六度影院鲁鲁片在线看_亚洲av无码乱码国产精品_国产精品一二三入口播放_国产一区二区不卡高清更新

　　近日，浪潮云海首席科學家張東、資深研究員亓開元在《中國計算機學會通訊》2023年第9期發(fā)表論文《面向一云多芯的系統(tǒng)設計方法》，深入分析一云多芯背后的關鍵挑戰(zhàn)問題，闡釋面向一云多芯的系統(tǒng)設計方法和關鍵技術路線，并在此基礎上，描繪了一云多芯三階段發(fā)展路線圖，為促進一云多芯向應用感知、架構無感知的目標迭代演進提供新思路。

　　近年來，巨大的市場需求加速了我國云計算軟硬件的發(fā)展，從芯片、整機、云操作系統(tǒng)、中間件到應用軟件的云計算創(chuàng)新鏈、產業(yè)鏈已初步形成。隨著行業(yè)"上云用數賦智"進程的不斷加速和深化，應用場景呈現(xiàn)多樣化趨勢，越來越多的數據中心選擇多元化的算力構建，給融合池化管理和靈活彈性調度帶來了新的挑戰(zhàn)。

　　中央處理器（CPU）作為應用最廣泛的算力器件，多廠商、不同架構疊加組合造成的多元異構現(xiàn)象尤為突出。Intel、AMD等x86架構仍是數據中心的主導力量，但占比逐步縮減；ARM架構憑借運算核心多、功耗低等優(yōu)勢，發(fā)展勢頭強勁；開源的RISC-V架構也逐步興起。同時，在全球產業(yè)鏈重構的背景下，我國核心器部件的研發(fā)和生產也進入蓬勃發(fā)展階段，但因起步較晚、技術路線各異、發(fā)展水平不一，多元異構處理器將會長期并存發(fā)展。

　　一云多芯關鍵科學問題

　　云計算作為一種追求性價比的算力供給模式，其處理器的升級、換代和擴容正從單一架構向多元異構轉變。在多元異構處理器功能、性能和可靠性存在差異的情況下，為滿足高效穩(wěn)定的技術需求，實現(xiàn)應用跨處理器低成本或自由切換，規(guī)避供應風險，保障關鍵業(yè)務長期穩(wěn)定運行，"一云多芯"成為云計算發(fā)展的必然趨勢。

　　互聯(lián)網行業(yè)面向公有云的一云多芯工作開始得較早，憑借技術和資金儲備自研高性價比的處理器，如亞馬遜推出基于ARM的Graviton處理器，打破了對x86架構的依賴。針對行業(yè)私有云南向資源多樣性與北向應用復雜性的矛盾，目前國內金融、電信、能源等行業(yè)也已開始進行一云多芯的研究和建設，早期通過云管理層實現(xiàn)納管多個異構資源池，雖然能形成統(tǒng)一入口，但由于資源池割裂、應用無法跨架構編排，造成資源供給效率低下。

　　云海云操作系統(tǒng)（InCloud OS）、Apsara Stack、EasyStack等通過單一資源池實現(xiàn)異構資源的統(tǒng)一調度和互聯(lián)互通，但當前階段主要解決"多芯"的混部問題，距離以應用為中心的跨架構運行和低成本切換尚有較大差距。為滿足多芯共存條件下業(yè)務的穩(wěn)定運行、平滑切換和彈性伸縮，如下科學問題和技術難題亟待解決。

　　1.應用跨架構可移植及運行環(huán)境等價性問題。應用程序運行在多芯系統(tǒng)不同處理器架構的節(jié)點上，首先需要確保程序本身的跨架構可移植。進一步，層次化、模塊化的復雜應用在異構節(jié)點間進行動態(tài)遷移、遠程調用或水平擴展，如何保障運行環(huán)境（操作系統(tǒng)、運行時、依賴庫等）的跨架構等價可執(zhí)行成為挑戰(zhàn)（見圖1）。

　　2.多元異構算力量化分析和負載感知調度問題。多元異構CPU性能差異達2~10倍，附加異構加速單元的節(jié)點間計算能力的差異更是數量級的。應用在異構節(jié)點間遷移、切換或伸縮時，需要保證用戶體驗前后一致，遵守業(yè)務的服務水平協(xié)議（Service Level Agreement，SLA）。如何針對多元異構算力等價關系進行評估建模和量化分析，實現(xiàn)負載感知均衡調度和自適應彈性伸縮成為關鍵科學問題。

　　3.非對等架構下分布式應用的狀態(tài)一致性保證問題。相比于傳統(tǒng)分布式節(jié)點的對等性，一云多芯應用分布的異構節(jié)點非對等性不容忽視。針對非對等分布式云原生應用，實現(xiàn)有狀態(tài)任務在異構節(jié)點間高效一致性共識協(xié)商和數據同步，以及無狀態(tài)任務的非侵入流量動態(tài)控制和平滑切分，成為跨架構云原生應用編排的關鍵技術難點。

　　一云多芯系統(tǒng)設計和關鍵技術

　　ACM圖靈獎獲得者尼古拉斯·沃斯（Niklaus Wirth）提出了著名的公式"程序=數據結構+算法"，揭示了程序的時間和空間本質。一云多芯系統(tǒng)作為一種軟件定義外延，除了數據平面的指令邏輯和數據狀態(tài)兩個時空要素外，還包括控制平面對多元異構資源的管控。因此，一云多芯系統(tǒng)可以抽象為"資源管理+運行程序+數據狀態(tài)"。

　　其中，資源管理通過軟件定義提供計算、存儲、網絡和安全等硬件資源抽象，以虛擬機、容器、裸金屬（bare metal）等粒度為應用提供資源封裝及運行環(huán)境；運行程序按照分層解耦分為資源層、平臺層和應用層，例如，承載用戶業(yè)務的應用程序、資源管理程序；數據狀態(tài)是指程序運行所依賴的內存瞬時數據、數據庫持久化數據及流量狀態(tài)等。

　　根據上述定義，一云多芯系統(tǒng)應從程序的可運行性、資源的可管理性及狀態(tài)的可遷移性三方面分別進行設計。

　　1.    程序的可運行性程序的跨架構運行在一云多芯系統(tǒng)中，程序的首要設計目標是可運行性，即可以在不同處理器架構的環(huán)境中移植運行，技術路線包含跨平臺語言、跨平臺編譯以及指令翻譯技術（見下表程序的跨架構運行技術）

　　跨平臺語言以Java、Python為代表，通過跨平臺語言實現(xiàn)程序架構無關部分的跨架構運行，但仍然存在一些架構相關的問題：（1）運行時環(huán)境依賴，例如，Java程序在多芯系統(tǒng)中運行需要提供不同架構的Java虛擬機（Java Virtual Machine，JVM）運行時；（2）本地庫依賴，例如Java本地接口（Java Native Interface，JNI）需要跨平臺移植。

　　跨平臺編譯即交叉編譯，借助特定處理器架構環(huán)境及編譯工具生成其他架構的可執(zhí)行程序。交叉編譯通過架構無關的源代碼實現(xiàn)程序的跨平臺二進制代碼生成，但是對于可執(zhí)行程序，仍然需要統(tǒng)一二進制代碼與處理器架構。

　　二進制翻譯即指令集翻譯技術，是解決應用跨架構移植問題的研究熱點，實現(xiàn)方法包括軟件級二進制翻譯和芯片級二進制翻譯。無論軟件級還是芯片級，均受到翻譯系統(tǒng)的限制。軟件級二進制翻譯需要對應用運行環(huán)境進行改造，增加了運行環(huán)境的復雜性，而芯片級二進制翻譯過程性能損耗嚴重。例如，目前針對純運算類程序的翻譯器效率是直接編譯的60%~70%，如果涉及系統(tǒng)調用、鎖等操作，效率將下降到30%~40%，并且二進制翻譯過程依然存在指令集不兼容的問題，例如高級矢量擴展（Advanced Vector Extensions，AVX）指令。

　　運行時的等價封裝

　　跨平臺語言解決了應用的跨架構問題，但是需要提供跨架構的運行時；交叉編譯解決了跨架構編譯問題，但是仍然存在運行時的動態(tài)庫依賴問題。因此，程序在多芯系統(tǒng)中運行不僅需要考慮自身的可運行性，對于現(xiàn)代化的復雜應用，還應綜合考慮其依賴的運行時�？尚械穆肪�是結合標準化的容器方式對應用程序及其運行時依賴進行封裝，作為實現(xiàn)應用的跨架構部署及切換的基礎資源封裝。

　　也就是說，基于同一套源代碼，針對不同的架構構建不同的容器鏡像，如果程序是基于跨平臺的語言構建的，則將程序腳本或中間代碼與運行時封裝為容器；如果程序是基于非跨平臺的語言構建的，則可以通過交叉編譯，構建各種架構下的二進制文件，然后將其與依賴庫等封裝為容器，此流程可以通過一套流水線作業(yè)自動構建，并推送至鏡像庫。

　　綜上所述，一云多芯程序可運行性設計包括三個方面，首先實現(xiàn)應用程序的跨架構編譯及運行，其次構建標準容器化封裝，最后通過云資源編排管理實現(xiàn)輕量化部署（見圖2）。

　　2.資源的可管理性資源可管理性包括架構感知和算力量化分析，以及面向系統(tǒng)的資源均衡調度和面向業(yè)務的彈性伸縮。

　　架構感知技術架構感知是一云多芯實現(xiàn)節(jié)點調度、界面功能自適應展示的關鍵，是支撐程序的可運行性、實現(xiàn)資源封裝生命周期管理的基礎，可通過收集器、調度器、攔截器實現(xiàn)。（1）收集器采集并上報各節(jié)點的CPU架構、硬件特性等信息，建立包含架構特性的主機列表。（2）調度器為各種粒度的資源封裝選擇匹配的主機節(jié)點，采用級聯(lián)過濾器機制，加載多個獨立的過濾器，依次對創(chuàng)建請求與主機進行匹配。在一云多芯場景下，通過級聯(lián)架構感知過濾器，識別資源封裝創(chuàng)建請求中的鏡像架構標簽，根據CPU架構特性匹配結果過濾出主機節(jié)點。（3）攔截器用于建立可動態(tài)擴展的"架構-功能"映射矩陣，解析資源封裝管理請求的動作及架構特征，執(zhí)行攔截請求并將結果反饋展示，從而實現(xiàn)不同架構功能差異化的自動識別、動態(tài)擴展，屏蔽底層實現(xiàn)差異，提供統(tǒng)一的資源管理視圖。

　　算力量化技術

　　因不同架構的處理器計算能力不同，相同應用即便使用了同等規(guī)格的資源封裝（例如相同的CPU核心、內存等），在異構環(huán)境上運行的性能也存在差異。根據應用場景，算力可分為CPU通用算力和XPU異構算力。一云多芯系統(tǒng)目前面臨的主要問題是CPU的多元異構，多廠商的ARM、x86架構處理器在指令集、核心數、生產工藝等方面均有所不同，因此在性能上也存在差異。這種差異性可以通過算力等價關系刻畫，根據層次劃分為規(guī)格算力、有效算力和業(yè)務算力（見表2）。

　　其中，規(guī)格算力的通用性最強，有效算力對特定負載類型更具針對性，業(yè)務算力更加貼近真實的應用場景，但由于負載和應用的多樣性，有效算力、業(yè)務算力的測算需要聯(lián)合上下游生態(tài)共同完成。

　　均衡調度技術

　　從資源層面，在為資源封裝選擇節(jié)點時，根據節(jié)點計算能力利用均衡策略對負載進行調度，這是一個以資源利用率最大化為目標的約束優(yōu)化問題。均衡調度算法作用在級聯(lián)過濾器之后，從過濾出的主機節(jié)點中選擇負載相對最小的作為最終目標，對于一云多芯系統(tǒng)，此過程的關鍵是節(jié)點的算力量化分析�；�于規(guī)格算力評估多類型資源的規(guī)格系數，再結合歸一化、主資源公平等數值方法，能夠測算出各節(jié)點的可用算力。基于歸一化的算法如下：

　　節(jié)點j的得分Scorej是r種資源類型權重得分之和，包括CPU、內存、硬盤等，如式（1）。各資源類型權重得分算法如式（2），其中，ResourceNormalizedji為節(jié)點j資源i可分配量的最小-最大正向歸一化，如式（3）所示；WeighterMultiplieri為資源的權重，可根據負載的CPU、內存或IO密集類型調整權重，體現(xiàn)每種資源的重要程度，coefficientji為各資源的規(guī)格算力系數，例如，ARM型和x86型CPU的規(guī)格算力量化關系為1∶2，規(guī)格系數分別為1和2，可分配CPU核數相同的情況下，x86型節(jié)點被調度的優(yōu)先級更高，從而實現(xiàn)一云多芯場景下基于算力量化的均衡調度。

　　彈性伸縮技術

　　為了支撐面向業(yè)務峰值和低谷的彈性伸縮，要做到資源封裝的精準規(guī)劃、快速調度和算力等價，保證應用服務彈得對、彈得快、彈得準。（1）在資源規(guī)劃方面，根據應用負載特定周期內的概率分布特征，基于歷史數據時間序列建立負載趨勢模型，刻畫應用負載、服務質量與資源關系的負載畫像和容量畫像，通過負載趨勢預測和應用異常反饋方式規(guī)劃資源封裝伸縮需求。（2）在快速調度方面，基于架構感知、均衡調度技術，在擴展資源封裝時快速調度至最佳節(jié)點，并拉起應用服務，保障應用服務及時響應。（3）在彈性伸縮引發(fā)資源封裝跨架構切換時，基于算力量化技術刻畫不同架構的算力，根據有效算力、業(yè)務算力計算資源封裝的等價關系，確保業(yè)務的服務質量隨資源增減而線性伸縮。

　　3.狀態(tài)的可遷移性資源層的應用狀態(tài)遷移將持久化數據、內存瞬時狀態(tài)、外設配置以及網絡流量整體遷移至目標節(jié)點，涉及資源封裝內所有相關數據狀態(tài)。除了應用本身之外，還涉及操作系統(tǒng)、中間件等，遷移難度較大。為解決此問題，可進一步遵循資源層、平臺層和應用層解耦的思路，采用基于云原生微服務治理的狀態(tài)同步和流量切分方法。

　　資源封裝遷移

　　虛擬機的在線熱遷移技術已經相對成熟，通常通過預拷貝算法將源虛擬機的內存增量狀態(tài)以迭代的方式傳輸到目的主機，也出現(xiàn)了后拷貝、混合拷貝等優(yōu)化算法以及硬件壓縮加速技術，加速內存拷貝收斂，減少停機時間，提升遷移效率。但是虛擬機遷移仍存在相同廠商CPU代際差距、不同廠商同架構兼容性、不同架構無法熱遷移的限制。容器的在線遷移技術研究起步較晚，本質上是進程組的遷移，當前的研究主要基于用戶空間的檢查點和恢復（Checkpoint and Restore In Userspace，CRIU）實現(xiàn)容器運行時狀態(tài)的遷移，并衍生出了一系列縮短遷移時間、降低不可用時間的優(yōu)化方法。

　　此外，自適應容器在線遷移通過動態(tài)調整壓縮算法的加速因子實現(xiàn)CPU和網絡帶寬資源的匹配，減少容器快照的傳輸時間。以虛擬機和容器為資源封裝粒度的整體遷移，雖然已經有了一些研究與應用，但是仍存在遷移數據量大、停機時間和總遷移時間長的問題，實現(xiàn)應用跨架構平滑切換難度較大。隨著云原生技術的發(fā)展，結合服務治理方式成為可行路線，其中的關鍵技術包括有狀態(tài)服務的數據同步、無狀態(tài)服務的流量切換。

　　數據狀態(tài)同步

　　多副本的狀態(tài)同步依賴于分布式一致性算法。ACM圖靈獎獲得者萊斯利·蘭伯特（Leslie Lamport）提出了基于消息傳遞且具有高容錯性的Paxos共識算法，ZooKeeper的ZAB，MySQL的wsrep、Etcd，Redis的Raft協(xié)議都基于其核心思想實現(xiàn)了數據狀態(tài)一致性。在此基礎上，一云多芯平臺層的數據狀態(tài)同步需要進一步考慮節(jié)點非對稱特征。下文以Raft協(xié)議為例進行說明。

　　選舉（leader election）過程：主節(jié)點（leader）向所有的從節(jié)點（follower）周期性發(fā)送心跳來保證主節(jié)點地位，當一個從節(jié)點在一個超時周期內沒有收到心跳，則該節(jié)點轉化為候選（candidate）節(jié)點參與選舉。一云多芯系統(tǒng)中各節(jié)點的處理能力、網絡條件等不同導致超時影響差異化，可采用基于極大似然估計的適應性方法，避免心跳延遲大、處理能力弱的節(jié)點頻繁觸發(fā)選舉，同時保證處理能力強的節(jié)點可快速發(fā)起選舉。對于投票策略，采用節(jié)點優(yōu)先級或縮小隨機超時取值范圍機制，使強節(jié)點更容易獲得多數票。

　　復制（log replication）過程：采用法定寫入（quorum write）機制，主節(jié)點接收來自客戶端的請求，向從節(jié)點發(fā)起寫入提議并接收反饋投票，每個提議獲得的票數大于半數才能提交寫入。在一云多芯中異構節(jié)點作為容災可用區(qū)（Availability Zone，AZ）設計，須保證各容災可用區(qū)都被寫入。

　　業(yè)務流量切分

　　云原生應用通過網關或負載均衡器將流量分發(fā)至各無狀態(tài)副本實例，流量就是無狀態(tài)工作負載的狀態(tài)。在多芯系統(tǒng)中，當應用在異構節(jié)點間遷移或彈性伸縮時，需要切分流量，并引流至對應節(jié)點的副本上。為保證服務質量不降級，根據有效算力、業(yè)務算力量化分析確定等價目標副本的規(guī)格和數量，并分配其承擔的流量比例，流量切換應與業(yè)務邏輯充分解耦，可采用服務網格的思想實現(xiàn)。

　　控制面感知副本變化生成流量切分策略，下發(fā)至網絡代理和網關。對于東西向流量，網絡代理劫持流量并根據切分策略按比例轉發(fā)到不同的副本。對于南北向流量，網關在流量轉發(fā)時根據切分策略轉發(fā)到不同副本。在流量切分的瞬時過程中，受目標節(jié)點副本未啟動、TCP連接延遲等因素的影響，會出現(xiàn)無法響應、丟包等應用服務質量下降的情況，可以通過預熱、探針、重試、排水技術保障應用跨架構的平滑切換。

　　一云多芯發(fā)展路徑

　　按照資源可管理性、程序可運行性、狀態(tài)可遷移性系統(tǒng)設計，一云多芯可以分三個階段逐步演進（見圖6）。

　　階段一：混合部署、統(tǒng)一管理、統(tǒng)一視圖

　　第一階段以可管理性為目標，實現(xiàn)異構處理器節(jié)點的統(tǒng)一池化管理、統(tǒng)一服務目錄和統(tǒng)一監(jiān)控運維，可運行性和可遷移性方面通過同源異構、離線遷移、手動切換、業(yè)務切分實現(xiàn)應用跨架構的部署和協(xié)同。目前國內外一云多芯建設主要處于這一階段。遵循系統(tǒng)設計方法，筆者團隊在InCloud OS的研發(fā)實踐中，提出了基于同源異構的持續(xù)集成、基于不可變基礎設施的持續(xù)交付及架構感知調度方法，支持同一主線云操作系統(tǒng)源代碼編譯，構建異構節(jié)點的可執(zhí)行程序，實現(xiàn)C/C++、Java、Python、Go多語言千萬級代碼在8種主流處理器上的分鐘級構建，為各類型應用提供了參考指導方案。

　　在基于InCloud OS建設的云平臺中，單資源池支持所有主流處理器架構，并按每個控制器1000個節(jié)點級聯(lián)擴展，實現(xiàn)了相距超過1000公里的三地數據中心一云多芯跨域統(tǒng)一管理、互聯(lián)互通，支撐云數智多樣化業(yè)務需求，制定了技術規(guī)范和參考架構。

　　階段二：業(yè)務牽引、分層解耦、架構升級

　　在第一階段的基礎上，為進一步滿足應用的低成本跨架構切換，第二階段通過分層解耦和架構升級，實現(xiàn)應用的跨架構遷移、多架構混合部署和流量切分。筆者團隊分別在資源層、平臺層及應用層進行了初步探索。

　　1.在資源層，結合GuestOS感知應變機制進一步提升面向多元CPU的遷移適用性，提出了基于一致性快照的在線遷移方法。通過變更數據塊追蹤和多線程異步優(yōu)化，實現(xiàn)10 TB大規(guī)格虛擬機的快速完整遷移。遷移后，系統(tǒng)啟動初始化硬件檢查，若不支持相關CPU特性則切換到應變（fallback）措施，保證系統(tǒng)正常運行，特別針對Windows虛擬機實現(xiàn)了CPU、固件自適應，兼容Win XP以上桌面版和Win 2000以上服務器版，已在實際生產環(huán)境中展開應用。然而，虛擬機遷移的方式對應用是無感知的，遷移可能產生數據庫和應用異常的風險，需要應用開發(fā)者配合，對虛擬機遷移后的可用性進行進一步驗證。

　　2.在平臺層，目前生產環(huán)境采用的方案是通過數據同步、業(yè)務切分實現(xiàn)有狀態(tài)應用的跨架構運行�；�于InCloud OS提供x86和ARM數據庫集群服務及數據同步服務，數據同步服務根據源端數據庫預寫日志（Write Ahead Log，WAL）捕獲數據變化，在傳輸中通過加密壓縮算法、事務合并、網絡包封裝優(yōu)化網絡協(xié)議開銷和延遲，在目標端通過分組多任務并行和原生加載機制提升重放效率，實現(xiàn)亞秒級數據同步。應用基于讀寫分離架構設計，面向x86架構數據庫讀寫、ARM架構數據庫只讀，實現(xiàn)一云多芯場景下數據庫跨架構運行。

　　3.在應用層，InCloud OS于2023年1月完成首個一云多芯場景下SPEC Cloud基準測試，驗證了基于單一資源池承載多型x86、ARM處理器架構的資源可管理性、計算密集型聚類算法K-means的跨架構程序可運行性、IO密集型分布式數據庫Cassandra的狀態(tài)可遷移性，并結合均衡調度算法，實現(xiàn)了擴展性超過90%，性能超過SLA基線20%，平均上線時間超過世界紀錄25%。

　　階段三：軟件定義、算力標準、全棧多芯

　　一云多芯是芯與云的融合，是平臺和生態(tài)的協(xié)同。在第三階段，通過處理器、整機、云操作系統(tǒng)、數據庫、中間件和應用等產業(yè)鏈上下游的共同配合，實現(xiàn)應用與處理器架構的徹底解耦，保障業(yè)務長期穩(wěn)定運行。

　　1.在算力資源層，提升處理器性能、可靠性的同時，通過系統(tǒng)設計定義處理器設計標準化和兼容性，同時推動二進制翻譯技術在應用過程中不斷優(yōu)化。在支持處理器多芯的基礎上，擴展對GPU、DPU等異構算力的統(tǒng)一抽象，實現(xiàn)異構加速協(xié)同。

　　2.在平臺層，突破應用特征感知的可變粒度資源調度分配技術，解決應用類型與資源封裝的自適應配置和編排問題，研究函數拓撲編排、高效調度和快速啟動技術，解決大規(guī)模云原生應用的靈活構建和彈性擴展問題。

　　3.在應用層，促進應用支持多芯同源異構，完善云原生化轉型升級最佳實踐，與資源層和平臺層相結合，實現(xiàn)應用感知、架構無感知的平滑切換和彈性伸縮。

　　4.在算力評估、標準和測評方面，研究多元異構有效算力的量化方法，聯(lián)合專業(yè)測評機構及產業(yè)鏈上下游，建立一云多芯行業(yè)標準。

　　結束語：一云多芯是解決數據中心多芯共存問題的必然趨勢。為解決應用跨架構可運行、算力量化分析、負載感知調度、非對等架構分布式狀態(tài)一致性的問題，筆者團隊提出了一云多芯系統(tǒng)的核心設計理念和系統(tǒng)設計方法。

　　1.堅持系統(tǒng)觀念，場景驅動、系統(tǒng)設計。從以CPU為核心向以系統(tǒng)為核心的設計模式轉變，以應用為導向建立多元異構融合、軟件定義和軟硬協(xié)同的技術發(fā)展路線，持續(xù)提升計算效率和能效比。

　　2.加強生態(tài)協(xié)作，分層解耦、開放標準。處理器、整機、云操作系統(tǒng)、中間件、應用逐層解耦，通過生態(tài)協(xié)同消除單一技術路線帶來的垂直封閉、生態(tài)離散問題，實現(xiàn)一云多芯標準化和規(guī)范化。

　　3.制定發(fā)展路線圖，迭代創(chuàng)新、持續(xù)演進。從混合部署、離線遷移和手動切換，到基于架構升級的平滑切換和彈性伸縮，再到算力標準和全棧多芯迭代演進。

　　當前的研究和實踐工作正處于第一階段向第二階段的過渡時期，圍繞程序可運行性、資源可管理性和狀態(tài)可遷移性技術進行了探索和布局，下一步需要加強產業(yè)鏈、創(chuàng)新鏈協(xié)作，向應用感知、架構無感知的目標迭代演進，推動一云多芯計算理論基礎更加堅實完備，軟硬協(xié)同和軟件定義機制更加成熟有效，應用感知場景范式更加清晰可行，產業(yè)生態(tài)更加標準規(guī)范。

　　消息來源：浪潮云海