
00:17:16,480 --> 00:17:19,720
og det var dybest set bygget
hele vejen ud til rute 90.

298
00:17:19,720 --> 00:17:24,760
>> Så vi havde en stor flod kryds, Route 90
kryds, vi havde en kort sti på 100 miles,

299
00:17:24,760 --> 00:17:26,960
og en lang bane på omkring 1.000 miles.

300
00:17:26,960 --> 00:17:29,890
Vi havde at gøre en meget stor
netværk splejsning, som du kan se her,

301
00:17:29,890 --> 00:17:32,990
at stort set lægge et link ind, til
kunne oprette forbindelse til Holyoke,

302
00:17:32,990 --> 00:17:36,390
men vi havde alle de nødvendige
infrastructure-- ping, magt, rør.

303
00:17:36,390 --> 00:17:37,280
Livet var godt.

304
00:17:37,280 --> 00:17:38,980
Og igen, stor dæmning.

305
00:17:38,980 --> 00:17:42,120
>> Så vi byggede dybest set den Massachusetts
Grøn High Performance Computing

306
00:17:42,120 --> 00:17:42,850
Center.

307
00:17:42,850 --> 00:17:46,580
Dette var en arbejdskraft af kærlighed gennem fem
universities-- MIT, Harvard, UMass,

308
00:17:46,580 --> 00:17:47,870
Northeastern, og BU.

309
00:17:47,870 --> 00:17:49,554
Fem megawatt dag tilsluttede belastning.

310
00:17:49,554 --> 00:17:51,845
Vi gjorde alle mulige dygtighed
med airside economisere

311
00:17:51,845 --> 00:17:53,585
at holde tingene grøn.

312
00:17:53,585 --> 00:18:03,330
Og vi bygget 640-ulige stativer,
dedikeret til forskning computing.

313
00:18:03,330 --> 00:18:08,770
>> Det var en gammel forladte sted, så vi
havde nogle regenerering og nogle rydde op

314
00:18:08,770 --> 00:18:10,500
og nogle oprydning af webstedet.

315
00:18:10,500 --> 00:18:13,590
Og så begyndte vi
at opbygge anlægget

316
00:18:13,590 --> 00:18:19,710
og, boom-- dejlige facilitet med
evnen til at køre sandkasse computing,

317
00:18:19,710 --> 00:18:24,430
at have konferencer og seminarer,
og også en massiv datacenter gulvet.

318
00:18:24,430 --> 00:18:26,007
>> Her er min gode selv.

319
00:18:26,007 --> 00:18:27,590
Jeg naturligvis iført den samme jakke.

320
00:18:27,590 --> 00:18:29,423
Jeg måske kun har én
jakke, men der er mig

321
00:18:29,423 --> 00:18:34,030
og John Goodhue-- han er den
administrerende direktør for Center--

322
00:18:34,030 --> 00:18:36,740
stående i maskinrummet
sal, der, som du kan se,

323
00:18:36,740 --> 00:18:40,560
er temmelig dramatisk, og det
går tilbage en lang, lang vej.

324
00:18:40,560 --> 00:18:44,830
>> Jeg ofte spille spil kørsel
fra Boston ud til Holyoke,

325
00:18:44,830 --> 00:18:47,260
foregiver, at jeg er en TCP / IP-pakke.

326
00:18:47,260 --> 00:18:54,290
Og jeg bekymre sig om min latenstid
køre rundt i min bil.

327
00:18:54,290 --> 00:18:56,690
Så det er den grønne brik.

328
00:18:56,690 --> 00:19:00,070
Så lad os bare tage et minut
og tænke over stakke.

329
00:19:00,070 --> 00:19:04,060
Så vi prøver meget nøje til
bygge datacentre effektivt,

330
00:19:04,060 --> 00:19:08,770
computing effektivt, gøre god
udvælgelse til computerudstyr

331
00:19:08,770 --> 00:19:12,060
og levere mere
vigtigere, vores ansøgning,

332
00:19:12,060 --> 00:19:17,860
det være sig en beskedtjeneste
eller en videnskabelig anvendelse.

333
00:19:17,860 --> 00:19:19,110
>> Så her er de stakke.

334
00:19:19,110 --> 00:19:22,762
Så fysiske lag, alt
vej op gennem application--

335
00:19:22,762 --> 00:19:25,220
håber, at dette vil
være en god del af dit kursus.

336
00:19:25,220 --> 00:19:31,450
OSI syv lag modellen principielt,
du vil leve, spise og trække vejret

337
00:19:31,450 --> 00:19:35,270
dette hele din computing karriere.

338
00:19:35,270 --> 00:19:37,800
Hele dette koncept for fysisk
infrastructure-- ledninger,

339
00:19:37,800 --> 00:19:40,080
kabler, datacentre, links.

340
00:19:40,080 --> 00:19:42,190
Og dette er blot beskriver netværket.

341
00:19:42,190 --> 00:19:44,780
>> Heroppe er, godt, naturligvis,
dette er en gammel dias,

342
00:19:44,780 --> 00:19:49,342
fordi dette skulle sige HTTP, fordi
ingen bekymrer sig om simpel mail

343
00:19:49,342 --> 00:19:50,550
transportprotokoller, længere.

344
00:19:50,550 --> 00:19:53,960
Det hele sker i HTTP rummet.

345
00:19:53,960 --> 00:19:55,850
Så det er et niveau af stakken.

346
00:19:55,850 --> 00:19:59,460
>> Her er et andet sæt stakke, hvor man
har en server, en vært, en hypervisor,

347
00:19:59,460 --> 00:20:02,470
en gæst, binær bibliotek,
og så vil din ansøgning.

348
00:20:02,470 --> 00:20:06,070
Eller, i dette tilfælde indretningen
driver, en Linux-kernen, indfødte c,

349
00:20:06,070 --> 00:20:08,080
Java virtuel maskine,
Java API, så Java

350
00:20:08,080 --> 00:20:11,220
applikationer, og så videre og så videre.

351
00:20:11,220 --> 00:20:14,090
Dette er en beskrivelse
af en virtuel maskine.

352
00:20:14,090 --> 00:20:15,450
>> Hellige stakke, Batman!

353
00:20:15,450 --> 00:20:18,260
Tænk over dette i
Vilkår for hvor meget Compute

354
00:20:18,260 --> 00:20:20,850
du har brug for at komme fra
hvad der sker her,

355
00:20:20,850 --> 00:20:23,110
hele vejen op til toppen
af denne stak, derefter

356
00:20:23,110 --> 00:20:26,840
kunne gøre din faktiske
levering af ansøgningen.

357
00:20:26,840 --> 00:20:29,130
>> Og hvis du slags
spole tilbage og begynde at tænke

358
00:20:29,130 --> 00:20:33,450
om, hvad det kræver at give
en floating point operation,

359
00:20:33,450 --> 00:20:37,650
din floating point operation er en sum
af stikkene, antallet af kerner

360
00:20:37,650 --> 00:20:44,490
i soklen, et ur, der er
Hvor hurtigt kan uret turnover--

361
00:20:44,490 --> 00:20:47,490
fire gigahertz, to
gigahertz-- og derefter det nummer

362
00:20:47,490 --> 00:20:50,890
af handlinger, du kan
gøre i en given hertz.

363
00:20:50,890 --> 00:20:54,350
>> Så disse mikroprocessorer i dag
gøre mellem fire og 6 flops

364
00:20:54,350 --> 00:20:55,400
pr taktcyklus.

365
00:20:55,400 --> 00:20:59,810
Og så en single-core 2,5 gig ur
har en teoretisk ydeevne

366
00:20:59,810 --> 00:21:03,490
på omkring en mega flop, give eller tage.

367
00:21:03,490 --> 00:21:05,940
>> Men som med alt,
vi har valg.

368
00:21:05,940 --> 00:21:12,280
Så og Intel Core 2, Nehalem
Sandy Bridge, Haswell, AMD,

369
00:21:12,280 --> 00:21:13,920
tage din choices-- Intel Atom.

370
00:21:13,920 --> 00:21:17,670
Alle disse processorarkitekturer
alle har en lidt anden måde

371
00:21:17,670 --> 00:21:19,650
for at kunne tilføje
to tal sammen,

372
00:21:19,650 --> 00:21:23,520
som er dybest set
deres formål i livet.

373
00:21:23,520 --> 00:21:24,535
Skal være hårde.

374
00:21:24,535 --> 00:21:27,100
Der er millioner af dem sidde
i datacentre, nu selv.

375
00:21:27,100 --> 00:21:30,410
>> Sor, flops pr watt--
dette er den store ting.

376
00:21:30,410 --> 00:21:37,780
Så hvis jeg ønsker at få mere af dette
at komme igennem denne stak, hurtigere,

377
00:21:37,780 --> 00:21:41,800
Jeg har fået at arbejde på, hvor mange
operationer med flydende komma et sekund,

378
00:21:41,800 --> 00:21:43,770
Jeg kan gøre, og derefter give dem watt.

379
00:21:43,770 --> 00:21:46,160
Og heldigvis, folkens
har tænkt over dette.

380
00:21:46,160 --> 00:21:49,140
>> Så der er en stor
bestride hvert år for at se

381
00:21:49,140 --> 00:21:52,310
der kan bygge den hurtigste computer
der kan diagonalize en matrix.

382
00:21:52,310 --> 00:21:53,980
Det hedder Top 500.

383
00:21:53,980 --> 00:21:56,420
De pluk toppen fra
de bedste 500 computere

384
00:21:56,420 --> 00:21:58,610
på planeten, der kan
diagonalize matricer.

385
00:21:58,610 --> 00:22:00,760
Og du får nogle fantastiske resultater.

386
00:22:00,760 --> 00:22:04,660
>> En masse af disse maskiner er
mellem 10 og 20 megawatt.

387
00:22:04,660 --> 00:22:09,380
De kan diagonalize matricer
overordentligt hurtigt.

388
00:22:09,380 --> 00:22:13,550
De behøver ikke nødvendigvis diagonalized
dem så effektivt per watt,

389
00:22:13,550 --> 00:22:18,060
så der var denne store indsats for at se på
hvad en grøn 500-listen ville se ud.

390
00:22:18,060 --> 00:22:20,360
Og her er en liste fra juni.

391
00:22:20,360 --> 00:22:22,410
Der bør være en ny meget snart.

392
00:22:22,410 --> 00:22:26,590
>> Og det kalder out-- Jeg tager
toppen af ​​denne liste.

393
00:22:26,590 --> 00:22:32,187
Der er to specifikke machines-- én
fra Tokyo Institute of Technology

394
00:22:32,187 --> 00:22:34,520
og et fra Cambridge
University i Det Forenede Kongerige.

395
00:22:34,520 --> 00:22:37,700
Og disse har temmelig forbløffende
mega flops per watt nøgletal.

396
00:22:37,700 --> 00:22:42,620
Denne ens 4389, og den
næste ned er 3.631.

397
00:22:42,620 --> 00:22:47,660
>> Jeg vil forklare forskellen mellem
disse to, i det næste dias.

398
00:22:47,660 --> 00:22:51,320
Men disse er disse er
moderat størrelse test klynger.

399
00:22:51,320 --> 00:22:54,732
Disse er blot 34
kilowatt eller 52 kilowatt.

400
00:22:54,732 --> 00:22:56,940
Der er nogle større virksomheder
her-- denne ene

401
00:22:56,940 --> 00:22:58,860
på den schweiziske
Supercomputing Centre.

402
00:22:58,860 --> 00:23:00,693
Den take home besked
for dette er, at vi er

403
00:23:00,693 --> 00:23:04,270
forsøger at finde computere
der kan fungere effektivt.

404
00:23:04,270 --> 00:23:09,860
>> Og så, lad os se på denne top
en, cutely kaldes, KFC.

405
00:23:09,860 --> 00:23:12,960
Og en lille smule reklame her.

406
00:23:12,960 --> 00:23:15,730
Denne særlige fødevarevirksomhed
har intet at gøre med dette.

407
00:23:15,730 --> 00:23:18,240
Det er den kendsgerning, at
dette system

408
00:23:18,240 --> 00:23:23,830
er gennemvædet i en meget
smart olie-baseret forbindelse.

409
00:23:23,830 --> 00:23:27,590
Og så de fik deres
kylling friture moniker

410
00:23:27,590 --> 00:23:30,040
når de først begyndte at
bygge disse typer af systemer.

411
00:23:30,040 --> 00:23:32,740
>> Men dybest set, hvad de har taget
her er et antal vinger,

412
00:23:32,740 --> 00:23:37,560
sætte dem i dette
sofistikeret mineralolie,

413
00:23:37,560 --> 00:23:40,979
og arbejdede derefter ud af at få alle
netværkssamarbejde ind og ud af den.

414
00:23:40,979 --> 00:23:42,895
Så ikke nok med det,
de har lagt den ud så

415
00:23:42,895 --> 00:23:46,095
at den kan udnytte uden luftkøling.

416
00:23:46,095 --> 00:23:47,520
Det var temmelig imponerende.

417
00:23:47,520 --> 00:23:49,630
Så du er nødt til at gøre alt
af denne narrestreger

418
00:23:49,630 --> 00:23:53,280
at være i stand til at få denne mængde af
Compute leveres til små watt.

419
00:23:53,280 --> 00:23:57,360
>> Og du kan se dette er formen
af, hvor tingene er på vej.

420
00:23:57,360 --> 00:24:01,240
Udfordringen er, at regelmæssig luft
køling er stordriftsfordele

421
00:24:01,240 --> 00:24:08,459
og driver en masse af
udvikling af både almindelige computing,

422
00:24:08,459 --> 00:24:09,750
og high performance computing.

423
00:24:09,750 --> 00:24:11,080
Så dette er temmelig forstyrrende.

424
00:24:11,080 --> 00:24:13,280
Jeg tror, ​​det er fascinerende.

425
00:24:13,280 --> 00:24:15,530
Det er lidt rodet, når du
prøv at bytte de diskdrev,

426
00:24:15,530 --> 00:24:18,090
men det er en virkelig cool idé.

427
00:24:18,090 --> 00:24:22,200
>> Så ikke nok med det, der er
en hel masse arbejde

428
00:24:22,200 --> 00:24:25,450
bygges omkring hvad vi er
kalder Open Compute Project.

429
00:24:25,450 --> 00:24:29,400
Og ja, mere om det
lidt senere.

430
00:24:29,400 --> 00:24:32,740
Men branchen er begyndt at
indse, at flops per watt

431
00:24:32,740 --> 00:24:33,670
bliver vigtig.

432
00:24:33,670 --> 00:24:39,256
Og du, som folk her, som
du designe dine algoritmer

433
00:24:39,256 --> 00:24:41,130
og du designe din
kode, skal du være opmærksom

434
00:24:41,130 --> 00:24:43,620
at din kode kan
har en afsmittende effekt.

435
00:24:43,620 --> 00:24:48,380
>> Da Mark sad her i hans
kollegieværelse skriver Facebook 1.0,

436
00:24:48,380 --> 00:24:51,050
Jeg er temmelig sikker på, han havde en visning
at det ville være enorme.

437
00:24:51,050 --> 00:24:54,945
Men hvordan enorme det ville være på
miljø er et stort dealio.

438
00:24:54,945 --> 00:24:58,340
Og så alle ya kunne
komme med algoritmer

439
00:24:58,340 --> 00:25:01,370
der kan blive den næste udfordrende
ting for folk som mig,

440
00:25:01,370 --> 00:25:02,700
forsøger at køre systemer.

441
00:25:02,700 --> 00:25:07,360
>> Så lad os bare tænke
effektgrænser virkelige verden.

442
00:25:07,360 --> 00:25:09,930
Dette papir ved Landauer--
er ikke en ny ting.

443
00:25:09,930 --> 00:25:12,480
1961 dette blev offentliggjort
i IBM Journal.

444
00:25:12,480 --> 00:25:15,590
Dette er den kanoniske
"Uigenkaldelige og Heat

445
00:25:15,590 --> 00:25:17,630
Generation i Computing-processen. "

446
00:25:17,630 --> 00:25:22,050
Og så han hævdede, at
maskiner uundgåeligt

447
00:25:22,050 --> 00:25:25,070
udføre logistiske funktioner,
har ikke enkelt værdi omvendt.

448
00:25:25,070 --> 00:25:29,130
>> Således at hele del af
dette er, at tilbage i 60'erne,

449
00:25:29,130 --> 00:25:31,890
folk vidste, at dette var
vil være et problem.

450
00:25:31,890 --> 00:25:37,080
Og så loven om grænser sagde 25
grader C, en slags kanonisk værelse

451
00:25:37,080 --> 00:25:41,120
temperatur, grænsen
repræsenterer 0,1 elektronvolt.

452
00:25:41,120 --> 00:25:44,920
Men teoretisk, er det
teorien, computerhukommelse

453
00:25:44,920 --> 00:25:51,410
opererer ved denne grænse kunne være
ændres på en milliard bit i sekundet.

454
00:25:51,410 --> 00:25:54,620
>> Jeg ved ikke, om dig, men ikke
stødt på mange en milliard bit

455
00:25:54,620 --> 00:25:57,190
en anden datahastighed udvekslinger.

456
00:25:57,190 --> 00:26:01,360
Argumentet var, at kun
2,8 billioner af en watt

457
00:26:01,360 --> 00:26:03,180
burde nogensinde udvides.

458
00:26:03,180 --> 00:26:08,160
>> Okay, virkelige verden example--
dette er min elregning.

459
00:26:08,160 --> 00:26:10,347
Jeg 65% procent af
denne dejlige datacenter

460
00:26:10,347 --> 00:26:11,930
Jeg viste dig, i dette særlige tidspunkt.

461
00:26:11,930 --> 00:26:15,520
Det er tilbage i juni sidste år.

462
00:26:15,520 --> 00:26:21,300
Jeg har taget en ældre version, så vi
kan og sortering af anonymisere en lille smule.

463
00:26:21,300 --> 00:26:25,470
Jeg tilbragte 45000 $ a
måned for energi der.

464
00:26:25,470 --> 00:26:34,990
>> Så grunden være der, er, at vi
har over 50.000 processer i værelset.

465
00:26:34,990 --> 00:26:38,110
Så kan du forestille dig dit eget
boligområder elregning

466
00:26:38,110 --> 00:26:39,540
er, at høj?

467
00:26:39,540 --> 00:26:46,180
Men det var for en 199 mio
watt timer over en måned.

468
00:26:46,180 --> 00:26:51,670
>> Så det spørgsmål, jeg stiller, er, kan du
forestille Mr. Zuckerberg elregning?

469
00:26:51,670 --> 00:26:54,730
Mine er temmelig stor, og jeg kæmper.

470
00:26:54,730 --> 00:26:56,600
Og jeg er ikke alene i denne er.

471
00:26:56,600 --> 00:26:59,450
Der er en masse mennesker
med store datacentre.

472
00:26:59,450 --> 00:27:04,800
Og så, jeg gætte, fuld disclosure--
mine Facebook-venner en smule underligt.

473
00:27:04,800 --> 00:27:07,900
>> Så min Facebook er
Den Prineville datacenter,

474
00:27:07,900 --> 00:27:14,030
som er en af ​​Facebooks største,
nyeste, laveste energi datacenter.

475
00:27:14,030 --> 00:27:19,360
Og de sender til mig, ting som
power udnyttelse effektivitet,

476
00:27:19,360 --> 00:27:24,020
som i hvor effektiv er den data
center versus hvor meget energi, du er

477
00:27:24,020 --> 00:27:26,370
sætte ind i det, hvor meget
vand er de bruger, hvad er

478
00:27:26,370 --> 00:27:27,810
luftfugtighed og temperatur.

479
00:27:27,810 --> 00:27:29,980
>> Og de har disse
Dejlige, dejlige grunde.

480
00:27:29,980 --> 00:27:32,600
Jeg tror, ​​det er en
fantastisk Facebook-side,

481
00:27:32,600 --> 00:27:35,400
men jeg gætte, jeg er en lille smule underligt.

482
00:27:35,400 --> 00:27:39,930
>> Så en mere magt ting,
forskning computing, at jeg gør

483
00:27:39,930 --> 00:27:44,060
er signifikant forskellige
hvad Facebook og Yahoo og Google

484
00:27:44,060 --> 00:27:50,020
og andre on-demand, fuldt,
altid tilgængelige tjenester.

485
00:27:50,020 --> 00:27:53,530
Og så har jeg den fordel, at når
ISO New England-- og ISO New England

486
00:27:53,530 --> 00:27:58,910
med til at sætte den energi
satser for regionen.

487
00:27:58,910 --> 00:28:01,110
>> Og det siger, det er der strækker
en anmodning til forbrugerne

488
00:28:01,110 --> 00:28:05,870
til frivilligt spare høj energi,
på grund af den høje luftfugtighed og varme.

489
00:28:05,870 --> 00:28:08,680
Og det var tilbage den 18. juli.

490
00:28:08,680 --> 00:28:12,600
Og så jeg heldigvis Tweet tilbage, Hey,
ISO New England, Green Harvard.

491
00:28:12,600 --> 00:28:14,880
Vi gør vores del i løbet af
her i forskning computing.

492
00:28:14,880 --> 00:28:16,760
Og det er fordi vi gør videnskab.

493
00:28:16,760 --> 00:28:20,380
>> Og lige så meget som folk siger videnskaben
aldrig sover, kan videnskaben vente.

494
00:28:20,380 --> 00:28:25,030
Så vi er i stand til at QUIESCE vores
systemer, drage fordel af kvalitet satser

495
00:28:25,030 --> 00:28:30,550
på vores energiregning, og
hjælpe hele New England

496
00:28:30,550 --> 00:28:35,910
region ved at udgyde
mange megawatt belastning.

497
00:28:35,910 --> 00:28:40,020
Så det er den unikke ting,
adskiller om videnskabelig computing data

498
00:28:40,020 --> 00:28:48,890
centre og dem, der er
i fuld produktion 24/7.

499
00:28:48,890 --> 00:28:51,670
>> Så lad os bare tage et andet gear her.

500
00:28:51,670 --> 00:28:55,170
Så jeg ønsker at diskutere
kaos en lille smule.

501
00:28:55,170 --> 00:28:59,900
Og jeg ønsker at sætte det i
regi af opbevaring.

502
00:28:59,900 --> 00:29:03,150
Så for dem, der slags
af kæmpede

503
00:29:03,150 --> 00:29:08,680
at få deres hoved omkring hvad petabyte
lagerplads ser ud, dette et eksempel.

504
00:29:08,680 --> 00:29:11,660
Og det er den slags ting
Jeg behandler hele tiden.

505
00:29:11,660 --> 00:29:15,550
>> Hver af disse små gutter
er en fire terabyte harddisk,

506
00:29:15,550 --> 00:29:17,420
så du kan slags tælle dem op.

507
00:29:17,420 --> 00:29:21,370
Vi får nu mellem
en til 1 og 1/2 petabytes

508
00:29:21,370 --> 00:29:22,970
i en standard industri rack.

509
00:29:22,970 --> 00:29:26,430
Og vi har lokaler og værelser, som du
så i det tidligere billede med John

510
00:29:26,430 --> 00:29:31,230
og jeg, fuld af disse stativer udstyr.

511
00:29:31,230 --> 00:29:40,400
Så det bliver meget, meget let
at opbygge massive storagesystemer

512
00:29:40,400 --> 00:29:44,140
>> Det er for det meste let inde i Unix til
slags tælle op, hvordan det går.

513
00:29:44,140 --> 00:29:48,270
Så dette er at tælle, hvor mange
MAU punkter har jeg fik der.

514
00:29:48,270 --> 00:29:50,880
Så det er 423 opsnappe point.

515
00:29:50,880 --> 00:29:55,660
Og så hvis jeg køre nogle sketchy awk, jeg
kan tilføje op, i dette system,

516
00:29:55,660 --> 00:29:59,080
Der var 7,3 petabyte
af tilgængelige opbevaring.

517
00:29:59,080 --> 00:30:01,350
>> Så det er en masse ting.

518
00:30:01,350 --> 00:30:03,030
Og opbevaring er virkelig hårdt.

519
00:30:03,030 --> 00:30:06,850
Og dog, en eller anden grund,
dette er en industri tendens.

520
00:30:06,850 --> 00:30:11,500
Når jeg taler med vores forskere
og vores fakultet og sige,

521
00:30:11,500 --> 00:30:14,180
hey, jeg kan køre opbevaring for dig.

522
00:30:14,180 --> 00:30:17,690
Desværre, jeg er nødt til
få omkostningerne ved opbevaring.

523
00:30:17,690 --> 00:30:19,430
Jeg får denne forretning.

524
00:30:19,430 --> 00:30:23,300
Og folk referere Newegg
eller de refererer Staples

525
00:30:23,300 --> 00:30:27,040
eller hvor meget de kan købe en
enkelt terabyte disk drev til.

526
00:30:27,040 --> 00:30:29,390
>> Så dette, vil du bemærke
her, at der er et fingerpeg.

527
00:30:29,390 --> 00:30:31,310
Der er én disk her.

528
00:30:31,310 --> 00:30:33,290
Og hvis vi går tilbage, jeg har mange.

529
00:30:33,290 --> 00:30:36,130
Ikke alene har jeg har mange, jeg har
sofistikerede interconnects

530
00:30:36,130 --> 00:30:38,750
at være i stand til at sy
disse ting sammen.

531
00:30:38,750 --> 00:30:44,080
Så risikoen forbundet med disse store
storagesystemer er ikke ubetydelig.

532
00:30:44,080 --> 00:30:46,370
>> Faktisk tog vi til
internet og vi skrev

533
00:30:46,370 --> 00:30:51,670
en lille historie om en velmenende,
blide direktør for forskning

534
00:30:51,670 --> 00:30:54,640
computing-- tilfældigvis har en
mærkeligt engelsk accent-- forsøger

535
00:30:54,640 --> 00:30:59,930
at forklare en forsker hvad
ingen understregning backup mappe faktisk

536
00:30:59,930 --> 00:31:01,070
betød.

537
00:31:01,070 --> 00:31:05,690
Det var en ganske lang, lille historie,
godt fire minutter af Discovery.

538
00:31:05,690 --> 00:31:09,380
>> Og bemærk, jeg har en frygtelig
meget mindre plads end damen

539
00:31:09,380 --> 00:31:11,800
der synger om alle bassen.

540
00:31:11,800 --> 00:31:13,910
Vi er et par konti lavere.

541
00:31:13,910 --> 00:31:16,160
Men alligevel, det er en
vigtig ting at tænke på,

542
00:31:16,160 --> 00:31:18,532
i form af, hvad der kunne gå galt.

543
00:31:18,532 --> 00:31:20,990
Så hvis jeg får et diskdrev, og
Jeg smider det i en Unix maskine,

544
00:31:20,990 --> 00:31:24,300
og jeg begynder at skrive ting til det,
der er en magnet, der er et drev hoved,

545
00:31:24,300 --> 00:31:30,150
der er angiveligt, et ettal eller et nul
bliver skrevet ned på til denne enhed.

546
00:31:30,150 --> 00:31:32,180
>> Motors-- Spinny, Twirly
tingene altid bryde.

547
00:31:32,180 --> 00:31:33,490
Tænk over ting, der bryder.

548
00:31:33,490 --> 00:31:35,170
Det har altid været Spinny, Twirly ting.

549
00:31:35,170 --> 00:31:38,560
Printere, diskdrev,
motorkøretøjer mv

550
00:31:38,560 --> 00:31:40,590
Alt, hvad der bevæger sig, er tilbøjelige til at bryde.

551
00:31:40,590 --> 00:31:42,575
>> Så du har brug for motorer, du
brug drev firmware,

552
00:31:42,575 --> 00:31:47,110
du har brug for SAS / SATA controllere, ledninger,
firmware på SAS / SATA-controllere,

553
00:31:47,110 --> 00:31:48,530
blokerer lavt niveau.

554
00:31:48,530 --> 00:31:54,580
Vælg din storage controller-fil
Systemet kode, alt efter hvilken en det kan være,

555
00:31:54,580 --> 00:31:56,780
hvordan du sy ting sammen.

556
00:31:56,780 --> 00:32:00,956
Og din virtuelle hukommelse leder
sider, DRAM hente og butikker.

557
00:32:00,956 --> 00:32:02,705
Derefter får du en anden
stack, hvilket er lidt

558
00:32:02,705 --> 00:32:05,440
dun listen på denne
én, algoritmer brugere.

559
00:32:05,440 --> 00:32:09,050
>> Og hvis du ganger dette
op, jeg ved ikke hvor mange,

560
00:32:09,050 --> 00:32:11,640
der er en masse steder
hvor ting kan gå sidelæns.

561
00:32:11,640 --> 00:32:14,430
Jeg mener, det er et eksempel om matematik.

562
00:32:14,430 --> 00:32:18,070
Men det er lidt sjovt at tænke på
hvor mange måder tingene kunne gå galt,

563
00:32:18,070 --> 00:32:21,650
bare for et diskdrev.

564
00:32:21,650 --> 00:32:25,440
Vi er allerede ved 300 petabyte, så
forestille antallet af diskdrev

565
00:32:25,440 --> 00:32:27,741
du har brug for ved 300 petabyte
der kan gå galt.

566
00:32:27,741 --> 00:32:28,240

567
00:32:28,240 --> 00:32:30,390
Ikke kun at-- så det er opbevaring.

568
00:32:30,390 --> 00:32:34,220
Og der hentyder til
person, jeg vil gerne se

569
00:32:34,220 --> 00:32:38,780
indtaste fase venstre, som
er Chaos Monkey.

570
00:32:38,780 --> 00:32:43,140
Så på et bestemt tidspunkt, det bliver endnu
større end diskdrevet

571
00:32:43,140 --> 00:32:43,920
problem.

572
00:32:43,920 --> 00:32:50,610
>> Og så disse fine damer og herre
at køre en streaming video service

573
00:32:50,610 --> 00:32:55,430
indså, at deres computere var
også enorme og også meget kompliceret

574
00:32:55,430 --> 00:33:00,010
og også yde service
til en forfærdelig en masse mennesker.

575
00:33:00,010 --> 00:33:05,180
De har fået 37 millioner members-- og
dette dias er måske et år eller så old--

576
00:33:05,180 --> 00:33:07,350
tusinder af enheder.

577
00:33:07,350 --> 00:33:10,810
Der er milliarder af timers video.

578
00:33:10,810 --> 00:33:13,600
De logger milliarder af begivenheder om dagen.

579
00:33:13,600 --> 00:33:17,330
>> Og du kan se, de fleste mennesker ser
fjernsynet senere på aftenen,

580
00:33:17,330 --> 00:33:19,429
og det langt opvejer alt.

581
00:33:19,429 --> 00:33:21,220
Og så, de ønskede at
kunne sørge for

582
00:33:21,220 --> 00:33:24,854
at tjenesten var op og
pålidelig og arbejder for dem.

583
00:33:24,854 --> 00:33:27,020
Så de kom op med denne
ting kaldet Chaos Monkey.

584
00:33:27,020 --> 00:33:29,000
Det er stykke software
der, når du tror

585
00:33:29,000 --> 00:33:34,190
om at tale om titlen
af hele denne præsentation,

586
00:33:34,190 --> 00:33:36,530
skala-out betyder, at du
skal teste det her.

587
00:33:36,530 --> 00:33:38,585
Det er ikke godt bare at have
en million maskiner.

588
00:33:38,585 --> 00:33:40,460
Så det gode ved
dette er, Chaos Monkey

589
00:33:40,460 --> 00:33:43,090
er en service, som
identificerer grupper af systemer

590
00:33:43,090 --> 00:33:47,220
og tilfældigt opsiger en
af systemerne i en gruppe.

591
00:33:47,220 --> 00:33:48,429
Awesome.

592
00:33:48,429 --> 00:33:50,220
Så jeg ved ikke, om
dig, men hvis jeg nogensinde har

593
00:33:50,220 --> 00:33:52,990
bygget et system, der bygger på andre
systemer tale med hinanden,

594
00:33:52,990 --> 00:33:55,865
du tager en af ​​dem ud, det
sandsynligheden for hele ting bearbejdning,

595
00:33:55,865 --> 00:33:57,130
aftager hurtigt.

596
00:33:57,130 --> 00:34:00,475
>> Og så dette stykke software kører
omkring Netflix infrastruktur.

597
00:34:00,475 --> 00:34:03,100
Heldigvis står det kører kun i
åbningstid med den hensigt

598
00:34:03,100 --> 00:34:05,810
at ingeniører vil være
alarm og i stand til at reagere.

599
00:34:05,810 --> 00:34:08,020
Så det er disse typer
af ting, vi er nu

600
00:34:08,020 --> 00:34:13,360
at skulle gøre for at forstyrre vores computing
miljøer, til at indføre kaos

601
00:34:13,360 --> 00:34:15,739
og at indføre kompleksitet.

602
00:34:15,739 --> 00:34:19,139
>> Så som i deres ret
sind, ville gerne vælge

603
00:34:19,139 --> 00:34:22,540
at arbejde med en Chaos Monkey?

604
00:34:22,540 --> 00:34:24,150
Hæng på, han ser ud til at pege mig.

605
00:34:24,150 --> 00:34:28,719
Nå, jeg tror jeg should-- nuttet.

606
00:34:28,719 --> 00:34:32,909
Men problemet er, du
ikke får valget.

607
00:34:32,909 --> 00:34:37,440
The Chaos Monkey, som du
kan se, vælger dig.

608
00:34:37,440 --> 00:34:42,650
>> Og dette er problemet med computing
på skalaen er, at du ikke kan undgå dette.

609
00:34:42,650 --> 00:34:49,989
Det er en uundgåelighed kompleksitet
og af handlingens omfang og vores udvikling,

610
00:34:49,989 --> 00:34:53,280
på nogle måder, af computing ekspertise.

611
00:34:53,280 --> 00:34:55,510
Og husk, det er
én ting at huske,

612
00:34:55,510 --> 00:35:00,030
Chaos Monkeys kærlighed
snowflakes-- kærlighed snefnug.

613
00:35:00,030 --> 00:35:03,470
En snowflake-- vi har forklaret
Chaos Monkey-- men et snefnug

614
00:35:03,470 --> 00:35:09,630
er en server, der er unik og
særlige og delikat og individuelle

615
00:35:09,630 --> 00:35:11,770
og vil aldrig blive reproduceret.

616
00:35:11,770 --> 00:35:14,790
>> Vi oplever ofte snefnug
service i vores miljø.

617
00:35:14,790 --> 00:35:16,700
Og vi altid forsøge at
smelte snowflake service.

618
00:35:16,700 --> 00:35:18,880
Men hvis du finder en server
i dit miljø

619
00:35:18,880 --> 00:35:23,240
der er afgørende for levetiden
af din organisation, og det smelter,

620
00:35:23,240 --> 00:35:25,300
du kan ikke sætte det sammen igen.

621
00:35:25,300 --> 00:35:28,071
Så Chaos Monkey opgave var at
gå og afslutte forekomster.

622
00:35:28,071 --> 00:35:30,820
Hvis Chaos Monkey smelter
snefnug, du er over, du er færdig.

623
00:35:30,820 --> 00:35:34,390

624
00:35:34,390 --> 00:35:37,950
Jeg ønsker at tale om
nogle hardware at vi er

625
00:35:37,950 --> 00:35:40,415
se i form af en slags
skala-aktiviteter også.

626
00:35:40,415 --> 00:35:43,810
Og nogle unikke ting, der er i
og omkring videnskab aktivitet.

627
00:35:43,810 --> 00:35:46,990
Vi begynder nu at se, huske
denne enhed udstedelsesdato, dette rack?

628
00:35:46,990 --> 00:35:51,780
Så dette er et rack af GPGPUs-- så generelle
purpose grafik forarbejdning enheder.

629
00:35:51,780 --> 00:35:55,790
>> Vi har disse ligger i vores data
center, 100 eller så miles væk.

630
00:35:55,790 --> 00:35:59,780
Denne særlige rack
er omkring 96 teraflops

631
00:35:59,780 --> 00:36:04,090
af single-præcision matematik stand
at levere til bagsiden af ​​det.

632
00:36:04,090 --> 00:36:10,530
Og vi har orden 130-ulige
kort i et tilfælde

633
00:36:10,530 --> 00:36:16,620
at we-- multiple
racks af denne instans.

634
00:36:16,620 --> 00:36:22,730
>> Så det er interessant i den forstand, at
de almindelige grafik processer

635
00:36:22,730 --> 00:36:27,880
er i stand til at gøre matematik utroligt
hurtigt for meget lave mængder af energi.

636
00:36:27,880 --> 00:36:32,060
Så der er en stor uptick i
de videnskabelige computing områder,

637
00:36:32,060 --> 00:36:36,400
ser på grafik
behandlingsenheder i en stor måde.

638
00:36:36,400 --> 00:36:41,990
>> Så jeg løb nogle Mcollective
gennem vores marionet infrastruktur

639
00:36:41,990 --> 00:36:45,330
i går, meget begejstrede for dette.

640
00:36:45,330 --> 00:36:48,260
lige kort for en petaflop
af single-præcision.

641
00:36:48,260 --> 00:36:52,440
Bare for at være klar her, dette
lille multiplikator er 3,95.

642
00:36:52,440 --> 00:36:54,820
Dobbelt-præcision matematik
ville være omkring 1,2,

643
00:36:54,820 --> 00:36:57,010
men min Twitter-feed
set måde bedre, hvis jeg

644
00:36:57,010 --> 00:37:02,670
sagde, vi havde næsten en petaflop
af single-præcision GPGPUs.

645
00:37:02,670 --> 00:37:04,220
>> Men det bliver der.

646
00:37:04,220 --> 00:37:06,280
Det bliver at være
meget, meget imponerende.

647
00:37:06,280 --> 00:37:08,550
Og hvorfor gør vi det?

648
00:37:08,550 --> 00:37:11,570
Fordi kvantekemi,
bl.a.

649
00:37:11,570 --> 00:37:15,300
men vi er begyndt at designe
nogle nye solceller.

650
00:37:15,300 --> 00:37:20,210
>> Og så Alan Aspuru-Guzik, der er en
professor i chemistry-- min partner

651
00:37:20,210 --> 00:37:22,390
i crime-- for de sidste par år.

652
00:37:22,390 --> 00:37:25,660
Vi har været at skubbe
kuvert på computing.

653
00:37:25,660 --> 00:37:30,250
Og GPGPU er ideel
teknologi at være i stand til at gøre

654
00:37:30,250 --> 00:37:34,760
en frygtelig masse komplicerede
matematik, meget, meget hurtigt.

655
00:37:34,760 --> 00:37:36,750
>> Så med skala, kommer nye udfordringer.

656
00:37:36,750 --> 00:37:41,070
Så stort scale-- du være
forsigtig med, hvordan du wire det her.

657
00:37:41,070 --> 00:37:45,300
Og vi har et vist niveau af
obsessiv-kompulsiv lidelse.

658
00:37:45,300 --> 00:37:49,530
Disse billeder sandsynligvis
køre en masse mennesker nødder.

659
00:37:49,530 --> 00:37:53,390
Og frysere, der ikke er
wired særlig godt

660
00:37:53,390 --> 00:37:56,050
drive vores netværk og
Faciliteter ingeniører nødder.

661
00:37:56,050 --> 00:37:58,620
Plus der er også luftstrømmen
problemer, som du er nødt til at indeholde.

662
00:37:58,620 --> 00:38:01,430
>> Så det er ting, som jeg
ville aldrig have tænkt på.

663
00:38:01,430 --> 00:38:03,480
Med skala, kommer mere kompleksitet.

664
00:38:03,480 --> 00:38:05,869
Dette er en ny type filsystem.

665
00:38:05,869 --> 00:38:06,410
Det er awesome.

666
00:38:06,410 --> 00:38:07,660
Det er en petabyte.

667
00:38:07,660 --> 00:38:09,905
Det kan gemme 1,1 milliarder filer.

668
00:38:09,905 --> 00:38:15,940
Den kan læse og skrive til 13 gigabyte
og 20 gigabyte en second-- gigabyte

669
00:38:15,940 --> 00:38:17,150
et sekund.

670
00:38:17,150 --> 00:38:20,900
Så det kan losse terabyte
på ingen tid overhovedet.

671
00:38:20,900 --> 00:38:22,070
>> Og det er meget tilgængelig.

672
00:38:22,070 --> 00:38:26,989
Og det har fået fantastisk opslag
rates-- 220.000 Opslag et sekund.

673
00:38:26,989 --> 00:38:29,780
Og der er mange forskellige mennesker
opbygge den slags systemer.

674
00:38:29,780 --> 00:38:32,830
Og du kan se det her grafisk.

675
00:38:32,830 --> 00:38:35,800
Dette er en af ​​vores filsystemer
det er under belastning, helt

676
00:38:35,800 --> 00:38:41,250
lykkeligt læser på lige kort
22 gigabytes i sekundet.

677
00:38:41,250 --> 00:38:42,790
Så det er cool-- så kompleksitet.

678
00:38:42,790 --> 00:38:47,230
>> Så med kompleksiteten og omfanget,
kommer mere kompleksitet, ikke?

679
00:38:47,230 --> 00:38:51,830
Dette er en af ​​vores mange,
mange netværk diagrammer,

680
00:38:51,830 --> 00:38:54,970
hvor du har mange forskellige
chassis alle understøtter op

681
00:38:54,970 --> 00:38:57,730
ind i en vigtigste core switch,
tilsluttet opbevaring,

682
00:38:57,730 --> 00:39:00,731
tilslutning til lav latency interconnects.

683
00:39:00,731 --> 00:39:03,605
Og så alt dette side af
hus, er bare alt af forvaltningen

684
00:39:03,605 --> 00:39:09,740
at du skal være i stand til at løse
disse systemer fra en fjernplacering.

685
00:39:09,740 --> 00:39:12,070
Så skala har en masse
kompleksitet med det.

686
00:39:12,070 --> 00:39:14,910

687
00:39:14,910 --> 00:39:17,785
>> Skift gear igen, lad os gå tilbage
og har en lille plet af videnskaben.

688
00:39:17,785 --> 00:39:21,450
Så husk, forskning
computing og denne lille shim--

689
00:39:21,450 --> 00:39:25,310
lille lyserød shim mellem
fakulteter og alle deres algoritmer

690
00:39:25,310 --> 00:39:30,650
og alle cool videnskab og alle
denne strøm og køling og datacenter

691
00:39:30,650 --> 00:39:35,330
gulv og netværk og store computere
og service skriveborde og helpdeske

692
00:39:35,330 --> 00:39:39,330
og så forth-- og så er vi bare
denne lille shim mellem dem.

693
00:39:39,330 --> 00:39:42,820
>> Hvad vi er begyndt at
Se er, at verdens

694
00:39:42,820 --> 00:39:45,730
været i stand til at bygge
disse store datacentre

695
00:39:45,730 --> 00:39:48,020
og være i stand til at bygge
disse store computere.

696
00:39:48,020 --> 00:39:49,420
Vi har fået temmelig god til det.

697
00:39:49,420 --> 00:39:53,600
Hvad vi er ikke særlig god til, er dette
lidt shim mellem forskning

698
00:39:53,600 --> 00:39:56,670
og pladen, og teknologien.

699
00:39:56,670 --> 00:39:58,600
Og det er svært.

700
00:39:58,600 --> 00:40:03,330
>> Og så har vi været i stand til at ansætte
folk, der lever i denne verden.

701
00:40:03,330 --> 00:40:07,590
Og for nylig, vi talte til
National Science Foundation og sagde:

702
00:40:07,590 --> 00:40:11,440
denne skala-out ting er stor,
men vi kan ikke få vores forskere

703
00:40:11,440 --> 00:40:13,690
på disse store komplicerede maskiner.

704
00:40:13,690 --> 00:40:16,040
Og så, har der været en
Antallet af forskellige programmer

705
00:40:16,040 --> 00:40:20,100
hvor vi virkelig var for det meste
bekymret om at forsøge

706
00:40:20,100 --> 00:40:22,800
at se, om vi kunne transformere
campus infrastruktur.

707
00:40:22,800 --> 00:40:25,850
>> Der er en masse programmer
omkring nationale centre.

708
00:40:25,850 --> 00:40:28,300
Og så, os selv, vores
venner på Clemson,

709
00:40:28,300 --> 00:40:32,620
University of Wisconsin, Madison,
Southern California, Utah, og Hawaii

710
00:40:32,620 --> 00:40:35,780
slags fik sammen til
se på dette problem.

711
00:40:35,780 --> 00:40:39,340
Og denne lille graf her
er den lange hale af videnskaben.

712
00:40:39,340 --> 00:40:41,602
>> Så dette is-- det ikke
Uanset hvad der er på denne akse,

713
00:40:41,602 --> 00:40:45,485
men denne akse er faktisk nummer
arbejdspladser går gennem klyngen.

714
00:40:45,485 --> 00:40:48,940
Så der er 350.000 i løbet af
uanset tidsperiode.

715
00:40:48,940 --> 00:40:51,730
Disse er vores sædvanlige mistænkte
langs bunden her.

716
00:40:51,730 --> 00:40:55,992
Faktisk er der er Alan Aspuru-Guzik,
som vi bare taler om-- tons

717
00:40:55,992 --> 00:40:58,700
og tonsvis af beregne, virkelig
effektiv, ved, hvad han gør.

718
00:40:58,700 --> 00:41:02,840
>> Her er en anden lab, som jeg vil tale
om i en moment-- John Kovac laboratorium.

719
00:41:02,840 --> 00:41:03,610
De har fået det.

720
00:41:03,610 --> 00:41:04,210
De er gode.

721
00:41:04,210 --> 00:41:04,830
De er glade.

722
00:41:04,830 --> 00:41:05,960
De er computing.

723
00:41:05,960 --> 00:41:07,664
Stor videnskab er at få gjort.

724
00:41:07,664 --> 00:41:09,580
Og så, som du slags
af komme herned, der

725
00:41:09,580 --> 00:41:12,110
er andre grupper,
kører ikke mange arbejdspladser.

726
00:41:12,110 --> 00:41:13,410
>> Og hvorfor er det?

727
00:41:13,410 --> 00:41:15,080
Er det, fordi computing er for hårdt?

728
00:41:15,080 --> 00:41:19,580
Er det fordi de ikke ved, hvordan man?

729
00:41:19,580 --> 00:41:22,880
Vi ved det ikke, fordi
vi har gået og kigget.

730
00:41:22,880 --> 00:41:25,620
Og så det er hvad dette
Projektet handler om,

731
00:41:25,620 --> 00:41:27,830
er lokalt, inden
hver af disse regioner,

732
00:41:27,830 --> 00:41:32,660
at se til veje, hvor vi kan engagere
med fakultetet og forskere

733
00:41:32,660 --> 00:41:36,400
faktisk i den nederste ende af halen,
og forstå, hvad de laver.

734
00:41:36,400 --> 00:41:37,920
>> Så det er noget, som vi er
faktisk brænder for.

735
00:41:37,920 --> 00:41:39,920
Og det er noget,
videnskaben ikke vil fortsætte

736
00:41:39,920 --> 00:41:44,260
til at bevæge sig fremad, indtil vi løser
nogle af disse kant tilfælde.

737
00:41:44,260 --> 00:41:46,590
Andre bits videnskab
der kommer up-- alle

738
00:41:46,590 --> 00:41:48,260
set Large Hadron Collider.

739
00:41:48,260 --> 00:41:49,540
Awesome, ikke?

740
00:41:49,540 --> 00:41:52,960
Denne ting alle løb ud på Holyoke.

741
00:41:52,960 --> 00:41:56,510
Vi Bygget- den allerførste
videnskab, der skete i Holyoke

742
00:41:56,510 --> 00:41:59,130
var samarbejdet mellem
os selv og Boston University.

743
00:41:59,130 --> 00:42:01,510
Så det er virkelig, virkelig cool.

744
00:42:01,510 --> 00:42:04,410
>> Dette er en sjov stykke
videnskab for skalaen.

745
00:42:04,410 --> 00:42:07,650
Dette er en digital adgang til
en himmel århundrede på Harvard.

746
00:42:07,650 --> 00:42:09,170
Dybest set er det en plade arkiv.

747
00:42:09,170 --> 00:42:13,350
Hvis du går ned Oxford--
Garden Street, undskyld,

748
00:42:13,350 --> 00:42:16,560
finder du en af ​​observatoriet
bygninger er dybest set fuld

749
00:42:16,560 --> 00:42:19,480
af omkring en halv million plader.

750
00:42:19,480 --> 00:42:24,410
>> Og disse er billeder af
himlen om natten, over 100 år.

751
00:42:24,410 --> 00:42:28,760
Så der er en hel rig oprettet
her at digitalisere disse plader,

752
00:42:28,760 --> 00:42:32,100
tage billeder af dem, registrere
dem, læg dem på en computer.

753
00:42:32,100 --> 00:42:36,410
Og det er en petabyte og et halvt,
lige højre there-- én lille projekt.

754
00:42:36,410 --> 00:42:37,530
>> Disse er andre projekter.

755
00:42:37,530 --> 00:42:42,800
Dette Pan-Starrs-projektet gør
en fuld bred panoramisk undersøgelse

756
00:42:42,800 --> 00:42:47,390
søger tæt asteroider Earth
og forbigående himmelske begivenheder.

757
00:42:47,390 --> 00:42:52,100
Som en molekylær biofysiker, jeg elsker
ordet forbigående himmelsk begivenhed.

758
00:42:52,100 --> 00:42:55,050
Jeg er ikke helt sikker på, hvad det er, men
alligevel, er vi på udkig efter dem.

759
00:42:55,050 --> 00:43:00,372
>> Og vi genererer 30 terabyte
en nat ud af disse teleskoper.

760
00:43:00,372 --> 00:43:03,330
Og det er egentlig ikke en båndbredde
problem, det er ligesom en FedEx problem.

761
00:43:03,330 --> 00:43:08,420
Så du sætte opbevaring på van
og du sender det uanset hvad det er.

762
00:43:08,420 --> 00:43:10,570
>> BICEP er virkelig interesting--
så baggrund imaging

763
00:43:10,570 --> 00:43:13,850
af kosmisk ekstra galaktiske polarisering.

764
00:43:13,850 --> 00:43:16,880
Da jeg først begyndte at arbejde
ved Harvard syv eller deromkring,

765
00:43:16,880 --> 00:43:21,440
otte år siden, husker jeg
arbejdet på dette projekt

766
00:43:21,440 --> 00:43:26,010
og det gjorde ikke rigtig synke
hjem, hvorfor polariseret lys

767
00:43:26,010 --> 00:43:29,770
fra den kosmiske mikrobølge
baggrund ville være vigtigt,

768
00:43:29,770 --> 00:43:30,800
indtil dette skete.

769
00:43:30,800 --> 00:43:34,580
>> Og det var John Kovac,
hvem jeg talte med før,

770
00:43:34,580 --> 00:43:42,030
hjælp millioner og atter millioner af CPU
timer, i vores anlæg og andre,

771
00:43:42,030 --> 00:43:46,600
at stort set stirre ind i det indre
af universets første øjeblikke

772
00:43:46,600 --> 00:43:49,150
efter Big Bang, og
forsøger at forstå

773
00:43:49,150 --> 00:43:51,290
Einsteins almene relativitetsteori.

774
00:43:51,290 --> 00:43:56,040
Det er sindet blæser, at vores computere
hjælper os udrede og stirre

775
00:43:56,040 --> 00:43:59,280
i selve oprindelsen af, hvorfor vi er her.

776
00:43:59,280 --> 00:44:03,450
>> Så når du taler om skala,
dette er nogle alvorlige skala.

777
00:44:03,450 --> 00:44:09,260
Den anden ting af skalaen er, at
bestemt projekt ramte disse fyre.

778
00:44:09,260 --> 00:44:15,320
Og det er svaret kurven for BICEP
[Uhørligt] Dette var vores lille undersøgelse.

779
00:44:15,320 --> 00:44:19,220
>> Og du kan se her, livet
var godt indtil omkring her,

780
00:44:19,220 --> 00:44:21,200
der var da
Meddelelsen kom ud.

781
00:44:21,200 --> 00:44:24,120
Og du har fået bogstaveligt
sekunder til at reagere

782
00:44:24,120 --> 00:44:29,020
til skalering begivenhed, som
svarer til denne lille prik her,

783
00:44:29,020 --> 00:44:32,200
som endte skiftende
fire eller så terabyte data

784
00:44:32,200 --> 00:44:36,370
gennem webserveren
der day-- temmelig behåret.

785
00:44:36,370 --> 00:44:38,210
>> Og så, disse er de
typer af ting,

786
00:44:38,210 --> 00:44:43,040
kan ske for dig i din infrastruktur
hvis du ikke designe for skala.

787
00:44:43,040 --> 00:44:45,630
Vi havde lidt af en
kryptere den dag, for at være

788
00:44:45,630 --> 00:44:50,440
i stand til at spænde sig nok web service
at holde sitet oppe at køre.

789
00:44:50,440 --> 00:44:53,399
Og vi var en succes.

790
00:44:53,399 --> 00:44:55,190
Dette er en lille email
der er slags søde.

791
00:44:55,190 --> 00:45:00,245
Dette er en mail til Mark Vogelsberger,
og Lars Hernquist, der er

792
00:45:00,245 --> 00:45:02,650
et fakultet medlem her på Harvard.

793
00:45:02,650 --> 00:45:03,570
Mere om Mark senere.

794
00:45:03,570 --> 00:45:05,990
Men jeg tror, ​​det er en
slags opsummerer slags

795
00:45:05,990 --> 00:45:09,920
hvor computing
er i forskning computing.

796
00:45:09,920 --> 00:45:12,070
Hey, hold, siden sidste
Tirsdag jer martret op

797
00:45:12,070 --> 00:45:15,470
over 28% af de nye
klynge, der kombinerede

798
00:45:15,470 --> 00:45:20,040
er over 78 år
CPU på bare tre dage.

799
00:45:20,040 --> 00:45:22,502
Og jeg sagde, er det stadig
kun lige fredag ​​morgen.

800
00:45:22,502 --> 00:45:23,460
Dette er temmelig awesome!

801
00:45:23,460 --> 00:45:24,740
Glad fredag!

802
00:45:24,740 --> 00:45:27,450
>> Så jeg giver dem datapunkterne.

803
00:45:27,450 --> 00:45:30,260
Og så var slags interessant.

804
00:45:30,260 --> 00:45:34,840
Så huske om Mark, vil han komme
tilbage i billedet i en lille smule.

805
00:45:34,840 --> 00:45:36,935
Så skala-out computing er overalt.

806
00:45:36,935 --> 00:45:41,080
>> Vi endda hjælpe folk ser
på, hvordan NBA funktioner

807
00:45:41,080 --> 00:45:43,140
og hvor folk er
kaste bolde fra.

808
00:45:43,140 --> 00:45:47,580
Jeg forstår ikke rigtig dette spil også
godt, men tilsyneladende er det en big deal.

809
00:45:47,580 --> 00:45:50,610
Der er bøjler og skåle og penge.

810
00:45:50,610 --> 00:45:55,300
>> Og så, i vores database, vi
bygget lidt 500 [uhørligt]

811
00:45:55,300 --> 00:45:58,170
parallel processor klynge,
et par terabytes af RAM,

812
00:45:58,170 --> 00:46:03,590
at være i stand til at bygge denne
for Kirk og hans team.

813
00:46:03,590 --> 00:46:08,524
Og de laver computing
på en helt anden måde.

814
00:46:08,524 --> 00:46:10,440
Nu er det projekt vi er
involveret med det er

815
00:46:10,440 --> 00:46:14,880
absolut fascinerende, omkring neurale
plasticitet connectomics og genomisk

816
00:46:14,880 --> 00:46:20,960
imprinting-- tre meget tunge
rammer forskningsområder

817
00:46:20,960 --> 00:46:24,650
at vi kæmper med på
en dag-til-dag basis.

818
00:46:24,650 --> 00:46:30,670
Tanken om, at vores hjerner er under
plast stress, når vi er unge.

819
00:46:30,670 --> 00:46:34,980
Og meget af vores voksne adfærd er
modelleret af erfaring i barndom.

820
00:46:34,980 --> 00:46:37,040
Så dette er en stor dealio.

821
00:46:37,040 --> 00:46:41,360
>> Og så dette er arbejde, der er finansieret af
National Institutes of Mental Health.

822
00:46:41,360 --> 00:46:46,860
Og vi forsøger at dybest set,
gennem en masse store data

823
00:46:46,860 --> 00:46:51,970
og store dataanalyse, art
af peer ind i vores menneskelige hjerne

824
00:46:51,970 --> 00:46:54,870
gennem en række
forskellige teknikker.

825
00:46:54,870 --> 00:47:00,360
>> Så jeg ønskede at stoppe og art
bare stoppe op et lille øjeblik.

826
00:47:00,360 --> 00:47:04,160
Udfordringen med fjernbetjening
datacentre er det er langt væk.

827
00:47:04,160 --> 00:47:05,520
Det kan ikke gøre arbejdet.

828
00:47:05,520 --> 00:47:07,590
Jeg har brug for mine data nærheden.

829
00:47:07,590 --> 00:47:10,730
Jeg har brug for at gøre min forskning i mit laboratorium.

830
00:47:10,730 --> 00:47:18,620
>> Og så jeg slags tog et eksempel på en
funktionel magnetisk resonans

831
00:47:18,620 --> 00:47:22,260
datasæt fra vores data
center i det vestlige Mass.

832
00:47:22,260 --> 00:47:24,660
og sluttet den til min
desktop i Cambridge.

833
00:47:24,660 --> 00:47:27,440
Og jeg vil spille denne lille video.

834
00:47:27,440 --> 00:47:29,750
Forhåbentlig vil det slags arbejde.

835
00:47:29,750 --> 00:47:33,480
>> Så dette er mig gå igennem
kontrol min GPU'er arbejder.

836
00:47:33,480 --> 00:47:35,430
Og jeg kontrollere, at VNC er op.

837
00:47:35,430 --> 00:47:36,810
Og det er en klog VNC.

838
00:47:36,810 --> 00:47:38,970
Dette er en VNC med 3D stykker.

839
00:47:38,970 --> 00:47:41,975
Og så, som du kan se om kort tid, dette
er mig spinning denne hjerne rundt.

840
00:47:41,975 --> 00:47:44,460
Jeg forsøger at slags få det rettet.

841
00:47:44,460 --> 00:47:49,574
Og så kan jeg flytte gennem mange
forskellige skiver af MRI data.

842
00:47:49,574 --> 00:47:51,490
Og det eneste, der er
anderledes om dette

843
00:47:51,490 --> 00:47:55,160
er, det kommer over tråden
fra Western Mass. til mit skrivebord.

844
00:47:55,160 --> 00:47:57,300
Og dens rendering
hurtigere end mit skrivebord,

845
00:47:57,300 --> 00:48:02,840
fordi jeg ikke har en $ 4000
grafikkort i mit skrivebord, som

846
00:48:02,840 --> 00:48:04,262
Vi har ud Western Mass.

847
00:48:04,262 --> 00:48:05,720
Selvfølgelig, jeg forsøger at være klog.

848
00:48:05,720 --> 00:48:08,859
Jeg kører GLX gear i
baggrund, samtidig gør alt dette,

849
00:48:08,859 --> 00:48:10,900
at sikre, at jeg kan
understrege grafikkort,

850
00:48:10,900 --> 00:48:14,140
og at det alle slags
fungerer og alle resten af ​​det.

851
00:48:14,140 --> 00:48:16,700
Men det vigtige er,
er det 100 miles væk.

852
00:48:16,700 --> 00:48:20,460
Og du kan se fra dette, at
der er ingen indlysende ventetid.

853
00:48:20,460 --> 00:48:24,600
Ting holder sammen ganske godt.

854
00:48:24,600 --> 00:48:28,907
>> Og så, i sig selv,
er et eksempel og en vis indsigt

855
00:48:28,907 --> 00:48:31,490
i, hvordan computing og skala-out
computing kommer til at ske.

856
00:48:31,490 --> 00:48:35,330
Vi arbejder alle på
tyndere og tyndere enheder.

857
00:48:35,330 --> 00:48:36,870
Vores anvendelse af tabletter er stigende.

858
00:48:36,870 --> 00:48:39,160
>> Så derfor, min carbon
fodaftryk er dybest set

859
00:48:39,160 --> 00:48:42,060
flytter fra hvad bruges
at gøre det ville har

860
00:48:42,060 --> 00:48:46,060
været en stor maskine
under mit skrivebord, hvad

861
00:48:46,060 --> 00:48:49,550
er nu en facility-- kunne være overalt.

862
00:48:49,550 --> 00:48:50,800
Det kunne være hvor som helst overhovedet.

863
00:48:50,800 --> 00:48:54,790
Og alligevel er det stadig i stand til at bringe
Tilbage højtydende grafik

864
00:48:54,790 --> 00:48:56,630
til mit skrivebord.

865
00:48:56,630 --> 00:49:00,900
>> Så at komme i nærheden af
end-- husk Mark?

866
00:49:00,900 --> 00:49:04,480
Nå, smart dreng er Mark.

867
00:49:04,480 --> 00:49:09,360
Han besluttede, at han ville
opbygge en realistisk virtuelle univers.

868
00:49:09,360 --> 00:49:12,820
Det er noget af en projekt, når du
tror, ​​du bliver nødt til at pitche dette.

869
00:49:12,820 --> 00:49:14,740
Jeg har tænkt mig at bruge en
computer, og jeg har tænkt mig

870
00:49:14,740 --> 00:49:21,040
at modellere de 12 millioner år efter
Big Bang til at repræsentere en dag.

871
00:49:21,040 --> 00:49:27,080
Og så jeg har tænkt mig at gøre 13,8
milliard års kosmisk evolution.

872
00:49:27,080 --> 00:49:28,270
Ok.

873
00:49:28,270 --> 00:49:30,970
>> Dette faktisk anvender en computer
det var større end vores computer,

874
00:49:30,970 --> 00:49:35,040
og det spildt over på den nationale
ressourcer til vores venner nede i Texas.

875
00:49:35,040 --> 00:49:38,820
Og til de nationale anlæg,
dette var en masse beregne.

876
00:49:38,820 --> 00:49:40,750
Men vi gjorde en masse
simuleringen lokalt

877
00:49:40,750 --> 00:49:44,820
for at sikre, at softwaren
arbejdede og systemerne virkede.

878
00:49:44,820 --> 00:49:47,790
>> Og det er dage som denne, når du
indse, at du støtter videnskab

879
00:49:47,790 --> 00:49:51,090
på dette niveau af skalaen, at
folk kan nu sige ting

880
00:49:51,090 --> 00:49:52,840
ligesom, jeg har tænkt mig at en model et univers.

881
00:49:52,840 --> 00:49:54,145
Og dette er hans første model.

882
00:49:54,145 --> 00:49:56,422
Og dette er hans holdets første model.

883
00:49:56,422 --> 00:49:58,130
Der er mange andre
folk, der går

884
00:49:58,130 --> 00:50:01,520
til at komme bag Mark, der kommer til
ønsker at modellere med høj opløsning,

885
00:50:01,520 --> 00:50:04,652
med mere specificitet,
med større nøjagtighed.

886
00:50:04,652 --> 00:50:09,105
>> Og så, i de sidste par minutter,
Jeg vil bare gerne vise dig denne video

887
00:50:09,105 --> 00:50:15,270
Mark og Lars er at for mig, igen,
som et liv videnskabsmand, er slags søde.

888
00:50:15,270 --> 00:50:17,890

889
00:50:17,890 --> 00:50:20,970
Så dette nederst
her, at orientere dig,

890
00:50:20,970 --> 00:50:23,640
dette er at fortælle dig det
gang siden Big Bang.

891
00:50:23,640 --> 00:50:26,570
Så vi er på omkring 0,7 milliarder år.

892
00:50:26,570 --> 00:50:28,740
Og det viser den aktuelle opdatering.

893
00:50:28,740 --> 00:50:33,450
Så du ser i øjeblikket,
mørkt stof og udviklingen

894
00:50:33,450 --> 00:50:39,910
af den fine struktur og tidlig
strukturer i vores kendte univers.

895
00:50:39,910 --> 00:50:45,690
>> Og punktet med dette er, at denne
er alle gjort inde i computeren.

896
00:50:45,690 --> 00:50:48,530
Dette er et sæt af parametre
og et sæt af fysik

897
00:50:48,530 --> 00:50:52,840
og et sæt af matematik
og et sæt af modeller

898
00:50:52,840 --> 00:50:59,284
der er nøje udvalgt, og derefter
omhyggeligt forbundet til hinanden

899
00:50:59,284 --> 00:51:00,825
at være i stand til at modellere interaktioner.

900
00:51:00,825 --> 00:51:04,850
>> Så du kan se nogle starter på
nogle gasformige eksplosioner her.

901
00:51:04,850 --> 00:51:06,880
Og gas temperatur er under forandring.

902
00:51:06,880 --> 00:51:13,720
Og du kan begynde at se strukturen
af det synlige univers forandring.

903
00:51:13,720 --> 00:51:18,130
Og den vigtige del i denne
er, hver lille lille, lille, lille prik

904
00:51:18,130 --> 00:51:21,070
er et stykke fysik og har
et sæt af matematik rundt,

905
00:51:21,070 --> 00:51:23,030
oplyser sine ven og nabo.

906
00:51:23,030 --> 00:51:27,245
>> Så fra en skalering perspektiv disse
computere har til alt arbejde i koncert

907
00:51:27,245 --> 00:51:29,470
og tale med hinanden effektivt.

908
00:51:29,470 --> 00:51:31,060
Så de kan ikke være for chatty.

909
00:51:31,060 --> 00:51:33,520
De skal opbevare deres resultater.

910
00:51:33,520 --> 00:51:37,902
Og de skal fortsætte med at
informere alle deres venner.

911
00:51:37,902 --> 00:51:40,860
Faktisk vil du se nu, denne model er
bliver mere og mere kompliceret.

912
00:51:40,860 --> 00:51:42,590
Der er mere og mere ting foregår.

913
00:51:42,590 --> 00:51:45,210
Der er mere og mere
materiale flyver rundt.

914
00:51:45,210 --> 00:51:48,410
>> Og dette er, hvad den tidlige
kosmos ville have set ud.

915
00:51:48,410 --> 00:51:49,770
Det var en temmelig behåret sted.

916
00:51:49,770 --> 00:51:55,140
Der er eksplosioner overalt
stedet, kraftige kollisioner.

917
00:51:55,140 --> 00:51:58,620
Og dannelse af tunge
metaller og elementer.

918
00:51:58,620 --> 00:52:03,910
Og disse store skyer smadrer ind
hinanden med stor kraft.

919
00:52:03,910 --> 00:52:08,530
>> Og så nu er vi 9,6 mia
år fra denne første eksplosion.

920
00:52:08,530 --> 00:52:12,310
Du begynder at se tingene er
slags dulmer lidt, bare

921
00:52:12,310 --> 00:52:15,660
en lille smule, fordi
energi begynder at slappe af.

922
00:52:15,660 --> 00:52:19,420
Og så den matematiske
modeller har fået det i stedet.

923
00:52:19,420 --> 00:52:22,510
Og du begynder at se
sammensmeltning af forskellige elementer.

924
00:52:22,510 --> 00:52:26,220
Og begynder at se denne ting slags
af mødes og langsomt cool.

925
00:52:26,220 --> 00:52:32,260
>> Og det er begyndt at se en lille smule
mere som nattehimlen, en lille smule.

926
00:52:32,260 --> 00:52:37,870
Og det er [? QSing. ?] Vi er nu 30,2
milliarder år, og vi er slags færdig.

927
00:52:37,870 --> 00:52:41,130
Og så det, de gjorde, var
at de tog denne model,

928
00:52:41,130 --> 00:52:44,580
og så på det synlige univers.

929
00:52:44,580 --> 00:52:48,560
Og dybest set så, var
i stand til at tage det og overlay

930
00:52:48,560 --> 00:52:50,580
det med det, du kan se.

931
00:52:50,580 --> 00:52:56,160
Og troskab er overvældende, som til
hvordan præcis de computermodeller er.

932
00:52:56,160 --> 00:52:58,760
>> Naturligvis de astrofysikere
og forskergrupperne

933
00:52:58,760 --> 00:53:02,780
brug for endnu bedre fidelity
og endnu højere opløsning.

934
00:53:02,780 --> 00:53:06,230
Men hvis du tænker over det,
Jeg har talt til dig

935
00:53:06,230 --> 00:53:11,850
gennem denne lille rejse gennem både
opbevaring og struktur og netværk

936
00:53:11,850 --> 00:53:18,000
og stakke, det vigtige er,
er skala-out computing afgørende?

937
00:53:18,000 --> 00:53:22,050
Det var min oprindelige hypothesis--
tilbage til vores videnskabelige metode.

938
00:53:22,050 --> 00:53:24,810
>> Jeg håber, at der på de tidlige
en del af dette vil jeg

939
00:53:24,810 --> 00:53:29,400
forudser, at jeg ville være i stand til at forklare
til dig om skala-out computing.

940
00:53:29,400 --> 00:53:32,870
Og vi slags testet
nogle af disse hypoteser.

941
00:53:32,870 --> 00:53:34,585
Vi gik gennem denne samtale.

942
00:53:34,585 --> 00:53:38,920
Og jeg vil bare sige skala-out
computing essential-- åh,

943
00:53:38,920 --> 00:53:42,480
ja, meget ja.

944
00:53:42,480 --> 00:53:44,790
>> Så når du tænker
om dine koder, når

945
00:53:44,790 --> 00:53:49,230
du laver de CS50 endelige projekter,
når du tænker på din arv

946
00:53:49,230 --> 00:53:52,990
til menneskeheden og de ressourcer, som vi
skal være i stand til at køre disse computer

947
00:53:52,990 --> 00:53:56,650
systemer, tænke meget grundigt
om flops per watt,

948
00:53:56,650 --> 00:53:58,560
og tænke på Chaos Monkey.

949
00:53:58,560 --> 00:54:02,240
>> Tænk over dine snefnug, gør ikke
gøre engangsforanstaltninger, genbrug biblioteker,

950
00:54:02,240 --> 00:54:06,453
opbygge genanvendelige codes-- alle de ting
at vejlederne har undervist dig

951
00:54:06,453 --> 00:54:08,630
i denne klasse.

952
00:54:08,630 --> 00:54:11,942
Disse er grundlæggende aspekter.

953
00:54:11,942 --> 00:54:13,150
De er ikke bare tomme ord.

954
00:54:13,150 --> 00:54:15,660
Disse er reelle ting.

955
00:54:15,660 --> 00:54:20,680
>> Og hvis nogen af ​​jer ønsker at følge mig,
Jeg er neurotiske med kvidre ting.

956
00:54:20,680 --> 00:54:22,770
Jeg har fået en eller anden måde giver det op.

957
00:54:22,770 --> 00:54:24,960
Men en masse af
baggrundsinformation er

958
00:54:24,960 --> 00:54:29,260
på vores forskning computing
hjemmeside på rc.fas.harvard.edu.

959
00:54:29,260 --> 00:54:34,010
>> Jeg forsøge at holde en blog op til
date med moderne teknologi

960
00:54:34,010 --> 00:54:38,390
og hvordan vi gør distributiv
computing og så videre.

961
00:54:38,390 --> 00:54:43,600
Og så vores personale er altid
tilgængelige via odybot.org.

962
00:54:43,600 --> 00:54:46,270
Og odybot er vores lille hjælper.

963
00:54:46,270 --> 00:54:49,280
Han har ofte lidt
konkurrencer på hans hjemmeside

964
00:54:49,280 --> 00:54:51,630
også, hvor du kan prøve og
spotte ham rundt campus.

965
00:54:51,630 --> 00:54:55,200
Han er den venlige lille
ansigt forskning computing.

966
00:54:55,200 --> 00:54:59,730
>> Og jeg vil slags wrap deroppe
og tak for din tid.

967
00:54:59,730 --> 00:55:05,660
Og jeg håber, du kan huske, at
skala-out computing er en ægte vare.

968
00:55:05,660 --> 00:55:08,162
Og der er en masse mennesker
der har fået en masse kendte teknik

969
00:55:08,162 --> 00:55:09,370
som vil være i stand til at hjælpe dig.

970
00:55:09,370 --> 00:55:14,330
Og alle held og lykke med
dine fremtidige bestræbelser i at gøre

971
00:55:14,330 --> 00:55:18,280
sikker på, at vores computing både
skalaer, er højtydende,

972
00:55:18,280 --> 00:55:20,370
og hjælper menneskeheden mere
end noget andet.

973
00:55:20,370 --> 00:55:22,850
Så tak for din tid.

974
00:55:22,850 --> 00:55:23,947