说说这些年做的云计算和大数据项目

入行十几年了，做了不少分布计算、并行计算、内存计算、海量数据处理的项目，按照现在的分类，这些都属于云计算/大数据范畴。今天说说我做过的其中三个项目，只三个。 第一个是我们接到的视频分享网站的视频转码的订单，网站名字就不说了，有替人宣传嫌疑。他们情况是这样，视频网站的内容用MP4格式在网页上播放，但是上传的格式多种多样，我们必须把这些视频统一转换成MP4格式，视频转码的工作想必大家都在自己的电脑上试过，通常一个100M左右的视频转码需要20分钟以上（CPU是Pentium IV）。为了提高转码效率，让用户以接近实时得到结果，必须在收完视频后，立即将一个视频拆分成多个单元，分散到多台计算机上进行转码，然后回收所有转码视频，按照顺序再次组合成一个新视频。我估计现在视频网站都是这个套路。我们这个团队最早是做流媒体起家的，工作没什么难度，轻车熟路，很快就完成了。只要机器足够多，视频差不多可以以接近实时的状态完成转码。后来又再一次改进，从用户上传视频开始立即进行转码，收到一段转一段，用户的视频上传完毕，我们的转码工作也完成，用户可以马上看到自己上传的转码后视频，基本上是零延时，并且稳定性、效率都高于对方提出的要求。做完这个，合作方老板很满意，接着又给了一个CDN的项目。现在我们仍保持着合作的关系。

第二个有点玄乎，项目可以写一篇论文，题目是《关于空中移动目标运行轨迹和落点的问题》。这个项目是XXX发下来的，实质就是炮弹打×××，大概是想看看能不能打着，论证技术可行性。当时人还在某单位，因为研究领域和空气动力学毫不相关，所以这方面的知识基本属于文盲，知道的也就是那么几个有限的名词和数学公式，但是这正好符合XXX的要求，不需要我们懂这些高深的理论，他们派人和我们合作这个项目。我们的工作就是把很多传感器（他们没明说，但是地球人都明白这东西应该是雷达）接收的数据，包括当前多少公里范围内的空气的风速、风向、地表的曲面率，还有其它一些指标在收集后（这些瞬间产生的三维数据的数据量非常大），分散到一大堆计算机上去执行（测试时准备了100个节点），并且要很快计算出结果（必须比空中运动的目标快）。这其实和现在的SPARK、STORM做的工作很象，要依赖大内存、高性能CPU、和高速网络，跳过硬盘这个瓶颈，才能得以实现快速计算。这个项目花了很长时间，主要是与合作方的沟通改进，然后是再沟通再改进，循环往复，周而复始。后来终于完成了，据说做了试验，可行性很高，上面领导很满意，还摆了庆功酒。反正我没见着也没喝着。其实他们怎么计算的，我到最后也没有搞明白，问过一次，说是秘密。

第三个和两桶油的页岩气有关。当前的背景是在四川涪陵（这个地方还产榨菜）发现了大面积的天然气，按照自然规律，油气是共生的，所以两桶油想通过采集页岩样本，分析这个地区地下有没有石油资源，如果有，是不是具有开采价值。这套程序原本已经是有的，艾克森.美孚石油公司开发的，跑在CARY-1向量机上。那套机器是上世纪七八十年代的超级计算机，在当时已经不能满足需要，属于进博物馆之列。有些数据分析理论已经过时，需要调整。两桶油最不满意的还是速度太慢，计算一次要几小时几天才能出结果。这一次又是合作，两桶油出熟悉采油的技术专家，我们出并行计算的码农，前前后后合作弄了大半年，算是完成了。这次我们用了新的并行算法，效率提高了一大截。和上次炮弹打×××一样，整个项目静悄悄开始，静悄悄结束，后面怎么样就不知道了。