Первую большую статью представил Ларри Смарр (Larry Smarr) – «Проект GreenLight: оптимизация киберинфраструктуры для мира с ограниченным выбросом парниковых газов» (Project GreenLight: Optimizing Cyber-infrastructure for a Carbon-Constrained World). Группа климата консорциума Global eSustainability Initiative недавно опубликовала отчет Smart 2020: Enabling the Low Carbon Economy in the Information Age (www.theclimategroup.org), в котором утверждается, что повышение эффективности потребления энергии системами ИКТ, а также применение этих систем для оптимизации сетей электропередачи, систем поставок, интеллектуальных транспортных систем и строительной инфраструктуры могло бы к 2020 году сократить на 15% объем выбросов парниковых газов.
В первой части статьи Смарр говорит о научных результатах, иллюстрирующих изменения, уже происходящие в атмосфере Земли. Вторая часть посвящена обсуждению роли ИКТ в загрязнении атмосферы парниковыми газами. В 2007 году вклад ИКТ-индустрии в мировые выбросы парниковых газов составил 2-3% и ежегодно растет на 6%. В диаграммах, приведенных на рис. 1, учитываются метан, закись азота и другие парниковые газы в «эквиваленте CO2».
При обсуждении проблемы выбросов в сообществе ИКТ наибольшее внимание уделяется центрам данных, используемым в организациях или образующим «серверную часть» Сети (центры обработки данных Google, Amazon, Yahoo и Microsoft), хотя объем выбросов, связанных с такими ЦОД, в 2020 году составит менее 20% от общего объема выбросов по вине ИКТ. Основная часть (57%) поступит с «края сети»: от ПК, периферийного оборудования и принтеров. Это связано с тем, что невиданными темпами растет количество используемых компьютеров в Китае и Индии – к 2020 году в мире будет насчитываться 4 млрд ПК.
Решение проблемы управления энергопотреблением в таких устройствах требуется начинать с системного уровня, сосредоточиваясь на интеграции аппаратной и программной архитектур. Однако разнообразные устройства, как правило, объединяют в себе несколько специализированных интегральных схем, микропроцессоры, батареи, диски и дисплеи, что значительно усложняет решение проблемы мониторинга и оптимизации энергопотребления.
Энергопотребление каждого компонента может различаться в шесть – десять раз в зависимости от того, активен он или находится в режиме ожидания. Одна из стратегий состоит в том, чтобы применять устройства, потребляющие наименьшую энергию, для отключения более крупных устройств, когда они не нужны. С алгоритмической точки зрения в архитектуре, оптимизирующей энергопотребление, следует либо отключать не требуемые в данный момент компоненты с использованием динамического управления питанием, либо замедлять их функционирование с применением динамического частотного масштабирования, либо одновременно применять оба подхода.
Динамическое управление энергопотреблением наряду с одновременным применением машинного обучения, основанного на данных, полученных от датчиков и счетчиков производительности, может обеспечить управление напряжением и частотой – для определенного класса рабочих нагрузок это позволяет добиться 70-процентной экономии. Для динамического управления тепловыми режимами методы машинного обучения могут предсказать, что некоторый, скажем, графический алгоритм при своем выполнении на процессоре вызывает значительное выделение тепла. Тогда система может предварительно охладить процессор для немедленного отвода тепла, что позволяет на 60% уменьшить энергопотребление без какого-либо падения производительности.
Еще один пример – виртуализация. В вузах кластеры обычно устанавливаются в недостаточно кондиционируемых помещениях, и вычисления часто занимают только небольшую часть времени, тогда как энергия на поддержку работоспособности оборудования и его охлаждение расходуется круглосуточно. Если использовать в режиме виртуализации более крупные системы, помещенные в эффективную среду энергопотребления, то можно существенно увеличить степень их полезной загрузки (до 80%) и при том же потреблении энергии производить намного больше вычислений.
Статью «Реальное переосмысление ‘формальных методов’» (Really Rethinking ‘Formal Methods’) написал Дэвид Парнас (David Parnas). Со времени появления первых идей по поводу использования формальных методов для разработки программ много раз происходили «революции» в аппаратной части и в человеко-машинных интерфейсах. К сожалению, сопоставимого прогресса в формальных методах нет. Были предложены новые языки и новые логики, но ошибки проектирования, которые встречались в 60-е годы, можно найти и в нынешнем программном обеспечении. Исключительно редкое применение формальных методов в промышленной разработке ПО только подчеркивает, что использование таких методов не стало установившейся практикой.
Авторы статьи «Воплощение концепции самоуправляемых компьютерных систем» (Fulfilling the Vision of Autonomic Computing) – Саймон Добсон (Simon Dobson), Рой Стеррит (Roy Sterritt), Пэдди Никсон (Paddy Nixon) и Майк Хинчи (Mike Hinchey). В 2001 году в корпорации IBM предсказали, что к концу десятилетия ИТ-индустрии понадобится 200 млн работников для помощи миллиарду сотрудников, работающих в миллионе компаний, в которых используется триллион устройств, соединенных посредством Сети. Как ожидалось, справиться с проблемой управления можно только путем обеспечения самоуправления компьютеров.
Сегодня видно, что, подобно ситуации с проблемой 2000 года, положение дел не настолько критично. Была ли решена проблема, поставленная IBM? Призывая всех под знамена самоуправляемых компьютерных систем, IBM сравнивала ИТ-индустрию в 2001 году с телефонной индустрией в 1920 году. В то время быстрое развитие телефонной индустрии и проникновение телефонов в повседневную жизнь людей вызвало серьезную нехватку подготовленных операторов. Реализация компанией AT&T автоматического протокола коммутации и появление других технологических новшеств позволили предотвратить этот кризис.
Семь лет тому назад Джеффри Кефарт и Дэвид Чесс опубликовали статью «Концепция саморегулирующихся вычислений», в которой описывалась точка зрения IBM на самоуправляемые компьютерные системы в контексте управления корпоративными системами. Эта статья оказала значительное влияние на будущее ИТ.
До какой степени удалось воплотить концепцию, изложенную Кефартом и Чессом? Каково современное состояние самоуправляемых компьютерных систем и какое влияние оказывают выполненные исследования? В некоторых умах сегодняшние самоуправляемые системы остаются тесно связанными с исходной инициативной IBM, но в IEEE этот термин понимается в более широком смысле «развитой технологии управления развитыми технологиями». С этим направлением связан ряд других, в том числе: органические компьютерные системы (organic computing), биоинспирированные компьютерные системы (bio-inspired computing), самоорганизующиеся системы (self-organizing), сверхустойчивые компьютерные системы (ultrastable computing), автономные и адаптивные системы (autonomous and adaptive systems). Термин самоуправляемость (autonomic) теперь охватывает все эти инициативы, а недавно было предложено понятие самоуправляемых коммуникаций (autonomic communications), которое стало объектом активных исследований, в особенности в Европе. Отдельного изучения заслуживает взаимосвязь аспектов коммуникаций и вычислений в самоуправляемых системах.
Авторами последней статьи – «Перс-пективы оппортунистических компьютерных систем» (Opportunities in Opportunistic Computing) – являются Марко Конти (Marco Conti) и Мохан Кумар (Mohan Kumar). В последние годы пользуются популярностью «оппортунистические сети» (opportunistic networks), основанные на развитии идей мобильных временных сетей (mobile ad hoc networks, MANET). В оппортунистических сетях узлы входят во взаимный контакт оппортунистически (то есть по мере возможности) на основе беспроводных коммуникаций. Оппортунистические сети являются антропоцентрическими (human-centric), поскольку в них воспроизводится способ налаживания контактов между людьми. Тем самым оппортунистические сети тесно связаны с социальными сетями, и в них могут учитываться особенности человеческих отношений для построения более эффективных и надежных протоколов.
В оппортунистическом компьютинге применяются оппортунистические коммуникации между парами устройств (и выполняемых на них приложений) для совместного использования контента, ресурсов и сервисов каждого из них. Оппортунистические компьютерные системы – новое направление исследований и разработок. Можно, конечно, сомневаться в целесообразности вычислительной парадигмы, основанной на попарных контактах между узлами, однако концепция оппортунистических компьютерных систем мотивируется целым рядом факторов: ключевые технологические разработки, в том числе беспроводные коммуникации и архитектуры устройств; появление новых прикладных областей; повсеместное распространение антропоцентрических компьютерных систем; развитие социальных сетей.
По оценкам аналитиков, во всем мире мобильными телефонами пользуются 3,3 млрд человек – в любой момент, когда включены два миллиарда мобильных телефонов, потенциально может возникнуть миллиард параллельных оппортунистических контактов. При заниженной оценке каждый мобильный телефон обладает процессорной мощностью в 100 млн команд в секунду и возможностью передачи данных со скоростью в 200 Кбит в секунду. Использование этих оппортунистических контактов потенциально может обеспечить решение около 100 квадрилионов вычислительных задач и передачу одного петабайта данных в секунду. Эта оценка существенно повысится, если принять во внимание 10 млрд процессоров, используемых во встраиваемых системах автомобилей, в бытовых приборах и других устройствах.
При наличии множества проводных и беспроводных коммуникационных устройств оппортунистические контакты между парами устройств являются нормальным явлением, а не редкостью. Оппортунистические сети обеспечивают конкретные протоколы коммуникаций, а сценарии приложений – мотивацию решения проблем оппортунистических компьютерных систем. Вопрос только в том, когда и как удастся решить проблемы требуемого расширения существующих приложений и разработки новых приложений. По своей сути, крупномасштабные оппортунистические компьютерные системы, которые можно считать просто устойчивыми к задержкам распределенными компьютерными системами, обладают огромным потенциалом.
Мобильные и всеобъемлющие компьютерные системы также можно считать естественным развитием традиционных распределенных систем. Однако в мобильных и всеобъемлющих системах случаи разрыва связи или перехода устройства в неактивное состояние являются отклонениями от нормы, а в оппортунистических компьютерных системах оппортунистическая связность позволяет обеспечить доступ к ценным ресурсам и информации.
Как видно из рис. 2, в оппортунистических системах используются коммуникационные возможности для предоставления вычислительных услуг, удовлетворяющих потребностям всеобъемлющих приложений. Исследования в области оппортунистических сетей опираются на результаты прошлых лет в областях мобильных сетей и сетей, устойчивых к задержкам, а всеобъемлющие, мобильные и социальные компьютерные системы стимулируют их применение.
В оппортунистических компьютерных системах используются все доступные ресурсы оппортунистической среды для предоставления платформы выполнения распределенных вычислительных задач. Основная проблема состоит в том, как наиболее эффективно использовать оппортунистические контакты для обеспечения доступности информации и предоставления вычислительных сервисов приложениям и пользователям. Чтобы превратить оппортунистические компьютерные системы в реальность, требуются сервисы связующего ПО, маскирующие разрывы связи и задержки и управляющие разнородными вычислительными ресурсами, сервисами и данными для обеспечения приложениям однородного представления системы.
Становлению оппортунистических компьютерных систем могут содействовать результаты исследований в областях все-объемлющих и сенсорных систем, распределенных и отказоустойчивых вычислений, мобильных временных сетей. Однако многие проблемы оппортунистических компьютерных систем уникальны.
В рубрике «Исследовательские статьи» опубликована статья Роберта Шумейкера (Robert Schumaker) и Хсинчун Чена (Hsinchun Chen) «Дискретная система предсказания биржевого курса акций на основе финансовых новостей» (A Discrete Stock Price Prediction Engine Based on Financial News). Несмотря на громадные усилия исследователей, до сих пор не удалось найти метода точного предсказания изменения биржевых курсов акций. Трудности вызваны сложностями динамики рынка, параметры которой не полностью определены.
Некоторых успехов в этой области удается добиться с помощью анализа текстовых данных – квартальных отчетов и новостей, которые могут существенно влиять на стоимость акций. Большинство существующих методов финансового анализа применяется к новостным статьям,
в которых используются только отдельные термины, и этим терминам назначаются веса на основе направления изменения биржевого курса. При предсказании эти взвешенные термины соотносятся с текстом некоторой новой статьи для определения вероятного направления изменения. Эти упрощенные методы хотя и слабо, но способны предсказать направление изменения биржевого курса, но не могут предсказать цены акций.
В последние годы повысился интерес к «количественным фондам» (quantitative fund), или квантам (quant), которые автоматически обрабатывают финансовые данные и выпускают биржевые рекомендации. Используя исторические рыночные данные и сложные математические модели, можно производить анализ только в рамках существующей информации. Это ограничение означает невозможность реагирования на непредвиденные события, не укладывающиеся в рамки исторических норм. Однако этот недостаток не мешает менеджерам ведущих инвестиционных фондов вкладывать миллиарды долларов.
Система AZFinText представляет собой иной тип квант-трейдера, обеспечивающего дискретные численные предсказания путем комбинирования материалов из финансовых новостей с данными о биржевых курсах. В то время как в предшествующих методах финансового текстового анализа отслеживалось только направление изменения цен, в AZFinText используется статистическое обучение для предсказания количественных объемов цен, и на основе этого предлагаются рекомендации о сделках.
Статья «Онлайновые угрозы безопасности и намерения пользователей компьютеров» (Online Security Threats and Computer User Intentions) написана Томасом Стэфордом (Thomas Stafford).
Федеральная торговая комиссия США определяет шпионское ПО (spyware) как «программное обеспечение, назначение которого состоит в сборе информации об отдельной личности или организации без их ведома и которое может посылать эту информацию другому объекту без согласия пользователя». Гуру в данной области Стив Гибсон считает шпионской любую программу, которая тайно использует подключение к Сети для связи с каким-либо внешним сервером.
Вред, приносимый несанкционированным мониторингом, варьируется от посягательств на конфиденциальную информацию до эксплуатационных потерь из-за снижения производительности компьютера и до экономических потерь, возникающих из-за похищения идентификационных данных и прямого воровства. Некоторые разновидности spyware просто занимают часть ресурса процесса и пропускной способности сети для рассылки спама из компьютера пользователя, в то время как другие добывают пароли и учетные номера для кражи услуг и финансовых ресурсов. Новейшие виды spyware – конгломераты вредоносных программ, включающие одновременно и средства заражения компьютеров, и коммуникационные средства, которые позволяют использовать одноранговые сети.
Шпионские программы действительно представляют серьезную проблему, но не менее опасна апатия пользователей. Пользователи Сети осведомлены о spyware, но до странности неохотно прибегают к применению безопасных методов использования компьютеров или эффективных антишпионских приложений. Частично это можно объяснить недостатком знаний, но антишпионское программное обеспечение используется настолько небольшим числом людей, что, очевидно, основной проблемой является отсутствие побудительных мотивов. Чтобы понять, с чем это связано, авторы исследовали причины неспособности пользователей к защите своей безопасности и конфиденциальности. С этой целью они воспользовались теорией защитной мотивации (protection motivation theory), которая широко применяется для объяснения того, почему у некоторых людей отсутствует побуждение к защите от угроз собственному здоровью и безопасности, таких как вождение автомобиля в нетрезвом виде, курение и т.п.
Всего вам доброго, до следующей встречи, Сергей Кузнецов (kuzloc@ispras.ru).
