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

2
00:00:12,080 --> 00:00:13,799
>> JAMES CUFF: Hej, bra
eftermiddag, alla.

3
00:00:13,799 --> 00:00:14,715
Mitt namn är James Cuff.

4
00:00:14,715 --> 00:00:18,970
Jag är prodekanus för forskning
Computing här på Harvard University.

5
00:00:18,970 --> 00:00:24,540
Och idag ska jag prata med dig om
varför scale-out computing är viktigt.

6
00:00:24,540 --> 00:00:26,810
>> Så jag antar att, först upp, vem är den här killen?

7
00:00:26,810 --> 00:00:27,750
Varför är jag här?

8
00:00:27,750 --> 00:00:29,200
Varför pratar jag med dig?

9
00:00:29,200 --> 00:00:33,730
Jag har en bakgrund inom vetenskaplig
datorer och forskning computing,

10
00:00:33,730 --> 00:00:38,530
sträcker sig tillbaka till Förenta
Kingdom-- The Wellcome Trust Sanger

11
00:00:38,530 --> 00:00:43,270
Institutet för mänskliga genome-- och
då mer nyligen i USA

12
00:00:43,270 --> 00:00:50,170
arbetar vid Broad och andra aktad
platser för lärande, som Harvard.

13
00:00:50,170 --> 00:00:53,930
>> Jag gissa vad det egentligen betyder är
att jag är en tillfrisknande molekylär bio

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

15
00:00:55,740 --> 00:01:01,250
Så vad rätt jag har fått berätta
dig om scale-out computing?

16
00:01:01,250 --> 00:01:03,570
Det finns en dock.

17
00:01:03,570 --> 00:01:09,530
18 år eller så jag har bara sett det mesta
dramatiska ökningar i skal komplexitet

18
00:01:09,530 --> 00:01:13,570
och totala effektiviteten
av datasystem.

19
00:01:13,570 --> 00:01:18,890
>> När jag gjorde min doktorsexamen vid Oxford, jag
var ganska glada med en 200 megahertz

20
00:01:18,890 --> 00:01:23,830
Silicon Graphics maskin med 18
gigabyte lagringsutrymme och en enda processor.

21
00:01:23,830 --> 00:01:24,910
Tiderna har förändrats.

22
00:01:24,910 --> 00:01:29,860
Om du snabbt framåt nu, vi snurrar
över 60.000 processorer här på Harvard.

23
00:01:29,860 --> 00:01:32,810
Många andra organisationer
snurrar många fler.

24
00:01:32,810 --> 00:01:37,740
>> Det viktiga takeaway från detta är
den skalan är nu inte bara oundvikligt,

25
00:01:37,740 --> 00:01:41,910
det har hänt och det är
kommer att fortsätta att hända.

26
00:01:41,910 --> 00:01:44,760
Så låt oss för ett ögonblick, snäll
av spola tillbaka och prata mycket snabbt

27
00:01:44,760 --> 00:01:50,530
om vetenskap, min favorit
ämne, den vetenskapliga metoden.

28
00:01:50,530 --> 00:01:53,180
>> Om du ska vara en vetenskapsman,
du behöver göra några viktiga saker.

29
00:01:53,180 --> 00:01:56,140
Om du inte gör dessa saker som du kan
inte anser dig själv en vetenskapsman

30
00:01:56,140 --> 00:02:03,250
och du kommer att kämpa att kunna
förstår ditt område av disciplin.

31
00:02:03,250 --> 00:02:07,290
>> Så först av allt, skulle du formulera
din fråga, generera dig hypoteser,

32
00:02:07,290 --> 00:02:09,289
men ännu viktigare, du
förutspå din results--

33
00:02:09,289 --> 00:02:13,090
du har en gissning om
vad resultatet kommer att bli.

34
00:02:13,090 --> 00:02:19,560
Och slutligen, du testa din
hypotes och analysera dina resultat.

35
00:02:19,560 --> 00:02:25,460
>> Så denna vetenskapliga metod är
oerhört viktigt i datoranvändning.

36
00:02:25,460 --> 00:02:28,450
Computing av både förutsägelsen
och att kunna testa dina resultat

37
00:02:28,450 --> 00:02:33,660
är en viktig del av vad vi behöver
att göra i den vetenskapliga metoden.

38
00:02:33,660 --> 00:02:37,310
Dessa förutsägelser och provningar
är de verkliga två hörnstenar

39
00:02:37,310 --> 00:02:42,350
av den vetenskapliga metoden, och varje
kräver de mest betydande framsteg

40
00:02:42,350 --> 00:02:45,240
i modern beräkning.

41
00:02:45,240 --> 00:02:51,210
>> De två pelarna i vetenskapen är att
av teori och experiment.

42
00:02:51,210 --> 00:02:54,300
Och på senare tid,
computing nämns ofta

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

44
00:02:58,090 --> 00:03:01,440
Så om du eleverna tittar här,
du har absolut ingen press.

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

46
00:03:03,960 --> 00:03:08,720
Tredje pelare science-- ingen stor
Deal-- computing, typ av viktiga.

47
00:03:08,720 --> 00:03:14,000
Så glad att detta är den datordelen
av datavetenskap kurs 50.

48
00:03:14,000 --> 00:03:16,220
>> Så nog av bakgrunden.

49
00:03:16,220 --> 00:03:20,226
Jag vill berätta planen för vad
vi ska prata om idag.

50
00:03:20,226 --> 00:03:22,870
Jag ska gå igenom några historia.

51
00:03:22,870 --> 00:03:25,250
Jag ska förklara varför vi kom hit.

52
00:03:25,250 --> 00:03:27,750
Jag ska tala om några
av historien om den dator

53
00:03:27,750 --> 00:03:33,890
här på Harvard, en del
aktiviteter runt sociala medier,

54
00:03:33,890 --> 00:03:36,200
grön saker-- mycket
brinner allt

55
00:03:36,200 --> 00:03:43,640
green-- storage-- dator storage--
hur kaos drabbar scale-out out system,

56
00:03:43,640 --> 00:03:45,640
och distributionssystemen i synnerhet.

57
00:03:45,640 --> 00:03:48,473
>> Och sedan ska jag beröra några
av skalan ut maskinvara som är

58
00:03:48,473 --> 00:03:51,370
krävs för att kunna
gör computing på skalan.

59
00:03:51,370 --> 00:03:55,830
Och sedan slutligen, ska vi
avsluta med några enorma vetenskap.

60
00:03:55,830 --> 00:04:00,894
>> Så, låt oss ta en minut att
titta på våra faktiska historien.

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

62
00:04:01,810 --> 00:04:07,370
Så eftersom 60-talet, alla
borta fram till idag,

63
00:04:07,370 --> 00:04:11,260
Vi har sett i stort sett en förändring av
omfattning från centraliserad databehandling

64
00:04:11,260 --> 00:04:14,679
att decentralisera computing, till
samarbete och då oberoende

65
00:04:14,679 --> 00:04:15,970
computing och tillbaka igen.

66
00:04:15,970 --> 00:04:17,709
>> Och låt mig kommentera att lite.

67
00:04:17,709 --> 00:04:20,370
När vi först började med
datorer, hade vi stordatorer.

68
00:04:20,370 --> 00:04:22,824
De var omåttligt
dyra apparater.

69
00:04:22,824 --> 00:04:23,990
Allt måste delas.

70
00:04:23,990 --> 00:04:25,556
Beräknings var komplex.

71
00:04:25,556 --> 00:04:29,060
Du kan se, det fyllde rum och
fanns operatörer och band

72
00:04:29,060 --> 00:04:32,780
och alla sorters Whirry,
clicky, spinny anordningar.

73
00:04:32,780 --> 00:04:39,930
>> Runt 70-talet början av 80-talet, började man
att se en effekt av de faxar.

74
00:04:39,930 --> 00:04:43,620
Så du börjar se computing
börjar dyka upp i laboratorier

75
00:04:43,620 --> 00:04:45,880
och bli närmare dig.

76
00:04:45,880 --> 00:04:49,800
Ökningen av den personliga
dator, förvisso

77
00:04:49,800 --> 00:04:57,460
under 80-talet, början av
decennium, verkligen förändrats datoranvändning.

78
00:04:57,460 --> 00:04:59,570
>> Och det finns en ledtråd i
titeln, eftersom det

79
00:04:59,570 --> 00:05:04,080
kallades den personliga datorn,
vilket innebar att det tillhörde dig.

80
00:05:04,080 --> 00:05:07,630
Så som utvecklingen av
computing fortsatte,

81
00:05:07,630 --> 00:05:10,530
människor insåg att deras personliga
dator var inte riktigt tillräckligt stor

82
00:05:10,530 --> 00:05:15,020
för att kunna göra något för någon förtjänst,
eller betydande meriter, inom vetenskapen.

83
00:05:15,020 --> 00:05:17,790
>> Och så folk började
utveckla nätverksenhet

84
00:05:17,790 --> 00:05:21,920
förare att kunna ansluta datorer
tillsammans för att kunna bygga kluster.

85
00:05:21,920 --> 00:05:26,430
Och så detta födde eran
av Beowulf klustret.

86
00:05:26,430 --> 00:05:32,470
Linux exploderade som ett svar på
proprietära operativsystem, både kostnads

87
00:05:32,470 --> 00:05:33,650
och komplexitet.

88
00:05:33,650 --> 00:05:36,530
>> Och sedan, här vi är idag,
där, ännu en gång, vi är

89
00:05:36,530 --> 00:05:40,610
inför rum full av dator
utrustning och förmågan

90
00:05:40,610 --> 00:05:44,570
att dra sitt kreditkort och få
tillgång till dessa datoranläggningar,

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

92
00:05:45,290 --> 00:05:49,680
>> Och så kan du sedan se, i
gäller historia slag

93
00:05:49,680 --> 00:05:52,180
hur vi gör computing
idag är det definitivt

94
00:05:52,180 --> 00:05:56,090
utvecklats från maskin
rum full av datorer

95
00:05:56,090 --> 00:05:59,160
genom några persondatorer
hela vägen tillbaka igen

96
00:05:59,160 --> 00:06:02,400
till maskin rum fullt av datorer.

97
00:06:02,400 --> 00:06:06,620
>> Så det här är min första klustret.

98
00:06:06,620 --> 00:06:10,170
Så 2000 byggde vi en
datorsystem i Europa

99
00:06:10,170 --> 00:06:13,900
att effektivt kommentera
det mänskliga genomet.

100
00:06:13,900 --> 00:06:16,521
Det finns en hel del teknik
noterat på höger sida

101
00:06:16,521 --> 00:06:18,520
Det som tyvärr
är inte längre med oss.

102
00:06:18,520 --> 00:06:23,460
Det har gått iväg till
fantastisk teknik på himlen.

103
00:06:23,460 --> 00:06:26,610
>> Maskinen i sig är förmodligen
motsvarighet till några anständigt laptops

104
00:06:26,610 --> 00:06:29,020
idag, och att bara typ av visar.

105
00:06:29,020 --> 00:06:36,260
Men vi noggrant kommentera
det mänskliga genomet och båda skyddade den

106
00:06:36,260 --> 00:06:43,190
med just denna papper i
Natur från den oro de uppgifter

107
00:06:43,190 --> 00:06:45,380
är offentliga eller privata.

108
00:06:45,380 --> 00:06:48,610
>> Så det här är häftigt, eller hur?

109
00:06:48,610 --> 00:06:50,280
Så vi har fått en mänskliga genomet.

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

111
00:06:51,510 --> 00:06:53,400
Jag känner mig väldigt nöjd själv.

112
00:06:53,400 --> 00:06:59,090
Jag rullade upp till Harvard 2006,
känna mycket mindre nöjd med mig själv.

113
00:06:59,090 --> 00:07:00,210
>> Detta är vad jag ärvt.

114
00:07:00,210 --> 00:07:03,575
Detta är en institutions
post och filserver.

115
00:07:03,575 --> 00:07:05,450
Du kan se här finns det
lite tejp

116
00:07:05,450 --> 00:07:07,710
som används för att hålla systemet tillsammans.

117
00:07:07,710 --> 00:07:09,890
Detta är vår licens och skrivarserver.

118
00:07:09,890 --> 00:07:13,990
Jag är ganska säker på att det kanske lösenord
På vissa av dessa Post-it-lappar.

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

120
00:07:16,560 --> 00:07:17,360
>> Inte häftigt.

121
00:07:17,360 --> 00:07:18,530
Ganska långt från fantastisk.

122
00:07:18,530 --> 00:07:22,060
Och så inser jag den här lilla diagrammet
att jag visade dig i början

123
00:07:22,060 --> 00:07:25,350
från att dela med ägandet
tillbaka till delning,

124
00:07:25,350 --> 00:07:27,930
att vi behövde förändra spelet.

125
00:07:27,930 --> 00:07:31,330
Och så vi bytte spelet
genom att skapa incitament.

126
00:07:31,330 --> 00:07:34,250
Och så människor, eftersom detta
lilla Wikipedia artikeln

127
00:07:34,250 --> 00:07:35,990
säger här, våra målmedvetna varelser.

128
00:07:35,990 --> 00:07:39,250
Och studiet av incitament
strukturer är avgörande för studien

129
00:07:39,250 --> 00:07:41,100
av den ekonomiska aktiviteten.

130
00:07:41,100 --> 00:07:44,580
>> Så vi började att uppmuntra
vår fakultet och våra forskare.

131
00:07:44,580 --> 00:07:47,720
Och så vi incitament dem med
en riktigt stor datorsystem.

132
00:07:47,720 --> 00:07:52,720
Så i 2008, byggde vi en 4096
processor machine-- 10 rack,

133
00:07:52,720 --> 00:07:54,470
par hundra kilowatt ström.

134
00:07:54,470 --> 00:07:56,178
>> Vad jag tycker är
intressant är att det inte

135
00:07:56,178 --> 00:07:58,300
Oavsett var du befinner dig i cykeln.

136
00:07:58,300 --> 00:08:03,510
Samma mängd kraft och
beräkna, är kraften konstant.

137
00:08:03,510 --> 00:08:06,270
Det var 200 kilowatt när vi
byggde systemen i Europa.

138
00:08:06,270 --> 00:08:09,770
Det är två hundra kilowatt
2008, och att

139
00:08:09,770 --> 00:08:15,820
verkar vara [? quanter?] av små
universitetsbaserade datorsystem.

140
00:08:15,820 --> 00:08:20,540
>> Så Harvard today-- snabbspolning framåt, jag är ingen
längre ledsen panda, ganska glad panda.

141
00:08:20,540 --> 00:08:25,860
Vi har 60-udda tusen belastning balanserad
Processorer, och deras klättring dramatiskt.

142
00:08:25,860 --> 00:08:28,780
Vi har 15 petabyte
lagring, även klättring.

143
00:08:28,780 --> 00:08:30,720
Återigen, detta 200 kilowatt
ökning, vi verkar

144
00:08:30,720 --> 00:08:33,000
vara tillade att
var sjätte eller så månader.

145
00:08:33,000 --> 00:08:35,480
Partier och massor av virtuella maskiner.

146
00:08:35,480 --> 00:08:37,620
Och ännu viktigare,
ca 1,8 megawatt

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

148
00:08:39,669 --> 00:08:41,820
>> Och jag kommer att komma
tillbaka till detta senare,

149
00:08:41,820 --> 00:08:46,913
till varför jag nu inte längre nödvändigtvis
räkna hur mycket CPU vi har,

150
00:08:46,913 --> 00:08:48,980
men hur stor är elräkningen.

151
00:08:48,980 --> 00:08:52,690
20 andra så dedikerad
forsknings computing personal.

152
00:08:52,690 --> 00:08:57,250
Och ännu viktigare, vi är
börjar växa vår GPGPUs.

153
00:08:57,250 --> 00:09:05,030
Jag var stapplade över hur mycket av detta
läggs på en dag till dag.

154
00:09:05,030 --> 00:09:07,310
Så, historielektion över, eller hur?

155
00:09:07,310 --> 00:09:11,280
>> Så hur kommer vi dit härifrån?

156
00:09:11,280 --> 00:09:14,560
Låt oss titta på några moderna
skala-out beräkna exempel.

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

158
00:09:18,290 --> 00:09:23,230
Jag är lite besatt av
storlek och omfattning av sociala medier.

159
00:09:23,230 --> 00:09:30,850
Det finns ett antal av extremt
framgångsrika storskalig computing

160
00:09:30,850 --> 00:09:34,820
organisationer nu på planeten,
ge stöd och service

161
00:09:34,820 --> 00:09:36,810
för oss alla.

162
00:09:36,810 --> 00:09:39,340
Så det är ansvarsfriskrivning.

163
00:09:39,340 --> 00:09:42,990
>> Och jag vill börja med en
antal uns i en Instagram.

164
00:09:42,990 --> 00:09:48,336
Det är egentligen inte en
bly-in till ett skämt, det är

165
00:09:48,336 --> 00:09:50,460
inte ens det roliga,
faktiskt, kom att tänka på det.

166
00:09:50,460 --> 00:09:52,751
Men hur som helst, ska vi
titta på uns i Instagram.

167
00:09:52,751 --> 00:09:55,260
Och vi kommer att starta
med "Min bi och en blomma."

168
00:09:55,260 --> 00:09:57,600
Jag var på [OHÖRBAR] Village
och jag tog en liten bild

169
00:09:57,600 --> 00:10:00,460
av ett bi som sitter på en blomma.

170
00:10:00,460 --> 00:10:03,270
Och sedan började jag att tänka på
vad betyder detta egentligen betyder.

171
00:10:03,270 --> 00:10:07,013
Och jag tog den här bilden av min telefon
och räknade hur många byte är i den,

172
00:10:07,013 --> 00:10:09,070
och det är ungefär 256 kilobyte.

173
00:10:09,070 --> 00:10:13,550
Vilket när jag började, skulle i princip
fylla en 5 och 1/4 tums diskett.

174
00:10:13,550 --> 00:10:15,340
Och började tänka, ja, det är coolt.

175
00:10:15,340 --> 00:10:18,630
>> Och jag började se och göra
del efterforskningar på nätet.

176
00:10:18,630 --> 00:10:22,490
Och jag fick reda på att Instagram
har 200 miljoner MAU.

177
00:10:22,490 --> 00:10:25,105
Jag var faktiskt inte det
säker på vad en MAU var.

178
00:10:25,105 --> 00:10:28,960
Och en MAU, här nere, är
en månatlig aktiv användare.

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

180
00:10:34,270 --> 00:10:38,190
20000000000 photographs-- så
en hel del fotografier.

181
00:10:38,190 --> 00:10:42,300
60 miljoner nya foton
varje dag

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

183
00:10:46,990 --> 00:10:51,290
Det är ungefär fem petabyte
disk precis rätt där.

184
00:10:51,290 --> 00:10:55,480
Och det är verkligen inte den centrala delen
av vad vi ska prata om.

185
00:10:55,480 --> 00:10:57,830
Det är små potatis.

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

187
00:11:00,710 --> 00:11:05,050
>> Så låt oss titta på den verkliga elefanten
i room-- unika ansikten.

188
00:11:05,050 --> 00:11:09,170
Återigen, låt oss mäta in
denna nya kvanta kallar en MAU.

189
00:11:09,170 --> 00:11:13,260
Facebook har själv 1,3 miljarder MAU.

190
00:11:13,260 --> 00:11:17,510
WhatsApp, som jag hade inte ens
hört talas om tills nyligen, är det

191
00:11:17,510 --> 00:11:23,260
något slags meddelandetjänst,
är 500 miljoner MAU.

192
00:11:23,260 --> 00:11:26,620
Instagram, som vi just
talade om, 200 miljoner MAU.

193
00:11:26,620 --> 00:11:29,370
Och Messenger, som är
annan meddelandetjänst,

194
00:11:29,370 --> 00:11:31,120
är också 200000000 MAU.

195
00:11:31,120 --> 00:11:35,920
>> Så totalt upp det, det handlar om
2,2 miljarder totala användare.

196
00:11:35,920 --> 00:11:39,880
Klart det finns en viss överlappning, men det är
motsvarar en tredjedel av planeten.

197
00:11:39,880 --> 00:11:44,270
Och de skickar något i
region cirka 12 miljarder meddelanden per dag.

198
00:11:44,270 --> 00:11:46,680
Och återigen, det finns bara 7
miljard människor på planeten.

199
00:11:46,680 --> 00:11:48,550
Inte alla har en smartphone.

200
00:11:48,550 --> 00:11:53,960
Så det här är vansinniga siffror.

201
00:11:53,960 --> 00:12:02,050
>> Och jag kommer att argumentera för att det inte är
även om lagring eller compute.

202
00:12:02,050 --> 00:12:05,610
Och för att citera låten,
det handlar om att grafen.

203
00:12:05,610 --> 00:12:09,045
Här är vår härliga Meghan Trainor ner
Här sjunger om hela basen.

204
00:12:09,045 --> 00:12:12,570
Observera, hon har också en ganska
lite bas herself-- 207,

205
00:12:12,570 --> 00:12:16,460
väl 218 miljoner människor har sett
denna unga dam sjunger sin sång.

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

207
00:12:19,910 --> 00:12:23,480
Så vi tog några program med öppen källkod
och började titta på en graf.

208
00:12:23,480 --> 00:12:27,740
Och det här är Linkedin, så detta
är ett Facebook för gamla människor.

209
00:12:27,740 --> 00:12:29,910
Och så, det här är min Linkedin grafen.

210
00:12:29,910 --> 00:12:34,080
Jag har 1.200 eller så noder,
så kallade "Vänner".

211
00:12:34,080 --> 00:12:36,360
Och här är jag i toppen.

212
00:12:36,360 --> 00:12:38,140
Och här är alla sammankopplingar.

213
00:12:38,140 --> 00:12:40,570
>> Nu, tänker tillbaka till Instagram historien.

214
00:12:40,570 --> 00:12:42,815
Var och en av dessa är
inte bara bilden, det

215
00:12:42,815 --> 00:12:46,860
har en hel uppsjö av anslutningar
mellan denna individ

216
00:12:46,860 --> 00:12:48,220
och många andra.

217
00:12:48,220 --> 00:12:52,190
Detta är centralt bit är antingen en
bugg i grafritning algoritmen,

218
00:12:52,190 --> 00:12:55,982
eller det kanske David
Malan, jag är inte säker än.

219
00:12:55,982 --> 00:12:57,690
Så du kan rita om
grafer i alla möjliga

220
00:12:57,690 --> 00:13:02,510
av ways-- gephi.gihub.io är där
du kan dra den programvaran från.

221
00:13:02,510 --> 00:13:05,410
Det är riktigt coolt för att vara
kunna organisera samhällen.

222
00:13:05,410 --> 00:13:08,640
Du kan se här, det här är Harvard och
olika andra platser som jag har arbetat,

223
00:13:08,640 --> 00:13:12,160
eftersom detta är min arbetsrelaterade uppgifter.

224
00:13:12,160 --> 00:13:15,080
>> Så tänk om komplexiteten
av grafen och alla data

225
00:13:15,080 --> 00:13:17,070
att du drar tillsammans med.

226
00:13:17,070 --> 00:13:20,870
Så under tiden, tillbaka på FriendFace, eller hur?

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

228
00:13:24,360 --> 00:13:25,300
No big deal.

229
00:13:25,300 --> 00:13:28,830
Fortfarande en hel del uppgifter, men ingen stor
handlar i större tingens ordning.

230
00:13:28,830 --> 00:13:33,850
>> Från denna artikel på den gamla internet,
"Skalning Facebook datalager

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

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

233
00:13:38,110 --> 00:13:40,234
när du börjar
tänker på data och grafen

234
00:13:40,234 --> 00:13:41,690
och vad du ta tillsammans med.

235
00:13:41,690 --> 00:13:47,480
Och deras hög data växer av
ordningen 600 terrabytes en dag.

236
00:13:47,480 --> 00:13:52,980
>> Nu vet ni, ja, then--
Jag menar, 600 terrabytes om dagen,

237
00:13:52,980 --> 00:13:55,670
300 petabytes-- de är
också nu börjar

238
00:13:55,670 --> 00:13:58,550
att få mycket bekymrad
hur man håller det här

239
00:13:58,550 --> 00:14:01,160
och att se till dessa data förblir runt.

240
00:14:01,160 --> 00:14:04,630
Och den här herrn här,
Jay Parikh, ser

241
00:14:04,630 --> 00:14:08,250
på hur man lagrar en exabyte data.

242
00:14:08,250 --> 00:14:10,180
>> Bara för dig
som tittar tillsammans

243
00:14:10,180 --> 00:14:13,940
hemma, en exabyte-- 10 till 18.

244
00:14:13,940 --> 00:14:18,210
Det har fått en egen Wikipedia
sida, det är det stora en rad.

245
00:14:18,210 --> 00:14:23,120
Det är storleken och omfattningen av vad vi är
titta på, för att kunna lagra data.

246
00:14:23,120 --> 00:14:27,090
Och dessa killar inte mucking runt,
de är lagra detta mängd data.

247
00:14:27,090 --> 00:14:29,550
Så en av de ledtrådar som
de tittar på här

248
00:14:29,550 --> 00:14:32,185
är datacenter för
sk kylförvaring.

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

250
00:14:35,020 --> 00:14:36,470
>> Vilket leder mig till att vara grön.

251
00:14:36,470 --> 00:14:38,340
Och här är Kermit.

252
00:14:38,340 --> 00:14:43,050
Han och jag agree-- det är extremt
svårt att vara grön,

253
00:14:43,050 --> 00:14:44,920
men vi ger det vårt bästa försök.

254
00:14:44,920 --> 00:14:47,430
Kermit kan inte hjälpa det, han har
att vara grön hela tiden,

255
00:14:47,430 --> 00:14:49,945
kan inte ta hans gröna-ness av alls.

256
00:14:49,945 --> 00:14:55,410
>> Så, är concepts-- en
några slags centrala begrepp

257
00:14:55,410 --> 00:14:59,510
av grönhet, när det
avser datoranvändning.

258
00:14:59,510 --> 00:15:05,510
Den en som är den viktigaste
är livslängden av produkten.

259
00:15:05,510 --> 00:15:09,405
Om din produkt har en kort livslängd,
du kan inte per definition vara grön.

260
00:15:09,405 --> 00:15:13,280
Den energi som krävs för att tillverka en
diskenhet, ett moderkort, en dator

261
00:15:13,280 --> 00:15:17,890
systemet, en tablett, vad det nu kan
vara, livslängden för dina system

262
00:15:17,890 --> 00:15:21,700
är en viktig del av hur grön man kan bli.

263
00:15:21,700 --> 00:15:27,960
>> Den viktigaste delen, som ni alla
bygger mjukvara algorithms--

264
00:15:27,960 --> 00:15:30,455
algoritmens en partiell
ord för mjukvara, eller hur?

265
00:15:30,455 --> 00:15:34,000
Så din algoritmdesign
absolut avgörande i termer

266
00:15:34,000 --> 00:15:43,080
hur du ska kunna göra
snabba och korrekta beräkningar för att använda

267
00:15:43,080 --> 00:15:44,710
den minsta mängden energi möjligt.

268
00:15:44,710 --> 00:15:47,280
Och jag ska få till det här i en liten bit.

269
00:15:47,280 --> 00:15:51,270
>> Datacenter design-- du har sett
att vi redan har tusentals

270
00:15:51,270 --> 00:15:54,870
åter tusentals maskiner, sittande
tyst i små, mörka hörn

271
00:15:54,870 --> 00:15:57,760
av världen, datoranvändning.

272
00:15:57,760 --> 00:16:01,670
Resurs allocation-- hur man får
till beräkna, förvaring,

273
00:16:01,670 --> 00:16:03,840
genom nätet.

274
00:16:03,840 --> 00:16:08,530
Operativsystem är en viktig del av
detta, och en massa av virtualiserings

275
00:16:08,530 --> 00:16:12,080
att kunna packa mer och
mer compute i ett litet utrymme.

276
00:16:12,080 --> 00:16:15,530
>> Jag ska ge er ett litet exempel
från forskning computing.

277
00:16:15,530 --> 00:16:18,220
Vi behövde mer ping, mer
makt, och mer rör.

278
00:16:18,220 --> 00:16:21,030
Vi behövde mer större,
bättre, snabbare datorer,

279
00:16:21,030 --> 00:16:23,390
och behövs för att använda mindre juice.

280
00:16:23,390 --> 00:16:26,856
Och vi kunde inte räkna ut hur man gör detta.

281
00:16:26,856 --> 00:16:29,980
Jag vet inte om hashtaggen gowest som
troligen använts av Kardashian,

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

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

284
00:16:33,220 --> 00:16:36,610
>> Vi plockade upp vår verksamhet
och vi flyttade ut

285
00:16:36,610 --> 00:16:39,660
till västra Massachusetts
i en liten kvarn stad

286
00:16:39,660 --> 00:16:45,000
kallas Holyoke, strax norr
av Chikopee och Springfield.

287
00:16:45,000 --> 00:16:49,280
Vi gjorde detta för ett par anledningar.

288
00:16:49,280 --> 00:16:55,150
Den viktigaste var att vi
hade en mycket, mycket stor damm.

289
00:16:55,150 --> 00:17:00,080
Och detta mycket stora dammen kan
släcka 30 plus megawatt energi,

290
00:17:00,080 --> 00:17:02,980
och det var underutnyttjad på tiden.

291
00:17:02,980 --> 00:17:06,170
>> Ännu viktigare, vi hade också
ett mycket komplicerat nät

292
00:17:06,170 --> 00:17:07,254
det var redan på plats.

293
00:17:07,254 --> 00:17:09,711
Om man tittar på där nätverket
går i USA,

294
00:17:09,711 --> 00:17:11,230
följer alla järnvägsspåren.

295
00:17:11,230 --> 00:17:14,290
Denna speciella bit av nätet var
ägs av våra kollegor och vänner

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

297
00:17:16,480 --> 00:17:19,720
och det var i princip byggt
hela vägen ut till Route 90.

298
00:17:19,720 --> 00:17:24,760
>> Så vi hade en stor flod fästing, Route 90
tick, hade vi en kort bana på 100 miles,

299
00:17:24,760 --> 00:17:26,960
och en lång bana av cirka 1.000 miles.

300
00:17:26,960 --> 00:17:29,890
Vi behövde göra en mycket stor
nätverks skarv, som ni kan se här,

301
00:17:29,890 --> 00:17:32,990
att i princip sätta en länk i, till
kunna ansluta till Holyoke,

302
00:17:32,990 --> 00:17:36,390
men vi hade alla erforderliga
infrastructure-- ping, makt, röret.

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

304
00:17:37,280 --> 00:17:38,980
Och återigen, stora dammen.

305
00:17:38,980 --> 00:17:42,120
>> Så vi byggde i grunden Massachusetts
Grön High Performance Computing

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

307
00:17:42,850 --> 00:17:46,580
Detta var ett arbete av kärlek genom fem
universities-- MIT, Harvard, UMass,

308
00:17:46,580 --> 00:17:47,870
Nordöstra och BU.

309
00:17:47,870 --> 00:17:49,554
Fem megawatt dag ett anslutna lasten.

310
00:17:49,554 --> 00:17:51,845
Vi gjorde alla sorters duktighet
med flygsidan economizers

311
00:17:51,845 --> 00:17:53,585
att hålla saker gröna.

312
00:17:53,585 --> 00:18:03,330
Och vi byggt ut 640-tal rack,
dedikerad för forskning datoranvändning.

313
00:18:03,330 --> 00:18:08,770
>> Det var en gammal brownfield webbplats, så vi
hade någon regenerering och en del snyggt upp

314
00:18:08,770 --> 00:18:10,500
och några sanering av platsen.

315
00:18:10,500 --> 00:18:13,590
Och sedan började vi
att bygga anläggningen

316
00:18:13,590 --> 00:18:19,710
och, boom-- härlig anläggning med
Förmågan att köra sandlåda computing,

317
00:18:19,710 --> 00:18:24,430
att ha konferenser och seminarier,
och även en massiv datacenter golv.

318
00:18:24,430 --> 00:18:26,007
>> Här är min bra själv.

319
00:18:26,007 --> 00:18:27,590
Jag uppenbarligen bär samma jacka.

320
00:18:27,590 --> 00:18:29,423
Jag kanske bara har en
jacka, men det är jag

321
00:18:29,423 --> 00:18:34,030
och John Goodhue-- han är
verkställande direktör för de Center--

322
00:18:34,030 --> 00:18:36,740
stående i maskinrummet
våningen, som, som ni kan se,

323
00:18:36,740 --> 00:18:40,560
är ganska dramatiskt, och det
har en lång, lång väg.

324
00:18:40,560 --> 00:18:44,830
>> Jag spelar ofta spel körning
från Boston ut till Holyoke,

325
00:18:44,830 --> 00:18:47,260
låtsas att jag är en TCP / IP-paket.

326
00:18:47,260 --> 00:18:54,290
Och jag oroa min latency
kör omkring i min bil.

327
00:18:54,290 --> 00:18:56,690
Så det är den gröna lappar.

328
00:18:56,690 --> 00:19:00,070
Så låt oss bara ta en minut
och tänka på stackar.

329
00:19:00,070 --> 00:19:04,060
Så vi försöker väldigt noga på
bygga datacenter effektivt,

330
00:19:04,060 --> 00:19:08,770
computing effektivt gör bra
val för datautrustning

331
00:19:08,770 --> 00:19:12,060
och leverera, mer
viktigare, vår ansökan,

332
00:19:12,060 --> 00:19:17,860
antingen det är en meddelandetjänst
eller en vetenskaplig tillämpning.

333
00:19:17,860 --> 00:19:19,110
>> Så här är de stackarna.

334
00:19:19,110 --> 00:19:22,762
Så fysiska lagret, hela
vägen upp genom application--

335
00:19:22,762 --> 00:19:25,220
hoppas att detta kommer att
vara en god del av din kurs.

336
00:19:25,220 --> 00:19:31,450
Sju skikt OSI-modellen är i grunden,
du kommer att leva, äta och andas

337
00:19:31,450 --> 00:19:35,270
detta under hela din dator karriärer.

338
00:19:35,270 --> 00:19:37,800
Hela detta koncept av fysisk
infrastructure-- ledningar,

339
00:19:37,800 --> 00:19:40,080
kablar, datacenter, länkar.

340
00:19:40,080 --> 00:19:42,190
Och detta är bara beskriver nätverket.

341
00:19:42,190 --> 00:19:44,780
>> Här uppe är, ja, självklart,
Detta är en gammal bild,

342
00:19:44,780 --> 00:19:49,342
eftersom detta bör säga HTTP, eftersom
ingen bryr sig om enkla mail

343
00:19:49,342 --> 00:19:50,550
transportprotokoll, längre.

344
00:19:50,550 --> 00:19:53,960
Nu händer i HTTP utrymmet.

345
00:19:53,960 --> 00:19:55,850
Så det är en nivå av stapeln.

346
00:19:55,850 --> 00:19:59,460
>> Här är en annan uppsättning av staplar, där du
har en server, en värd, en hypervisor,

347
00:19:59,460 --> 00:20:02,470
en gäst, binärt bibliotek,
och sedan din ansökan.

348
00:20:02,470 --> 00:20:06,070
Eller, i detta fall, anordningen
Föraren, en Linux-kärna, infödda c,

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

350
00:20:08,080 --> 00:20:11,220
applikationer och så vidare och så vidare.

351
00:20:11,220 --> 00:20:14,090
Detta är en beskrivning
av en virtuell maskin.

352
00:20:14,090 --> 00:20:15,450
>> Heliga stackar, Batman!

353
00:20:15,450 --> 00:20:18,260
Tänk på detta i
termer av hur mycket compute

354
00:20:18,260 --> 00:20:20,850
du behöver för att få från
vad som händer här,

355
00:20:20,850 --> 00:20:23,110
hela vägen upp till toppen
i denna stack, till dess

356
00:20:23,110 --> 00:20:26,840
kunna göra din faktiska
leverans av ansökan.

357
00:20:26,840 --> 00:20:29,130
>> Och om du typ av
spola tillbaka och börja tänka

358
00:20:29,130 --> 00:20:33,450
om vad som krävs för att ge
en flyttalsoperation,

359
00:20:33,450 --> 00:20:37,650
din flyttalsoperation är en summa
av uttagen, antalet kärnor

360
00:20:37,650 --> 00:20:44,490
i sockeln, en klocka, som är
Hur snabbt kan klockan turnover--

361
00:20:44,490 --> 00:20:47,490
fyra gigahertz, två
gigahertz-- och sedan numret

362
00:20:47,490 --> 00:20:50,890
av verksamheten kan du
göra i ett givet hertz.

363
00:20:50,890 --> 00:20:54,350
>> Så dessa mikroprocessorer idag
gör mellan fyra och sex Flops

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

365
00:20:55,400 --> 00:20:59,810
Och så en single-core 2,5 gig klocka
har en teoretisk prestanda

366
00:20:59,810 --> 00:21:03,490
på cirka en mega flopp, ge eller ta.

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

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

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

370
00:21:13,920 --> 00:21:17,670
Alla dessa processorarkitekturer
alla har ett något annorlunda sätt

371
00:21:17,670 --> 00:21:19,650
av att kunna lägga
två nummer tillsammans,

372
00:21:19,650 --> 00:21:23,520
som är i grunden
deras syfte i livet.

373
00:21:23,520 --> 00:21:24,535
Måste vara tufft.

374
00:21:24,535 --> 00:21:27,100
Det finns miljoner av dem sitta
i datacenter, nu dock.

375
00:21:27,100 --> 00:21:30,410
>> Sor, flops per watt--
Detta är den stora grejen.

376
00:21:30,410 --> 00:21:37,780
Så om jag vill få ut mer ur
att få igenom det här stacken, snabbare,

377
00:21:37,780 --> 00:21:41,800
Jag måste jobba på hur många
flyttalsoperationer en andra,

378
00:21:41,800 --> 00:21:43,770
Jag kan göra, och sedan ge dem watt.

379
00:21:43,770 --> 00:21:46,160
Och lyckligtvis folks
har tänkt på detta.

380
00:21:46,160 --> 00:21:49,140
>> Så det finns en stor
bestrida varje år för att se

381
00:21:49,140 --> 00:21:52,310
som kan bygga den snabbaste datorn
som kan diagonaliserar en matris.

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

383
00:21:53,980 --> 00:21:56,420
De plockar toppen från
bästa 500 datorer

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

385
00:21:58,610 --> 00:22:00,760
Och du får några fantastiska resultat.

386
00:22:00,760 --> 00:22:04,660
>> En hel del av dessa maskiner är
mellan 10 och 20 megawatt.

387
00:22:04,660 --> 00:22:09,380
De kan diagonaliserar matriser
omåttligt snabbt.

388
00:22:09,380 --> 00:22:13,550
De behöver inte nödvändigtvis diagonaliseras
dem så effektivt per watt,

389
00:22:13,550 --> 00:22:18,060
så det var denna storsatsning för att titta på
vad en grön 500-listan skulle se ut.

390
00:22:18,060 --> 00:22:20,360
Och här är listan från och med juni.

391
00:22:20,360 --> 00:22:22,410
Det bör finnas en ny inom kort.

392
00:22:22,410 --> 00:22:26,590
>> Och det kräver out-- Jag tar
toppen av denna lista.

393
00:22:26,590 --> 00:22:32,187
Det finns två specifika machines-- en
från Tokyo Institute of Technology

394
00:22:32,187 --> 00:22:34,520
och en från Cambridge
University i Storbritannien.

395
00:22:34,520 --> 00:22:37,700
Och dessa har ganska häpnadsväckande
mega flops per watt nyckeltal.

396
00:22:37,700 --> 00:22:42,620
Den här är 4389, och
nästa ner är 3631.

397
00:22:42,620 --> 00:22:47,660
>> Jag ska förklara skillnaden mellan
dessa två, i nästa bild.

398
00:22:47,660 --> 00:22:51,320
Men dessa är dessa är
måttligt storlek prov kluster.

399
00:22:51,320 --> 00:22:54,732
Dessa är bara 34
kilowatt eller 52 kilowatt.

400
00:22:54,732 --> 00:22:56,940
Det finns några större
här-- detta en

401
00:22:56,940 --> 00:22:58,860
vid den schweiziska national
Superdator Centre.

402
00:22:58,860 --> 00:23:00,693
Den ta hem budskapet
till detta är att vi är

403
00:23:00,693 --> 00:23:04,270
försöker hitta datorer
som kan fungera effektivt.

404
00:23:04,270 --> 00:23:09,860
>> Och så, låt oss titta på denna top
en, cutely heter, KFC.

405
00:23:09,860 --> 00:23:12,960
Och lite reklam här.

406
00:23:12,960 --> 00:23:15,730
Denna speciella livsmedelsföretag
har ingenting att göra med detta.

407
00:23:15,730 --> 00:23:18,240
Det är det faktum att
detta särskilda system

408
00:23:18,240 --> 00:23:23,830
blötlägges i en mycket
smart oljebaserade förening.

409
00:23:23,830 --> 00:23:27,590
Och så de fick sina
kyckling fritös moniker

410
00:23:27,590 --> 00:23:30,040
när de först började
bygga dessa typer av system.

411
00:23:30,040 --> 00:23:32,740
>> Men i princip vad de har tagit
här är ett antal blad,

412
00:23:32,740 --> 00:23:37,560
sätta dem i detta
sofistikerad mineralolja,

413
00:23:37,560 --> 00:23:40,979
och sedan räknat ut hur man får alla
nätverk i och ur den.

414
00:23:40,979 --> 00:23:42,895
Sedan, inte bara det,
de har lagt det utanför så

415
00:23:42,895 --> 00:23:46,095
att den kan utnyttja utanför luftkylning.

416
00:23:46,095 --> 00:23:47,520
Det var ganska imponerande.

417
00:23:47,520 --> 00:23:49,630
Så du måste göra allt
av denna shenanigans

418
00:23:49,630 --> 00:23:53,280
för att kunna få denna mängd
compute levereras för liten effekt.

419
00:23:53,280 --> 00:23:57,360
>> Och du kan se detta är formen
av var saker är på väg.

420
00:23:57,360 --> 00:24:01,240
Utmaningen är att regelbunden luft
kylning är stordriftsfördelar

421
00:24:01,240 --> 00:24:08,459
och driver en hel del av
utveckling av både vanliga datorer,

422
00:24:08,459 --> 00:24:09,750
och högprestandaberäkningar.

423
00:24:09,750 --> 00:24:11,080
Så detta är ganska störande.

424
00:24:11,080 --> 00:24:13,280
Jag tror att det är fascinerande.

425
00:24:13,280 --> 00:24:15,530
Det är lite rörigt när du
Försök att byta hårddiskar,

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

427
00:24:18,090 --> 00:24:22,200
>> Så inte bara det, det finns
en hel massa arbete

428
00:24:22,200 --> 00:24:25,450
byggs kring vad vi är
kallar Open Compute Project.

429
00:24:25,450 --> 00:24:29,400
Och så, mer om det
lite senare.

430
00:24:29,400 --> 00:24:32,740
Men branschens börjar
inse att de floppar per watt

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

432
00:24:33,670 --> 00:24:39,256
Och du, som folk här, som
du designa dina algoritmer

433
00:24:39,256 --> 00:24:41,130
och du designa din
kod, bör du vara medveten om

434
00:24:41,130 --> 00:24:43,620
att din kod kan
har en dominoeffekt.

435
00:24:43,620 --> 00:24:48,380
>> När Mark satt här i sin
studentrum skriver Facebook 1.0,

436
00:24:48,380 --> 00:24:51,050
Jag är ganska säker på att han hade en vy
att det skulle bli enorma.

437
00:24:51,050 --> 00:24:54,945
Men hur stort det skulle vara på
miljön är en stor dealio.

438
00:24:54,945 --> 00:24:58,340
Och så alla ya kunde
komma med algoritmer

439
00:24:58,340 --> 00:25:01,370
som skulle bli nästa utmaning
sak för folk som mig,

440
00:25:01,370 --> 00:25:02,700
försöker köra systemen.

441
00:25:02,700 --> 00:25:07,360
>> Så låt oss bara tänka på
verkliga effektgränser.

442
00:25:07,360 --> 00:25:09,930
Detta dokument med Landauer--
är inte en ny sak.

443
00:25:09,930 --> 00:25:12,480
1961 detta publicerades
i IBM Journal.

444
00:25:12,480 --> 00:25:15,590
Detta är den kanoniska
"Irreversibility och värme

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

446
00:25:17,630 --> 00:25:22,050
Och så han hävdade att
maskiner oundvikligen

447
00:25:22,050 --> 00:25:25,070
utföra logistikfunktioner som
har inte endast ett värde invers.

448
00:25:25,070 --> 00:25:29,130
>> Så att hela delen av
detta är att baksidan på 60-talet,

449
00:25:29,130 --> 00:25:31,890
folks visste att detta var
kommer att bli ett problem.

450
00:25:31,890 --> 00:25:37,080
Och så lagen om gränserna sa 25
grader C, ett slags kanonisk rummet

451
00:25:37,080 --> 00:25:41,120
temperatur, gränsen
representerar 0.1 elektronvolt.

452
00:25:41,120 --> 00:25:44,920
Men teoretiskt är detta
teorin, datorminne,

453
00:25:44,920 --> 00:25:51,410
arbetar vid denna gräns kan vara
ändras vid en miljard bitar per sekund.

454
00:25:51,410 --> 00:25:54,620
>> Jag vet inte om dig, men inte
stött på många en miljard bitar

455
00:25:54,620 --> 00:25:57,190
en andra datahastighet utbyten.

456
00:25:57,190 --> 00:26:01,360
Argumentet var att endast
2.8 biljoner en watt

457
00:26:01,360 --> 00:26:03,180
borde någonsin utökas.

458
00:26:03,180 --> 00:26:08,160
>> Okej, verkliga världen example--
detta är min elräkning.

459
00:26:08,160 --> 00:26:10,347
Jag är 65% procent av
det vackra datacenter

460
00:26:10,347 --> 00:26:11,930
Jag visade dig, i just denna tid.

461
00:26:11,930 --> 00:26:15,520
Detta är tillbaka i juni förra året.

462
00:26:15,520 --> 00:26:21,300
Jag har tagit en äldre version så att vi
kan och typ av anonymisera lite.

463
00:26:21,300 --> 00:26:25,470
Jag spende $ 45,000 en
månad för energi där.

464
00:26:25,470 --> 00:26:34,990
>> Så anledningen vara där är att vi
har över 50.000 processer i rummet.

465
00:26:34,990 --> 00:26:38,110
Så kan du föreställa dig din egen
bostäder elräkning

466
00:26:38,110 --> 00:26:39,540
är att hög?

467
00:26:39,540 --> 00:26:46,180
Men det var för en 199 miljoner
watt timmar över en månad.

468
00:26:46,180 --> 00:26:51,670
>> Så frågan jag ställer är, kan du
föreställa Mr Zuckerberg elräkning?

469
00:26:51,670 --> 00:26:54,730
Min är ganska stor, och jag kämpar.

470
00:26:54,730 --> 00:26:56,600
Och jag är inte ensam i det här är.

471
00:26:56,600 --> 00:26:59,450
Det finns en massa människor
med stora datacenter.

472
00:26:59,450 --> 00:27:04,800
Och så, antar jag, fullt disclosure--
mina Facebook-vänner lite udda.

473
00:27:04,800 --> 00:27:07,900
>> Så min Facebook-vän är
den Prine datacenter,

474
00:27:07,900 --> 00:27:14,030
som är en av Facebooks största,
nyaste, lägsta energi datacenter.

475
00:27:14,030 --> 00:27:19,360
Och de posta till mig, saker som
effektutnyttjandeeffektiviteten,

476
00:27:19,360 --> 00:27:24,020
som i hur effektiv är uppgifter
centrum kontra hur mycket energi du är

477
00:27:24,020 --> 00:27:26,370
sätta in i den, hur mycket
vatten de använder, vad är

478
00:27:26,370 --> 00:27:27,810
fuktigheten och temperaturen.

479
00:27:27,810 --> 00:27:29,980
>> Och de har dessa
underbara, härliga tomter.

480
00:27:29,980 --> 00:27:32,600
Jag tror att detta är en
häftigt Facebook-sida,

481
00:27:32,600 --> 00:27:35,400
men jag antar att jag är lite konstig.

482
00:27:35,400 --> 00:27:39,930
>> Så en mer kraft sak,
forskning computing som jag gör

483
00:27:39,930 --> 00:27:44,060
är signifikant olika för
vad Facebook och Yahoo och Google

484
00:27:44,060 --> 00:27:50,020
och andra on-demand, fullt,
alltid tillgängliga tjänster.

485
00:27:50,020 --> 00:27:53,530
Och så jag har fördelen att när
ISO New England-- och ISO New England

486
00:27:53,530 --> 00:27:58,910
hjälper ställa energin
priser för den regionen.

487
00:27:58,910 --> 00:28:01,110
>> Och det säger att det är att utvidga
en begäran till konsumenter

488
00:28:01,110 --> 00:28:05,870
att frivilligt bevara hög energi,
på grund av den höga värme och fuktighet.

489
00:28:05,870 --> 00:28:08,680
Och detta var tillbaka på den 18: e juli.

490
00:28:08,680 --> 00:28:12,600
Och så jag glatt Tweet tillbaka, Hey,
ISO New England, grön Harvard.

491
00:28:12,600 --> 00:28:14,880
Vi gör vår del över
här i forsknings datoranvändning.

492
00:28:14,880 --> 00:28:16,760
Och det beror på att vi gör vetenskapen.

493
00:28:16,760 --> 00:28:20,380
>> Och så mycket som folk säger vetenskapen
aldrig sover, kan vetenskapen vänta.

494
00:28:20,380 --> 00:28:25,030
Så vi kan QUIESCE vår
system, dra nytta av betygspriser

495
00:28:25,030 --> 00:28:30,550
på vår elräkning, och
hjälp i hela New England

496
00:28:30,550 --> 00:28:35,910
region genom att kasta
många megawatt belastning.

497
00:28:35,910 --> 00:28:40,020
Så det är det unika med att
skiljer om vetenskapliga beräkningar uppgifter

498
00:28:40,020 --> 00:28:48,890
centra och de som är
i full produktion 24/7.

499
00:28:48,890 --> 00:28:51,670
>> Så låt oss bara ta en annan växel här.

500
00:28:51,670 --> 00:28:55,170
Så, jag vill diskutera
kaos lite.

501
00:28:55,170 --> 00:28:59,900
Och jag vill lägga den i
beskydd av lagring.

502
00:28:59,900 --> 00:29:03,150
Så för dem som typ
av kämpade

503
00:29:03,150 --> 00:29:08,680
få huvudet runt vad petabyte
lagrings ser ut, detta ett exempel.

504
00:29:08,680 --> 00:29:11,660
Och det är denna typ av saker
Jag behandlar hela tiden.

505
00:29:11,660 --> 00:29:15,550
>> Var och en av dessa små grabbar
är en fyra terabyte hårddisk,

506
00:29:15,550 --> 00:29:17,420
så kan du typ av räkna upp dem.

507
00:29:17,420 --> 00:29:21,370
Vi bevakar nu komma mellan
en till en och halv petabyte

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

509
00:29:22,970 --> 00:29:26,430
Och vi har rum och rum, som du
såg i det tidigare bild med John

510
00:29:26,430 --> 00:29:31,230
och jag, full av dessa rack av utrustning.

511
00:29:31,230 --> 00:29:40,400
Så det blir mycket, mycket lätt
att bygga massiva lagringsmatriser

512
00:29:40,400 --> 00:29:44,140
>> Det är mestadels lätt inne i Unix till
sorts räkna upp hur det går.

513
00:29:44,140 --> 00:29:48,270
Så detta räknar hur många
MAU punkter har jag kom dit.

514
00:29:48,270 --> 00:29:50,880
Så det är 423 skärningspunkter.

515
00:29:50,880 --> 00:29:55,660
Och sedan om jag kör lite skissartad awk, jag
kan lägga upp, i detta särskilda system,

516
00:29:55,660 --> 00:29:59,080
det fanns 7,3 petabyte
ledigt lagringsutrymme.

517
00:29:59,080 --> 00:30:01,350
>> Så det är en massa saker.

518
00:30:01,350 --> 00:30:03,030
Och lagring är verkligen svårt.

519
00:30:03,030 --> 00:30:06,850
Och ändå, av någon anledning,
Detta är en bransch trend.

520
00:30:06,850 --> 00:30:11,500
När jag pratar med våra forskare
och vår fakultet och säger,

521
00:30:11,500 --> 00:30:14,180
hej, jag kan köra lagring för dig.

522
00:30:14,180 --> 00:30:17,690
Tyvärr, måste jag
täcka kostnaderna för lagring.

523
00:30:17,690 --> 00:30:19,430
Jag får den här branschen.

524
00:30:19,430 --> 00:30:23,300
Och människor referens Newegg
eller de refererar Staples

525
00:30:23,300 --> 00:30:27,040
eller hur mycket de kan köpa en
enda terabyte diskenhet för.

526
00:30:27,040 --> 00:30:29,390
>> Så här kommer du notera
här, att det finns en ledtråd.

527
00:30:29,390 --> 00:30:31,310
Det finns en hårddisk här.

528
00:30:31,310 --> 00:30:33,290
Och om vi går tillbaka, jag har många.

529
00:30:33,290 --> 00:30:36,130
Inte nog med att jag har många, har jag
sofistikerade sammankopplingar

530
00:30:36,130 --> 00:30:38,750
för att kunna sy
dessa saker tillsammans.

531
00:30:38,750 --> 00:30:44,080
Så riskerna med dessa stora
lagringsmatriser inte obetydlig.

532
00:30:44,080 --> 00:30:46,370
>> I själva verket tog vi till
internet och vi skrev

533
00:30:46,370 --> 00:30:51,670
en liten historia om en välmenande,
blida chef för forskning

534
00:30:51,670 --> 00:30:54,640
computing-- råkar ha en
konstigt engelska accent-- försöker

535
00:30:54,640 --> 00:30:59,930
att förklara för en forskare vad
ingen streck mappen backup faktiskt

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

537
00:31:01,070 --> 00:31:05,690
Det var ganska lång, liten historia,
drygt fyra minuter av upptäckten.

538
00:31:05,690 --> 00:31:09,380
>> Och notera, har jag en förskräcklig
mycket mindre plats än damen

539
00:31:09,380 --> 00:31:11,800
som sjunger om alla bas.

540
00:31:11,800 --> 00:31:13,910
Vi är ganska många konton lägre.

541
00:31:13,910 --> 00:31:16,160
Men hur som helst är detta en
viktig sak att tänka på,

542
00:31:16,160 --> 00:31:18,532
i termer av vad som kan gå fel.

543
00:31:18,532 --> 00:31:20,990
Så om jag får en hårddisk, och
Jag kastar den i en Unix maskin,

544
00:31:20,990 --> 00:31:24,300
och jag börjar skriva saker till det,
det finns en magnet, det finns en drivhuvud,

545
00:31:24,300 --> 00:31:30,150
det finns skenbart, en etta eller en nolla
skrivs ner på den enheten.

546
00:31:30,150 --> 00:31:32,180
>> Motors-- spinny, twirly
saker alltid sönder.

547
00:31:32,180 --> 00:31:33,490
Tänk på saker som bryter.

548
00:31:33,490 --> 00:31:35,170
Det har alltid varit spinny, twirly saker.

549
00:31:35,170 --> 00:31:38,560
Skrivare, hårddiskar,
motorfordon osv

550
00:31:38,560 --> 00:31:40,590
Allt som rör sig sannolikt att bryta.

551
00:31:40,590 --> 00:31:42,575
>> Så du behöver motorer, du
behöver köra firmware,

552
00:31:42,575 --> 00:31:47,110
du behöver SAS / SATA, trådar,
firmware på SAS / SATA-styrenheter,

553
00:31:47,110 --> 00:31:48,530
låga block nivå.

554
00:31:48,530 --> 00:31:54,580
Välj din lagringsstyrenhet fil
systemet kod, oavsett vilken det kan vara,

555
00:31:54,580 --> 00:31:56,780
hur du syr saker tillsammans.

556
00:31:56,780 --> 00:32:00,956
Och din virtuellt minne chef
sidor, DRAM hämta och butiker.

557
00:32:00,956 --> 00:32:02,705
Då får du en annan
stack, vilket är typ

558
00:32:02,705 --> 00:32:05,440
dun listan här
en, algoritmer, användare.

559
00:32:05,440 --> 00:32:09,050
>> Och om du multiplicerar detta
upp, jag vet inte hur många,

560
00:32:09,050 --> 00:32:11,640
det finns en hel del platser
där saker kan gå i sidled.

561
00:32:11,640 --> 00:32:14,430
Jag menar, det är ett exempel om matematik.

562
00:32:14,430 --> 00:32:18,070
Men det är ganska kul att tänka på
hur många sätt saker kan gå fel,

563
00:32:18,070 --> 00:32:21,650
bara för en hårddisk.

564
00:32:21,650 --> 00:32:25,440
Vi är redan på 300 petabyte, så
föreställa antalet hårddiskar

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

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

567
00:32:28,240 --> 00:32:30,390
Inte bara that-- så det är förvaring.

568
00:32:30,390 --> 00:32:34,220
Och det anspelar på
person jag skulle vilja se

569
00:32:34,220 --> 00:32:38,780
ange skede kvar, vilket
är kaos Monkey.

570
00:32:38,780 --> 00:32:43,140
Så vid en viss punkt, blir det ännu
större än bara diskenheten

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

572
00:32:43,920 --> 00:32:50,610
>> Och så, dessa fina damer och herrar
att köra en strömmande videotjänst

573
00:32:50,610 --> 00:32:55,430
insåg att deras datorer var
också enorma och också mycket komplicerad

574
00:32:55,430 --> 00:33:00,010
och även ge service
till en förfärlig en massa människor.

575
00:33:00,010 --> 00:33:05,180
De har fått 37 miljoner members-- och
denna slide är kanske ett år eller så old--

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

577
00:33:07,350 --> 00:33:10,810
Det finns miljarder av timmar video.

578
00:33:10,810 --> 00:33:13,600
De loggar miljarder händelser per dag.

579
00:33:13,600 --> 00:33:17,330
>> Och du kan se, de flesta människor titta
telly senare på kvällen,

580
00:33:17,330 --> 00:33:19,429
och det långt uppväger allt.

581
00:33:19,429 --> 00:33:21,220
Och så ville de
kunna kontrollera att

582
00:33:21,220 --> 00:33:24,854
att tjänsten var upp och
tillförlitlig och arbetar för dem.

583
00:33:24,854 --> 00:33:27,020
Så de kom med detta
något som heter Chaos Monkey.

584
00:33:27,020 --> 00:33:29,000
Det är mjukvara
vilket, när man tänker

585
00:33:29,000 --> 00:33:34,190
om att tala om titeln
av hela den här presentationen,

586
00:33:34,190 --> 00:33:36,530
scale-out innebär att du
bör testa det här.

587
00:33:36,530 --> 00:33:38,585
Det är inte bra att bara ha
en miljon maskiner.

588
00:33:38,585 --> 00:33:40,460
Så fina
detta är, Chaos Monkey

589
00:33:40,460 --> 00:33:43,090
är en tjänst som
identifierar grupper av system

590
00:33:43,090 --> 00:33:47,220
och slumpmässigt avslutar en
av systemen i en grupp.

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

592
00:33:48,429 --> 00:33:50,220
Så jag vet inte om
dig, men om jag någonsin

593
00:33:50,220 --> 00:33:52,990
byggt ett system som bygger på andra
system som talar med varandra,

594
00:33:52,990 --> 00:33:55,865
du tar en av dem ut,
Sannolikheten för det hela arbetsdagen,

595
00:33:55,865 --> 00:33:57,130
minskar snabbt.

596
00:33:57,130 --> 00:34:00,475
>> Och så denna mjukvara körs
runt Netflix infrastruktur.

597
00:34:00,475 --> 00:34:03,100
Lyckligtvis säger det körs endast i
kontorstid med avsikt

598
00:34:03,100 --> 00:34:05,810
att ingenjörer blir
alert och kunna svara.

599
00:34:05,810 --> 00:34:08,020
Så dessa är de typer
saker vi är nu

600
00:34:08,020 --> 00:34:13,360
behöva göra för att störa vår datoranvändning
miljöer, att införa kaos

601
00:34:13,360 --> 00:34:15,739
och att införa komplexitet.

602
00:34:15,739 --> 00:34:19,139
>> Så vem, i deras rätt
sinne, skulle gärna välja

603
00:34:19,139 --> 00:34:22,540
att arbeta med en Chaos apa?

604
00:34:22,540 --> 00:34:24,150
Häng på, verkar han peka mig.

605
00:34:24,150 --> 00:34:28,719
Tja, jag antar att jag should-- söt.

606
00:34:28,719 --> 00:34:32,909
Men problemet är att du
får inte valet.

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

608
00:34:37,440 --> 00:34:42,650
>> Och det här är problemet med datorer
på skalan är att du inte kan undvika detta.

609
00:34:42,650 --> 00:34:49,989
Det är en oundviklighet komplexitet
och deras omfattning och vår evolution,

610
00:34:49,989 --> 00:34:53,280
på vissa sätt, av datorkompetens.

611
00:34:53,280 --> 00:34:55,510
Och kom ihåg, det här är
en sak att komma ihåg,

612
00:34:55,510 --> 00:35:00,030
Chaos Monkeys kärlek
snowflakes-- kärlek snöflingor.

613
00:35:00,030 --> 00:35:03,470
En snowflake-- vi förklarade
Chaos Monkey-- men en snöflinga

614
00:35:03,470 --> 00:35:09,630
är en server som är unik och
speciell och känslig och individuell

615
00:35:09,630 --> 00:35:11,770
och kommer aldrig att kunna reproduceras.

616
00:35:11,770 --> 00:35:14,790
>> Vi finner ofta snöflinga
service i vår miljö.

617
00:35:14,790 --> 00:35:16,700
Och vi försöker alltid och
smälta snöflinga tjänst.

618
00:35:16,700 --> 00:35:18,880
Men om du hittar en server
i din miljö

619
00:35:18,880 --> 00:35:23,240
som är kritisk för livslängden
av din organisation och den smälter,

620
00:35:23,240 --> 00:35:25,300
du kan inte sätta ihop den igen.

621
00:35:25,300 --> 00:35:28,071
Så Chaos Monkey s uppgift var att
gå och avsluta instanser.

622
00:35:28,071 --> 00:35:30,820
Om Chaos Monkey smälter
snowflake, du är över, du är klar.

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

624
00:35:34,390 --> 00:35:37,950
Jag vill prata om
vissa hårdvara som vi är

625
00:35:37,950 --> 00:35:40,415
ser i termer av sorts
skala-aktiviteter också.

626
00:35:40,415 --> 00:35:43,810
Och några unika saker som är i
och runt vetenskapen aktivitet.

627
00:35:43,810 --> 00:35:46,990
Vi börjar nu se, kom ihåg
denna enhet för utfärdandet, detta rack?

628
00:35:46,990 --> 00:35:51,780
Så detta är ett rack av GPGPUs-- så allmänt
purpose grafik förädlingsenheter.

629
00:35:51,780 --> 00:35:55,790
>> Vi har dessa finns i våra data
centrum, 100 eller så miles away.

630
00:35:55,790 --> 00:35:59,780
Denna speciella rack
är ca 96 tera PLUMSAR

631
00:35:59,780 --> 00:36:04,090
av enkel precision matte kunna
att leverera ut på baksidan av den.

632
00:36:04,090 --> 00:36:10,530
Och vi har ordning 130-odd
kort i en instans

633
00:36:10,530 --> 00:36:16,620
att we-- multipel
rack av denna instans.

634
00:36:16,620 --> 00:36:22,730
>> Så detta är intressant i den meningen att
de allmänna ändamål grafikprocesser

635
00:36:22,730 --> 00:36:27,880
kan göra matematiken oerhört
snabbt för mycket små mängder av energi.

636
00:36:27,880 --> 00:36:32,060
Så det finns en stor uppgång i
de vetenskapliga dator områden,

637
00:36:32,060 --> 00:36:36,400
tittar på grafik
heter i stort sätt.

638
00:36:36,400 --> 00:36:41,990
>> Så jag sprang några Mcollective
genom vår marionett infrastruktur

639
00:36:41,990 --> 00:36:45,330
igår, väldigt glada över detta.

640
00:36:45,330 --> 00:36:48,260
knappt en petaflop
av enkel precision.

641
00:36:48,260 --> 00:36:52,440
Bara för att vara tydlig här, det här
lite multiplikator är 3.95.

642
00:36:52,440 --> 00:36:54,820
Dubbel precision matte
skulle vara ungefär 1,2,

643
00:36:54,820 --> 00:36:57,010
men min Twitter-flöde
såg mycket bättre om jag

644
00:36:57,010 --> 00:37:02,670
sade vi hade nästan en petaflop
av enkel precision GPGPUs.

645
00:37:02,670 --> 00:37:04,220
>> Men det börjar bli där.

646
00:37:04,220 --> 00:37:06,280
Det blir att vara
mycket, mycket imponerande.

647
00:37:06,280 --> 00:37:08,550
Och varför gör vi det här?

648
00:37:08,550 --> 00:37:11,570
Eftersom kvantkemi,
bl

649
00:37:11,570 --> 00:37:15,300
men vi börjar utforma
några nya solceller.

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

651
00:37:20,210 --> 00:37:22,390
i crime-- för de senaste åren.

652
00:37:22,390 --> 00:37:25,660
Vi har drivit
kuvert på datoranvändning.

653
00:37:25,660 --> 00:37:30,250
Och GPGPU är idealisk
teknik för att kunna göra

654
00:37:30,250 --> 00:37:34,760
en väldig massa komplicerade
matte, väldigt, väldigt snabbt.

655
00:37:34,760 --> 00:37:36,750
>> Så med skalan, kommer nya utmaningar.

656
00:37:36,750 --> 00:37:41,070
Så stor scale-- du måste vara
försiktig med hur du tråd här grejer.

657
00:37:41,070 --> 00:37:45,300
Och vi har vissa nivåer av
tvångssyndrom.

658
00:37:45,300 --> 00:37:49,530
Dessa bilder förmodligen
köra en hel del människor nötter.

659
00:37:49,530 --> 00:37:53,390
Och skåp som inte är
wired särskilt väl

660
00:37:53,390 --> 00:37:56,050
driva vårt nätverk och
faciliteter ingenjörer nötter.

661
00:37:56,050 --> 00:37:58,620
Plus det finns också luftflöde
frågor som du måste innehålla.

662
00:37:58,620 --> 00:38:01,430
>> Så det är saker som jag
skulle aldrig ha tänkt på.

663
00:38:01,430 --> 00:38:03,480
Med skalan, kommer mer komplexitet.

664
00:38:03,480 --> 00:38:05,869
Detta är en ny typ av filsystem.

665
00:38:05,869 --> 00:38:06,410
Det är häftigt.

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

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

668
00:38:09,905 --> 00:38:15,940
Den kan läsa och skriva till 13 gigabyte
och 20 gigabyte en second-- gigabyte

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

670
00:38:17,150 --> 00:38:20,900
Så det kan lasta terabyte
i ingen tid alls.

671
00:38:20,900 --> 00:38:22,070
>> Och det är hög tillgänglighet.

672
00:38:22,070 --> 00:38:26,989
Och det har fått fantastiskt lookup
rates-- 220000 länkdata en sekund.

673
00:38:26,989 --> 00:38:29,780
Och det finns många olika människor
bygga denna typ av system.

674
00:38:29,780 --> 00:38:32,830
Och du kan se det här grafiskt.

675
00:38:32,830 --> 00:38:35,800
Detta är en av våra filsystem
det är under belastning, ganska

676
00:38:35,800 --> 00:38:41,250
glatt läser på bara kort
22 gigabyte per sekund.

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

678
00:38:42,790 --> 00:38:47,230
>> Så med komplexitet och omfattning,
kommer mer komplexitet, eller hur?

679
00:38:47,230 --> 00:38:51,830
Detta är en av våra många,
många nätverksdiagram,

680
00:38:51,830 --> 00:38:54,970
där du har många olika
chassi alla stöd för upp

681
00:38:54,970 --> 00:38:57,730
in i en huvud kärna switch,
ansluten till lagring,

682
00:38:57,730 --> 00:39:00,731
ansluter till låg latens anslutningar.

683
00:39:00,731 --> 00:39:03,605
Och sedan alla av denna sida av
Huset är bara alla av förvaltningen

684
00:39:03,605 --> 00:39:09,740
att du måste kunna hantera
dessa system från en annan plats.

685
00:39:09,740 --> 00:39:12,070
Så skalan har en hel del
komplexitet med det.

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

687
00:39:14,910 --> 00:39:17,785
>> Växla igen, låt oss gå tillbaka
och har en liten fläck av vetenskap.

688
00:39:17,785 --> 00:39:21,450
Så kom ihåg, forskning
databehandling och denna lilla shim--

689
00:39:21,450 --> 00:39:25,310
lite rosa mellanlägg mellan
fakultet och alla deras algoritmer

690
00:39:25,310 --> 00:39:30,650
och alla av den kall vetenskap och alla
denna makt och kylning och datacenter

691
00:39:30,650 --> 00:39:35,330
golv och nätverk och stora datorer
och service skrivbord och hjälpcentraler

692
00:39:35,330 --> 00:39:39,330
och så forth-- och så, vi är bara
denna lilla mellanlägg mellan dem.

693
00:39:39,330 --> 00:39:42,820
>> Vad vi har börjat
se är att världens

694
00:39:42,820 --> 00:39:45,730
kunnat bygga
dessa stora datacenter

695
00:39:45,730 --> 00:39:48,020
och kunna bygga
dessa stora datorer.

696
00:39:48,020 --> 00:39:49,420
Vi har blivit ganska bra på det.

697
00:39:49,420 --> 00:39:53,600
Vad vi är inte särskilt bra på det här
lite mellanlägg mellan forskningen

698
00:39:53,600 --> 00:39:56,670
och plåten och tekniken.

699
00:39:56,670 --> 00:39:58,600
Och det är svårt.

700
00:39:58,600 --> 00:40:03,330
>> Och så har vi kunnat anställa
folk som lever i den här världen.

701
00:40:03,330 --> 00:40:07,590
Och på senare tid, talade vi till
National Science Foundation och sa,

702
00:40:07,590 --> 00:40:11,440
denna skala ut grejer är bra,
men vi kan inte få våra forskare

703
00:40:11,440 --> 00:40:13,690
på till dessa stora komplicerade maskiner.

704
00:40:13,690 --> 00:40:16,040
Och så har det funnits en
antal olika program

705
00:40:16,040 --> 00:40:20,100
där vi verkligen var mestadels
bekymrad försöka

706
00:40:20,100 --> 00:40:22,800
för att se om vi kunde omvandla
infrastrukturen campus.

707
00:40:22,800 --> 00:40:25,850
>> Det finns en massa program
runt nationella centra.

708
00:40:25,850 --> 00:40:28,300
Och så, oss själva, vår
vänner på Clemson,

709
00:40:28,300 --> 00:40:32,620
University of Wisconsin Madison,
Södra Kalifornien, Utah och Hawaii

710
00:40:32,620 --> 00:40:35,780
typ av fick tillsammans med
titta på det här problemet.

711
00:40:35,780 --> 00:40:39,340
Och den här lilla grafen här
är den långa svansen av vetenskap.

712
00:40:39,340 --> 00:40:41,602
>> Så detta är-- det inte
Oavsett vad som finns på denna axel,

713
00:40:41,602 --> 00:40:45,485
men denna axel är faktiskt nummer
jobb går igenom klustret.

714
00:40:45,485 --> 00:40:48,940
Så det finns 350.000 över
oavsett tidsperiod.

715
00:40:48,940 --> 00:40:51,730
Dessa är våra vanliga misstänkta
längs botten här.

716
00:40:51,730 --> 00:40:55,992
I själva verket finns det Alan Aspuru-Guzik,
vem vi pratade about-- ton

717
00:40:55,992 --> 00:40:58,700
och massor av compute, verkligen
effektiva, vet vad han gör.

718
00:40:58,700 --> 00:41:02,840
>> Här är en annan labb som jag ska prata
omkring i en moment-- John Kovac labb.

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

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

721
00:41:04,210 --> 00:41:04,830
De är lyckliga.

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

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

724
00:41:07,664 --> 00:41:09,580
Och sedan, när du snäll
av komma ner hit, det

725
00:41:09,580 --> 00:41:12,110
är andra grupper som
kör inte många jobb.

726
00:41:12,110 --> 00:41:13,410
>> Och varför är det?

727
00:41:13,410 --> 00:41:15,080
Är det för att det computing är för hårt?

728
00:41:15,080 --> 00:41:19,580
Är det för att de inte vet hur man?

729
00:41:19,580 --> 00:41:22,880
Vi vet inte, eftersom
vi har gått och tittat.

730
00:41:22,880 --> 00:41:25,620
Och så det är vad det här
Projektet handlar om,

731
00:41:25,620 --> 00:41:27,830
är lokalt, inom
var och en av dessa regioner,

732
00:41:27,830 --> 00:41:32,660
att se till vägar där vi kan engagera
med lärare och forskare

733
00:41:32,660 --> 00:41:36,400
faktiskt i den nedre änden av svansen,
och förstå vad de ska göra.

734
00:41:36,400 --> 00:41:37,920
>> Så det är något som vi är
faktiskt brinner.

735
00:41:37,920 --> 00:41:39,920
Och det är något som
vetenskapen kommer inte att fortsätta

736
00:41:39,920 --> 00:41:44,260
att gå framåt tills vi löser
vissa av dessa kantfall.

737
00:41:44,260 --> 00:41:46,590
Andra bitar av vetenskapen
det kommer up-- alla

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

739
00:41:48,260 --> 00:41:49,540
Grymt, eller hur?

740
00:41:49,540 --> 00:41:52,960
Det här alla sprang ut på Holyoke.

741
00:41:52,960 --> 00:41:56,510
Vi Byggd- den allra första
vetenskap som hände i Holyoke

742
00:41:56,510 --> 00:41:59,130
var samarbetet mellan
oss själva och Boston University.

743
00:41:59,130 --> 00:42:01,510
Så det är riktigt, riktigt coolt.

744
00:42:01,510 --> 00:42:04,410
>> Detta är en rolig pjäs
vetenskap för skalan.

745
00:42:04,410 --> 00:42:07,650
Detta är en digital tillgång till
en himmel talet vid Harvard.

746
00:42:07,650 --> 00:42:09,170
I grund och botten är det en platta arkiv.

747
00:42:09,170 --> 00:42:13,350
Om du går ner Oxford--
Garden Street, sorry,

748
00:42:13,350 --> 00:42:16,560
hittar du en av observatoriet
byggnader är i grunden fullt

749
00:42:16,560 --> 00:42:19,480
på cirka en halv miljon plattor.

750
00:42:19,480 --> 00:42:24,410
>> Och dessa är bilder av
himlen på natten, över 100 år.

751
00:42:24,410 --> 00:42:28,760
Så det finns en hel rigg inrätta
här för att digitalisera dessa plattor,

752
00:42:28,760 --> 00:42:32,100
ta bilder av dem, registrera
dem, lägg dem på en dator.

753
00:42:32,100 --> 00:42:36,410
Och det är en och en halv petabyte och,
lagom there-- ett litet projekt.

754
00:42:36,410 --> 00:42:37,530
>> Dessa är andra projekt.

755
00:42:37,530 --> 00:42:42,800
Denna Pan-Starrs projektet gör
en full bred panoramaundersökning,

756
00:42:42,800 --> 00:42:47,390
söker nära jorden asteroider
och övergående himmelska händelser.

757
00:42:47,390 --> 00:42:52,100
Som en molekylär biofysiker, jag älskar
ordet gående himmelska händelse.

758
00:42:52,100 --> 00:42:55,050
Jag är inte helt säker på vad det är, men
hur som helst, vi letar efter dem.

759
00:42:55,050 --> 00:43:00,372
>> Och vi genererar 30 terabyte
en natt av dessa teleskop.

760
00:43:00,372 --> 00:43:03,330
Och det är egentligen inte en bandbredd
problem, det är som en FedEx problem.

761
00:43:03,330 --> 00:43:08,420
Så du sätter lagringen på van
och du skickar det vad det är.

762
00:43:08,420 --> 00:43:10,570
>> BICEP är verkligen interesting--
så att bakgrunds avbildning

763
00:43:10,570 --> 00:43:13,850
kosmiska extra galaktiska polarisering.

764
00:43:13,850 --> 00:43:16,880
När jag först började arbeta
vid Harvard sju eller så,

765
00:43:16,880 --> 00:43:21,440
åtta år sedan, jag minns
arbetar med detta projekt

766
00:43:21,440 --> 00:43:26,010
och det gjorde inte riktigt sjunka
hem till varför polariserat ljus

767
00:43:26,010 --> 00:43:29,770
från den kosmiska
bakgrund skulle vara viktigt,

768
00:43:29,770 --> 00:43:30,800
tills detta hände.

769
00:43:30,800 --> 00:43:34,580
>> Och detta var John Kovac,
vem jag pratade med innan,

770
00:43:34,580 --> 00:43:42,030
använder miljoner och åter miljoner CPU
timmar, i vår anläggning och andra,

771
00:43:42,030 --> 00:43:46,600
att i princip stirra in i insidan
av universums första ögonblicken

772
00:43:46,600 --> 00:43:49,150
efter Big Bang, och
försöka förstå

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

774
00:43:51,290 --> 00:43:56,040
Det är tillbaka- att våra datorer
hjälper oss reda ut och stirrar

775
00:43:56,040 --> 00:43:59,280
i själva ursprunget till varför vi är här.

776
00:43:59,280 --> 00:44:03,450
>> Så när du pratar om skalan,
Detta är några allvarliga skala.

777
00:44:03,450 --> 00:44:09,260
Den andra saken av skalan är, att
särskilt projekt träffade killarna.

778
00:44:09,260 --> 00:44:15,320
Och detta är responskurvan för BICEP
[OHÖRBAR] Detta var vår lilla enkät.

779
00:44:15,320 --> 00:44:19,220
>> Och du kan se här, livet
var bra fram till om här,

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

781
00:44:21,200 --> 00:44:24,120
Och du har fått bokstav
sekunder för att svara

782
00:44:24,120 --> 00:44:29,020
till skalnings händelse som
motsvarar denna lilla prick här,

783
00:44:29,020 --> 00:44:32,200
som hamnade växling
fyra eller så terabyte data

784
00:44:32,200 --> 00:44:36,370
via webbservern
som day-- ganska håriga.

785
00:44:36,370 --> 00:44:38,210
>> Och så, det är de
typer av saker som

786
00:44:38,210 --> 00:44:43,040
kan hända dig i din infrastruktur
om du inte designar för skalan.

787
00:44:43,040 --> 00:44:45,630
Vi hade en bit av en
förvränga den dagen, för att vara

788
00:44:45,630 --> 00:44:50,440
kunna spänna ut tillräckligt webbtjänst
att hålla sajten igång.

789
00:44:50,440 --> 00:44:53,399
Och vi lyckades.

790
00:44:53,399 --> 00:44:55,190
Detta är en liten e-
det är rätt söt.

791
00:44:55,190 --> 00:45:00,245
Detta är ett mail till Mark Vogelsberger,
och Lars Hernquist, som är

792
00:45:00,245 --> 00:45:02,650
en fakultetsmedlem här på Harvard.

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

794
00:45:03,570 --> 00:45:05,990
Men jag tror att detta är en
sorts fattar slag

795
00:45:05,990 --> 00:45:09,920
av var computing
är i forsknings datoranvändning.

796
00:45:09,920 --> 00:45:12,070
Hej, lag, sedan förra
Tisdag, ni plågats upp

797
00:45:12,070 --> 00:45:15,470
över 28% av det nya
kluster, vilket i kombination

798
00:45:15,470 --> 00:45:20,040
är över 78 år av
CPU på bara tre dagar.

799
00:45:20,040 --> 00:45:22,502
Och jag sa, det är fortfarande
bara fredag ​​morgon.

800
00:45:22,502 --> 00:45:23,460
Detta är ganska häftigt!

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

802
00:45:24,740 --> 00:45:27,450
>> Sen ger jag dem datapunkterna.

803
00:45:27,450 --> 00:45:30,260
Och så det var typ av intressant.

804
00:45:30,260 --> 00:45:34,840
Så kom ihåg om Mark, han kommer
tillbaka in i bilden i lite.

805
00:45:34,840 --> 00:45:36,935
Så scale-out computing är överallt.

806
00:45:36,935 --> 00:45:41,080
>> Vi även hjälpa folk ser
på hur NBA-funktioner,

807
00:45:41,080 --> 00:45:43,140
och där människor är
kasta bollar från.

808
00:45:43,140 --> 00:45:47,580
Jag förstår inte riktigt det här spelet också
väl, men till synes, det är en stor sak.

809
00:45:47,580 --> 00:45:50,610
Det finns bågar och skålar och pengar.

810
00:45:50,610 --> 00:45:55,300
>> Och så, i vår databas, vi
byggt en liten 500 [OHÖRBAR]

811
00:45:55,300 --> 00:45:58,170
parallellprocessor kluster,
ett par terabyte RAM,

812
00:45:58,170 --> 00:46:03,590
för att kunna bygga denna
för Kirk och hans team.

813
00:46:03,590 --> 00:46:08,524
Och de gör computing
på ett helt annat sätt.

814
00:46:08,524 --> 00:46:10,440
Nu är det här projektet är vi
involverad i det är

815
00:46:10,440 --> 00:46:14,880
helt fascinerande, runt neurala
plasticitet connectomics och genomisk

816
00:46:14,880 --> 00:46:20,960
imprinting-- tre mycket tung
slår forskningsområden

817
00:46:20,960 --> 00:46:24,650
att vi slåss med på
en dag till dag.

818
00:46:24,650 --> 00:46:30,670
Tanken att våra hjärnor är under
plast stressen när vi är unga.

819
00:46:30,670 --> 00:46:34,980
Och mycket av våra vuxna beteende är
skulpterad av erfarenhet i spädbarnsåldern.

820
00:46:34,980 --> 00:46:37,040
Så detta är en stor dealio.

821
00:46:37,040 --> 00:46:41,360
>> Och så det här är ett arbete som är finansierat av
National Institutes of Mental Health.

822
00:46:41,360 --> 00:46:46,860
Och vi försöker i grunden,
igenom en hel del stora data

823
00:46:46,860 --> 00:46:51,970
och stora dataanalys, snäll
av blicka in vår mänskliga hjärnan

824
00:46:51,970 --> 00:46:54,870
genom en rad olika
olika tekniker.

825
00:46:54,870 --> 00:47:00,360
>> Så jag ville sluta och slag
bara stanna upp en liten stund.

826
00:47:00,360 --> 00:47:04,160
Utmaningen med fjärrkontroll
datacenter är det är långt borta.

827
00:47:04,160 --> 00:47:05,520
Det kan omöjligen fungera.

828
00:47:05,520 --> 00:47:07,590
Jag behöver mina data närheten.

829
00:47:07,590 --> 00:47:10,730
Jag måste göra min forskning i mitt labb.

830
00:47:10,730 --> 00:47:18,620
>> Och så jag slags tog ett exempel på en
funktionell magnetisk resonanstomografi

831
00:47:18,620 --> 00:47:22,260
datamängd från våra data
center i västra Mass.

832
00:47:22,260 --> 00:47:24,660
och anslutit den till min
skrivbordet i Cambridge.

833
00:47:24,660 --> 00:47:27,440
Och jag ska spela den här lilla videon.

834
00:47:27,440 --> 00:47:29,750
Förhoppningsvis kommer det slags arbete.

835
00:47:29,750 --> 00:47:33,480
>> Så detta är mig gå igenom
kontrollera min GPU arbetar.

836
00:47:33,480 --> 00:47:35,430
Och jag kontrollera att VNC är slut.

837
00:47:35,430 --> 00:47:36,810
Och det här är ett smart VNC.

838
00:47:36,810 --> 00:47:38,970
Detta är en VNC med 3D bitar.

839
00:47:38,970 --> 00:47:41,975
Och så, som ni kan se inom kort, detta
är jag spinning denna hjärnan runt.

840
00:47:41,975 --> 00:47:44,460
Jag försöker slags få det orienterad.

841
00:47:44,460 --> 00:47:49,574
Och då kan jag gå genom många
olika skivor MRI data.

842
00:47:49,574 --> 00:47:51,490
Och det enda som är
annorlunda om detta

843
00:47:51,490 --> 00:47:55,160
är, det kommer över tråden
från västra Mass. till mitt skrivbord.

844
00:47:55,160 --> 00:47:57,300
Och dess rendering
snabbare än mitt skrivbord,

845
00:47:57,300 --> 00:48:02,840
eftersom jag inte har en $ 4000
grafikkort i mitt skrivbord, vilket

846
00:48:02,840 --> 00:48:04,262
vi har ute Western Mass.

847
00:48:04,262 --> 00:48:05,720
Visst, jag försöker vara smart.

848
00:48:05,720 --> 00:48:08,859
Jag kör GLX kugghjul i
bakgrund, samtidigt som gör allt detta,

849
00:48:08,859 --> 00:48:10,900
att se till att jag kan
betona grafikkort,

850
00:48:10,900 --> 00:48:14,140
och att det alla typer av
fungerar och alla resten av det.

851
00:48:14,140 --> 00:48:16,700
Men det viktiga är,
är detta är 100 miles away.

852
00:48:16,700 --> 00:48:20,460
Och du kan se från detta att
det finns ingen uppenbar fördröjning.

853
00:48:20,460 --> 00:48:24,600
Saker som håller ihop ganska bra.

854
00:48:24,600 --> 00:48:28,907
>> Och så att, i och för sig,
är ett exempel och lite insikt

855
00:48:28,907 --> 00:48:31,490
i hur datorer och scale-out
computing kommer att hända.

856
00:48:31,490 --> 00:48:35,330
Vi är alla som arbetar på
tunnare och tunnare enheter.

857
00:48:35,330 --> 00:48:36,870
Vår användning av tabletter ökar.

858
00:48:36,870 --> 00:48:39,160
>> Så därför, min kol
fotavtryck är i grunden

859
00:48:39,160 --> 00:48:42,060
flyttar från vad som brukade
att göra det skulle har

860
00:48:42,060 --> 00:48:46,060
varit en stor maskin
enligt mitt skrivbord, vad

861
00:48:46,060 --> 00:48:49,550
är nu en facility-- kunde vara var som helst.

862
00:48:49,550 --> 00:48:50,800
Det kan vara någonstans alls.

863
00:48:50,800 --> 00:48:54,790
Och ändå är det fortfarande möjlighet att föra
tillbaka högpresterande grafik

864
00:48:54,790 --> 00:48:56,630
till mitt skrivbord.

865
00:48:56,630 --> 00:49:00,900
>> Så, få nära
end-- minns Mark?

866
00:49:00,900 --> 00:49:04,480
Tja, är smart lad Mark.

867
00:49:04,480 --> 00:49:09,360
Han bestämde att han skulle
bygga en realistisk virtuellt universum.

868
00:49:09,360 --> 00:49:12,820
Det är ganska ett projekt, när du
tror att du har att pitch här.

869
00:49:12,820 --> 00:49:14,740
Jag kommer att använda en
dator, och jag kommer

870
00:49:14,740 --> 00:49:21,040
att modellera de 12 miljoner år efter
Big Bang för att representera en dag.

871
00:49:21,040 --> 00:49:27,080
Och då kommer jag att göra 13,8
miljard år av kosmiska evolutionen.

872
00:49:27,080 --> 00:49:28,270
Okej.

873
00:49:28,270 --> 00:49:30,970
>> Denna använder faktiskt en dator
den var större än vår dator,

874
00:49:30,970 --> 00:49:35,040
och det spillde över på den nationella
resurser till våra vänner nere i Texas.

875
00:49:35,040 --> 00:49:38,820
Och till de nationella anläggningar,
detta var en hel del beräkna.

876
00:49:38,820 --> 00:49:40,750
Men vi gjorde en hel del
simuleringen lokalt

877
00:49:40,750 --> 00:49:44,820
att se till att mjukvaran
arbetade och systemen fungerade.

878
00:49:44,820 --> 00:49:47,790
>> Och det är dagar som denna när du
inse att du stödjer vetenskap

879
00:49:47,790 --> 00:49:51,090
på denna nivå av skalan, som
människor kan nu säga saker

880
00:49:51,090 --> 00:49:52,840
gillar, jag ska en modell ett universum.

881
00:49:52,840 --> 00:49:54,145
Och det här är hans första modellen.

882
00:49:54,145 --> 00:49:56,422
Och detta är hans lags första modellen.

883
00:49:56,422 --> 00:49:58,130
Det finns många andra
folk som går

884
00:49:58,130 --> 00:50:01,520
att komma bakom Mark, som kommer att
vill modellera med hög upplösning,

885
00:50:01,520 --> 00:50:04,652
med högre specificitet,
med mer precision.

886
00:50:04,652 --> 00:50:09,105
>> Och så, i den sista par minuter,
Jag vill bara visa er den här videon

887
00:50:09,105 --> 00:50:15,270
Mark och Lars-talet som för mig, igen,
som en livsforskare, är rätt söt.

888
00:50:15,270 --> 00:50:17,890

889
00:50:17,890 --> 00:50:20,970
Så detta, vid botten
Här, för att orientera dig,

890
00:50:20,970 --> 00:50:23,640
detta är att berätta den
gången sedan Big Bang.

891
00:50:23,640 --> 00:50:26,570
Så vi är på cirka 0,7 miljarder år.

892
00:50:26,570 --> 00:50:28,740
Och detta visar den aktuella uppdateringen.

893
00:50:28,740 --> 00:50:33,450
Så du ser just nu,
mörk materia och evolutionen

894
00:50:33,450 --> 00:50:39,910
av den fina strukturen och tidig
strukturer i vårt kända universum.

895
00:50:39,910 --> 00:50:45,690
>> Och poängen med detta är att detta
är allt gjort inuti datorn.

896
00:50:45,690 --> 00:50:48,530
Detta är en uppsättning parametrar
och en uppsättning av fysik

897
00:50:48,530 --> 00:50:52,840
och en uppsättning matematik
och en uppsättning av modeller

898
00:50:52,840 --> 00:50:59,284
som är noggrant utvalda, och sedan
noggrant anslutna till varandra

899
00:50:59,284 --> 00:51:00,825
att kunna modellera interaktionen.

900
00:51:00,825 --> 00:51:04,850
>> Så du kan se några starter av
vissa gasformiga explosioner här.

901
00:51:04,850 --> 00:51:06,880
Och gastemperatur förändras.

902
00:51:06,880 --> 00:51:13,720
Och du kan börja se strukturen
av det synliga universum förändringen.

903
00:51:13,720 --> 00:51:18,130
Och den viktigaste delen med detta
är, varje liten liten, liten, liten prick

904
00:51:18,130 --> 00:51:21,070
är en bit av fysik och har
en uppsättning av matematik runt,

905
00:51:21,070 --> 00:51:23,030
informera sin vän och granne.

906
00:51:23,030 --> 00:51:27,245
>> Så från en skalnings perspektiv dessa
datorer måste alla arbeta i samförstånd

907
00:51:27,245 --> 00:51:29,470
och prata med varandra på ett effektivt sätt.

908
00:51:29,470 --> 00:51:31,060
Så de inte kan vara alltför pratsam.

909
00:51:31,060 --> 00:51:33,520
De måste lagra sina resultat.

910
00:51:33,520 --> 00:51:37,902
Och de måste fortsätta att
informera alla sina vänner.

911
00:51:37,902 --> 00:51:40,860
Faktiskt, ser du nu, den här modellen
blir mer och mer komplicerad.

912
00:51:40,860 --> 00:51:42,590
Det finns mer och mer saker på gång.

913
00:51:42,590 --> 00:51:45,210
Det finns mer och mer
material flyger runt.

914
00:51:45,210 --> 00:51:48,410
>> Och detta är vad den tidiga
kosmos skulle ha sett ut.

915
00:51:48,410 --> 00:51:49,770
Det var en ganska hårig plats.

916
00:51:49,770 --> 00:51:55,140
Det finns explosioner över
platsen, mäktiga kollisioner.

917
00:51:55,140 --> 00:51:58,620
Och bildning av tunga
metaller och grundämnen.

918
00:51:58,620 --> 00:52:03,910
Och dessa stora moln smashing in
varandra med den extrema krafter.

919
00:52:03,910 --> 00:52:08,530
>> Och så nu är vi 9,6 miljarder
år från denna inledande explosionen.

920
00:52:08,530 --> 00:52:12,310
Du börjar se saker är
sorts lugnat ner lite, bara

921
00:52:12,310 --> 00:52:15,660
lite, eftersom
energi börjar nu slappna av.

922
00:52:15,660 --> 00:52:19,420
Och så den matematiska
modeller har fått det på plats.

923
00:52:19,420 --> 00:52:22,510
Och du börjar att se
sammansmältning av olika element.

924
00:52:22,510 --> 00:52:26,220
Och börjar se denna sak typ
av komma samman och långsamt svalna.

925
00:52:26,220 --> 00:52:32,260
>> Och det börjar se lite
mer som natthimlen, en liten bit.

926
00:52:32,260 --> 00:52:37,870
Och det är [? QSing. ?] Vi är nu 30,2
miljard år och vi är typ av gjort.

927
00:52:37,870 --> 00:52:41,130
Och sedan vad de gjorde var
att de tog den här modellen,

928
00:52:41,130 --> 00:52:44,580
och sedan tittade på det synliga universum.

929
00:52:44,580 --> 00:52:48,560
Och i grunden då, var
kunna ta det och overlay

930
00:52:48,560 --> 00:52:50,580
det med vad du kan se.

931
00:52:50,580 --> 00:52:56,160
Och trohet är häpnadsväckande, att
hur exakt de datormodeller är.

932
00:52:56,160 --> 00:52:58,760
>> Naturligtvis den astrofysik
och forskargrupper

933
00:52:58,760 --> 00:53:02,780
behöver ännu bättre trohet
och ännu högre upplösning.

934
00:53:02,780 --> 00:53:06,230
Men om man tänker på vad
Jag har pratat med dig i dag

935
00:53:06,230 --> 00:53:11,850
genom denna lilla resa genom både
lagring och struktur och nätverk

936
00:53:11,850 --> 00:53:18,000
och staplar, det viktiga är,
är scale-out computing viktigt?

937
00:53:18,000 --> 00:53:22,050
Det var min ursprungliga hypothesis--
tillbaka till vår vetenskapliga metod.

938
00:53:22,050 --> 00:53:24,810
>> Jag hoppas att i ett tidigt
del av detta skulle jag

939
00:53:24,810 --> 00:53:29,400
förutse att jag skulle kunna förklara
till er om scale-out datoranvändning.

940
00:53:29,400 --> 00:53:32,870
Och vi slags testat
vissa av dessa hypoteser.

941
00:53:32,870 --> 00:53:34,585
Vi gick igenom det här samtalet.

942
00:53:34,585 --> 00:53:38,920
Och jag ska bara säga scale-out
computing är essential-- oh,

943
00:53:38,920 --> 00:53:42,480
Ja, väldigt mycket ja.

944
00:53:42,480 --> 00:53:44,790
>> Så när du tänker
om dina koder, då

945
00:53:44,790 --> 00:53:49,230
du gör de CS50 slutprojekt,
När du funderar på ditt arv

946
00:53:49,230 --> 00:53:52,990
för mänskligheten och de resurser som vi
behöver kunna köra dessa dator

947
00:53:52,990 --> 00:53:56,650
system, tror mycket noggrant
om FLOPS per watt,

948
00:53:56,650 --> 00:53:58,560
och tänka på Chaos Monkey.

949
00:53:58,560 --> 00:54:02,240
>> Tänk på dina snöflingor, inte
gör engångs, återanvändning bibliotek,

950
00:54:02,240 --> 00:54:06,453
bygga återanvändbara codes-- alla de saker
att handledarna har undervisat dig

951
00:54:06,453 --> 00:54:08,630
i denna klass.

952
00:54:08,630 --> 00:54:11,942
Dessa är grundläggande aspekter.

953
00:54:11,942 --> 00:54:13,150
De är inte bara läpparnas bekännelse.

954
00:54:13,150 --> 00:54:15,660
Dessa är verkliga saker.

955
00:54:15,660 --> 00:54:20,680
>> Och om någon av er vill följa mig,
Jag är besatt med Twitter sak.

956
00:54:20,680 --> 00:54:22,770
Jag måste på något sätt ge upp det.

957
00:54:22,770 --> 00:54:24,960
Men en hel del av
bakgrundsinformation är

958
00:54:24,960 --> 00:54:29,260
på vår forskning computing
hemsida rc.fas.harvard.edu.

959
00:54:29,260 --> 00:54:34,010
>> Jag försöka hålla en blogg upp till
date med modern teknik

960
00:54:34,010 --> 00:54:38,390
och hur vi gör distributiv
computing och så vidare.

961
00:54:38,390 --> 00:54:43,600
Och sedan våra personal är alltid
tillgänglig genom odybot.org.

962
00:54:43,600 --> 00:54:46,270
Och odybot är vår lilla hjälpreda.

963
00:54:46,270 --> 00:54:49,280
Han har ofta lite
tävlingar på sin hemsida

964
00:54:49,280 --> 00:54:51,630
också, där du kan prova och
spot honom runt campus.

965
00:54:51,630 --> 00:54:55,200
Han är den vänliga lilla
ansikte forsknings datoranvändning.

966
00:54:55,200 --> 00:54:59,730
>> Och jag ska typ av linda uppe
och tack alla för din tid.

967
00:54:59,730 --> 00:55:05,660
Och jag hoppas att du kommer ihåg att
scale-out computing är ett äkta varan.

968
00:55:05,660 --> 00:55:08,162
Och det finns en massa människor
som har fått en hel del tidigare teknik

969
00:55:08,162 --> 00:55:09,370
som kommer att kunna hjälpa dig.

970
00:55:09,370 --> 00:55:14,330
Och alla lycka med
dina framtida strävanden i att göra

971
00:55:14,330 --> 00:55:18,280
till att vår beräkning både
skalor, är högpresterande,

972
00:55:18,280 --> 00:55:20,370
och hjälper mänskligheten mer
än något annat.

973
00:55:20,370 --> 00:55:22,850
Så, tack för din tid.

974
00:55:22,850 --> 00:55:23,947