趨勢2009騰雲駕霧 程式競賽

http://www.trend.org/contest

教學部落格

http://www.wretch.cc/blog/trendnop09

其實我放這個並沒有啥意思，我已經不可能有參賽資格了
但實際上從這個比賽的規劃看起來確實跟以往有所不同
此外竟然還有教學

我只有一個感想，「要比什麼？」
比演算法？比效能？
比應用？比服務設計？
比文件撰寫？比夢想與遠景？

說起來現在很多包裝化，公式化的東西可能在我的眼裡都會解讀成不同的看法。
我還是想要說，學習一個新技術，該學的是這個技術的精髓，本質。
「取之有道」

雲端運算在做啥？想做個Amazon雲端平台該怎麼做？

可是其實培育並不是照本宣科，如果真的十年後要賭在雲端計算上，我想應該深入地討論基本的知識。
而這些知識必須建築在業界的普遍狀況，不然就別做了。

1. 為何你需要Map Reduce，話句話說你可能不太需要？


2. 高效能計算理論，程式如何平行化？為啥會加速？


3. Divide and Conquer 與 Map Reduce 適用的題型


4. 要做一個可以平行擴充的系統需要什麼？如何在Cost / Scale之間取得平衡？


5. 如何有效地管理好硬體或軟體上可能發生的錯誤？


6. 為啥我不能讓用戶來分享我的計算負載，成為真正的雲？

如何將電腦更有效地組合起來變成更好的服務，如何在組合的時候讓電腦去配合你的服務規劃，才是重要的。
不光只是做，而是要思考其本質後，再運用其本質來設計。

ISGC 2009, Symposium Day3

第三天的重點在Grid & Cloud，雖然有些是與Workshop重複的，不過還是有好玩的東西。

ISGC 2009, Symposium Day2

很慘的是，第一天我真的掛了。

去醫院後發現，我的肺還是感染了，病菌不明（必宣說可能是金黃葡萄球菌）。以前在新竹都不會在這樣，來台北後還真慘啊。

早上Jozsef跟我提到了他希望我們去參加他們的summer school，這真是個好問題啊...

下午跟清大的學長聊很久，其實在台灣真的很難做什麼啊...來做AV@Home或Anime@Home說不定還比較能夠引起廣大鄉民的回應吧，真正做到citizen science...讓大家Always@Home....XD。但不管怎樣說，能夠將計算發散給群眾去做，那不管怎樣就一定先突破第一步了。接下來第二步是將應用軟體導向非科學計算軟體，而是真正能夠貢獻給大眾使用的程式，或許第一個應用就是轉檔吧！

此外，這是本站的第100篇。

ISCG 2009, iRODS Workshop

iRods是Reagon Moore帶隊開發的DataGrid中介軟體，他是SRB的下一代。這個Workshop介紹了很多iRods的觀念，並且包含一些實作。

http://event.twgrid.org/isgc2009/irods/

ISGC 2009, BOINC Workshop

這是我第一次參加ISGC研討會，不過在研討會正式開始之前，有幾個Workshop

詳細的資料可以參考：

http://event.twgrid.org/isgc2009/

科學與計算

最近看了ericsk的文章「資訊系究竟在學什麼？」，我也稍微有感而發。

在我換了工作環境之後，我逐漸了解到科學與計算之間的關係。

從以前沒有email的時代大家寄信，直到出現了SMTP及POP3來模擬郵局及郵差的方式來寄信；從還在用打字機打字的時代，直到Word文件，在到線上的Word文件，都顯示出數位化（E化，電子化）是一定的趨勢。當然並不是所有事物數位化都是好事，但至少在工業上，科技上，數位化後的資料以及資訊技術能夠有效地提升效率。

也因此儘管資訊科技在人文上，社會上可能幫不太上忙，但至少E化後的資料也加速了他們傳遞資訊的方便度。

我現在還不太敢說真正了解科學，也因此不敢在部落格上大放闕詞。但至少以我最近能了解到的，例如生物資訊，也還是存在著資訊永遠也幫不上忙的狀態。而另一部分做Docking或者是Protein Analysis的，也總是得在資訊領域的方面提出他們的研究一定有幫助。所以我總是會在我的工作領域聽到，有些人說資訊只能幫小忙；但有一部分的人總是會說他們非常缺資訊人員，而且需要會兩方面的人。

最後，我也開始與ericsk一樣覺得，資訊系是來幫助人的。如果你會資訊技術，而且還有心學習其他領域的話，一定是對自己的將來，以及他人有非常大的幫助。例如資工系，那千萬不要想說只要會寫程式就很強，你還得學習資管系在學的軟體工程，需求分析（其實資工系是選修），才能真正幫助想要寫好軟體的人。例如資管系，千萬別想說光靠理解架構或專案管理就能夠掌握事情，你得了解資工系在學習的計算機結構，資料結構，演算法，才能真正掌握資訊技術的本質，讓你的專案不會人云亦云地誤用資訊技術。

而熟悉這些科系領域的人，就要好好去學習其他領域，如物理，生物，管理科學...等，這樣就可以幫助更多人。

Google App Engine, MapReduce與資料處理

去年夏天的時候，Google大肆炒熱AppEngine的平台，讓使用者能夠撰寫自己的程式，並且放在Google的雲端計算環境上執行。

Google AppEngine的好處我們都曉得，尤其對於應用的角度來說，無非就是可以讓很多有想法的網路創業族群能夠以極少的成本自行開發軟體並且供人使用。但從學術角度及高效能計算的觀點，Google的運算資源極為龐大，如果只是單拿來跑應用程式，有點可惜。

於是有了這個HTTPMR。