为了驾驭大数据处理，中外互联网巨头做了同样的选择

俗话说的好，再大的硬盘也有装满的时候，再快的手机也有卡机的一天。如果说全球整体的数据量，那就更为惊人了！

• 预计到2020年全球数据总量将超过40ZB(相当于4万亿GB)，是2011年的22倍。

• 在过去几年，全球的数据量以每年58%的速度增长，未来这个速度会更快。

• 如果按照现在存储容量每年40%的增长速度计算，到2017年需要存储的数据量甚至会大于存储设备的总容量。

• 几年前3000台服务器容量的数据中心就可以完成的处理工作，几年后服务器数量至少需要乘以10！

你说多不多？多不多！多不多？！

“这是问题吗？”有人会想，只要有钱，我们就狂刷服务器，还怕处理不了大数据？（是的，处理不了：冷静脸）

服务器CPU的主频、内存的容量和I/O带宽，都会影响到运算速度。另外，更重要的是，根据摩尔定律，目前最新款计算机芯片已经突破7纳米尺度，向更小型化发展越来越难，而新的工作负载还在不断涌现，支撑单位硬件计算能力提升的摩尔定律越来越接近极限，数据中心的空间和电力供应也已经无法跟上服务器数量的疯狂增长。（对，服务器是有了，就是没电）

让我们来看看国内外的互联网巨头，Google和腾讯都是如何应对大数据挑战的吧：

• 在国外，2016年4月， Google表示，正在与RackSpace开发一项基于IBM公司新型POWER9架构的开放服务器规范，并向开放计算项目（OpenCompute Project）提交一项POWER9 服务器待选设计方案，供项目成员使用。

• 在国内，2016年6月，腾讯也谈到开放式合作的重要性以及对OpenPOWER技术的支持。腾讯服务器平台中心架构师王伟表示:“我们会深入挖掘OpenPOWER的技术潜力，取得更大突破，共同推动新技术的发展。”

那是因为，新一代应用迫切需要通用处理器计算和特定目的的协处理器计算（加速器，如FPGA）混合异构工作，而OpenPOWER分布式计算就在软件和硬件架构上提供了这种全新的能力：

（编辑：PHP编程网 - 黄冈站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!