有趣的是，很多早期采用 Eclipse 的用户都是从文本编辑器上迁移过来的，而不是从其他 IDE 上迁移过来的。当然，这就解释了为什么他们并不介意功能的缺乏。对于很多人来说，这是他们使用的第一个 IDE，这并没有简化他们 的开发任务。IBM 附属的 OTI 是一个非常优秀的面向对象的技术公司，已经花费了 4 千万美元来开发 Eclipse，然后将其捐赠给了开源社区。
更有趣的问题是 Eclipse 是否与其他花钱的 IDE 一样好。 答案非常确定。首先，这取决于您想要用它来做什么。如果您只需要进行基本的开发，就没有必要继续往下看了。对于编码、调试、重 构、单元测试等等， Eclipse 可以与任何一种 IDE 匹敌，甚至比它们还要好。与免费的 JBuilder X Foundation 版本类似， Eclipse 也有代码补足、代码模板的功能，以及对重构、Ant、CVS 和 JUnit 的支持。实际上，您可能会发现 Eclipse 对很多特性的支持都比 JBuilder 更好。例如， Eclipse 具有更多的重构功能，能够更好地支持将本地代码与 CVS 服务器进行合并。
除了这些基本功能之外，还取决于您需要哪些特性，这方面的故事就有些更为复杂了。Eclipse 的优点之一就是它的源代码是开放的，可扩展性很好，可以扩充很多插件，开源插件和商业插件都可以用来扩充 Eclipse。如果您需要 基本的 Eclipse IDE 所不具备的特性，一般都可以找到您需要的插件。大部分情况下，您都可以找到免费的插件，至少可以完全实现您想要的功能 -- 例如，对于 Web 和 J2EE 的开发，通常都能找到这种插件。（请参阅 参考资料 中关于在 Structs 和 Web 应用程序开发中获取、安装并使用插件的文章。）
除了免费的插件之外，您还可以找到很多用于 Eclipse 的价格适中的商业插件。如果您只需要一部分高级特性，但却无法找到满意的免费插件，就可以从第三方供应商那里购买这些插件，而 不用去购买完整的企业 IDE 包，这样会更经济。由于 Eclipse 的流行性和开源特性，它已经在 IDE 领域成为一把尖刀 -- 拥有数百种插件，既有免费的，也有商 业的。访问 Eclipse 插件主页 可以找到大部分 Eclipse 插件。
现在我们要特别介绍一下 Eclipse 30 在开发时缺少一种特性，而 JBuilder 在很早以前就具有这种特性了：构建用户界面的可视化工具。这种特性现在正在被积极地开发。Eclipse Visual Editor (VE) release 05 可以支持 AWT/Swing，现在可用于 Eclipse 21x 的版本，并且很快就可以用于 Eclipse 30, release 10 了，不过在您阅读本文时可能还不可用。VE 10 会作为一个独立软件在 Eclipse 网站上提供下载，它不但可以支持 AWT/Swing，而且也可以支持 SWT。要了解有关 VE 的更多信息，并想体验一下 VE，请参阅 参考资料 中的文章 "Building GUIs with the Eclipse Visual Editor"
开始体验 Eclipse
Eclipse 与其他 IDE 稍有不同，因为它引入了一个新的对用户界面进行抽象的层次： 视角（perspective）。最终您会发现这个概念会贯穿 Eclipse 的各种丰富特性：它删除了与手头任务无关的选项，从而让您可以集中注意力于要做的事情。
为了方便说明，我们还需要再介绍一些 Eclipse 术语。Eclipse 开发环境（即 Eclipse 主窗口内的全部内容）称为 工作台（workbench）。在这个主窗口中，有各种各样的面板，称为 视图（View），视图中可显示控制台的输出、项目的概要信息等等。多个视图 常常堆叠成记事簿的形式，可通过标签页来选择。除了视图之外，工作台中还有一个特殊的面板，称为 编辑器（editor），这个地方可以编辑各种不同类型的文档，如源代码等。
到此为止，我们对 Eclipse 工作台的描述听起来和 JBuilder 也没什么不同。当您执行不同的任务（如编码、调试、或是将代码的变更合并到中央代码库）时，您可以使用针对这种任务的特殊窗口 排列方式。这些特定于任务的窗口排列方式称为 视角（perspectives）。它十分类似于 JBuilder 中编辑器下面的标签页功能，只不过在 Eclipse 中，整个工作台都可以改变，包括主工具条和菜单。
1、网络需求分析
1、网络总体需求分析，根据应用软件的类型不同，可以分为3类：
（1）MIS/OA/Web类应用，数据交换频繁，数据流量不大
（2）FTP/CAD类应用，数据交换不频繁，数据流量大
（3）多媒体数据流文件，数据交换频繁，数据流量大
2、结构化布线需求分析
通过对结点分布的实地考察，结合建筑物内部结构与建筑物之间的关系，连接的难易程度，确定中心机房、楼内各层的设备间、楼间连接技术、以及施工的造价，确定中心机房及各网段设备间的位置和用户结点的分布，确定结构化布线的需求、造价与方案。
3、网络可用性与可靠性分析
4、网络安全性需求分析
5、网络工程造价估算
2、网络规划设计
一、网络工程建设总体目标与设计原则
网络工程建设必须首先明确用户的实际需求，统一规划，分期建设，选择适合的技术，确保网络工程建设的选进性、可用性、可靠性、可扩展性与安全性。因此网络系统设计的原则是实用性、开放性、高可靠性、安全性、先进性与可扩展性。
二、网络结构与拓扑构型设计方法
大型和中型网络系统必须采用分层的设计思想，这是解决网络系统规模、结构和技术的复杂性的最有效方法。
其中，核心层网络用于连接服务器集群、各建筑物子网交换路由器，以及与城域网连接的出口；汇聚层网络用于将分布在不同位置的子网连接到核心层网络，实现路由汇聚的功能；接入层网络将终端用户计算机接入到网络之中。核心路由器之间、路由器与汇聚路由器直接使用具有冗余链路的光纤连接。汇聚路由器与接入路由器，接入路由器与用户计算机之间可以使用非屏蔽双绞线（UTP）连接。
三、核心层网络结构设计
核心层网络是整个网络系统的主干部分，应该是设计与建设的重点。主要技术标准是GE/10GE，核心设备是高性能交换路由器，连接路由器是具有冗余链路的光纤。
四、汇聚层网络与接入层网络结构设计
汇聚层网络用于将分布在不同位置的子网连接到核心层网络，实现路由汇聚的功能。
接入层网络用于将终端用户计算机接入到网络之中。
3、网络设备与选型
一、设备选型的基本原则
1、产品系列与厂商的选择
2、网络的可扩展性考虑
3、网络技术先进性考虑
二、路由器选型的依据
1、路由器的分类
高端：背板交换能力>40Gbps
中低端：背板交换能力<40Gbps
高端：多个高速光端口，支持多协议标记交换(MPLS)协议
中端：支持IP协议的同时，支持IPX、Vines等多种协议，支持防火墙、QoS、安全与策略
低端：支持局域网、ADSL、接入与PPP接入方式与协议
2、路由器的关键技术指标
（1）吞吐量，是指路由器的包转发能力。
（2）背板能力，是路由器输入端与输出端之间的物理通道。传统的路由器采用的是共享背板的结构，高性能路由器一般采用交换式结构，背板能力决定吞吐量。
（3）丢包率，是指在稳定的持续负荷情况下，由于包转发能力的限制而造成包丢失的概率。
（4）延时与延时抖动，是指数据包的第一个比特进入路由器，到该帧的最后一个比特离开路由器所经历的时间，该时间间隔标志着路由器转发包的处理时间。
（5）突发处理能力，是以最小帧间隔发送数据包而不引起丢失的最大发送速率来衡量的。
（6）路由表容量，路由器的一个重要任务就是建立和维护一个与当前网络链路状态与结点状态相适应的路由表。路由表容量指标标志着该路由器可以存储的最多的路由表项的数量。
（7）服务质量，主要表现在列队管理机制、端口硬件队列管理和支持QoS协议上。
（8）网管能力，表现在网络管理员可以通过网络管理程序和通用的网络管理协议SNMPv2等，对网络资源进行集中的管理与 *** 作。
（9）可靠性与可用性，表现在：设备的冗余、热拔插组件、无故障工作时间、内部时钟精度等方面。
三、交换机分类与主要技术指标
1、交换机的分类
（1）从所支持的技术类型分类，可以分为10Mbps Ethernet交换机、Fast Ethernet交换机与1Gbps的GE交换机。
（2）从内部结构分类，可以分为固定端口交换机与模块交换机。
（3）从应用规模分类，可以分为：企业级交换机、部门级交换机与工作组级交换机。
2、交换机主要的技术指标
（1）背板带宽，是交换机输入端与输出端之间的物理通道。
（2）全双工端口带宽，其计算方法：端口数端口速率2。背板带宽应该大于此值。
（3）帧转发速率，是指交换机每秒钟能够转发的帧的最大数量。
（4）机箱式交换机的扩张能力，可以选取不同类型的控制模块来达到支持不同类型的协议与不同端口带宽的目的。（GE模块，FE模块，FDDI模块，ATM模块，Token Ring模块等）
（5）支持VLAN能力，是用户需要关注的重要指标之一，大部分交换机支持8021Q协议，有的则支持Cisco专用的组管理协议CGMP。VLAN的划分可以是基于端口的，也可以是基于MAC地址或IP地址的。
2、交换机配置选择
（1）机架插槽数，是指模块式交换机所能够安插的最大的模块数
（2）扩展槽数，是指固定端口式交换机所带的扩展槽最多可以安插的模块数。
（3）最大可堆叠数，是指一个堆叠单元中可以堆叠的最大的交换机数量。
（4）端口密度与端口类型，密度是指一台交换机所能够支持的最小/最大的端口数，类型是指全双工端口/单工端口。
（5）最小/最大GE端口数，是指一台交换机所能够支持的最小/最大的1000Mbps 速率的端口数量。
（6）支持的网络协议类型，固定配置的交换机只有一种协议（Ethernet协议），机架式交换机与带有扩展槽的交换机一般支持多种协议（如：GE/FE/FDDI/ATM等）
（7）缓冲区大小，是来协调不同端口之间的速率匹配。
（8）MAC地址表大小，用来存储连接在不同端口上的主机或设备的MAC地址。
（9）可管理性，主要的网络管理协议与软件包括：IBM NetView/HP OPENVIEW/SNMP
（10）设备冗余，对于管理卡、交换结构、接口单元、电源需要考虑冗余。
淘汰的不仅是工作，更是技能人工智能领域的最新进展对科技变化的促进作用可能会以两种基本的方式搅乱我们的劳动市场。首先是一个简单的事实，大部分自动化作业都会替代工人，从而减少工作机会。这就意味着需要人工作的地方变得更少了。这种威胁很容易看到，也很容易度量。雇主们会大量引入机器人，并把工人清走。但是有时候变化并没有那么明显。每一个新的工作站服务器都可能会减少1/5个销售人员，或者免费的Skype电话可能会让你每周可以有一天在家更有效率地工作，从而雇用新员工的需求就被推迟到了下个季度。
第二种威胁更加微妙，更难预测。很多科技进步会通过让商家重组和重建运营方式来改变游戏规则。这样的组织进化和流程改进不仅经常会淘汰工作岗位，也会淘汰技能。银行安装了ATM机之后可能会裁掉出纳员;提升的服务会创造雇用网络工程师而非出纳员的需求。就算银行最终增加了工人总数，出纳员仍然不那么走运。
未来，合成智能会大面积代替人来完成工作
考虑到自动化对劳动力造成的两种不同的影响——代替工人以及让技能变得无用，经济学家为这两种失业类型取了两个不同的名字。第一种被称为“周期型”失业，指的是人们在就业和失业之间循环。在经济萧条时，待业的穷人数量可能会增长，从而导致更高的失业率。但是从历史上说，一旦经济复苏，闲散的工人就会找到新的工作。失业的人数减少，同时待业时间也会变短。
另外一种失业形式被称为“结构型”失业，它意味着有一些失业的人完全无法找到合适的工作。他们整天发送简历，但是没人想要雇用他们，因为他们的技能找不到对应的工作。用房地产市场来说，这种情况类似于待售的房屋类型不适合已有买家。想要三个孩子的夫妻相比于想要更少孩子的夫妻需要更多的卧室，或者对于那些需要乘坐飞行汽车上下班人来说，他们需要从平屋顶起飞，而目前的大多数房子都是尖屋顶。
不久的将来，“周期型”失业可能会越来越少，人造劳动者会取代对大部分技术工人的需求;合成智能会大面积代替需要由受过教育的人来完成的工作。在应用的最初阶段，很多新的科技会直接代替工人，用几乎同样的方式完成工作。但是其他创新不仅会让工人闲置，还会淘汰他们所从事的工作种类。“结构型”失业将遍及各行各业，在现有的经济结构环境下，未来大部分人可能很难再找到工作。
自动化来袭，岌岌可危的蓝领工作
各行各业的蓝领工作很有可能已经被自动化接管。在自然环境中可以感知和运行的机器人设备将会大批量取缔劳动力市场。简而言之，人造劳动者正在从各个领域进攻而来。
当自动驾驶更安全时，还需要司机吗
自动驾驶卡车的技术今天已经存在，而且已经可以用非常合理的价格改装到现有的车队上了。装备有这种技术的卡车可以“看到”所有方向，而不仅仅局限于前方的视野，这些车辆可以在完全黑暗或灯火管制的情况下行驶，它们会即时分享路况、附近的危险以及它们自己的意图。
更妙的是，它们的反应时间接近于零。所以，自动驾驶卡车车队可以在相互间距只有十几厘米的情况下安全行驶，这样的车队可以减少道路堵塞，并节省15%以上的燃油。交货会变得更快，因为它们可以不停歇地运行，中间不需要在路边停车。它们不会疲惫、酗酒、生病、分神或者感到无聊;它们不会打盹、打电话或者为更好的报酬和工作条件而罢工。花费了44亿美元并夺走3800条生命的273万起大型卡车事故(2011)在未来可以避免多少请允许我指出，单单这项创新每年拯救的生命就比在“9·11”世贸中心灾难中殒命的人还要多。
在黑暗中工作的机械工作
2010年，欧盟开始为“农用聪明机器人”项目(Clever Robots for Crops，简称为 CROPS)提供资金。正如项目负责人所说：“农用机器人必须具有智能，只有这样它们才能在松散、动态、不友好的农业环境中稳定地运行。
Agrobot 是一家在加州奥克斯纳德(Oxnard)开办的西班牙公司，他们制造的商业机器人可以采摘草莓。在采摘过程中这种机器人只能识别足够成熟的水果。好消息是他们正在招人，但是你必须有一个工程学学位才行。请注意，这些汹涌而来的机械工人并不一定非要比将要取代的工人速度更快，但是它们可以在黑暗中工作!
不输人类的机器仓管员
除了挑选订单和包装货物，正如我在上面所说的，还有装货和卸货的工作。这些工作现在仍由人类工人完成，因为人的判断在运载车辆和运输集装箱中如何抓住和堆叠不规则形状的箱子这些工作中不可空缺。但是另一家硅谷的创业公司Industrial Perception公司正在改变这一切。他们的机器人可以检查卡车内部，选择某个物品，然后捡起来。正如他们被谷歌收购前官网上的宣传语，公司“提供的具有技能的机器人是决胜明日经济的必备品。”
性工作者也要被替代
你可能认为性交易是只能由人类来完成的工作。对于美国大部分地区来说卖可能是违法的，但是成人用品并不违法。而这个产业将会彻底改头换面。位于新泽西的 True Companion公司以及类似的公司正在开发全尺寸交互式性爱娃娃——男版和女版都有(名字分别是Roxxxy和Rocky)。这家公司的创始人道格拉斯·海因斯(Douglas Hines)之前在贝尔实验室的人工智能部工作，正如他在2010年的一次采访中所说：“人工智能是整个项目的根基。”根据这家公司的说法：“Roxxxy可以参与讨论，也可以向你示爱。她可以说话、聆听，并感受你的抚摸。”
无论你的领子是什么颜色，自动化都会毫不留情
到目前为止，我说的这些对于那些主要从事脑力劳动的人来说可能还算是个安慰，但是这种释然只是一种误会。就像人造劳动者将要取代体力劳动者一样，合成智能也将会席卷很多脑力工作。无论你的领子是什么颜色，自动化都会毫不留情。
律师，光环不再
合成智能在法律专门领域攻城掠地的表现还有一个更加复杂的例证，那就是创业公司Judicata。这家公司使用机器学习和自然语言处理技术，把普通文本(比如法律原则或特定案例)转化成结构化的信息，利用这些信息可以发现相关的法院判例。比如，程序可以发现所有包含西班牙裔同性恋员工成功起诉不正当解雇的案件，通过朗读法院判决原稿，可以节省无数花费在法律图书馆或使用传统电子搜索工具的时间。
其他创业公司则在试图缩短早期案件评估、证据处理、文件审查、文件处理以及内部调查等旷日持久的过程。有一些人则通过实际的法律及案例研究来提供案件策略方面的建议，回答诸如此类问题：法官有多少次作出倾向于提交移送动议的被告的判决又有多少次倾向于提出即决判决申请的被告的判决让其他人在相似知识产权上犯错误的原因是什么
更强大的机器人医生
(IBM的这台计算机将会成为糖尿病专科医生，还会担任肿瘤治疗和术后恢复的工作)
如果成为律师变得不再那么具有吸引力的话，那么成为医生呢从患者的角度出发，其心中的理想医生一定是一位精通所有专科领域的超级医生，他掌握着所有最新的医疗信息以及最佳的实践经验及方案。但是，这样的人类并不存在。
让我们看看IBM的超级计算机沃森。在《危险边缘》中打败冠军布拉德·鲁特(BradRutter)和肯·詹宁斯之后，沃森马上就被重新部署在这个新的挑战上。2011年，IBM和美国最大的管理公司WellPoint开始合作把沃森的技术应用在提高病人看护质量方面。他们宣称：“沃森可以博览100万本书或2亿页的数据量，并且在3秒内分析其中的信息并给出精确的回应。WellPoint希望内科医生能够根据具体病人的情况简单地对沃森内部的医疗程序进行一些新条件的输入或微调，然后通过沃森超凡的能力在最复杂的病例中鉴定出可能性最高的诊断以及治疗方案的选择。我们期望沃森能在内科医生的决策过程中成为强有力的工具。”就像IBM在50年前进入人工智能领域的最初尝试一样，他们仍然小心翼翼尽量不惹怒那些被他们夺走饭碗的人。但是，一个人用在决策过程中的工具却是另一个人通往失业的门票。
翻转课堂挑战传统教师
很明显，科技可以代替很多领域的教师和教授。现在，描述这种现象的流行语叫翻转课堂(flipped classroom)——学生们在家观看讲座，并且在线上学习相关资料，然后在教师和教学助理的帮助下在学校完成作业。教师们可能不需要再备课和讲课了，他们的工作被缩减成“学习教练”。教师职业技能的减少无疑会改变这个职业，并且这种情况会为已然困难重重的教师们带来更多的挑战。
你为什么还需要销售员
一个研究中经常被引用的例子就是，需要优秀人际交往能力或说服能力的工作是不太可能在不远的未来实现自动化的。但是事实并不一定如此。
让你相信你穿上某套衣服就会精神焕发的能力肯定是一个成功销售员的标志。但是当你可以询问上百位消费者时，你为什么还需要他想象一家服装店，他们可以模拟你穿上不同衣服的照片，生成的图像可以通过模糊面部实现匿名立即被放到一家特殊的网站上，那里的用户可以提出自己的观点，告诉你哪件衣服让你显得更瘦。
几秒钟内，你就会从毫无任何偏见的陌生人那里得到客观的、可靠的反馈，如果你完成了购买，他们就会获得积分。这个概念被称为“众包”(crowdsourcing)。既然你能免费获得答案，为什么还要依赖由佣金驱动的销售员呢
毫无疑问，过剩的工人和过时的技能是经济进步加速的副产品，这些被浪费的智力资源使得全球劳动力生态系统面临的潜在危险。要保持社会持续繁荣发展，需要更多的社会创新来提供动力，我们应该投入更多的精力用于回收智力资源，这才能让我们未来的生活更美好。
而在杰瑞·卡普兰的《人工智能时代》这本书中，他指出，智能时代的到来，给人类社会带来两大灾难性冲击：持续性失业与不断加剧的贫富差距。机器正在很大程度上替代人类的工作，不管你是蓝领还是白领。
针对未来社会将要发生的这些问题，卡普兰在书中从企业、税收和保险等机制上构建起了一个有益的经济生态，让社会中的每一个人都能从技术发展中获益，带领我们一窥人机共生下财富、工作与思维的大未来，对人工智能感兴趣的童鞋可以去读一下。数月前，我长途跋涉来到位于纽约州约克城高地的IBM研究实验室的林间园区，为的就是能早早一窥那近在眼前却让人期待许久的人工智能的未来。这儿是超级电脑“沃森”(Watson)的研发地，而沃森在2011年就在“危险边缘”(Jeopardy!)节目的比赛里拔得头筹。最初的沃森电脑仍留于此处——它是一个体积约与一个卧室相当，由10台直立的冷柜式机器围成四面墙的计算机系统。技术人员可以通过系统内部的小细孔把各种线缆接到机器背部。系统内部温度高得出奇，仿佛这个计算机集群是活生生的一般。
如今的沃森系统与之前相比有了显著差异。它不再仅仅存在于一排机柜之中，而是通过大量对用户免费开放的服务器传播，这些服务器能够即时运行上百种人工智能的“情况”。同所有云端化的事物一样，沃森系统为世界各地同时使用的客户服务，他们能够用手机、台式机以及他们自己的数据服务器连上该系统。这类人工智能可以根据需求按比例增加或减少。鉴于人工智能会随人们的使用而逐步改进，沃森将始终变得愈发聪明;它在任何一次情况中所获悉的改进点都会立即传送至其他情况中。并且，它也不是一个单一的程序，而是各种软件引擎的集合——其逻辑演绎引擎和语言解析引擎可以在不同的代码、芯片以及位置上运行——所有这些智慧的因素都汇集成了一个统一的智能流。
用户可以直接接入这一永久连接(always-on)的智能系统，也可以通过使用这一人工智能云服务的第三方应用程序接入。正如许多高瞻远瞩的父母一样，IBM想让沃森电脑从事医学工作，因此他们正在开发一款医疗诊断工具的应用程序，这倒也不足为奇。之前，诊疗方面的人工智能尝试大多以惨败告终，但沃森却卓有成效。简单地说，当我输入我曾经在印度感染上的某种疾病症状时，它会给我一个疑似病症的清单，上面一一列明了可能性从高到低的疾病。它认为我最可能感染了贾第鞭毛虫病(Giardia)——说的一点儿也没错。这一技术尚未直接对患者开放;IBM将沃森电脑的智能提供给合作伙伴接入使用，以帮助他们开发出用户友好界面为预约医生及医院方面服务。“我相信类似沃森这种——无论它是机器还是人——都将很快成为世界上最好的诊疗医生”，创业公司Scanadu的首席医疗官艾伦·格林(Alan Greene)说道，该公司受到《星际迷航》中医用三录仪[2]的启发，正在利用云人工智能技术制造一种诊疗设备。“从人工智能技术改进的速率来看，现在出生的孩子长大后，很可能不太需要通过看医生来得知诊疗情况了。”
医学仅仅只是一个开始。所有主流的云计算公司，加上数十家创业公司都在争先恐后地开展类似沃森电脑的认知服务。根据量化分析公司Quid的数据，自2009年以来，人工智能已经吸引了超过170亿美元的投资。仅去年一年，就有322家拥有类似人工智能技术的公司获得了超过20亿美元的投资。Facebook和谷歌也为其公司内部的人工智能研究小组招聘了研究员。自去年以来，雅虎、英特尔、Dropbox、LinkedIn、Pinterest以及推特也都收购了人工智能公司。过去四年间，人工智能领域的民间投资以平均每年62%的增长速率增加，这一速率预计还会持续下去。
纵观所有这些活动，人工智能的未来正进入我们的视野之中，它既非如那种哈尔9000(HAL 9000)(译者注：小说及《2001：太空漫游》中的超级电脑)——一台拥有超凡(但有潜在嗜杀倾向)的类人意识并依靠此运行的独立机器那般——也非让奇点论者心醉神迷的超级智能。即将到来的人工智能颇似亚马逊的网络服务——廉价、可靠、工业级的数字智慧在一切事物的背后运行，偶尔在你的眼前闪烁几下，其他时候近乎无形。这一通用设施将提供你所需要的人工智能而不超出你的需要。和所有设施一样，即使人工智能改变了互联网、全球经济以及文明，它也将变得令人厌倦。正如一个多世纪以前电力所做的那样，它会让无生命的物体活跃起来。之前我们电气化的所有东西，现在我们都将使之认知化。而实用化的新型人工智能也会增强人类个体(加深我们的记忆、加速我们的认知)以及人类群体的生活。通过加入一些额外的智能因素，我们想不到有什么东西不能变得新奇、不同且有趣。实际上，我们能轻易地预测到接下来的一万家创业公司的商业计划：“做某项事业，并加入人工智能”。兹事体大，近在眼前。
大约在2002年时，我参加了谷歌的一个小型聚会——彼时谷歌尚未IPO，还在一心一意地做网络搜索。我与谷歌杰出的联合创始人、2011年成为谷歌CEO的拉里·佩奇(Larry Page)随意攀谈起来。“拉里，我还是搞不懂，现在有这么多搜索公司，你们为什么要做免费的网络搜索你是怎么想到这个主意的”我那缺乏想象力的无知着实证明了我们很难去做预测，尤其是对于未来的预测。但我要辩解的是，在谷歌增强其广告拍卖方案并使之形成实际收益，以及进行对YouTube的并购或其他重要并购之前，预测未来是很难的。我并不是唯一一个一边狂热地用着谷歌的搜索引擎一边认为它撑不了多久的用户。但佩奇的回答让我一直难以忘怀：“哦，我们实际上是在做人工智能。”
过去数年间，关于那次谈话我想了很多，谷歌也收购了14家人工智能以及机器人方面的公司。鉴于搜索业务为谷歌贡献了80%的收入，因此乍一看去，你可能会觉得谷歌正在扩充其人工智能方面的投资组合以改善搜索能力。但是我认为正好相反。谷歌正在用搜索技术来改善人工智能，而非使用人工智能来改进搜索技术。每当你输入一个查询词，点击搜索引擎生成的链接，或者在网页上创造一个链接，你都是在训练谷歌的人工智能技术。当你在搜索栏中输入“复活节兔子”(Easter Bunny)并点击看起来最像复活节兔子的那张时，你都是在告诉人工智能，复活节兔子是长成什么样的。谷歌每天拥有12亿搜索用户，产生1210亿搜索关键词，每一个关键词都是在一次又一次地辅导人工智能进行深度学习。如果再对人工智能的算法进行为之10年的稳固改进，加之一千倍以上的数据以及一百倍以上的计算资源，谷歌将会开发出一款无与伦比的人工智能产品。我的预言是：到2024年，谷歌的主营产品将不再是搜索引擎，而是人工智能产品。
这个观点自然也会招来怀疑的声音。近60年来，人工智能的研究者都预测说人工智能时代即将到来，但是直到几年前，人工智能好像还是遥不可及。人们甚至发明了一个词来描述这个研究结果匮乏、研究基金更加匮乏的时代：人工智能之冬。那么事情真的有变化吗
是的。近期的三大突破让人们期待已久的人工智能近在眼前：
1 成本低廉的并行计算
思考是一种人类固有的并行过程，数以亿计的神经元同时放电以创造出大脑皮层用于计算的同步脑电波。搭建一个神经网络——即人工智能软件的主要结构——也需要许多不同的进程同时运行。神经网络的每一个节点都大致模拟了大脑中的一个神经元——其与相邻的节点互相作用，以明确所接收的信号。一项程序要理解某个口语单词，就必须能够听清(不同音节)彼此之间的所有音素;要识别出某幅，就需要看到其周围像素环境内的所有像素——二者都是深层次的并行任务。但直到最近，标准的计算机处理器也仅仅能一次处理一项任务。
事情在十多年前就已经开始发生变化，彼时出现了一种被称为图形处理单元(graphics processing unit -GPU)的新型芯片，它能够满足可视游戏中高密度的视觉以及并行需求，在这一过程中，每秒钟都有上百万像素被多次重新计算。这一过程需要一种专门的并行计算芯片，该芯片添加至电脑主板上，作为对其的补充。并行图形芯片作用明显，游戏可玩性也大幅上升。到2005年，GPU芯片产量颇高，其价格便降了下来。2009年，吴恩达(Andrew Ng)(译者注：华裔计算机科学家)以及斯坦福大学的一个研究小组意识到，GPU芯片可以并行运行神经网络。
这一发现开启了神经网络新的可能性，使得神经网络能容纳上亿个节点间的连接。传统的处理器需要数周才能计算出拥有1亿节点的神经网的级联可能性。而吴恩达发现，一个GPU集群在一天内就可完成同一任务。现在，一些应用云计算的公司通常都会使用GPU来运行神经网络，例如，Facebook会籍此技术来识别用户照片中的好友，Netfilx也会依其来给5000万订阅用户提供靠谱的推荐内容。
2 大数据
每一种智能都需要被训练。哪怕是天生能够给事物分类的人脑，也仍然需要看过十几个例子后才能够区分猫和狗。人工思维则更是如此。即使是(国际象棋)程序编的最好的电脑，也得在至少对弈一千局之后才能有良好表现。人工智能获得突破的部分原因在于，我们收集到来自全球的海量数据，以给人工智能提供了其所需的训练。巨型数据库、自动跟踪(self-tracking)、网页cookie、线上足迹、兆兆字节级存储、数十年的搜索结果、维基百科以及整个数字世界都成了老师，是它们让人工智能变得更加聪明。
3 更优的算法
20世纪50年代，数字神经网络就被发明了出来，但计算机科学家花费了数十年来研究如何驾驭百万乃至亿级神经元之间那庞大到如天文数字一般的组合关系。这一过程的关键是要将神经网络组织成为堆叠层(stacked layer)。一个相对来说比较简单的任务就是人脸识别。当某神经网络中的一组比特被发现能够形成某种图案——例如，一只眼睛的图像——这一结果就会被向上转移至该神经网络的另一层以做进一步分析。接下来的这一层可能会将两只眼睛拼在一起，将这一有意义的数据块传递到层级结构的第三层，该层可以将眼睛和鼻子的图像结合到一起(来进行分析)。识别一张人脸可能需要数百万个这种节点(每个节点都会生成一个计算结果以供周围节点使用)，并需要堆叠高达15个层级。2006年，当时就职于多伦多大学的杰夫·辛顿(Geoff Hinton)对这一方法进行了一次关键改进，并将其称之为“深度学习”。他能够从数学层面上优化每一层的结果从而使神经网络在形成堆叠层时加快学习速度。数年后，当深度学习算法被移植到GPU集群中后，其速度有了显著提高。仅靠深度学习的代码并不足以能产生复杂的逻辑思维，但是它是包括IBM的沃森电脑、谷歌搜索引擎以及Facebook算法在内，当下所有人工智能产品的主要组成部分。
这一由并行计算、大数据和更深层次算法组成的完美风暴使得持续耕耘了60年的人工智能一鸣惊人。而这一聚合也表明，只要这些技术趋势继续下去——它们也没有理由不延续——人工智能将精益求精。
随着这一趋势的持续，这种基于云技术的人工智能将愈发成为我们日常生活中不可分割的一部分。但天上没有掉馅饼的事。云计算遵循收益递增(increasing returns)[4]法则，这一法则有时也被称为网络效应(network effect)，即随着网络发展壮大，网络价值也会以更快的速度增加。网络(规模)越大，对于新用户的吸引力越强，这又让网络变得更大，又进一步增强了吸引力，如此往复。为人工智能服务的云技术也遵循这一法则。越多人使用人工智能产品，它就会变得越聪明;它变得越聪明，就有越多人来使用它;然后它变得更聪明，进一步就有更多人使用它。一旦有公司迈进了这个良性循环中，其规模会变大、发展会加快，以至于没有任何新兴对手能望其项背。因此，人工智能的未来将有两到三家寡头公司统治，它们会开发出大规模基于云技术的多用途商业智能产品。
1997年，沃森电脑的前辈、IBM公司的深蓝电脑在一场著名的人机大赛中击败了当时的国际象棋大师加里·卡斯帕罗夫(Garry Kasparov)。在电脑又赢了几场比赛之后，人们基本上失去了对这类比赛的兴趣。你可能会认为故事到此就结束了，但卡斯帕罗夫意识到，如果他也能像深蓝一样立即访问包括以前所有棋局棋路变化在内的巨型数据库的话，他在对弈中能表现得更好。如果这一数据库工具对于人工智能设备来说是公平的话，为什么人类不能使用它呢为了探究这一想法，卡斯帕罗夫率先提出了“人加机器”(man-plus-machine)比赛的概念，即用人工智能增强国际象棋选手水平，而非让人与机器之间对抗。
这种比赛如今被称为自由式国际象棋比赛，它有点儿像混合武术对抗赛，选手们可以使用任何他们想要用的作战技巧。你可以单打独斗;也可以接受你那装有超级聪明的国际象棋软件的电脑给出的帮助，你要做的仅仅是按照它的建议来移动棋子;或者你可以当一个卡斯帕罗夫所提倡的那种“半人半机”的选手。半人半机选手会听取人工智能设备在其耳边提出的棋路建议，但是也间或不会采用这些建议——颇似我们开车时候用的GPS导航一般。在接受任何模式选手参赛的2014年自由式国际象棋对抗锦标赛上，纯人工智能的国际象棋引擎赢得了42场比赛，而半人半机选手则赢得了53场。当今世上最优秀的国际象棋选手就是半人半机选手Intagrand，它是一个由多人以及数个不同国际象棋程序所组成的小组。
但最令人惊讶的是：人工智能的出现并未让纯人类的国际象棋棋手的水平下降。恰恰相反，廉价、超级智能的国际象棋软件吸引了更多人来下国际象棋，比赛比以前增多了，棋手的水平也比以前上升了。现在的国际象棋大师(译者注：国际象棋界的一种等级)人数是深蓝战胜卡斯帕罗夫那时候的两倍多。现在的排名第一的人类国际象棋棋手马格努斯·卡尔森(Magnus Carlsen)就曾接受人工智能的训练，他被认为是所有人类国际象棋棋手中最接近电脑的棋手，同时也是有史以来积分最高的人类国际象棋大师。
如果人工智能能帮助人类成为更优秀的国际象棋棋手，那么它也能帮助我们成为更为优秀的飞行员、医生、法官以及教师。大多数由人工智能完成的商业工作都将是有专门目的的工作，严格限制在智能软件能做到的工作之内，比如，(人工智能产品)把某种语言翻译成另一种语言，但却不能翻译成第三种语言。再比如，它们可以开车，但却不能与人交谈。或者是能回忆起YouTube上每个视频的每个像素，却无法预测你的日常工作。在未来十年，你与之直接或者间接互动的人工智能产品，有99%都将是高度专一、极为聪明的“专家”。
实际上，这并非真正的智能，至少不是我们细细想来的那种智能。的确，智能可能是一种倾向——尤其是如果我们眼中的智能意味着我们那特有的自我意识、一切我们所有的那种狂乱的自省循环以及凌乱的自我意识流的话。我们希望无人驾驶汽车能一心一意在路上行驶，而不是纠结于之前和车库的争吵。医院中的综合医生“沃森”能专心工作，不要去想自己是不是应该专攻英语。随着人工智能的发展，我们可能要设计出一些阻止它们拥有意识的方式——我们所宣称的最优质的人工智能服务将是无意识服务。
我们想要的不是智能，而是人工智慧。与一般的智能不同，智慧(产品)具有专心、可衡量、种类特定的特点。它也能够以完全异于人类认知的方式来思考。这儿有一个关于非人类思考的一个很好的例子，今年三月在德克萨斯州奥斯汀举行的西南偏南音乐节(South by Southwest festival)上，沃森电脑就上演了一幕厉害的绝技：IBM的研究员给沃森添加了由在线菜谱、美国农业部(USDA)出具的营养表以及让饭菜更美味的味道研究报告组成的数据库。凭借这些数据，沃森依靠味道配置资料和现有菜色模型创造出了新式的菜肴。其中一款由沃森创造出的受人追捧的菜肴是美味版本的“炸鱼和炸薯条”(fish and chips)，它是用酸橘汁腌鱼和油炸芭蕉制成。在约克城高地的IBM实验室里，我享用了这道菜，也吃了另一款由沃森创造出的美味菜肴：瑞士/泰式芦笋乳蛋饼。味道挺不错!
非人类的智能不是错误，而是一种特征。人工智能的主要优点就是它们的“相异智能”(alien intelligence)。一种人工智能产品在思考食物方面与任何的大厨都不相同，这也能让我们以不同的方式看待食物，或者是以不同的方式来考虑制造物料、衣服、金融衍生工具或是任意门类的科学和艺术。相较于人工智能的速度或者力量来说，它的相异性对我们更有价值。
实际上，人工智能将帮助我们更好地理解我们起初所说的智能的意思。过去，我们可能会说只有那种超级聪明的人工智能产品才能开车，或是在“危险边缘”节目以及国际象棋大赛中战胜人类。而一旦人工智能做到了那些事情，我们就会觉得这些成就明显机械又刻板，并不能够被称为真正意义上的智能。人工智能的每次成功，都是在重新定义自己。
但我们不仅仅是在一直重新定义人工智能的意义——也是在重新定义人类的意义。过去60年间，机械加工复制了我们曾认为是人类所独有的行为和才能，我们不得不改变关于人机之间区别的观点。随着我们发明出越来越多种类的人工智能产品，我们将不得不放弃更多被视为人类所独有能力的观点。在接下来的十年里——甚至，在接下来的一个世纪里——我们将处于一场旷日持久的身份危机(identity crisis)中，并不断扪心自问人类的意义。在这之中最为讽刺的是，我们每日接触的实用性人工智能产品所带来的最大益处，不在于提高产能、扩充经济或是带来一种新的科研方式——尽管这些都会发生。人工智能的最大益处在于，它将帮助我们定义人类。我们需要人工智能来告诉我们，我们究竟是谁。一 环境：
1 平台： IBM AX360,4G内存 windows 2k advServer sp3 + oracle 816 独占模式
2 内存分配相关参数
processes=1000
shared_pool_size=240000000
large_pool_size=614400
java_pool_size=32768
db_block_buffers=90000
db_block_size=4096
log_buffer=163840
log_checkpoint_interval=10000
sort_area_size=65536
sort_area_retained_size=65536
open_cursors=100
job_queue_processes=4
job_queue_interval=10
max_dump_file_size=10240
3 最大并发用户数：850个左右
二 故障现象：
当用户数达到一定的数量时(700多)客户端连接服务器时报ora-12560错误，紧跟着报ora-03114错误，不能连接到服务器。此时已连接到服务器的用户能正常访问数据库。惠普推动绿色刀片策略造绿色数据中心
随着国家政策对节能降耗要求的提高，节能降耗正成为国家、全社会关注的重点。而IT能耗在所有的电力使用当中所占比重的不断上升，已经使其成为社会提倡节能降耗主要领域之一。做为全球领先的IT公司和一家具有强烈社会责任感的企业，惠普公司积极倡导“绿色IT”的理念，并加大研发，推出了一系列的针对绿色IT的创新技术和产品。10月26日，惠普公司在香山饭店举办了“绿色刀片”的研讨会，介绍了惠普公司新一代数据中心以及新一代刀片系统BladeSystem c-Class在供电散热等方面的绿色创新技术以及环保节能优势，并推出了针对绿色数据中心的完整解决方案。
长期以来，更强大的数据中心处理能力一直是我们追求的目标。但在能源开销与日俱增的今天，处理能力发展的另一面是需要消耗更多的资源。而且随着服务器密度的不断增大，供电需求也在相应增加，并由此产生了更多的热量。在过去的十年中，服务器供电密度平均增长了十倍。据IDC预测，到2008年IT采购成本将与能源成本持平。另一方面，数据中心的能耗中，冷却又占了能耗的60%到70%。因此，随着能源价格的节节攀升，数据中心的供电和冷却问题，已经成为所有的数据中心都无法回避的问题。
惠普公司十几年来一直致力于节能降耗技术的研究，并致力于三个层面的创新：一是数据中心层面环境级的节能技术；二是针对服务器、存储等IT产品在系统层面的绿色设计；三是对关键节能部件的研发，如供电、制冷、风扇等方面的技术创新。目前，来自惠普实验室的这些创新技术正在引领业界的绿色趋势。针对数据中心环境层面，惠普推出了全新的动态智能冷却系统帮助客户构建新一代绿色数据中心或对原有数据中心进行改造；在设备层面，惠普的新一代绿色刀片服务器系统以能量智控（Thermal Logic）技术以及PARSEC体系架构等方面的创新成为未来数据中心节能的最关键基础设施；同时这些创新技术体现在一些关键节能部件上，如Active Cool（主动散热）风扇、动态功率调整技术（DPS, Dynamic Power Saver）等。惠普公司的绿色创新将帮助客户通过提高能源效率来降低运营成本。
HP DSC精确制冷 实现绿色数据中心
传统数据中心机房采用的是平均制冷设计模式，但目前随着机架式服务器以及刀片服务器的出现和普及，数据中心出现了高密度服务器与低密度混合的模式，由于服务器的密度不均衡，因而产生的热量也不均衡，传统数据中心的平均制冷方法已经很难满足需求。造成目前数据中心的两个现状：一是目前85％以上的机房存在过度制冷问题；二在数据中心的供电中，只有1/3用在IT设备上，而制冷费用占到总供电的2/3 。因此降低制冷能耗是数据中心节能的关键所在。
针对传统数据中心机房的平均制冷弊端，惠普推出了基于动态智能制冷技术的全新解决方案——“惠普动态智能冷却系统”（DSC, Dynamic Smart Cooling）。动态智能冷却技术的目标是通过精确制冷，提高制冷效率。DSC可根据服务器运行负荷动态调控冷却系统来降低能耗，根据数据中心的大小不同，节能可达到20 %至45%。
DSC结合了惠普在电源与冷却方面的现有创新技术，如惠普刀片服务器系统 c-Class架构的重要组件HP Thermal Logic等技术，通过在服务器机架上安装了很多与数据中心相连的热能探测器，可以随时把服务器的温度变化信息传递到中央监控系统。当探测器传递一个服务器温度升高的信息时，中央监控系统就会发出指令给最近的几台冷却设备，加大功率制冷来降低那台服务器的温度。当服务器的温度下降后，中央监控系统会根据探测器传递过来的新信息，发出指令给附近的冷却设备减小功率。惠普的实验数据显示，在惠普实验室的同一数据中心不采用DSC技术，冷却需要117千瓦，而采用DSC系统只需要72千瓦。
惠普刀片系统：绿色数据中心的关键生产线
如果把数据中心看作是一个“IT工厂”，那么“IT工厂”节能降耗不仅要通过DSC等技术实现“工厂级”环境方面的节能，最重要的是其中每一条“生产线”的节能降耗，而数据中心的生产线就是服务器、存储等IT设备。目前刀片系统以节约空间、便于集中管理、易于扩展和提供不间断的服务，满足了新一代数据中心对服务器的新要求，正成为未来数据中心的重要“生产线”。因此刀片系统本身的节能环保技术是未来数据中心节能降耗的关键所在。
惠普公司新一代绿色刀片系统HP BladeSystem c-Class基于工业标准的模块化设计，它不仅仅集成了刀片服务器和刀片存储，还集成了数据中心的众多要素如网络、电源/冷却和管理等，即把计算、存储、网络、电源/冷却和管理都整合到一起。同时在创新的BladeSystem c-Class刀片系统中，还充分考虑了现代数据中心基础设施对电源、冷却、连接、冗余、安全、计算以及存储等方面的需求。
在标准化的硬件平台基础上，惠普刀片系统的三大关键技术，更令竞争对手望尘莫及。首先是惠普洞察管理技术——它通过单一的控制台实现了物理和虚拟服务器、存储、网络、电源以及冷却系统的统一和自动化管理，使管理效率提升了10倍，管理员设备配比达到了1：200。第二是能量智控技术——通过有效调节电力和冷却减少能量消耗，超强冷却风扇相对传统风扇降低了服务器空气流40%，能量消耗减少50%。最后是虚拟连接架构——大大减少了线缆数量，无需额外的交换接口管理。允许服务器额外增加、可替代、可移动，并无需管理员参与SAN和LAN的更改。
目前，惠普拥有完整的刀片服务器战略和产品线，既有支持2路或4路的ProLiant刀片服务器，也有采用安腾芯片的Integrity刀片系统，同时还有存储刀片、备份刀片等。同时，惠普BladeSystem c-Class刀片服务器系统已得到客户的广泛认可。根据IDC发布的2006年第四季度报告显示，惠普在刀片服务器的工厂营业额和出货量方面都占据了全球第一的位置。2007年第二季度，惠普刀片市场份额472%，领先竞争对手达15％，而且差距将会继续扩大。作为刀片市场的领导者，惠普BladeSystem c-Class刀片系统将成为数据中心的关键基础设施。
PARSEC体系架构和能量智控：绿色生产线的两大核心战略
作为数据中心的关键基础设施，绿色是刀片系统的重要发展趋势之一，也是数据中心节能的关键所在。HP BladeSystem c-Class刀片系统的创新设计中，绿色就是其关键创新技术之一，其独特的PARSEC体系架构和能量智控技术就是这条绿色生产线的两大关键技术。
HP PARSEC体系结构是惠普刀片系统针对绿色策略的另一创新。目前机架服务器都采用内部几个小型局部风扇布局，这样会造成成本较高、功率较大、散热能力差、消费功率和空间。HP PARSEC（Parallel Redundant Scalable Enterprise Cooling）体系结构是一种结合了局部与中心冷却特点的混合模式。机箱被分成四个区域，每个区域分别装有风扇，为该区域的刀片服务器提供直接的冷却服务，并为所有其它部件提供冷却服务。由于服务器刀片与存储刀片冷却标准不同，而冷却标准与机箱内部的基础元件相适应，甚至有时在多重冷却区内会出现不同类型的刀片。配合惠普创新的 Active Cool风扇，用户就可以轻松获得不同的冷却配置。惠普风扇设计支持热插拔，可通过添加或移除来调节气流，使之有效地通过整个系统，让冷却变得更加行之有效。
惠普的能量智控技术(Thermal Logic)是一种结合了惠普在供电、散热等方面的创新技术的系统级节能方法，该技术提供了嵌入式温度测量与控制能力，通过即时热量监控，可追踪每个机架中机箱的散热量、内外温度以及服务器耗电情况，这使用户能够及时了解并匹配系统运行需求，与此同时以手动或自动的方式设定温度阈值。或者自动开启冷却或调整冷却水平以应对并解决产生的热量，由此实现最为精确的供电及冷却控制能力。通过能量智控管理，客户可以动态地应用散热控制来优化性能、功耗和散热性能，以充分利用电源预算，确保灵活性。采用能量智控技术，同样电力可以供应的服务器数量增加一倍，与传统的机架堆叠式设备相比，效率提升30%。在每个机架插入更多服务器的同时，所耗费的供电及冷却量却保持不变或是减小，整体设计所需部件也将减少。
Active Cool风扇、DPS、电源调整仪：生产线的每个部件都要节能
惠普BladeSystem c-Class刀片系统作为一个“绿色生产线”，通过能量智控技术和PARSEC体系架构实现了“生产线”级的节能降耗，而这条生产线上各组成部件的技术创新则是绿色生产线的关键技术保障。例如，深具革新意义的Active Cool风扇，实现智能电源管理的ProLiant 电源调整仪以及动态功率调整等技术。
风扇是散热的关键部件。风扇设计是否越大越好？答案是否定的。市场上有的刀片服务器产品采用了较大型的集中散热风扇，不仅占用空间大、噪音大，冗余性较差、有漏气通道，而且存在过渡供应、需要较高的供电负荷。
惠普刀片服务器中采用了创新的Active Cool（主动散热）风扇。Active Cool风扇的设计理念源于飞行器技术，体积小巧，扇叶转速达136英里/小时，在产生强劲气流的同时比传统型风扇设计耗电量更低。同时具有高风量（CFM）、高风压、最佳噪音效果、最佳功耗等特点，仅使用100瓦电力便能够冷却16台刀片服务器。这项深具革新意义的风扇当前正在申请20项专利。Active Cool风扇配合PARSEC散热技术，可根据服务器的负载自动调节风扇的工作状态，并让最节能的气流和最有效的散热通道来冷却需要的部件，有效减少了冷却能量消耗，与传统散热风扇相比，功耗降低66％，数据中心能量消耗减少50%。
在供电方面，同传统的机架服务器独立供电的方式相比，惠普的刀片系统采用集中供电，通过创新的ProLiant 电源调整仪以及动态功率调整等技术实现了智能电源管理，根据电源状况有针对性地采取策略，大大节省了电能消耗。
ProLiant 电源调整仪（ProLiant Power Regulator）可实现服务器级、基于策略的电源管理。电源调整议可以根据CPU的应用情况为其提供电源，必要时，为CPU应用提供全功率，当不需要时则可使CPU处于节电模式，这使得服务器可以实现基于策略的电源管理。事实上可通过动态和静态两种方式来控制CPU的电源状态，即电源调整议即可以设置成连续低功耗的静态工作模式，也可以设置成根据CPU使用情况自动调整电源供应的动态模式。目前电源调整议可适用于AMD或英特尔的芯片，为方便使用，惠普可通过iLO高级接口显示处理器的使用数据并通过该窗口进行配置 *** 作。电源调整议使服务器在不损失性能的前提下节省了功率和散热成本。
惠普创新的动态功率调整技术（DPS, Dynamic Power Saver）可以实时监测机箱内的电源消耗，并根据需求自动调节电源的供应。由于电源在高负荷下运转才能发挥最大效力，通过提供与用户整体基础设施要求相匹的配电量， DPS进一步改进了耗电状况。例如，当服务器对电源的需求较少时，可以只启动一对供电模块，而使其它供电模块处于stand by状态，而不是开启所有的供电单元，但每个供电单元都以较低的效率运行。当对电源需求增加时，可及时启动STAND BY的供电模块，使之满足供电需求。这样确保了供电系统总是保持最高效的工作状态，同时确保充足的电力供应，但通过较低的供电负荷实现电力的节约。通过动态功率调整技术，每年20个功率为0075/千瓦时的机箱约节省5545美元。
结束语
传统数据中心与日俱增的能源开销备受关注，在过去十年中服务器供电费用翻番的同时，冷却系统也为数据中心的基础设施建设带来了空前的压力。为了解决节节攀升的热量与能源消耗的难题，惠普公司创新性地推出了新一代绿色刀片系统BladeSystem c-Class和基于动态智能制冷技术DSC的绿色数据中心解决方案，通过惠普创新的PARSEC体系架构、能量智控技术（Thermal Logic）以及Active Cool风扇等在供电及散热等部件方面的创新技术来降低能耗，根据数据中心的大小不同，这些技术可为数据中心节能达到20 %至45%。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）