第七章.多元云智能管理系统 (第1/2页)
　　
　　选择困难症加巨大工作量，林久浩还真的去问了丁琪琪，琪琪说：“扔硬币的时候，确实有很小的概率，发生硬币立在地面的情况，所以。。。扔鞋吧~。”林久浩就知道，丁琪琪不会出好主意的。
　　
　　配属的算力存储等硬件系统明天才能到位，这一天，愁上眉梢的林久浩，居然什么也没干，因为不知道怎么干，难题。
　　
　　晚上快十点了，思考中，思考中，已经考虑一天了，选择困难症，到底要不要下决心，让小组成员开始写基于多元关联拟脑技术的云智能管理程序，理工科人的习惯，只要现在动手写一点，就根本停不下来了。
　　
　　选择困难症，扔鞋吧，是先把多元云的智能管理模型制定出来，估算一下代码量，然后再听天由命吗？还是。。。。。。问问老爸吧。
　　
　　已经是晚上十点多了，“老爸，您休息了吗？”林久浩尝试着给林自强发了一个消息。
　　
　　“没有，这么晚你又要干什么？”林自强回道。
　　
　　“老爸，我有一件技术方面的事情想咨询，您，一下。”林久浩不知道怎么说。
　　
　　“很麻烦的？”林自强问道。
　　
　　“很麻烦，时间不短，会影响您休息，不知道该不该说。”林久浩有些犹豫。
　　
　　“说还是不说，你选择困难症呀？说。。。立刻。”林自强果断下了命令。
　　
　　“好，就是上一回跟您说过的，用于母子脑算法，基于多元关联拟脑技术的云资源智能管理的问题，我们怎么做？”林久浩提出问题。
　　
　　“你们的母子脑算法，必须基于多元云智能管理系统，是不是？你现在想怎么做？”林自强反问。
　　
　　“我还没想。”林久浩马上回来一个信息。
　　
　　“我还没说完，你想怎么做我不管，我这边已经有规划了。”林自强手慢。
　　
　　“您有规划了，怎么规划的？”林久浩兴奋了。
　　
　　“用多元关联拟脑模型，抽离软硬件控制部分，定义为信息元，然后构建中间多元关联模型层，给云资源管理建立一个大脑。”林自强淡定地说道。
　　
　　“我就知道，肯定要用多元关联拟脑模型，但是，我们怎么用呀？”林久浩问到具体的方面。
　　
　　“我会把云内部所有软硬件资源及管理信息资源，全部转化为信息元，建立在多元关联拟脑模型中，管理信息资源你应该明白了，我不用解释了吧？”林自强引导着。
　　
　　“知道，不是用户存储的信息，是我们在系统管理中的信息，例如，软硬件信息、固定的用户权限、配置信息、故障信息等等。。。都转化为信息元并关联起来。我当初做的运维系统多元关联拟脑模型，就是用的这个理念。”林久浩想起了自己编写的第一个程序。
　　
　　“对的，很多驱动程序和管理模块都是现成的，我们只需要建立一个脑结构，把这些信息关联在一起，这个脑结构可不可以满足你的管理要求？”林自强问道。
　　
　　“您还没说结构呢，我不知道能不能满足我的要求。”林久浩没明白。
　　
　　“好吧，我们假设脑结构已经建立好，就是资源控制模块及管理信息全部信息元化，而且信息元关联等工作已经完成，你可以把你的需求发出来，看我们能不能满足要求。”林自强继续引导。
　　
　　“好的，我们是要建立一个母子脑生成机制，拟脑软件部分是由【星辰大海】生成的专用子脑，这个子脑需要配置相应的硬件设备，算力存储运维之类的硬件资源、管理功能组资源及管理规划，而且产生的子脑还有生命周期，等等。”林久浩提出需求。
　　
　　“很简单呀，你可以在测试系统中，完成子脑的硬件资源需求，也可以用多元云的实验资源池部分，确定这个子脑的资源需求范围。”林自强先提出测算方法，当一个子脑生成的时候，先要知道这个子脑的算力要求范围，以及存储需求的范围。
　　
　　“有实验资源池吗？我们要做的子脑叫【场景】，您帮我分析一下，怎么实现？”林久浩继续提需求。
　　
　　“好，我们按照你说的要求，生成针对【场景】子脑的场景管理信息元，取名字叫【场景管理元】。”林自强说道。
　　
　　“运维管理信息及生存周期呢？”林久浩问道。
　　
　　“这些内容应该在【星辰大海】中有明确的规定，我们先把子脑建立起来，然后再去设定管理功能组的需求。”林自强回答。
　　
　　“好的。”林久浩。
　　
　　“设定一个信息元【场景管理元】，标注为预设信息元，设定各项条件参数范围，例如你实际运行的算力是A，你设定的参数范围为A*150%，这样实验云中的【场景管理元】会得出这个子脑的算力需求范围，当输出的预设信息元为实际信息元的时候，信息元【场景管理元】会带出一个算力参数1.5A，这个信息元【场景管理元】会加入【资源管理信息元】的【我生负】象限，而【资源管理信息元】也在【场景管理元】的【生我正】象限。”林自强开始推演。
　　
　　“【场景管理元】信息元就是子脑吗？”林久浩有点含糊。
　　
　　“不是，【场景管理元】信息元是生成【场景】子脑的上一级关联信息元，而【场景子脑】在【场景管理元】的【我生负】象限，而且可以产生多个子脑，包括你们需要的平行脑和影子脑。”林自强解释道，这里的管理信息元不是实际生成的子脑系统，而是为生成和关联这个子脑系统而设定的管理信息元。
　　
　　“哦，这样太好了，就是【场景管理元】是针对【场景子脑】的管理核心信息元，这个信息元就是生成子脑运行条件的规范，按照规范生成【场景子脑】的运行条件，太好了，因为【场景子脑】不是一个，需要三个脑并行运行相互验证，同时还需要影子脑进行多执行脑算法比对。”林久浩理解着说道。
　　
　　“多执行脑算法比对？”林自强问道。
　　
　　“就是采用新版本的多重平行三维空间技术，我们多执行脑算法比对，是针对多方向预设态计算的一种，多方向预设态是用来预测未来的真实发生态，多执行脑算法比对是面对一个问题，模拟多种解决方法，对比出最优的，就是我前几天跟您说过的互斥问题，也是其中的一种。”林久浩解释道。
　　
　　“哦，我明白了，看来你那边的应用场景很丰富，真好。”林自强居然羡慕了。
　　
　　“老爸，我有时候很佩服您，您都没有接触过真实的应用场景，居然就。。。就。。。凭妄想就想出来了。”林久浩说完，立刻意识到，这好像不是夸人。
　　
　　“嗯，嗯，我们继续，【场景管理元】作为【场景子脑】的生成规范，如果需要多个【场景子脑】，由【场景管理元】向【生我正】象限申请资源，由【生我正】象限的【资源管理信息元】响应，而实际的资源又在【资源管理信息元】的【我克正】的资源池里，资源池里面的资源被申请，反馈到发起者【场景管理元】信息元，形成执行闭环，最终在【场景管理元】的【我生负】象限会出现一个【场景子脑】的运行条件环境包。”林自强解释着。
　　
　　“如果【场景子脑】在运行的时候，例如，算力不够，怎么办？”林久浩又问道。
　　
　　“你会发现，在【场景管理元】信息元的【我克负】象限里面，有你的监控参数信息元，例如，你说的【算力】信息元，【场景子脑】在运行的时候，一直溢出监控的参数，且会一直将参数发向【算力】这个信息元，而【算力】信息元与【场景管理元】关联，关联线路容忍度设定范围阈值，如果参数是70%以内，没有超越容忍度，则不向【场景管理元】元发申请，如果【算力】监控元参数是80%，超越容忍度阈值，会产生算力不够，就会向【场景管理元】发出带参数80%的申请。”林自强继续解释。
　　
　　“然后【场景管理元】把这个参数传给【资源管理信息元】，然后发到资源池，按照参数选择是算力添加，然后把定义好的算力单元添加给【场景子脑】，【场景子脑】再获得添加的单位算力后，就结束了。”林久浩边理解边推演。
　　
　　
　　
　　（本章未完，请点击下一页继续阅读）