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

2
00:00:12,080 --> 00:00:13,799
>> JAMES Cuff: Hei, god
ettermiddag, alle sammen.

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

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

5
00:00:18,970 --> 00:00:24,540
Og i dag kommer jeg til å snakke med deg om
hvorfor skala-out computing er avgjørende.

6
00:00:24,540 --> 00:00:26,810
>> Så jeg antar, først opp, hvem er denne fyren?

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

8
00:00:27,750 --> 00:00:29,200
Hvorfor får jeg snakke med deg?

9
00:00:29,200 --> 00:00:33,730
Jeg har en bakgrunn i vitenskapelig
databehandling og forskning databehandling,

10
00:00:33,730 --> 00:00:38,530
strekker seg tilbake til United
Kingdom-- The Wellcome Trust Sanger

11
00:00:38,530 --> 00:00:43,270
Institutt for menneske genome-- og
deretter mer nylig i USA

12
00:00:43,270 --> 00:00:50,170
arbeider ved Bred og andre verd
læresteder, for eksempel Harvard.

13
00:00:50,170 --> 00:00:53,930
>> Jeg antar det som virkelig betyr er
at jeg er en utvinne molekylær bio

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

15
00:00:55,740 --> 00:01:01,250
Så hvilken rett har jeg fått til å fortelle
du om skala-out computing?

16
00:01:01,250 --> 00:01:03,570
Det er et men.

17
00:01:03,570 --> 00:01:09,530
18 år eller så har jeg bare sett den mest
dramatiske økninger i skala kompleksitet

18
00:01:09,530 --> 00:01:13,570
og generell effektivitet
av datasystemer.

19
00:01:13,570 --> 00:01:18,890
>> Da jeg gjorde min doktorgrad ved Oxford, jeg
var ganske spent med en 200 megahertz

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

21
00:01:23,830 --> 00:01:24,910
Tidene har forandret seg.

22
00:01:24,910 --> 00:01:29,860
Hvis du spoler fremover nå, vi spinne
over 60.000 CPUer her ved Harvard.

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

24
00:01:32,810 --> 00:01:37,740
>> Det viktige takeaway fra dette er
denne skalaen er nå ikke bare uunngåelig,

25
00:01:37,740 --> 00:01:41,910
det har skjedd, og det er
kommer til å fortsette å skje.

26
00:01:41,910 --> 00:01:44,760
Så la oss, for et øyeblikk, snill
av spole tilbake og snakke veldig raskt

27
00:01:44,760 --> 00:01:50,530
om vitenskap, min favoritt
emne, den vitenskapelige metode.

28
00:01:50,530 --> 00:01:53,180
>> Hvis du er å være en vitenskapsmann,
du trenger å gjøre noen viktige ting.

29
00:01:53,180 --> 00:01:56,140
Hvis du ikke gjør disse tingene du kan
ikke anser deg selv som en vitenskapsmann

30
00:01:56,140 --> 00:02:03,250
og du vil slite å kunne
forstå ditt område av disiplin.

31
00:02:03,250 --> 00:02:07,290
>> Så først av alt, vil du formulere
spørsmålet ditt, vil du generere hypoteser,

32
00:02:07,290 --> 00:02:09,289
men enda viktigere, du
forutsi din results--

33
00:02:09,289 --> 00:02:13,090
du har en gjetning på
hva resultatet vil bli.

34
00:02:13,090 --> 00:02:19,560
Og så til slutt, du teste din
hypotese og analysere resultatene.

35
00:02:19,560 --> 00:02:25,460
>> Så denne vitenskapelige metoden er
ekstremt viktig i databehandling.

36
00:02:25,460 --> 00:02:28,450
Databehandling av både prediksjon
og være i stand til å teste resultatene

37
00:02:28,450 --> 00:02:33,660
er en viktig del av det vi trenger
å gjøre i den vitenskapelige metode.

38
00:02:33,660 --> 00:02:37,310
Disse spådommer og testings
er de virke to hjørnesteiner

39
00:02:37,310 --> 00:02:42,350
av den vitenskapelige metode, og hver
krever de mest betydelige fremskritt

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

41
00:02:45,240 --> 00:02:51,210
>> De to pilarene i vitenskapen er at
av det teoretiske og det av eksperimentering.

42
00:02:51,210 --> 00:02:54,300
Og mer nylig,
databehandling er ofte nevnt

43
00:02:54,300 --> 00:02:58,090
som den tredje pilaren i vitenskap.

44
00:02:58,090 --> 00:03:01,440
Så hvis dere studenter ser på dette,
du har absolutt ikke noe press.

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

46
00:03:03,960 --> 00:03:08,720
Tredje pilaren i science-- ingen stor
deal-- databehandling, litt viktig.

47
00:03:08,720 --> 00:03:14,000
Så glad for dette er computing del
i informatikk kurs 50.

48
00:03:14,000 --> 00:03:16,220
>> Så nok av bakgrunnen.

49
00:03:16,220 --> 00:03:20,226
Jeg ønsker å fortelle deg planen for hva
vi kommer til å snakke om i dag.

50
00:03:20,226 --> 00:03:22,870
Jeg kommer til å gå over noen historie.

51
00:03:22,870 --> 00:03:25,250
Jeg kommer til å forklare hvorfor vi kom hit.

52
00:03:25,250 --> 00:03:27,750
Jeg kommer til å snakke om noen
av historien til databehandling

53
00:03:27,750 --> 00:03:33,890
her ved Harvard, noen
aktiviteter rundt sosiale medier,

54
00:03:33,890 --> 00:03:36,200
grønn things-- veldig
lidenskapelig om alle ting

55
00:03:36,200 --> 00:03:43,640
green-- storage-- datamaskin storage--
hvordan kaoset påvirker skala-out ut systemer,

56
00:03:43,640 --> 00:03:45,640
og fordelingssystemer spesielt.

57
00:03:45,640 --> 00:03:48,473
>> Og så kommer jeg til å komme inn på noe
av skalaen ut maskinvare som er

58
00:03:48,473 --> 00:03:51,370
nødvendig å kunne
gjøre databehandling på skalaen.

59
00:03:51,370 --> 00:03:55,830
Og så til slutt, skal vi
bryte opp med noen awesome vitenskap.

60
00:03:55,830 --> 00:04:00,894
>> Så, la oss ta et minutt til
se på vår faktiske historie.

61
00:04:00,894 --> 00:04:01,810
Computing har utviklet seg.

62
00:04:01,810 --> 00:04:07,370
Så siden 60-tallet, alle
den bort til i dag,

63
00:04:07,370 --> 00:04:11,260
vi har sett i utgangspunktet en endring av
omfang fra sentralisert databehandling

64
00:04:11,260 --> 00:04:14,679
å desentralisere databehandling, til
samarbeidende og deretter uavhengig

65
00:04:14,679 --> 00:04:15,970
databehandling og rett tilbake igjen.

66
00:04:15,970 --> 00:04:17,709
>> Og la meg kommentere at en liten bit.

67
00:04:17,709 --> 00:04:20,370
Når vi først begynte med
datamaskiner, hadde vi stormaskiner.

68
00:04:20,370 --> 00:04:22,824
De var uforholdsmessig
dyre enheter.

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

70
00:04:23,990 --> 00:04:25,556
Databehandling var komplisert.

71
00:04:25,556 --> 00:04:29,060
Du kan se, det fylte rom og
det var operatører og kassetter

72
00:04:29,060 --> 00:04:32,780
og alle slags whirry,
clicky, Spinny enheter.

73
00:04:32,780 --> 00:04:39,930
>> Rundt 70- tidlig 80-tallet, begynte du
å se en effekt av faksmaskiner.

74
00:04:39,930 --> 00:04:43,620
Så du begynner å se databehandling
begynner å dukke tilbake i laboratorier

75
00:04:43,620 --> 00:04:45,880
og bli nærmere deg.

76
00:04:45,880 --> 00:04:49,800
Framveksten av den personlige
datamaskin, sikkert

77
00:04:49,800 --> 00:04:57,460
på 80-tallet, begynnelsen av det
tiåret, virkelig forandret databehandling.

78
00:04:57,460 --> 00:04:59,570
>> Og det er en ledetråd i
tittel, fordi det

79
00:04:59,570 --> 00:05:04,080
ble kalt den personlige datamaskinen,
som mente det tilhørte deg.

80
00:05:04,080 --> 00:05:07,630
Slik som utviklingen av
databehandling fortsatte,

81
00:05:07,630 --> 00:05:10,530
folk innså at deres personlige
Datamaskinen var ikke virkelig stort nok

82
00:05:10,530 --> 00:05:15,020
å være i stand til å gjøre noe av noen fortjeneste,
eller betydelig fortrinn, i vitenskapen.

83
00:05:15,020 --> 00:05:17,790
>> Og så folk begynte å
utvikle nettverksenhet

84
00:05:17,790 --> 00:05:21,920
drivere for å kunne koble PC-er
sammen for å være i stand til å bygge klynger.

85
00:05:21,920 --> 00:05:26,430
Og så dette ble far æra
av Beowulf klynge.

86
00:05:26,430 --> 00:05:32,470
Linux eksploderte som en respons til
proprietært operativsystem, både kostnader

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

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

89
00:05:36,530 --> 00:05:40,610
møtt med rom fullt av datamaskin
utstyr og evnen

90
00:05:40,610 --> 00:05:44,570
å sveipe ett kredittkort og få
tilgang til disse data anlegg,

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

92
00:05:45,290 --> 00:05:49,680
>> Og så kan du deretter se, i
form av historie utvirkende

93
00:05:49,680 --> 00:05:52,180
hvordan vi gjør databehandling
i dag, er det definitivt

94
00:05:52,180 --> 00:05:56,090
utviklet seg fra maskin
rom fullt av datamaskiner

95
00:05:56,090 --> 00:05:59,160
gjennom noen personlig databehandling
hele veien rett tilbake igjen

96
00:05:59,160 --> 00:06:02,400
til maskin rom fullt av datamaskiner.

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, bygget vi en
datasystem i Europa

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

100
00:06:13,900 --> 00:06:16,521
Det er mye av teknologien
oppført på høyre side

101
00:06:16,521 --> 00:06:18,520
det som, dessverre,
er ikke lenger med oss.

102
00:06:18,520 --> 00:06:23,460
Det er gått av til
stor teknologi på himmelen.

103
00:06:23,460 --> 00:06:26,610
>> Selve maskinen er sannsynligvis
tilsvarer noen anstendig bærbare datamaskiner

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

105
00:06:29,020 --> 00:06:36,260
Men vi nøye kommentere
det menneskelige genom og begge beskyttet det

106
00:06:36,260 --> 00:06:43,190
med denne spesielle papir i
Natur fra bekymringene i data

107
00:06:43,190 --> 00:06:45,380
være offentlig eller privat.

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

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

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

111
00:06:51,510 --> 00:06:53,400
Jeg føler meg veldig fornøyd selv.

112
00:06:53,400 --> 00:06:59,090
Jeg rullet opp til Harvard i 2006,
følelsen mye mindre fornøyd med meg selv.

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

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

115
00:07:03,575 --> 00:07:05,450
Du kan se her er det
en liten bit av tape

116
00:07:05,450 --> 00:07:07,710
som brukes til å holde systemet sammen.

117
00:07:07,710 --> 00:07:09,890
Dette er vår lisens og print server.

118
00:07:09,890 --> 00:07:13,990
Jeg er ganske sikker på at det kanskje passord
på noen av disse Post-it lapper.

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

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

121
00:07:17,360 --> 00:07:18,530
Ganske langt fra fantastisk.

122
00:07:18,530 --> 00:07:22,060
Og så innser jeg denne lille diagrammet
at jeg viste deg i begynnelsen

123
00:07:22,060 --> 00:07:25,350
fra å dele til eierskap
tilbake til deling,

124
00:07:25,350 --> 00:07:27,930
at vi trengte å endre spillet.

125
00:07:27,930 --> 00:07:31,330
Og så vi endret spillet
ved å gi insentiver.

126
00:07:31,330 --> 00:07:34,250
Og så mennesker, som denne
lite Wikipedia-artikkel

127
00:07:34,250 --> 00:07:35,990
sier her, våre målrettet skapninger.

128
00:07:35,990 --> 00:07:39,250
Og studiet av insentiv
strukturene er avgjørende for studiet

129
00:07:39,250 --> 00:07:41,100
av økonomisk aktivitet.

130
00:07:41,100 --> 00:07:44,580
>> Så begynte vi å stimulere
våre lærere og våre forskere.

131
00:07:44,580 --> 00:07:47,720
Og så vi incentivised dem med
en virkelig stor datasystem.

132
00:07:47,720 --> 00:07:52,720
Så i 2008, bygget vi en 4096
prosessor maskin-- 10 racks,

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

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

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

136
00:07:58,300 --> 00:08:03,510
Det samme mengde strøm og
beregne, er kraften konstant.

137
00:08:03,510 --> 00:08:06,270
Det var 200 kilowatt når vi
var å bygge systemer i Europa.

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

139
00:08:09,770 --> 00:08:15,820
synes å være [? quanter?] av små
universitets-baserte datasystemer.

140
00:08:15,820 --> 00:08:20,540
>> Så Harvard today-- spole fremover, jeg er ingen
lenger trist panda, ganske glad panda.

141
00:08:20,540 --> 00:08:25,860
Vi har 60-talls tusen belastning balansert
CPUer, og deres klatring dramatisk.

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

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

144
00:08:30,720 --> 00:08:33,000
å være og legger til at
hver sjette eller så måneder.

145
00:08:33,000 --> 00:08:35,480
Mange og massevis av virtuelle maskiner.

146
00:08:35,480 --> 00:08:37,620
Og enda viktigere,
ca 1,8 megawatt

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

148
00:08:39,669 --> 00:08:41,820
>> Og jeg kommer til å komme
tilbake til dette senere,

149
00:08:41,820 --> 00:08:46,913
på hvorfor jeg nå ikke lenger nødvendigvis
telle hvor mye CPU vi har,

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

151
00:08:48,980 --> 00:08:52,690
20 andre så dedikert
forskning databehandling ansatte.

152
00:08:52,690 --> 00:08:57,250
Og enda viktigere, vi er
begynner å vokse vår GPGPUs.

153
00:08:57,250 --> 00:09:05,030
Jeg ble forskjøvet på hvor mye av dette
blir lagt på en dag-til-dag basis.

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

155
00:09:07,310 --> 00:09:11,280
>> Så hvordan kommer vi oss dit fra her?

156
00:09:11,280 --> 00:09:14,560
La oss se på noen moderne
skala-out beregningseksempler.

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

158
00:09:18,290 --> 00:09:23,230
Jeg er litt besatt av
Størrelsen og omfanget av sosiale medier.

159
00:09:23,230 --> 00:09:30,850
Det finnes et antall ekstremt
vellykket storskala databehandling

160
00:09:30,850 --> 00:09:34,820
organisasjoner nå på planeten,
gi støtte og tjenester

161
00:09:34,820 --> 00:09:36,810
for oss 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 å starte med en
antall gram i en Instagram.

164
00:09:42,990 --> 00:09:48,336
Det er ikke egentlig en
føre-in til en spøk, det er

165
00:09:48,336 --> 00:09:50,460
ikke engang det morsomt,
faktisk, kommer til å tenke på det.

166
00:09:50,460 --> 00:09:52,751
Men uansett, skal vi
se på unser i Instagram.

167
00:09:52,751 --> 00:09:55,260
Og vi kommer til å begynne
med "My bie og en blomst."

168
00:09:55,260 --> 00:09:57,600
Jeg var på [uhørbart] Village
og jeg tok et lite bilde

169
00:09:57,600 --> 00:10:00,460
av en bie sitter på en blomst.

170
00:10:00,460 --> 00:10:03,270
Og så begynte jeg å tenke på
hva betyr dette egentlig betyr.

171
00:10:03,270 --> 00:10:07,013
Og jeg tok dette bildet av telefonen min
og telte hvor mange byte er i den,

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

173
00:10:09,070 --> 00:10:13,550
Som da jeg begynte, ville i utgangspunktet
fylle en 5 og 1/4 tommers diskettstasjon.

174
00:10:13,550 --> 00:10:15,340
Og begynte å tenke, vel, det er kult.

175
00:10:15,340 --> 00:10:18,630
>> Og jeg begynte å se og gjøre
noen undersøkelser på nettverket.

176
00:10:18,630 --> 00:10:22,490
Og jeg fant ut at Instagram
har 200 millioner Maus.

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

178
00:10:25,105 --> 00:10:28,960
Og en MAU, her nede, er
en månedlig aktiv bruker.

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

180
00:10:34,270 --> 00:10:38,190
20 milliarder photographs-- så
ganske mye av fotografier.

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

182
00:10:42,300 --> 00:10:46,990
kommer ut på ca 0,002 gig per bilde.

183
00:10:46,990 --> 00:10:51,290
Det er omtrent fem petabyte
disk akkurat der.

184
00:10:51,290 --> 00:10:55,480
Og det er egentlig ikke den sentrale delen
av hva vi skal snakke om.

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

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

187
00:11:00,710 --> 00:11:05,050
>> Så la oss se på den virkelige elefant
i rommet-- unike ansikter.

188
00:11:05,050 --> 00:11:09,170
Igjen, la oss måle i
denne nye kvanter kaller en MAU.

189
00:11:09,170 --> 00:11:13,260
Facebook selv har 1,3 milliarder Maus.

190
00:11:13,260 --> 00:11:17,510
WhatsApp, som jeg ikke hadde selv
hørt om inntil nylig, er det

191
00:11:17,510 --> 00:11:23,260
en slags meldingstjeneste,
er 500 millioner Maus.

192
00:11:23,260 --> 00:11:26,620
Instagram, som vi bare
snakket om, 200 millioner Maus.

193
00:11:26,620 --> 00:11:29,370
Og Messenger, som er
en annen meldingstjenesten

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

195
00:11:31,120 --> 00:11:35,920
>> Så totalt at opp, det handler om
2,2 milliarder totalt antall brukere.

196
00:11:35,920 --> 00:11:39,880
Klart det er noe overlapping, men det er
tilsvarende en tredjedel av planeten.

197
00:11:39,880 --> 00:11:44,270
Og de sender noe i
regionen på 12 milliarder meldinger i døgnet.

198
00:11:44,270 --> 00:11:46,680
Og igjen, det er bare 7
milliarder mennesker på planeten.

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

200
00:11:48,550 --> 00:11:53,960
Så dette er vanvittig tall.

201
00:11:53,960 --> 00:12:02,050
>> Og jeg kommer til å hevde at det ikke er
selv om lagring eller beregne.

202
00:12:02,050 --> 00:12:05,610
Og for å sitere sangen,
det handler om at grafen.

203
00:12:05,610 --> 00:12:09,045
Her er vår herlige Meghan Trainor ned
her, synger om all bass.

204
00:12:09,045 --> 00:12:12,570
Oppmerksom på, hun har også ganske
bit av bass herself-- 207,

205
00:12:12,570 --> 00:12:16,460
vel 218 millioner mennesker har sett
denne unge damen synger sin sang.

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

207
00:12:19,910 --> 00:12:23,480
Så vi tok noen programvare med åpen kildekode
og begynte å se på en graf.

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

209
00:12:27,740 --> 00:12:29,910
Og så, dette er min Linkedin grafen.

210
00:12:29,910 --> 00:12:34,080
Jeg har 1200 eller så noder,
såkalt "Friends".

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

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

213
00:12:38,140 --> 00:12:40,570
>> Nå, tenker tilbake til Instagram historien.

214
00:12:40,570 --> 00:12:42,815
Hver og en av disse er
ikke bare bildet, det

215
00:12:42,815 --> 00:12:46,860
har en hel mengde tilkoblinger
mellom denne personen

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

217
00:12:48,220 --> 00:12:52,190
Dette er sentralt stykke er enten en
bug i grafen tegning algoritmen,

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

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

220
00:12:57,690 --> 00:13:02,510
av ways-- gephi.gihub.io er der
du kan trekke den programvaren fra.

221
00:13:02,510 --> 00:13:05,410
Det er veldig kult for å være
stand til å organisere lokalsamfunn.

222
00:13:05,410 --> 00:13:08,640
Du kan se her, dette er Harvard og
diverse andre steder som jeg har jobbet,

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

224
00:13:12,160 --> 00:13:15,080
>> Så bare tenke på kompleksiteten
av grafen, og alle data

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

226
00:13:17,070 --> 00:13:20,870
Så i mellomtiden, tilbake på FriendFace, ikke sant?

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

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

229
00:13:25,300 --> 00:13:28,830
Fortsatt ganske mye data, men ingen stor
avtale i den større sammenhengen.

230
00:13:28,830 --> 00:13:33,850
>> Fra denne artikkelen på den gamle internett,
"Skalering av Facebook datavarehus

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 annen
game changer nå,

233
00:13:38,110 --> 00:13:40,234
når du begynner å
tenke på data og grafen

234
00:13:40,234 --> 00:13:41,690
og hva du tar sammen med.

235
00:13:41,690 --> 00:13:47,480
Og deres høye data vokser av
i størrelsesorden 600 terrabytes en dag.

236
00:13:47,480 --> 00:13:52,980
>> Nå, vet du, vel, then--
Jeg mener, 600 terrabytes per dag,

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

238
00:13:55,670 --> 00:13:58,550
å bli veldig bekymret
hvordan å holde denne ting

239
00:13:58,550 --> 00:14:01,160
og for å sørge for at disse dataene holder seg rundt.

240
00:14:01,160 --> 00:14:04,630
Og denne mannen her,
Jay Parikh, er på jakt

241
00:14:04,630 --> 00:14:08,250
på hvordan du lagrer en exabyte av data.

242
00:14:08,250 --> 00:14:10,180
>> Bare for de av dere
som ser på langs

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

244
00:14:13,940 --> 00:14:18,210
Det har sin egen Wikipedia
side, er det så stor av et nummer.

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

246
00:14:23,120 --> 00:14:27,090
Og disse gutta ikke rote rundt,
de er lagring som datamengden.

247
00:14:27,090 --> 00:14:29,550
Så en av de ledetråder som
de ser på her

248
00:14:29,550 --> 00:14:32,185
er datasentre for
såkalt kald lagring.

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

250
00:14:35,020 --> 00:14:36,470
>> Hvilket bringer meg til å bli grønn.

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 er enig, det er ekstremt
vanskelig å være grønn,

253
00:14:43,050 --> 00:14:44,920
men vi gir det våre beste forsøk.

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

255
00:14:47,430 --> 00:14:49,945
kan ikke ta hans grønne-ness av i det hele tatt.

256
00:14:49,945 --> 00:14:55,410
>> Så, å være concepts-- en
noen form for sentrale begreper

257
00:14:55,410 --> 00:14:59,510
av greenness, når det
relatert til databehandling.

258
00:14:59,510 --> 00:15:05,510
Den ene som er den viktigste
er den lange levetiden av produktet.

259
00:15:05,510 --> 00:15:09,405
Hvis produktet har en kort levetid,
du kan ikke, per definisjon, være grønn.

260
00:15:09,405 --> 00:15:13,280
Energien som tas for å fremstille en
disken, et hovedkort, en datamaskin

261
00:15:13,280 --> 00:15:17,890
system, en tablett, hva det kan
være, lang levetid av dine systemer

262
00:15:17,890 --> 00:15:21,700
er en viktig del av hvordan grønt du kan være.

263
00:15:21,700 --> 00:15:27,960
>> Den viktigste delen, som alle dere
bygger programvare algorithms--

264
00:15:27,960 --> 00:15:30,455
algoritmen er en delvis
ordet for programvare, ikke sant?

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

266
00:15:34,000 --> 00:15:43,080
av hvordan du kommer til å være i stand til å gjøre
raske og nøyaktige beregninger for å bruke

267
00:15:43,080 --> 00:15:44,710
minst mulig energi mulig.

268
00:15:44,710 --> 00:15:47,280
Og jeg får til dette i en liten bit.

269
00:15:47,280 --> 00:15:51,270
>> Datasenter design-- du har sett
at vi allerede har tusenvis

270
00:15:51,270 --> 00:15:54,870
på tusener av maskiner, sitter
stille i små, mørke hjørner

271
00:15:54,870 --> 00:15:57,760
av verden, databehandling.

272
00:15:57,760 --> 00:16:01,670
Ressurs allocation-- hvordan du får
til beregnings-, til lagring,

273
00:16:01,670 --> 00:16:03,840
gjennom nettverket.

274
00:16:03,840 --> 00:16:08,530
Operativsystemer er en viktig del av
dette, og mye av virtualisering

275
00:16:08,530 --> 00:16:12,080
å være i stand til å pakke mer
mer beregne på liten plass.

276
00:16:12,080 --> 00:16:15,530
>> Jeg skal gi deg et lite eksempel
fra forskning databehandling.

277
00:16:15,530 --> 00:16:18,220
Vi trengte mer ping, mer
makt, og mer rør.

278
00:16:18,220 --> 00:16:21,030
Vi trengte mer større,
bedre, raskere datamaskiner,

279
00:16:21,030 --> 00:16:23,390
og behov for å bruke mindre juice.

280
00:16:23,390 --> 00:16:26,856
Og vi kunne ikke finne ut hvordan du gjør dette.

281
00:16:26,856 --> 00:16:29,980
Jeg vet ikke om den hashtag gowest som
trolig blitt brukt av Kardashian,

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

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

284
00:16:33,220 --> 00:16:36,610
>> Vi plukket opp vår drift
og vi flyttet den ut

285
00:16:36,610 --> 00:16:39,660
til Western Massachusetts
i en liten møllebyen

286
00:16:39,660 --> 00:16:45,000
kalt Holyoke, like nord
av Chikopee og Springfield.

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

288
00:16:49,280 --> 00:16:55,150
Den viktigste var at vi
hadde en veldig, veldig stor dam.

289
00:16:55,150 --> 00:17:00,080
Og dette svært store demningen er i stand til å
sette ut 30 pluss megawatt energi,

290
00:17:00,080 --> 00:17:02,980
og det ble underutnyttet på tiden.

291
00:17:02,980 --> 00:17:06,170
>> Enda viktigere, vi hadde også
en meget komplisert nettverk

292
00:17:06,170 --> 00:17:07,254
som allerede var på plass.

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

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

295
00:17:11,230 --> 00:17:14,290
Denne bestemt stykke nettverk var
eid av våre kolleger og venner

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

297
00:17:16,480 --> 00:17:19,720
og det var i utgangspunktet bygget
hele veien ut til Route 90.

298
00:17:19,720 --> 00:17:24,760
>> Så vi hadde en stor elv tick, Route 90
tick, vi hadde en kort bane på 100 miles,

299
00:17:24,760 --> 00:17:26,960
og en lang bane på ca 1000 miles.

300
00:17:26,960 --> 00:17:29,890
Vi har å gjøre en veldig stor
nettverk spleise, som du kan se her,

301
00:17:29,890 --> 00:17:32,990
til utgangspunktet legge en link i, til
være i stand til å koble til Holyoke,

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

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

304
00:17:37,280 --> 00:17:38,980
Og igjen, stor dam.

305
00:17:38,980 --> 00:17:42,120
>> Så vi bygde i utgangspunktet Massachusetts
Grønn High Performance Computing

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

307
00:17:42,850 --> 00:17:46,580
Dette var et møysommelig arbeid gjennom 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 én tilkoblede lasten.

310
00:17:49,554 --> 00:17:51,845
Vi gjorde alle slags kløkt
med flyside economizers

311
00:17:51,845 --> 00:17:53,585
å holde ting grønt.

312
00:17:53,585 --> 00:18:03,330
Og vi bygget ut 640-talls racks,
dedikert til forskning databehandling.

313
00:18:03,330 --> 00:18:08,770
>> Det var en gammel brownfield området, slik vi
hadde noen gjenvinning og noen ryddig-up

314
00:18:08,770 --> 00:18:10,500
og noen opprydding av området.

315
00:18:10,500 --> 00:18:13,590
Og da vi startet
å bygge anlegget

316
00:18:13,590 --> 00:18:19,710
og, boom-- flott anlegg med
evnen til å kjøre sandkasse databehandling,

317
00:18:19,710 --> 00:18:24,430
å ha konferanser og seminarer,
og også en massiv datasenter 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 er selvsagt iført samme jakke.

320
00:18:27,590 --> 00:18:29,423
Jeg kanskje bare har ett
jakke, men det er meg

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

322
00:18:34,030 --> 00:18:36,740
stående i maskinrommet
etasje, som, som du kan se,

323
00:18:36,740 --> 00:18:40,560
er ganske dramatisk, og det
går tilbake en lang, lang vei.

324
00:18:40,560 --> 00:18:44,830
>> Jeg spiller ofte spill kjøring
fra Boston ut til Holyoke,

325
00:18:44,830 --> 00:18:47,260
late som om jeg er en TCP / IP-pakke.

326
00:18:47,260 --> 00:18:54,290
Og jeg bry deg om min ventetid
kjører rundt i bilen min.

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

328
00:18:56,690 --> 00:19:00,070
Så la oss bare ta et minutt
og tenke på stabler.

329
00:19:00,070 --> 00:19:04,060
Så vi prøver veldig nøye til
bygge datasentre effektivt,

330
00:19:04,060 --> 00:19:08,770
databehandling effektivt, gjør god
utvalg for datautstyr

331
00:19:08,770 --> 00:19:12,060
og levere, mer
viktigst, vår søknad,

332
00:19:12,060 --> 00:19:17,860
det være seg en meldingstjeneste
eller en vitenskapelig bruk.

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

334
00:19:19,110 --> 00:19:22,762
Så fysisk lag, alt
vei opp gjennom application--

335
00:19:22,762 --> 00:19:25,220
håper at dette kommer til å
være en god del av kurset.

336
00:19:25,220 --> 00:19:31,450
OSI syv lag modellen er i utgangspunktet,
du vil leve, spise og puste

337
00:19:31,450 --> 00:19:35,270
dette gjennom dine databehandlings karrierer.

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

339
00:19:37,800 --> 00:19:40,080
kabler, datasentre, lenker.

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

341
00:19:42,190 --> 00:19:44,780
>> Opp her er, vel, selvsagt,
dette er en gammel lysbilde,

342
00:19:44,780 --> 00:19:49,342
fordi dette bør si HTTP, fordi
ingen bryr seg om enkel post

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

344
00:19:50,550 --> 00:19:53,960
Det er alt som skjer i HTTP plass.

345
00:19:53,960 --> 00:19:55,850
Så det er et nivå av stabelen.

346
00:19:55,850 --> 00:19:59,460
>> Her er et annet sett med stabler, hvor du
har en server, en vert, en hypervisor,

347
00:19:59,460 --> 00:20:02,470
en gjest, binær bibliotek,
og deretter søknaden din.

348
00:20:02,470 --> 00:20:06,070
Eller, i dette tilfellet, anordningen
Sjåføren, en Linux-kjerne, native c,

349
00:20:06,070 --> 00:20:08,080
Java virtuell maskin,
Java API, da Java

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

351
00:20:11,220 --> 00:20:14,090
Dette er en beskrivelse
av en virtuell maskin.

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

353
00:20:15,450 --> 00:20:18,260
Tenk om dette i
når det gjelder hvor mye beregne

354
00:20:18,260 --> 00:20:20,850
du trenger for å komme fra
hva som skjer her,

355
00:20:20,850 --> 00:20:23,110
hele veien opp til toppen
i denne stabelen, deretter

356
00:20:23,110 --> 00:20:26,840
være i stand til å gjøre den faktiske
levering av søknaden.

357
00:20:26,840 --> 00:20:29,130
>> Og hvis du slags
spole tilbake og begynne å tenke

358
00:20:29,130 --> 00:20:33,450
om det som trengs for å gi
et flyttall drift,

359
00:20:33,450 --> 00:20:37,650
din flyttall drift er en sum
av kontaktene, antall kjerner

360
00:20:37,650 --> 00:20:44,490
i stikkontakten, en klokke, som er
Hvor fort kan klokken turnover--

361
00:20:44,490 --> 00:20:47,490
fire gigahertz, to
gigahertz-- og deretter nummeret

362
00:20:47,490 --> 00:20:50,890
operasjoner du kan
gjøre i en gitt hertz.

363
00:20:50,890 --> 00:20:54,350
>> Så de mikroprosessorer i dag
gjøre mellom fire og seks flopper

364
00:20:54,350 --> 00:20:55,400
per klokkesyklus.

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

366
00:20:59,810 --> 00:21:03,490
av om en mega FLOP, gi eller ta.

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
ta choices-- Intel Atom.

370
00:21:13,920 --> 00:21:17,670
Alle disse prosessorarkitekturer
alle har en litt annen måte

371
00:21:17,670 --> 00:21:19,650
for å være i stand til å legge
to tallene sammen,

372
00:21:19,650 --> 00:21:23,520
som er utgangspunktet
sitt formål i livet.

373
00:21:23,520 --> 00:21:24,535
Må være tøff.

374
00:21:24,535 --> 00:21:27,100
Det finnes millioner av dem sitter
i datasentre, nå skjønt.

375
00:21:27,100 --> 00:21:30,410
>> Sor, flopper per watt--
dette er den store tingen.

376
00:21:30,410 --> 00:21:37,780
Så hvis jeg ønsker å få mer av dette
å komme gjennom denne bunken, raskere,

377
00:21:37,780 --> 00:21:41,800
Jeg er nødt til å jobbe på hvor mange
flyttallsoperasjoner et sekund,

378
00:21:41,800 --> 00:21:43,770
Jeg kan gjøre, og deretter gi dem watt.

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

380
00:21:46,160 --> 00:21:49,140
>> Så det er en stor
ride hvert år for å se

381
00:21:49,140 --> 00:21:52,310
som kan bygge den raskeste datamaskin
I tillegg kan diagonalize en matrise.

382
00:21:52,310 --> 00:21:53,980
Den heter Top 500.

383
00:21:53,980 --> 00:21:56,420
De plukker toppen fra
de beste 500-maskiner

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

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

386
00:22:00,760 --> 00:22:04,660
>> Mange av disse maskiner er
mellom 10 og 20 megawatt.

387
00:22:04,660 --> 00:22:09,380
De kan diagonalize matriser
inordinately raskt.

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

389
00:22:13,550 --> 00:22:18,060
så det var dette stort trykk for å se på
hva en grønn 500-listen ville se ut.

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

391
00:22:20,360 --> 00:22:22,410
Det bør være en ny en svært kort tid.

392
00:22:22,410 --> 00:22:26,590
>> Og det kaller out-- jeg skal ta
Toppen av denne listen.

393
00:22:26,590 --> 00:22:32,187
Det er to spesifikke machines-- ett
fra Tokyo Institute of Technology

394
00:22:32,187 --> 00:22:34,520
og en fra Cambridge
University i Storbritannia.

395
00:22:34,520 --> 00:22:37,700
Og disse har ganske svimlende
mega flops per watt-forhold.

396
00:22:37,700 --> 00:22:42,620
Denne er 4389, og den
neste ned er 3631.

397
00:22:42,620 --> 00:22:47,660
>> Jeg skal forklare forskjellen mellom
disse to, i neste lysbilde.

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
Dette er bare 34
kilowatt eller 52 kilowatt.

400
00:22:54,732 --> 00:22:56,940
Det er noen større funn
her-- denne ene

401
00:22:56,940 --> 00:22:58,860
ved den sveitsiske nasjonal
Supercomputing Centre.

402
00:22:58,860 --> 00:23:00,693
De ta med hjem meldingen
for dette er at vi er

403
00:23:00,693 --> 00:23:04,270
prøver å finne datamaskiner
som kan operere effektivt.

404
00:23:04,270 --> 00:23:09,860
>> Og så, la oss se på denne toppen
ett, cutely kalt, KFC.

405
00:23:09,860 --> 00:23:12,960
Og litt reklame her.

406
00:23:12,960 --> 00:23:15,730
Dette bestemte næringsmiddelselskap
har ingenting å gjøre med dette.

407
00:23:15,730 --> 00:23:18,240
Det er det faktum at
dette systemet

408
00:23:18,240 --> 00:23:23,830
er fuktet i en meget
smart olje-basert forbindelse.

409
00:23:23,830 --> 00:23:27,590
Og så de fikk sin
kylling frityrkokeren moniker

410
00:23:27,590 --> 00:23:30,040
når de først begynte å
bygge disse typer systemer.

411
00:23:30,040 --> 00:23:32,740
>> Men i utgangspunktet hva de har tatt
her er et antall blader,

412
00:23:32,740 --> 00:23:37,560
sette dem i dette
sofistikert mineralolje,

413
00:23:37,560 --> 00:23:40,979
og deretter jobbet ut hvordan du får alle
nettverksbygging i og ut av det.

414
00:23:40,979 --> 00:23:42,895
Da, ikke bare det,
de har satt den utenfor så

415
00:23:42,895 --> 00:23:46,095
at det kan utnytte utenfor luftkjøling.

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

417
00:23:47,520 --> 00:23:49,630
Så du trenger å gjøre alt
av denne shenanigans

418
00:23:49,630 --> 00:23:53,280
å være i stand til å få dette beløpet av
Beregn levert for liten effekt.

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

420
00:23:57,360 --> 00:24:01,240
Utfordringen er at vanlig luft
kjøling er økonomien i skala

421
00:24:01,240 --> 00:24:08,459
og driver en masse
utvikling av både vanlige databehandling,

422
00:24:08,459 --> 00:24:09,750
og databehandling med høy ytelse.

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

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

425
00:24:13,280 --> 00:24:15,530
Det er litt rotete når du
prøv å bytte harddisker,

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

427
00:24:18,090 --> 00:24:22,200
>> Så ikke bare det, det er
en hel haug med arbeid

428
00:24:22,200 --> 00:24:25,450
blir bygget rundt hva vi er
kalle Open Compute Project.

429
00:24:25,450 --> 00:24:29,400
Og så, mer om det
litt senere.

430
00:24:29,400 --> 00:24:32,740
Men bransjens begynner å
innse at de flopper per watt

431
00:24:32,740 --> 00:24:33,670
blir viktig.

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, bør du være oppmerksom på

434
00:24:41,130 --> 00:24:43,620
at koden kan
ha en smitteeffekt.

435
00:24:43,620 --> 00:24:48,380
>> Når Mark satt her i hans
hybel skriver Facebook 1.0,

436
00:24:48,380 --> 00:24:51,050
Jeg er ganske sikker på at han hadde en visning
at det skulle være enorme.

437
00:24:51,050 --> 00:24:54,945
Men hvor stort det ville være på
miljø er en stor dealio.

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

439
00:24:58,340 --> 00:25:01,370
som kan bli den neste utfordrende
tingen for folk som meg,

440
00:25:01,370 --> 00:25:02,700
prøver å kjøre systemer.

441
00:25:02,700 --> 00:25:07,360
>> Så la oss bare tenke på
reelle effektgrenser.

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

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

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

445
00:25:15,590 --> 00:25:17,630
Generasjon i Computing Process. "

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

447
00:25:22,050 --> 00:25:25,070
utføre logistikkfunksjoner som
har en enkelt verdi inverse.

448
00:25:25,070 --> 00:25:29,130
>> Slik at hele delen av
dette er det tilbake på 60-tallet,

449
00:25:29,130 --> 00:25:31,890
folk visste at dette var
kommer til å være et problem.

450
00:25:31,890 --> 00:25:37,080
Og så loven om grensene sa 25
grader C, en slags kanonisk rom

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

452
00:25:41,120 --> 00:25:44,920
Men teoretisk sett, er dette
teorien, dataminne,

453
00:25:44,920 --> 00:25:51,410
opererer på denne grensen kan være
endret på én milliard bits per sekund.

454
00:25:51,410 --> 00:25:54,620
>> Jeg vet ikke om deg, men ikke
komme over mange én milliard bits

455
00:25:54,620 --> 00:25:57,190
en andre datahastighet børser.

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

457
00:26:01,360 --> 00:26:03,180
burde stadig utvides.

458
00:26:03,180 --> 00:26:08,160
>> All right, virkelige verden example--
dette er min strømregninga.

459
00:26:08,160 --> 00:26:10,347
Jeg er 65% prosent av
den herlige datasenter

460
00:26:10,347 --> 00:26:11,930
Jeg viste deg, i denne spesielle tiden.

461
00:26:11,930 --> 00:26:15,520
Dette er tilbake i juni i fjor.

462
00:26:15,520 --> 00:26:21,300
Jeg har tatt en eldre versjon, slik at vi
kan og liksom anonym litt.

463
00:26:21,300 --> 00:26:25,470
Jeg brukte $ 45,000 et
måned for energi der.

464
00:26:25,470 --> 00:26:34,990
>> Så grunnen til å være der, er at vi
har over 50.000 prosesser i rommet.

465
00:26:34,990 --> 00:26:38,110
Så kan du forestille deg din egen
boligstrømregningen

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

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

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

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

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

471
00:26:56,600 --> 00:26:59,450
Det er mange mennesker
med store datasentre.

472
00:26:59,450 --> 00:27:04,800
Og så, antar jeg, full disclosure--
mine Facebook-venner litt rart.

473
00:27:04,800 --> 00:27:07,900
>> Så min Facebook-venn er
den Prine datasenter,

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

475
00:27:14,030 --> 00:27:19,360
Og de legger til meg, ting som
kraftutnyttelse effektivitet,

476
00:27:19,360 --> 00:27:24,020
som i hvor effektive er dataene
sentrum versus hvor mye energi du er

477
00:27:24,020 --> 00:27:26,370
legger i det, hvor mye
vann de bruker, hva er

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

479
00:27:27,810 --> 00:27:29,980
>> Og de har disse
vakre, nydelig plott.

480
00:27:29,980 --> 00:27:32,600
Jeg tror dette er en
kjempebra Facebook-side,

481
00:27:32,600 --> 00:27:35,400
men jeg tror jeg er litt rart.

482
00:27:35,400 --> 00:27:39,930
>> Så en mer makt ting,
forskning databehandling som jeg gjør

483
00:27:39,930 --> 00:27:44,060
er vesentlig annerledes
hva Facebook og Yahoo og Google

484
00:27:44,060 --> 00:27:50,020
og andre on-demand, fullt,
alltid tilgjengelige tjenester.

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

486
00:27:53,530 --> 00:27:58,910
bidrar til å sette energi
Satsene for regionen.

487
00:27:58,910 --> 00:28:01,110
>> Og det sier det strekker
en forespørsel til forbrukerne

488
00:28:01,110 --> 00:28:05,870
til frivillig å bevare høy energi,
på grunn av høy varme og fuktighet.

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

490
00:28:08,680 --> 00:28:12,600
Og så jeg lykkelig Tweet tilbake, Hey,
ISO New England, Grønn Harvard.

491
00:28:12,600 --> 00:28:14,880
Vi gjør vår del i løpet av
her i forskning databehandling.

492
00:28:14,880 --> 00:28:16,760
Og dette er fordi vi gjør vitenskap.

493
00:28:16,760 --> 00:28:20,380
>> Og så mye som folk sier vitenskap
aldri sover, kan vitenskapen vente.

494
00:28:20,380 --> 00:28:25,030
Så vi er i stand til å stenge vår
systemer, dra nytte av karakteren priser

495
00:28:25,030 --> 00:28:30,550
på vår strømregningen, og
hjelp hele New England

496
00:28:30,550 --> 00:28:35,910
regionen med Shedding
mange megawatt last.

497
00:28:35,910 --> 00:28:40,020
Så det er den unike ting som
forskjellig om vitenskapelig databehandling data

498
00:28:40,020 --> 00:28:48,890
sentre og de som er
i full produksjon 24/7.

499
00:28:48,890 --> 00:28:51,670
>> Så la oss bare ta et annet gir her.

500
00:28:51,670 --> 00:28:55,170
Så, jeg ønsker å diskutere
kaos litt.

501
00:28:55,170 --> 00:28:59,900
Og jeg ønsker å sette den i
regi av lagring.

502
00:28:59,900 --> 00:29:03,150
Så for de som slag
av strevde

503
00:29:03,150 --> 00:29:08,680
få hodet rundt hva petabyte
Lagrings se ut, dette er et eksempel.

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

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

506
00:29:15,550 --> 00:29:17,420
slik at du kan slags telle dem opp.

507
00:29:17,420 --> 00:29:21,370
Vi får nå mellom
en til en og halv petanivå

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 rom og rom, som du
så i det tidligere bilde med John

510
00:29:26,430 --> 00:29:31,230
og jeg, full av disse rack med utstyr.

511
00:29:31,230 --> 00:29:40,400
Så det blir veldig, veldig enkel
å bygge massive lagringsarrayer

512
00:29:40,400 --> 00:29:44,140
>> Det er stort sett lett innsiden av Unix til
slags telle opp hvordan ting går.

513
00:29:44,140 --> 00:29:48,270
Så dette er å telle hvor mange
MAU punktene har jeg kom dit.

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

515
00:29:50,880 --> 00:29:55,660
Og så hvis jeg kjører noen sketchy awk, jeg
kan legge opp, i dette systemet,

516
00:29:55,660 --> 00:29:59,080
Det var 7,3 petabyte
av tilgjengelig lagringsplass.

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 lagring er virkelig hardt.

519
00:30:03,030 --> 00:30:06,850
Og likevel, for noen grunn,
dette er en bransje trend.

520
00:30:06,850 --> 00:30:11,500
Når jeg snakker med våre forskere
og våre lærere og si,

521
00:30:11,500 --> 00:30:14,180
hei, jeg kan kjøre lagringsplass for deg.

522
00:30:14,180 --> 00:30:17,690
Dessverre, jeg må
gjenopprette kostnadene for lagring.

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

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

525
00:30:23,300 --> 00:30:27,040
eller hvor mye de kan kjøpe en
enkelt terabyte harddisk for.

526
00:30:27,040 --> 00:30:29,390
>> Så dette, vil du merke
her, at det er en anelse.

527
00:30:29,390 --> 00:30:31,310
Det er ett disken her.

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

529
00:30:33,290 --> 00:30:36,130
Ikke bare har jeg har mange, har jeg
sofistikerte sammenkoblinger

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

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

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

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

534
00:30:51,670 --> 00:30:54,640
computing-- tilfeldigvis har en
merkelig engelsk accent-- prøver

535
00:30:54,640 --> 00:30:59,930
å forklare for en forsker hva
ingen strek backup mappe faktisk

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

537
00:31:01,070 --> 00:31:05,690
Det var litt av en lang, litt historie,
en god fire minutter av oppdagelse.

538
00:31:05,690 --> 00:31:09,380
>> Og merk, jeg har en forferdelig
mye mindre plass enn damen

539
00:31:09,380 --> 00:31:11,800
som synger om alle bass.

540
00:31:11,800 --> 00:31:13,910
Vi er ganske mange kontoer lavere.

541
00:31:13,910 --> 00:31:16,160
Men uansett, dette er en
viktig ting å tenke på,

542
00:31:16,160 --> 00:31:18,532
når det gjelder hva som kan gå galt.

543
00:31:18,532 --> 00:31:20,990
Så hvis jeg får en harddisk, og
Jeg kaster det i en Unix-maskin,

544
00:31:20,990 --> 00:31:24,300
og jeg begynner å skrive ting for det,
det er en magnet, det er en kjøretur hode,

545
00:31:24,300 --> 00:31:30,150
det er angivelig, en en eller en null
blir skrevet ned på den enheten.

546
00:31:30,150 --> 00:31:32,180
>> Motors-- spinny, Twirly
ting alltid bryte.

547
00:31:32,180 --> 00:31:33,490
Tenke på ting som bryter.

548
00:31:33,490 --> 00:31:35,170
Det har alltid vært spinny, Twirly ting.

549
00:31:35,170 --> 00:31:38,560
Skrivere, diskettstasjoner
motorkjøretøy, etc.

550
00:31:38,560 --> 00:31:40,590
Alt som beveger seg er sannsynlig å bryte.

551
00:31:40,590 --> 00:31:42,575
>> Så du trenger motorer, du
må kjøre firmware,

552
00:31:42,575 --> 00:31:47,110
du trenger SAS / SATA-kontrollere, ledninger,
firmware på SAS / SATA-kontrollere,

553
00:31:47,110 --> 00:31:48,530
lavt nivå blokker.

554
00:31:48,530 --> 00:31:54,580
Plukk lagringskontroller fil
systemkode, avhengig av hva en kan det 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 virtuelt minne sjef
sider, DRAM hente og butikker.

557
00:32:00,956 --> 00:32:02,705
Deretter får du en annen
stable, som er snill

558
00:32:02,705 --> 00:32:05,440
av nedover listen på denne
en, algoritmer, brukere.

559
00:32:05,440 --> 00:32:09,050
>> Og hvis du multipliserer dette
opp, jeg vet ikke hvor mange,

560
00:32:09,050 --> 00:32:11,640
det er en rekke steder
hvor ting kan gå sidelengs.

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

562
00:32:14,430 --> 00:32:18,070
Men det er like gøy å tenke på
hvor mange måter ting kan gå galt,

563
00:32:18,070 --> 00:32:21,650
bare for en harddisk.

564
00:32:21,650 --> 00:32:25,440
Vi er allerede på 300 petabyte, så
forestille antall diskstasjoner

565
00:32:25,440 --> 00:32:27,741
du trenger på 300 petabyte
som kan gå galt.

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

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

568
00:32:30,390 --> 00:32:34,220
Og som henspiller på den
person jeg vil gjerne se

569
00:32:34,220 --> 00:32:38,780
skriv scenen igjen, som
er det kaos Monkey.

570
00:32:38,780 --> 00:32:43,140
Så på et visst punkt, blir det enda
større enn bare disken

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 gentleman
som kjører en streaming video tjeneste

573
00:32:50,610 --> 00:32:55,430
innså at deres datamaskiner var
også stor og også svært komplisert

574
00:32:55,430 --> 00:33:00,010
og også å yte service
til en forferdelig mye folk.

575
00:33:00,010 --> 00:33:05,180
De har fått 37 millioner members-- og
dette lysbildet er kanskje et år eller så old--

576
00:33:05,180 --> 00:33:07,350
tusenvis av enheter.

577
00:33:07,350 --> 00:33:10,810
Det finnes milliarder av timer med video.

578
00:33:10,810 --> 00:33:13,600
De logger milliarder av hendelser en dag.

579
00:33:13,600 --> 00:33:17,330
>> Og du kan se, de fleste folk se
fjernsynet senere i kveld,

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

581
00:33:19,429 --> 00:33:21,220
Og så ønsket de å
være i stand til å sørge for at

582
00:33:21,220 --> 00:33:24,854
at tjenesten var oppe og
pålitelig og jobber for dem.

583
00:33:24,854 --> 00:33:27,020
Så kom de opp med dette
tingen kalt Chaos Monkey.

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

585
00:33:29,000 --> 00:33:34,190
om å snakke om tittelen
av hele denne presentasjonen,

586
00:33:34,190 --> 00:33:36,530
skala-out betyr at du
bør teste denne ting.

587
00:33:36,530 --> 00:33:38,585
Det er ikke bra bare å ha
en million maskiner.

588
00:33:38,585 --> 00:33:40,460
Så fine ting om
dette er, Chaos Monkey

589
00:33:40,460 --> 00:33:43,090
er en tjeneste der
identifiserer grupper av systemer

590
00:33:43,090 --> 00:33:47,220
og tilfeldig avslutter en
av systemene i en gruppe.

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

592
00:33:48,429 --> 00:33:50,220
Så jeg vet ikke om
deg, men hvis jeg noen gang

593
00:33:50,220 --> 00:33:52,990
bygget et system som er avhengig av andre
systemene snakker med hverandre,

594
00:33:52,990 --> 00:33:55,865
du ta en av dem ut,
Sannsynligheten for hele tingen arbeids,

595
00:33:55,865 --> 00:33:57,130
avtar raskt.

596
00:33:57,130 --> 00:34:00,475
>> Og så denne stykke programvare kjører
rundt Netflix infrastruktur.

597
00:34:00,475 --> 00:34:03,100
Heldigvis, sier det det går bare i
arbeidstid med den hensikt

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

599
00:34:05,810 --> 00:34:08,020
Så er det disse typene
av ting vi er nå

600
00:34:08,020 --> 00:34:13,360
å måtte gjøre for å forurolige vår databehandling
miljøer, å innføre kaos

601
00:34:13,360 --> 00:34:15,739
og å innføre kompleksitet.

602
00:34:15,739 --> 00:34:19,139
>> Så hvem, i sitt rette
sinn, ville gjerne velge

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

604
00:34:22,540 --> 00:34:24,150
Stå på, synes han å peke meg.

605
00:34:24,150 --> 00:34:28,719
Vel, jeg tror jeg should-- søt.

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

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

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

609
00:34:42,650 --> 00:34:49,989
Det er en uunngåelig kompleksitet
og av omfanget og av vår evolusjon,

610
00:34:49,989 --> 00:34:53,280
på noen måter, av databehandling ekspertise.

611
00:34:53,280 --> 00:34:55,510
Og husk, dette er
en ting å huske,

612
00:34:55,510 --> 00:35:00,030
Chaos Monkeys kjærlighet
snowflakes-- kjærlighet snøflak.

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

614
00:35:03,470 --> 00:35:09,630
er en server som er unik og
spesiell og delikat og individuell

615
00:35:09,630 --> 00:35:11,770
og vil aldri bli reprodusert.

616
00:35:11,770 --> 00:35:14,790
>> Vi finner ofte snøfnugg
tjeneste i vårt miljø.

617
00:35:14,790 --> 00:35:16,700
Og vi prøver alltid og
smelte snøfnugg tjeneste.

618
00:35:16,700 --> 00:35:18,880
Men hvis du finner en server
i miljøet

619
00:35:18,880 --> 00:35:23,240
som er kritisk for lang levetid
av organisasjonen og den smelter,

620
00:35:23,240 --> 00:35:25,300
du kan ikke sette den sammen igjen.

621
00:35:25,300 --> 00:35:28,071
Så Chaos Monkey jobb var å
gå og avslutte tilfeller.

622
00:35:28,071 --> 00:35:30,820
Hvis Chaos Monkey smelter
snøfnugg, du er over, så er du ferdig.

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

624
00:35:34,390 --> 00:35:37,950
Jeg ønsker å snakke om
noen maskinvare som vi er

625
00:35:37,950 --> 00:35:40,415
ser i form av liksom
skalere-aktiviteter også.

626
00:35:40,415 --> 00:35:43,810
Og noen unike ting som er i
og rundt science aktivitet.

627
00:35:43,810 --> 00:35:46,990
Vi begynner nå å se, huske
denne enheten av problemet, dette stativet?

628
00:35:46,990 --> 00:35:51,780
Så dette er et rack av GPGPUs-- så generelle
purpose grafikkbehandlingsenhetene.

629
00:35:51,780 --> 00:35:55,790
>> Vi har disse ligger i vår data
sentrum, 100 eller så miles away.

630
00:35:55,790 --> 00:35:59,780
Denne spesielle stativ
er ca 96 tera FLOPS

631
00:35:59,780 --> 00:36:04,090
av single-presisjon matematikk stand
å levere ut baksiden av det.

632
00:36:04,090 --> 00:36:10,530
Og vi har for 130-odd
kortene i en forekomst

633
00:36:10,530 --> 00:36:16,620
at we-- multippel
stativer av denne forekomsten.

634
00:36:16,620 --> 00:36:22,730
>> Så dette er interessant i den forstand at
de generelt grafikkprosesser

635
00:36:22,730 --> 00:36:27,880
er i stand til å gjøre matematikk utrolig
raskt for svært lave mengder av energi.

636
00:36:27,880 --> 00:36:32,060
Så det er en stor uptick i
de vitenskapelig databehandling områder,

637
00:36:32,060 --> 00:36:36,400
ser på grafikk
prosesseringsenheter i en stor måte.

638
00:36:36,400 --> 00:36:41,990
>> Så jeg kjørte noen Mcollective
gjennom vår marionett infrastruktur

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

640
00:36:45,330 --> 00:36:48,260
bare kort av en petaflop
av enkel presisjon.

641
00:36:48,260 --> 00:36:52,440
Bare for å være klar her, dette
liten multiplikator er 3.95.

642
00:36:52,440 --> 00:36:54,820
Dobbel presisjon matte
ville være om lag 1,2,

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

644
00:36:57,010 --> 00:37:02,670
sa vi hadde nesten en petaflop
av single-presisjon GPGPUs.

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

646
00:37:04,220 --> 00:37:06,280
Det begynner å bli
veldig, veldig imponerende.

647
00:37:06,280 --> 00:37:08,550
Og hvorfor gjør vi dette?

648
00:37:08,550 --> 00:37:11,570
Fordi kvantekjemi,
blant annet

649
00:37:11,570 --> 00:37:15,300
men vi begynner å designe
noen nye solceller.

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

651
00:37:20,210 --> 00:37:22,390
i crime-- for de siste årene.

652
00:37:22,390 --> 00:37:25,660
Vi har vært å skyve
konvolutt på databehandling.

653
00:37:25,660 --> 00:37:30,250
Og GPGPU er ideell
teknologien for å være i stand til å gjøre

654
00:37:30,250 --> 00:37:34,760
en forferdelig mye komplisert
matematikk, veldig, veldig raskt.

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

656
00:37:36,750 --> 00:37:41,070
Så stor scale-- du må være
forsiktig med hvordan du koble denne ting.

657
00:37:41,070 --> 00:37:45,300
Og vi har visse nivåer av
obsessive compulsive disorder.

658
00:37:45,300 --> 00:37:49,530
Disse bildene trolig
kjøre mye av folks nøtter.

659
00:37:49,530 --> 00:37:53,390
Og skap som ikke er
kablet spesielt godt

660
00:37:53,390 --> 00:37:56,050
drive vårt nettverk og
anlegg ingeniører nøtter.

661
00:37:56,050 --> 00:37:58,620
Pluss det er også luftstrømmen
problemer som du må inneholde.

662
00:37:58,620 --> 00:38:01,430
>> Så dette er ting som jeg
aldri ville ha tenkt på.

663
00:38:01,430 --> 00:38:03,480
Med skala, kommer mer 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 kjempebra.

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

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

668
00:38:09,905 --> 00:38:15,940
Den kan lese 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 kort tid i det hele tatt.

671
00:38:20,900 --> 00:38:22,070
>> Og det er svært tilgjengelig.

672
00:38:22,070 --> 00:38:26,989
Og det har utrolig oppslag
rates-- 220,000 oppslag et sekund.

673
00:38:26,989 --> 00:38:29,780
Og det er mange forskjellige mennesker
bygge denne type 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 av våre filsystemer
som er under belastning, ganske

676
00:38:35,800 --> 00:38:41,250
lykkelig lesing på bare kort
22 gigabyte 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 kompleksitet og omfang,
kommer mer kompleksitet, ikke sant?

679
00:38:47,230 --> 00:38:51,830
Dette er en av våre mange
mange nettverksdiagrammer,

680
00:38:51,830 --> 00:38:54,970
der du har mange forskjellige
chassis alle støtter opp

681
00:38:54,970 --> 00:38:57,730
i en hovedkjerne bryter,
koblet til lagring,

682
00:38:57,730 --> 00:39:00,731
tilkobling til lav latency forbindelser.

683
00:39:00,731 --> 00:39:03,605
Og deretter gjennom dette siden
huset, er bare alt av ledelsen

684
00:39:03,605 --> 00:39:09,740
at du må være i stand til å ta opp
disse systemene fra en ekstern plassering.

685
00:39:09,740 --> 00:39:12,070
Så skala har mye
kompleksiteten med den.

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

687
00:39:14,910 --> 00:39:17,785
>> Gire igjen, la oss gå tilbake
og har en liten flekk av vitenskap.

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

689
00:39:21,450 --> 00:39:25,310
litt rosa mellomlegg mellom
fakultetet og alle sine algoritmer

690
00:39:25,310 --> 00:39:30,650
og alle de kule vitenskap og alle
dette strøm og kjøling og datasenter

691
00:39:30,650 --> 00:39:35,330
gulv og nettverksbygging og store datamaskiner
og serviceavdelinger og helpdesk

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

693
00:39:39,330 --> 00:39:42,820
>> Hva vi har begynt å
se er at verdens

694
00:39:42,820 --> 00:39:45,730
vært i stand til å bygge
disse store datasentre

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

696
00:39:48,020 --> 00:39:49,420
Vi har fått ganske god på det.

697
00:39:49,420 --> 00:39:53,600
Hva vi er ikke veldig god på dette
lite mellomlegg mellom forskning

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

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

700
00:39:58,600 --> 00:40:03,330
>> Og så har vi vært i stand til å ansette
folk som lever i denne verden.

701
00:40:03,330 --> 00:40:07,590
Og mer nylig, snakket vi til
National Science Foundation og sa:

702
00:40:07,590 --> 00:40:11,440
denne skalaen ut ting er stor,
men vi kan ikke få våre forskere

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

704
00:40:13,690 --> 00:40:16,040
Og så har det vært en
antall forskjellige programmer

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

706
00:40:20,100 --> 00:40:22,800
for å se om vi kunne forvandle
campus infrastruktur.

707
00:40:22,800 --> 00:40:25,850
>> Det finnes en rekke programmer
rundt nasjonale sentre.

708
00:40:25,850 --> 00:40:28,300
Og så, oss selv, vår
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 kom sammen for å
se på dette problemet.

711
00:40:35,780 --> 00:40:39,340
Og denne lille grafen her
er den lange halen av vitenskap.

712
00:40:39,340 --> 00:40:41,602
>> Så dette er-- det gjør ikke
Uansett hva som skjer på denne aksen,

713
00:40:41,602 --> 00:40:45,485
men denne aksen er faktisk nummer
av jobbene går gjennom klyngen.

714
00:40:45,485 --> 00:40:48,940
Så det er 350 000 i løpet av
uansett tidsperiode.

715
00:40:48,940 --> 00:40:51,730
Dette er våre vanlige mistenkte
langs bunnen her.

716
00:40:51,730 --> 00:40:55,992
Faktisk er det Alan Aspuru-Guzik,
som vi var bare snakker om-- tonn

717
00:40:55,992 --> 00:40:58,700
og tonnevis av beregnings-, egentlig
effektive, vet hva han gjør.

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

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

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

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

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

723
00:41:05,960 --> 00:41:07,664
Stor vitenskap blir gjort.

724
00:41:07,664 --> 00:41:09,580
Og så, som du snill
av komme ned her, det

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

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 vanskelig?

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

729
00:41:19,580 --> 00:41:22,880
Vi vet ikke, fordi
vi har gått og kikket.

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

731
00:41:25,620 --> 00:41:27,830
er lokalt, innenfor
hver av disse regionene

732
00:41:27,830 --> 00:41:32,660
å se til veier der vi kan engasjere
med fakultetet og forskere

733
00:41:32,660 --> 00:41:36,400
faktisk i den nederste enden av halen
og forstår hva de gjør.

734
00:41:36,400 --> 00:41:37,920
>> Så det er noe som vi er
faktisk lidenskapelig om.

735
00:41:37,920 --> 00:41:39,920
Og det er noe som
vitenskapen vil ikke fortsette

736
00:41:39,920 --> 00:41:44,260
for å gå videre til vi løse
noen av disse kant tilfeller.

737
00:41:44,260 --> 00:41:46,590
Andre biter av vitenskap
som kommer opp-- alle

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

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

740
00:41:49,540 --> 00:41:52,960
Dette ting alle løp ut på Holyoke.

741
00:41:52,960 --> 00:41:56,510
Vi built-- den aller første
vitenskap som skjedde i Holyoke

742
00:41:56,510 --> 00:41:59,130
var samarbeidet mellom
oss selv og Boston University.

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

744
00:42:01,510 --> 00:42:04,410
>> Dette er et morsomt stykke
av vitenskap for skala.

745
00:42:04,410 --> 00:42:07,650
Dette er en digital tilgang til
en sky-tallet ved Harvard.

746
00:42:07,650 --> 00:42:09,170
I utgangspunktet er det en plate arkiv.

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

748
00:42:13,350 --> 00:42:16,560
du finner en av observatoriet
Bygningene er i utgangspunktet fullt

749
00:42:16,560 --> 00:42:19,480
på om lag en halv million plater.

750
00:42:19,480 --> 00:42:24,410
>> Og dette er bilder av den
himmelen om natten, over 100 år.

751
00:42:24,410 --> 00:42:28,760
Så det er en hel rigg satt opp
her for å digitalisere disse platene,

752
00:42:28,760 --> 00:42:32,100
ta bilder av dem, registrer
dem, sette dem på en datamaskin.

753
00:42:32,100 --> 00:42:36,410
Og det er en petabyte og et halvt år,
akkurat det-- ett lite prosjekt.

754
00:42:36,410 --> 00:42:37,530
>> Dette er andre prosjekter.

755
00:42:37,530 --> 00:42:42,800
Dette Pan-STARRS-prosjektet gjør
en full bredt panorama undersøkelsen,

756
00:42:42,800 --> 00:42:47,390
leter etter i nærheten Earth asteroider
og forbigående himmelfenomener.

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

758
00:42:52,100 --> 00:42:55,050
Jeg er ikke helt sikker på hva det er, men
uansett, vi leter etter dem.

759
00:42:55,050 --> 00:43:00,372
>> Og vi genererer 30 terabyte
en kveld ut av disse teleskoper.

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

761
00:43:03,330 --> 00:43:08,420
Så du setter lagring på van
og du sender det uansett hva det er.

762
00:43:08,420 --> 00:43:10,570
>> Bicep er virkelig interesting--
så bakgrunnen bildebehandling

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

764
00:43:13,850 --> 00:43:16,880
Når jeg først begynte å jobbe
ved Harvard syv eller så,

765
00:43:16,880 --> 00:43:21,440
åtte år siden, husker jeg
jobber med dette prosjektet

766
00:43:21,440 --> 00:43:26,010
og det gjorde egentlig ikke synke
hjem til hvorfor polarisert lys

767
00:43:26,010 --> 00:43:29,770
fra den kosmiske mikrobølge
bakgrunn vil være viktig,

768
00:43:29,770 --> 00:43:30,800
før dette skjedde.

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

770
00:43:34,580 --> 00:43:42,030
bruker millioner på millioner av CPU
timer, i våre anlegg og andre,

771
00:43:42,030 --> 00:43:46,600
til utgangspunktet stirre inn på innsiden
av universets første øyeblikk

772
00:43:46,600 --> 00:43:49,150
etter Big Bang, og
prøver å forstå

773
00:43:49,150 --> 00:43:51,290
Einsteins generelle relativitetsteorien.

774
00:43:51,290 --> 00:43:56,040
Det er tankene blåser at våre datamaskiner
hjelper oss å avdekke og stirre

775
00:43:56,040 --> 00:43:59,280
inn i selve opprinnelsen til hvorfor vi er her.

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

777
00:44:03,450 --> 00:44:09,260
Den andre tingen av skalaen er, at
bestemt prosjekt treffe disse gutta.

778
00:44:09,260 --> 00:44:15,320
Og dette er responskurven for bicepsen
[Uhørbart] Dette var vår lille spørreundersøkelse.

779
00:44:15,320 --> 00:44:19,220
>> Og du kan se her, livet
var bra før om her,

780
00:44:19,220 --> 00:44:21,200
som var når
Kunngjøringen kom ut.

781
00:44:21,200 --> 00:44:24,120
Og du har fått bokstavelig
sekunder for å svare

782
00:44:24,120 --> 00:44:29,020
til skalerings hendelse som
tilsvarer dette lille prikken her,

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

784
00:44:32,200 --> 00:44:36,370
gjennom webserveren
som day-- ganske hårete.

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

786
00:44:38,210 --> 00:44:43,040
kan skje med deg i infrastrukturen
hvis du ikke designe for skala.

787
00:44:43,040 --> 00:44:45,630
Vi hadde litt av en
rykke ut den dagen, for å være

788
00:44:45,630 --> 00:44:50,440
i stand til å spenne ut nok webtjeneste
å holde nettstedet oppe og går.

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

790
00:44:53,399 --> 00:44:55,190
Dette er en liten e-post
det er slags søt.

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

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

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

794
00:45:03,570 --> 00:45:05,990
Men jeg tror dette er en
slags oppsummerer slag

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

796
00:45:09,920 --> 00:45:12,070
Hei, team, siden i fjor
Tirsdag, plaget dere opp

797
00:45:12,070 --> 00:45:15,470
enn 28% av den nye
klynge, som kombinert

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

799
00:45:20,040 --> 00:45:22,502
Og jeg sa, det er fortsatt
bare bare fredag ​​morgen.

800
00:45:22,502 --> 00:45:23,460
Dette er ganske fantastisk!

801
00:45:23,460 --> 00:45:24,740
Glad fredag!

802
00:45:24,740 --> 00:45:27,450
>> Så jeg gir dem datapunktene.

803
00:45:27,450 --> 00:45:30,260
Og så det var ganske interessant.

804
00:45:30,260 --> 00:45:34,840
Så husk om Mark, vil han komme
tilbake inn i bildet i en liten bit.

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 er selv hjelpe folk ser
på hvordan NBA-funksjoner,

807
00:45:41,080 --> 00:45:43,140
og hvor folk er
kaster baller fra.

808
00:45:43,140 --> 00:45:47,580
Jeg forstår ikke helt dette spillet også
vel, men tilsynelatende, det er en stor avtale.

809
00:45:47,580 --> 00:45:50,610
Det er hoops og boller og penger.

810
00:45:50,610 --> 00:45:55,300
>> Og så, vår database, vi
bygget en liten 500 [uhørbart]

811
00:45:55,300 --> 00:45:58,170
parallell prosessor klynge,
et par terabyte med RAM,

812
00:45:58,170 --> 00:46:03,590
å være i stand til å bygge dette
for Kirk og hans team.

813
00:46:03,590 --> 00:46:08,524
Og de gjør databehandling
på en helt annen måte.

814
00:46:08,524 --> 00:46:10,440
Nå er dette prosjektet vi er
involvert med det er

815
00:46:10,440 --> 00:46:14,880
absolutt fascinerende, rundt nevrale
plastisitet connectomics og genomisk

816
00:46:14,880 --> 00:46:20,960
imprinting-- tre svært tung
treffer forskningsområder

817
00:46:20,960 --> 00:46:24,650
at vi slåss med på
en dag-til-dag basis.

818
00:46:24,650 --> 00:46:30,670
Ideen om at hjernen vår er under
plast stress når vi er unge.

819
00:46:30,670 --> 00:46:34,980
Og mye av vår voksen atferd er
formet av erfaring i barndommen.

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 arbeid som er finansiert av
National Institutes of Mental Health.

822
00:46:41,360 --> 00:46:46,860
Og vi prøver å i utgangspunktet,
gjennom en masse av store data

823
00:46:46,860 --> 00:46:51,970
og store dataanalyse, snill
av likemann i vår menneskelige hjerne

824
00:46:51,970 --> 00:46:54,870
gjennom en rekke
forskjellige teknikker.

825
00:46:54,870 --> 00:47:00,360
>> Så jeg ønsket å stoppe og type
bare ta en pause for en liten stund.

826
00:47:00,360 --> 00:47:04,160
Utfordringen med fjernkontroll
datasentre er det er langt unna.

827
00:47:04,160 --> 00:47:05,520
Det kan umulig fungere.

828
00:47:05,520 --> 00:47:07,590
Jeg trenger mine data nærheten.

829
00:47:07,590 --> 00:47:10,730
Jeg trenger å gjøre min forskning i min lab.

830
00:47:10,730 --> 00:47:18,620
>> Og så jeg slags tok et eksempel på en
funksjonell magnetresonanstomografi

831
00:47:18,620 --> 00:47:22,260
datasett fra våre data
sentrum i Western Mass.

832
00:47:22,260 --> 00:47:24,660
og koblet den til min
desktop i Cambridge.

833
00:47:24,660 --> 00:47:27,440
Og jeg skal spille denne lille videoen.

834
00:47:27,440 --> 00:47:29,750
Forhåpentligvis vil det slags arbeide.

835
00:47:29,750 --> 00:47:33,480
>> Så dette er meg å gå gjennom
sjekke mine GPU jobber.

836
00:47:33,480 --> 00:47:35,430
Og jeg sjekker at VNC er opp.

837
00:47:35,430 --> 00:47:36,810
Og dette er en smart 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 meg spinne denne hjernen rundt.

840
00:47:41,975 --> 00:47:44,460
Jeg prøver å slags få det orientert.

841
00:47:44,460 --> 00:47:49,574
Og da kan jeg gå gjennom mange
forskjellige skiver av MRI data.

842
00:47:49,574 --> 00:47:51,490
Og det eneste som er
annerledes om dette

843
00:47:51,490 --> 00:47:55,160
er, det kommer over ledningen
fra Western Mass. til skrivebordet mitt.

844
00:47:55,160 --> 00:47:57,300
Og sin gjengivelse
raskere enn min stasjonære,

845
00:47:57,300 --> 00:48:02,840
fordi jeg ikke har en $ 4000
grafikkort i skrivebordet mitt, som

846
00:48:02,840 --> 00:48:04,262
vi har ut Western Mass.

847
00:48:04,262 --> 00:48:05,720
Selvfølgelig, jeg prøver å være flink.

848
00:48:05,720 --> 00:48:08,859
Jeg kjører GLX tannhjul i
bakgrunn, mens du gjør alt dette,

849
00:48:08,859 --> 00:48:10,900
å sørge for at jeg kan
reke grafikkortet,

850
00:48:10,900 --> 00:48:14,140
og at alle slags
fungerer og resten av det.

851
00:48:14,140 --> 00:48:16,700
Men det viktigste er,
er dette er 100 miles away.

852
00:48:16,700 --> 00:48:20,460
Og du kan se av dette at
det er ingen åpenbare latency.

853
00:48:20,460 --> 00:48:24,600
Ting å holde sammen ganske godt.

854
00:48:24,600 --> 00:48:28,907
>> Og så, i seg selv,
er et eksempel og noen innsikt

855
00:48:28,907 --> 00:48:31,490
i hvordan databehandling og skala-out
databehandling kommer til å skje.

856
00:48:31,490 --> 00:48:35,330
Vi jobber alle på
tynnere og tynnere enheter.

857
00:48:35,330 --> 00:48:36,870
Vår bruk av tabletter øker.

858
00:48:36,870 --> 00:48:39,160
>> Så derfor, min karbon
fotavtrykk er i utgangspunktet

859
00:48:39,160 --> 00:48:42,060
flytte fra det som pleide
å gjøre det ville har

860
00:48:42,060 --> 00:48:46,060
vært en stor maskin
under pulten min, til hva

861
00:48:46,060 --> 00:48:49,550
er nå en facility-- kan være hvor som helst.

862
00:48:49,550 --> 00:48:50,800
Det kan være hvor som helst i det hele tatt.

863
00:48:50,800 --> 00:48:54,790
Og ennå, er det fortsatt i stand til å bringe
rygg høy grafikkytelse

864
00:48:54,790 --> 00:48:56,630
til skrivebordet mitt.

865
00:48:56,630 --> 00:49:00,900
>> Så, komme i nærheten av
end-- huske Mark?

866
00:49:00,900 --> 00:49:04,480
Vel, er smart gutt Mark.

867
00:49:04,480 --> 00:49:09,360
Han bestemte seg for at han skulle
bygge en realistisk virtuell univers.

868
00:49:09,360 --> 00:49:12,820
Det er litt av et prosjekt, når du
tror du har fått til å kaste dette.

869
00:49:12,820 --> 00:49:14,740
Jeg kommer til å bruke en
datamaskin, og jeg kommer

870
00:49:14,740 --> 00:49:21,040
å modellere de 12 millioner år etter
Big Bang til å representere en dag.

871
00:49:21,040 --> 00:49:27,080
Og så kommer jeg til å gjøre 13.8
milliarder år med kosmisk evolusjon.

872
00:49:27,080 --> 00:49:28,270
OK.

873
00:49:28,270 --> 00:49:30,970
>> Dette bruker faktisk en datamaskin
den var større enn vår datamaskin,

874
00:49:30,970 --> 00:49:35,040
og det smittet over på den nasjonale
ressurser til våre venner ned i Texas.

875
00:49:35,040 --> 00:49:38,820
Og til de nasjonale anlegg
dette var mye computer.

876
00:49:38,820 --> 00:49:40,750
Men vi gjorde mye
simuleringen lokalt

877
00:49:40,750 --> 00:49:44,820
å sørge for at programvaren
arbeidet og systemene fungerte.

878
00:49:44,820 --> 00:49:47,790
>> Og det er dager som dette når du
innser at du støtter vitenskap

879
00:49:47,790 --> 00:49:51,090
på dette nivået av omfanget, at
folk kan nå si ting

880
00:49:51,090 --> 00:49:52,840
liker, jeg kommer til en modell et univers.

881
00:49:52,840 --> 00:49:54,145
Og dette er hans første modellen.

882
00:49:54,145 --> 00:49:56,422
Og dette er hans lagets første modellen.

883
00:49:56,422 --> 00:49:58,130
Det finnes mange andre
folk som kommer

884
00:49:58,130 --> 00:50:01,520
å komme bak Mark, som kommer til å
ønsker å modellere med høy oppløsning,

885
00:50:01,520 --> 00:50:04,652
med mer spesifisitet,
med mer nøyaktighet.

886
00:50:04,652 --> 00:50:09,105
>> Og så, i de siste par minutter,
Jeg bare ønsker å vise deg denne videoen

887
00:50:09,105 --> 00:50:15,270
av Mark og Lars er det til meg, igjen,
som en livsvitenskapsmann, er slags søt.

888
00:50:15,270 --> 00:50:17,890

889
00:50:17,890 --> 00:50:20,970
Slik at dette, ved bunnen
her, for å orientere deg,

890
00:50:20,970 --> 00:50:23,640
dette er å fortelle deg
tid siden Big Bang.

891
00:50:23,640 --> 00:50:26,570
Så vi er på om lag 0,7 milliarder år.

892
00:50:26,570 --> 00:50:28,740
Og dette viser dagens oppdatering.

893
00:50:28,740 --> 00:50:33,450
Så du ser i øyeblikket,
mørk materie og utviklingen

894
00:50:33,450 --> 00:50:39,910
av fin struktur og tidlig
strukturer i vår kjente universet.

895
00:50:39,910 --> 00:50:45,690
>> Og punktet med dette er at denne
er gjort inne i maskinen.

896
00:50:45,690 --> 00:50:48,530
Dette er et sett av parametere
og et sett med fysikk

897
00:50:48,530 --> 00:50:52,840
og et sett med matematikk
og et sett av modeller

898
00:50:52,840 --> 00:50:59,284
som er nøye utvalgt, og deretter
nøye forbundet med hverandre

899
00:50:59,284 --> 00:51:00,825
å være i stand til å modellere interaksjonene.

900
00:51:00,825 --> 00:51:04,850
>> Så du kan se noen starter av
noen gasseksplosjoner her.

901
00:51:04,850 --> 00:51:06,880
Og gass temperaturen endrer seg.

902
00:51:06,880 --> 00:51:13,720
Og du kan begynne å se strukturen
av det synlige universet endring.

903
00:51:13,720 --> 00:51:18,130
Og den viktigste delen med dette
er, hver lille bitte, bitteliten prikk

904
00:51:18,130 --> 00:51:21,070
er et stykke fysikk og har
et sett av matematikk rundt,

905
00:51:21,070 --> 00:51:23,030
informere sin venn og nabo.

906
00:51:23,030 --> 00:51:27,245
>> Så fra en skalerings perspektiv, disse
datamaskiner har til alt arbeid i konsert

907
00:51:27,245 --> 00:51:29,470
og snakke med hverandre effektivt.

908
00:51:29,470 --> 00:51:31,060
Slik at de ikke kan være for pratsom.

909
00:51:31,060 --> 00:51:33,520
De har til å lagre sine resultater.

910
00:51:33,520 --> 00:51:37,902
Og de må fortsette å
informere alle sine venner.

911
00:51:37,902 --> 00:51:40,860
Faktisk, vil du se nå, denne modellen
blir mer og mer komplisert.

912
00:51:40,860 --> 00:51:42,590
Det er mer og mer ting som skjer.

913
00:51:42,590 --> 00:51:45,210
Det er mer og mer
Materialet flyr rundt.

914
00:51:45,210 --> 00:51:48,410
>> Og dette er hva den tidlige
kosmos ville har sett ut.

915
00:51:48,410 --> 00:51:49,770
Det var en ganske hårete sted.

916
00:51:49,770 --> 00:51:55,140
Det er eksplosjoner over
stedet, kraftige kollisjoner.

917
00:51:55,140 --> 00:51:58,620
Og dannelse av tung
metaller og elementer.

918
00:51:58,620 --> 00:52:03,910
Og disse store skyer kræsje inn
hverandre med ekstrem kraft.

919
00:52:03,910 --> 00:52:08,530
>> Og så nå er vi 9,6 milliarder
år fra denne første eksplosjonen.

920
00:52:08,530 --> 00:52:12,310
Du begynner å se ting er
slags roet ned litt, bare

921
00:52:12,310 --> 00:52:15,660
litt, fordi
energi er nå begynner å slappe av.

922
00:52:15,660 --> 00:52:19,420
Og så den matematiske
modeller har fått det på plass.

923
00:52:19,420 --> 00:52:22,510
Og du begynner å se
koalesens av forskjellige elementer.

924
00:52:22,510 --> 00:52:26,220
Og begynner å se denne tingen slag
av kommer sammen og sakte kult.

925
00:52:26,220 --> 00:52:32,260
>> Og det begynner å se litt
mer som nattehimmelen, en liten bit.

926
00:52:32,260 --> 00:52:37,870
Og det er [? QSing. ?] Vi er nå 30.2
milliarder år og vi er slags gjort.

927
00:52:37,870 --> 00:52:41,130
Og så hva de gjorde var
at de tok denne modellen

928
00:52:41,130 --> 00:52:44,580
og så på det synlige universet.

929
00:52:44,580 --> 00:52:48,560
Og i utgangspunktet da, var
i stand til å ta det og klæ

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 troskap er svimlende, som til
hvor gode de datamodeller er.

932
00:52:56,160 --> 00:52:58,760
>> Selvfølgelig, astrofysikere
og forskningsgruppene

933
00:52:58,760 --> 00:53:02,780
trenger enda bedre troskap
og enda høyere oppløsning.

934
00:53:02,780 --> 00:53:06,230
Men hvis du tenker på hva
Jeg har snakket til deg i dag

935
00:53:06,230 --> 00:53:11,850
gjennom denne lille reise gjennom både
lagring og struktur og nettverk

936
00:53:11,850 --> 00:53:18,000
og stabler, er det viktigste,
er skala-out computing viktig?

937
00:53:18,000 --> 00:53:22,050
Det var mitt opprinnelige hypothesis--
tilbake til vår vitenskapelige metode.

938
00:53:22,050 --> 00:53:24,810
>> Jeg håper at ved tidlig
del av dette jeg ville

939
00:53:24,810 --> 00:53:29,400
forutse at jeg ville være i stand til å forklare
til deg om skala-out databehandling.

940
00:53:29,400 --> 00:53:32,870
Og vi slags testet
noen av disse hypoteser.

941
00:53:32,870 --> 00:53:34,585
Vi gikk gjennom denne samtalen.

942
00:53:34,585 --> 00:53:38,920
Og jeg skal bare si skala-out
databehandling er essential-- oh,

943
00:53:38,920 --> 00:53:42,480
Ja, veldig mye ja.

944
00:53:42,480 --> 00:53:44,790
>> Så når du tenker
om dine koder, når

945
00:53:44,790 --> 00:53:49,230
du gjør de CS50 endelige prosjektene,
når du tenker om din arv

946
00:53:49,230 --> 00:53:52,990
til menneskeheten og de ressursene som vi
må være i stand til å kjøre disse datamaskin

947
00:53:52,990 --> 00:53:56,650
systemer, tenke veldig nøye
om FLOPS per watt,

948
00:53:56,650 --> 00:53:58,560
og tenke på Chaos Monkey.

949
00:53:58,560 --> 00:54:02,240
>> Tenk på dine snøflak, gjør ikke
gjøre en-offs, gjenbruk biblioteker,

950
00:54:02,240 --> 00:54:06,453
bygge gjenbruk codes-- alle de tingene
at lærerne har lært deg

951
00:54:06,453 --> 00:54:08,630
i denne klassen.

952
00:54:08,630 --> 00:54:11,942
Dette er grunnleggende 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
Dette er virkelige ting.

955
00:54:15,660 --> 00:54:20,680
>> Og hvis noen av dere ønsker å følge meg,
Jeg er obsessive med Twitter ting.

956
00:54:20,680 --> 00:54:22,770
Jeg må liksom gi det opp.

957
00:54:22,770 --> 00:54:24,960
Men mye av det
bakgrunnsinformasjon er

958
00:54:24,960 --> 00:54:29,260
på vår forskning databehandling
hjemmeside på rc.fas.harvard.edu.

959
00:54:29,260 --> 00:54:34,010
>> Jeg prøver og holde en blogg opp til
date med moderne teknologi

960
00:54:34,010 --> 00:54:38,390
og hvordan vi gjør distributive
databehandling og så videre.

961
00:54:38,390 --> 00:54:43,600
Og da våre ansatte er alltid
tilgjengelig gjennom odybot.org.

962
00:54:43,600 --> 00:54:46,270
Og odybot er vår lille hjelper.

963
00:54:46,270 --> 00:54:49,280
Han har ofte lite
konkurranser på sin nettside

964
00:54:49,280 --> 00:54:51,630
også, hvor du kan prøve og
øye på ham rundt campus.

965
00:54:51,630 --> 00:54:55,200
Han er vennlig lite
Ansiktet til forskning databehandling.

966
00:54:55,200 --> 00:54:59,730
>> Og jeg vil slags bryte opp det
og takke dere alle for tiden.

967
00:54:59,730 --> 00:55:05,660
Og jeg håper du husker det
skala-out computing er en real thing.

968
00:55:05,660 --> 00:55:08,162
Og det er mye folk
som har fått mye av kjent teknikk

969
00:55:08,162 --> 00:55:09,370
som vil kunne hjelpe deg.

970
00:55:09,370 --> 00:55:14,330
Og alle lykke til med
din fremtidige bestrebelser i å gjøre

971
00:55:14,330 --> 00:55:18,280
sikker på at vår databehandling både
skalaer, er høytytende,

972
00:55:18,280 --> 00:55:20,370
og hjelper menneskeheten mer
enn noe annet.

973
00:55:20,370 --> 00:55:22,850
Så, takk for din tid.

974
00:55:22,850 --> 00:55:23,947