浅谈Google三篇论文的感想

[壹松]

在一个星期的时间里我认真仔细阅读了google的三篇论文，期间感慨颇多，下面就来谈谈我个人的感想吧。 我首要阅读的是Google File System这篇论文，由于我对这方面的知识不是太懂，所以理解起来比较的吃力，期间有尝试过放弃，但最终还是咬牙坚持了下来（来源于我顽强的毅力），首先它是一个面向大规模数据密集型应用的，可伸缩的分布式的文件系统，它向我们展示了容错，可伸缩性，数据存储以及集群存储的概念，它生动形象的介绍了系统本身的特点，发展以及功能介绍，GFS的功能还是比较强大的，它完全满足了我们对存储的需求，并且已经被广泛的部署在Google内部作为存储平台，它展示了能够支持分布式应用的文件系统接口的扩展，谈论了我们设计的许多方面，最后还列出来了小规模性能测试以及真实生产系统中性能相关数据。其次我阅读了Google Bigtable这篇，它主要是一个分布式的结构化数据存储系统，它被用来处理海量数据，通常是分布在数千台普通服务器上的PB级的数据，其实Google的很多项目使用Bigtable存储数据，针对这些Google的产品，Bigtable还是成功的提供了一个灵活的高性能的解决方案，他描述了Bigtable提供的简单的数据模型。此外，Bigtable还实现了适用性广泛，可扩展，高性能和高可用性的目标，这点在应用上成就是非常大的，它的排序是一个稀疏的，分布式的，持久化存储的多维度的特点，它讲述了它的构件，优化，性能评估，实际应用等方面的知识，它设计了我们自己的数据模型，使我们的系统非常灵活，即使在系统出现瓶颈以及效率极低的情况时，也能够快速的解决这些问题。最后我阅读的是Google mapReduce，它是一个编程模型，也是一个处理和生成超大数据集的算法模型的相关实现，MapReduce架构的程序能够在大量的普通配置的计算机上实现并优化处理，它在运行时可以灵活的调整由普通机器组成的集群上，它已经实现了数以百计的MapReduce程序它向我们展示了编程模型，如何实现以及相关的技巧，另外它的性能也是比较高效和优化的，我们可以从MapReduce开发过程中学到很多东西，这个模型已经运用到了很多领域，解决了Google遇到的其他很多需要大量计算的问题。 在新阶段的我们由于没有很好的基础，在我看来想要把这三篇论文所讲的概论全部弄懂实在是有点困难，不过只要你想去了解想去弄明白这些概论，你会不自觉的静下心来好好阅读，不理解，不明白对我们来说很正常，但是我们应该用一颗坦诚的心去面对，让我们焦躁的的心得以平静，在今后的学习当中我们应当以一颗平静的心来对待，有时内心的焦躁仿佛让我们任何事情只是停留在表面。