云計算(3)

[編者按]通過前面兩章對云計算的介紹，讀者對云計算的基本組成、體系結構、它與其他分布式計算技術等應該有了一個比較深入的了解。這篇文章將介紹云計算的計算模型，了解目前為大眾推崇的Google云計算平臺上典型的分布計算是如何進行的。接著分析了云計算領域先驅者成功的關鍵因素，這對有意投入云計算領域的企業能有所借鑒。最后作者從云計算模式、運營模式、以及可靠、安全與隱私等方面討論了與云計算相關的經濟技術問題以及未來云計算的發展趨勢。

7 云計算的計算模型

盡管學術界和企業界有許多研究人員提出了各種各樣的云系統模型，但是大多都沒有涉及采用云計算解決問題時的計算模型問題。為了解決云中服務器群之間的通信和協作， Google提出了被后人稱為云計算三大法寶的GFS、BigTable 和MapReduce技術。正是這些技術才使得Google可以讓幾十萬臺甚至上百萬臺計算機一起形成“云”，組成強大的數據中心。

7.1 GFS - Google文件系統

桌面應用和Internet應用有著巨大的差別。GFS是Google公司開發的專屬分布式文件系統，為了在大量廉價硬件上提供有效可靠的數據訪問而設計。

GFS針對Google的核心數據存儲和使用需求進行優化，用于保存搜索引擎所產生的大量數據。Google的Internet搜索計算借鑒函數式編程模式，函數式操作不會修改原始數據而總是產生新的計算結果數據。因而其應用特點是產生大量的巨型文件，通常以讀為主，可以追加但很少重寫，具有非常高的吞吐率[1]。

GFS的設計將節點分成2類:一個主節點和大量的塊服務器，塊服務器用來保存數據文件。每個數據文件被劃分成64 MB大小的塊，每一個塊都有一個唯一的64位標簽以維護文件到塊的邏輯映射。主節點只是存儲數據塊的元數據，包括64位標簽到塊位置及其組成的文件的映射表，數據塊副本位置，哪些進程正在讀寫或“按下”某一數據塊的“快照”以便復制副本等信息。主節點定期從塊服務器接受更新以保持元數據的最新狀態。

變更操作授權通過限時租用實現，主節點在一定時期內只限時給一個進程授予修改數據塊的權限。被修改的數據塊服務器作為主數據塊將更改信息同步到其他塊服務器上的副本。通過多個冗余副本提供可靠性和可用性。

應用程序通過查詢主節點從而獲取文件/塊的地址，然后直接和數據塊服務器聯系并最終取得相應的數據文件。

目前在Google中有超過200個Google文件系統 集群，一個集群可以由1 000 或者甚至5 000臺機器構成。Google證明了用最廉價的機器搭建的云同樣可以提供高可靠的計算和存儲系統。

7.2 BigTable -數據庫系統

BigTable是Google構建在GFS及Chubby(一種分布式鎖服務)之上的一種壓縮、高效的專屬數據庫系統，是一種結構化的分布式存儲系統。這種數據庫是一個稀疏的分布式多維度有序映射表，具有支持行關鍵字、列關鍵字、以及時間戳3個維度的索引[2]。允許客戶端動態地控制數據的表現形式、存儲格式和存儲位置，滿足應用程序對讀寫局部化的具體要求。

數據庫表通過劃分多個子表使其保持約200 MB大小從而實現針對GFS的優化。子表在GFS中的位置記錄在多個特殊的被稱為META1的子表的數據庫中，通過查詢唯一的META0子表來定位META1子表。BigTable的設計目的是為了支持PB級數據庫，可以分布在上萬臺機器上，更多的機器可以方便加入而不必重新配置。

7.3 MapReduce——分布式計算編程 模式

前面的GFS和BigTable是Google用于解決大規模分布環境中可靠地存儲數據問題，而MapReduce則是Google提出的一個軟件框架，以支持在大規模集群上的大規模數據集(通常大于1 TB)的并行計算。這是真正涉及云計算的計算模型[3]。

?MapReduce軟件架構

MapReduce架構設計是受到函數式程序設計中的兩個常用函數映射(Map)和化簡(Reduce)的啟發，用來開發Google搜索結果分析時大量計算的并行化處理，比如文獻詞頻的計算等。在函數式程序的設計中，Map和Reduce都是構建高階函數的工具。

映射將某個給定的作用于某類元素的函數應用于該類元素的列表，并返回至一個新的列表，其中的元素是該函數作用到原列表中的每個元素得到的結果。比如:Map f [v1， v2， ...， vn] = [f (v1)， f (v2)， ...， f (vn)]。從這里可以看出，這些f 函數的計算是可以并行計算的。

MapReduce計算模型對于有高性能要求的應用以及并行計算領域的需求非常適合。當需要對大量數據做同樣計算的時候，就可以把數據進行劃分，然后分配到不同的機器上來分別作計算。

化簡將一個列表中的元素按某種計算方式(函數)進行合并。比如把一個二元運算f擴展到n元運算:Reduce f [v1， v2， ...， vn]= f (v1，(reduce f [v2， ...， vn]) =f ( v1， f (v2， (reduce f[v3， ...， vn])) =f (v1， f (v2， f ( ...f (vn-1， vn)...))。MapReduce計算模型將上面映射操作的計算中間結果采用化簡進行合并，以得到最后結果。

?MapReduce的執行過程

通過將輸入數據自動切片而將映射調用分布在多臺機器上，進而再對中間結果的鍵值空間進行劃分而將化簡調用分布到多臺機器上。當用戶程序調用MapReduce函數時，MapReduce的操作的大致流程如圖8所示。

首先將數據文件切分成M片，然后啟動集群上的多個程序拷貝。

一份特殊的拷貝是主節點，而其它的則均為從節點。主節點將“映射”或“化簡”的任務分配給空閑的從節點。

被賦予映射任務的從節點讀入相應輸入數據片內容，分析其鍵/值對并將其傳遞給用戶定義的映射函數。映射函數產生的中間結果鍵/值對在內存中緩存。

緩存的鍵/值對定期寫入本地磁盤，經由劃分函數分成R塊。這些緩存的鍵/值對在本地磁盤中地址被傳回主節點，由其負責將地址轉發給化簡從節點。

當一個化簡從節點收到主節點發來的地址時，它用遠程過程調用讀取映射緩存在磁盤里的數據。當化簡從節點從其分塊讀取所有中間數據時，先按鍵值對其排序從而使相同鍵的所有數據被放置在一起。

化簡從節點迭代處理這些有序的中間數據，針對每個中間鍵值它將對應的一組中間值傳給用戶的化簡函數。化簡函數的輸出被追加到該化簡塊。

當所有映射和化簡任務完成后，主節點則會通知用戶程序。此時，用戶程序中的MapReduce調用返回到用戶代碼。

完成后MapReduce執行的輸出結果就在R個輸出文件中。用戶可以將其合并，也可以作為下一次mapreduce調用或其它分布式應用的輸入之用。

7.4 Apache Hadoop——分式式系統

基礎架構

Google的GFS、BigTable和MapReduce技術是公開的，但是其實現卻是私有的。該項技術在開源社區里最具代表性的實現就是Apache軟件基金會Hadoop 項目了。Hadoop是受Google的MapReduce和GFS的啟發而開發的一個開源Java軟件框架，包括一個基于函數式編程的并行計算模型和分布式文件系統。 Hadoop中還有一個數據庫Hbase，它實現了一個類似BigTable的分布式數據庫，用于支持數據密集型分布式應用，可以在上千個的節點上運行，支持PB級數據量[4]。

Hadoop最初開發是用于支持Nutch搜索引擎項目，后來Yahoo投入大量資金并在其Web搜索廣告業務中廣泛地使用Hadoop。IBM和Google則發起一項活動，采用Hadoop以支持大學的分布式計算機編程課程，這也極大促進了云計算在全球的普及。

8 成功案例分析

目前，云計算還應該算是新生事物。雖然現在許多IT巨頭都在開發自己的云計算基礎設施、平臺、軟件、服務等等，但是真正成為云計算提供者并取得巨大成功的并不多，更多的是企業或機構構建自己的云計算實驗平臺。由于篇幅限制，這里只選擇幾個案例進行分析討論。

8.1 Google

Google是云計算的應用導向。因為Google搜索引擎的需要，才自行設計開發了其獨特的大規模分布式計算平臺，其強項是對海量數據的分析挖掘。強大的云計算平臺和分析算法造就了Google在搜索領域的霸主地位。

Google的基礎設施可以分為3層結構:

產品:搜索、廣告、郵件、地圖、視頻、聊天、博客。

分布式系統基礎設施:GFS， MapReduce， BigTable。

計算平臺:大量數據中心的大量機器。

2010年3月9日，Google正式宣布Google 應用商店(Google Apps Marketplace)開始商業運營，從而將“應用商店”的概念引入到云計算的領域。

Google依靠大家熟知的Gmail、Docs、Sites和Calendar等應用創造了龐大的用戶群。Google 應用商店為Google用戶提供各類產品和服務，包括可安裝的能直接集成GoogleApps的應用程序。這些應用程序非常容易使用，支持單點登錄、Google的通用導航、以及能集成用戶自己的數據的特性[5]。

現在Google 應用商店已經聚集了一些頗為新奇的企業云應用。其中之一就是財務軟件開發商 Intuit 的在線工資表業務，將 Google Apps 與 Intuit 的網絡版工資表應用進行整合，員工只需要點擊 Google Calendar 中的一個圖標便可以下載工資單。

另一款惹眼的應用是 Manymoon，融合了Google賬戶和Google Apps產品，整合了狀態消息、文件編輯等功能，實現了完全社會化的項目協作。Google 應用商店的運作模式就是基于它的用戶市場，吸納第三方開發者進行開發，與開發者利潤分成。形成Google、用戶和第三方開發者三贏的局面。

8.2 Amazon

Amazon彈性計算云(EC2)允許客戶租用計算機運行自己的應用程序。客戶可以通過EC2提供的Web服務接口創建虛擬機(即服務器實例)以運行其應用軟件，從而實現應用部署的可擴展性。客戶可以按需創建、啟動、終止服務器實例，并按實際活躍服務器按時付費，故稱為“彈性的”[6]。

Amazon云計算平臺除了上述“彈性”和配置靈活外，其做法也與Google不同，它直接提供裸機(虛擬機)，可配置靜態IP地址，用戶對其有絕對的控制，可以運行自己開發的應用程序。并且可以方便的和Amazon提供的其他Amazon Web Services如S3，SimpleDB等集成。EC2通過設置防火墻控制虛擬機實例之間的網絡訪問，也可以建立Amazon虛擬私云(VPC)并連入企業IT基礎設施。

Amazon在云計算方面的成功并非是其一開始就打算成為云計算供應商，而是由于其在電子商務方面的出色成就，想將龐大的閑置資源通過其先進的網絡服務技術提供給需要的人們使用。另外，可能許多讀者不知道，Amazon的云計算技術是在網絡計算服務的基礎上發展起來的。

8.3 Salesforce

Salesforce.com是一家提供商務軟件的SaaS(軟件即服務)公司，用戶每個月需要支付類似租金的費用來使用網站上的各種服務。最著名的產品是客戶關系管理(CRM)，以SaaS模式通過Internet提供業務。服務涉及客戶關系管理的各個方面，從普通的聯系人管理、產品目錄到訂單管理、機會管理、銷售管理等。2009年獲《福布斯》雜志選為發展最迅速的科技公司，排名僅次Google。并成為首家年度收入達10億美元的企業云計算公司。目前全球已有7.5萬客戶在使用SalesforceCRM，其中包括:Google，Cisco，Starbucks，Deutsche Bank Prestitempo分部等等[7]。

Sales Cloud:全球首屈一指的銷售應用程序

Sales Cloud可以滿足銷售代表開展工作的一切需要，使他們用于管理的時間得以縮減，從而有更多的時間完成客戶交易。Sales Cloud為銷售經理提供了團隊活動的實時可見性。Service Cloud是一個現代客戶服務平臺，從而使得客戶能夠通過各種渠道(從呼叫中心到社交網站)獲得更高效且響應更快捷的服務。

Force.com:是一個CRM 的云平臺

每個企業的CRM 解決方案都是各不相同，而 Force.com 的云平臺卻是 CRM 的一個完美的基礎。因為在“云端”，CRM 應用程序永遠不會被基礎技術所限制，用戶可以根據業務的發展實時進行自定義和更改。Force.com 的AppExchange是一個第三方為Salesforce開發的應用程序目錄，用戶可以購買并加入到他們自己的Salesforce環境中。2009年由12萬4千名開發商在Force.com度身訂做共10萬項應用程序。應用程序也可以融入來自Google等的服務。

Salesforce成功的關鍵是其一流的銷售應用程序，為廣大企業所推崇。而云計算平臺則是幫助Salesforce實現了在互聯網上將應用程序包裝成服務發布，促成了Salesforce的大規模成功。

9 云計算一些相關問題及未來發展

云計算走入人們的視野已經3年多了，IT巨子以及企業都在研發部署云計算環境、平臺、服務，真可謂是風起云涌。然而各界對于云計算的爭論依舊在延續著，總覺得到底什么是云還是沒有說清楚，尤其是和之前的若干分布式計算技術的比較，采用云計算究竟能給我們帶來什么，未來的云計算又會是怎么樣的等等問題。下面簡單談談云計算的一些相關問題及其發展。這里主要是作者的觀點，供讀者參考。

9.1 云——稱謂之爭

學術界和企業界對云計算的態度還是有些不同的，有一點猶抱琵琶半遮面的味道。

中國的云計算專家委員會是在中國電子學會而非計算機學會下成立的，也是一件非常有意思的事情。

Foster則撰文認為云計算和網格計算在愿景、體系結構以及技術方面有許多相似之處，而在安全、編程模式、商業模式、計算模型、數據模型、應用和抽象等方面多多少少存在一些差異。

國內學者也有提出“云格”，有意將云計算和網格計算融合在一起，即在網格計算環境中同時提供云計算服務[8]。

其實隨著技術的發展進步，還會出現更多新的計算稱謂。我們不必太在意到底該如何定義什么是云計算、或它具有什么特性，關鍵是這樣一種計算平臺、計算環境能夠解決實際的科學計算或企業計算問題即可。采用何種技術、何種運行模式都不是最重要的。正如《九方皋相馬》所講故事一樣。秦穆公差九方皋找千里馬，3個月后他返回報告說:“已經得到1匹黃色母馬，在沙丘。”取回卻是1匹黑色公馬。穆公不高興，而伯樂卻感嘆道:“九方皋所觀察的竟然到了這種地步，省察其內部而忘卻其表象。”馬到達，果然是天下至奇的好馬!

9.2 運營模式

各界對云計算的鼓吹中最大的亮點就是pay-per-use商業模式，即按用戶對資源的使用量進行付費。可是這并沒有定義什么是云，而且商業模式和被運行的云計算系統沒有直接的關系。如同電信網運營中大家知道的2個概念:運營支撐系統(OSS)和基站子系統(BSS)，BSS才和商業模式相關。所以pay-per-use商業模式并不涉及到云計算本身，任何系統只要能夠對被使用的資源進行計量即可按一定的商業模式運營。換句話說，如果網格系統能夠投入商業運營，也完全可以采用pay-per-use的商業模式[9]。

大家都在談論云計算有多么多么神奇，不僅學術界甚至許多企業也在創建自己的云計算平臺來構建所謂的私有云。但是也有批評者認為“沒有私有云這個東西”，因為若用戶“仍然需要購買、搭建和管理私有云”，則顯然不能在降低前端資本投資和減少管理方面受益，而恰恰是這種號稱能“降低前端資本投資和減少管理”的經濟模型才成就了云計算這個奇妙的東西。

此外，Apple的IPhone手機以其創新的用戶界面受到廣泛的歡迎，IPhone用戶可以在Apple的應用程序商店購買所需的各類應用程序。這也已成為一個很好的成功的運營模式，現在的Google應用商店正是基于Gmail的巨大用戶群而采用了同樣的運營模式。

9.3 云服務提供商

還有一個問題是，到目前為止，云計算總是說能給用戶節約投資，但是似乎還沒有人來給投資者(云計算服務提供商)算一算如何盈利的帳。下面介紹他們的成功是靠什么來盈利的。

Google是為了其主營的搜索業務需要存儲海量的搜索數據而開發了GFS和BigTable，為搜索的快速計算而開發了MapReduce框架，Google的盈利是靠其主營的搜索業務帶來的巨額廣告收入。另一方面，Google的數據中心是建在水電站邊上的，這是為了節約能源成本。Amazon的成功則是基于這樣一個前提:Amazon在構建自己的電子商務平臺時采用了大量計算機系統，但是實際運營中并不需要那么多的計算機設備。為了這些設備不至于閑置浪費，于是通過虛擬化技術將這些計算機設施打包成服務提供給需要的客戶使用。據稱騰訊每年的電費也是幾億元人民幣。

Salesforce的成功完全取決于其為大眾所推崇的全球首屈一指的銷售應用程序。一個企業要想成為運服務提供商，先得看看自己是否有這樣的利器。阿里巴巴2010年3月2日公告稱將于4月30日起關閉阿里軟件互聯平臺并終止提供相關服務，有評論質疑SaaS 免費還能走多久?但是我們是否可以問一個問題:該CRM軟件是否足夠好呢?免費是一種釣魚策略，先讓用戶嘗到甜頭，然后當用戶對你產生依賴時再向其收費。當然這是有前提的:一是服務軟件要足夠好，二是價格能夠承受。你的服務軟件是否能夠為企業業務能力的提升做出貢獻進而為企業帶來利潤?如果不能，即使是免費的軟件也不會有市場。如果是，還要看看是否打壓了用戶的利潤空間，是否能承受服務費用。

IBM已經在無錫太湖新城科教產業園建立了中國第一個云計算中心，但是到目前為止還沒有聽說有過哪些企業進駐了該云計算中心。如果哪家企業或機構想要自己獨立成為一個云計算運營商，那可就要慎重一點了。除了擁有先進的分布計算平臺，優秀的服務軟件，還必須要壓縮運營成本，才能為用戶帶來所期望的、優質、廉價的云服務。急功近利甚至暴利肯定是不利于互聯網應用的發展的。

9.4 可靠、安全與隱私

2008年的相關報道稱:Amazon的S3因認證服務過載導致不可用，故障持續2小時，后來的gossip協議風暴導致故障持續將近8小時。Gmail及Google Apps因聯系人系統故障以及程序錯誤導致故障持續數小時。在云的世界里最怕的就是多云轉雨了。本來好好的一朵云彩，積成雨水下雨后就沒有云彩了。依賴于云計算的用戶發現云沒了，當然會影響其業務運營。但是，普通計算環境中這樣的故障也會經常出現，因此可靠性、可用性并不是云計算帶來的問題。相反，云計算環境中系統的冗余特性極大提高了云服務平臺的可靠性和可用性。

關于云計算的安全性，當今所有的信息安全技術都可以用于云計算環境，專業團隊打造的云計算環境只會比普通的計算系統更加安全。就像錢還是存放在銀行里更安全些一樣。其實，許多人關注的安全問題更主要是指隱私問題。美國人就很擔心如果把數據放置在一家云運營商里，一旦政府下令，其數據就會被政府查獲。對于這一點，我們認為如果建立一個大云，即云計算運營商把他們的云都合在一起，大家互通有無，同時普通企業也把自己的私有云整合在里邊，這時存儲位于整個大云中，其他人并不能知道你的數據在哪家云服務商的哪些存儲設備上了。國內企業可能更擔心數據保密問題，把數據放在云運營商那里不放心。這實際上依然是一個“信任”問題。如果你不信任銀行，那你的錢只能放在自己的枕頭底下了。安全技術是用來防黑客攻擊的，而信任問題則需要通過大家一起建立一個良好的商業生態環境來解決。

9.5 未來的云計算

將計算力作為一種公共事業設施來提供一直是人類的一個夢想。云計算就是要實現這個夢想。先來看看Google今后的目標:

支持地理上分布的集群。

為全部數據創建全球單一的名字空間。目前數據是被集群所分離的。

更多更好的數據和計算的自動遷移。

解決在耦合被廣域網分割的數據副本時所遇到的一致性問題(比如:即使在一個集群由于維護或其它原因而宕機時也能保證服務的運行)。

由此可以看出，構建地域分布的大規模基礎設施仍然是云計算領域的一個重要技術課題。另外，Google的MapReduce架構也是有一定局限性的。雖然映射和化簡兩個函數非常適合大規模的并行計算，但是并非所有計算都能輕易轉換成MapReduce方式進行計算的。一般性問題的并行計算算法設計依然是一個重大的挑戰[10]。

從Salesforce的成功經驗也可以看出，實際上用戶更需要能夠解決實際問題的最好的云計算應用軟件。因此，構建新型的云計算應用程序，為用戶提供更加豐富的體驗，如facebook等，已經體現了云計算的一個發展趨勢，而如何通過云計算基礎平臺將多個業務融合起來則是另一研究趨勢。

從云計算提供商角度看，采用商用計算、存儲和網絡設施來建設超大規模數據中心，按即用即付的模式來銷售這些資源，其成本有可能以比中等規模的數據中心更低。同時由于在大客戶群體之間的錯時共享而更多獲利。

從云計算用戶的角度來看，云設施可以作為新軟件公司構建自己的數據中心的一個起點，同時也可以擺脫傳統方式中由自己內部數據中心提供服務時可能出現的過載和不足這樣的雙重風險。此外，其他公司或機構也同樣能從云計算的“彈性”中受益。

我們認為云計算服務交易市場的模式可能更適合云計算的未來發展。企業或機構不是純粹作為一個云計算提供商或云計算用戶，而是可以按自己的平均計算業務量來建設云計算平臺(私有云)，來支持和推動企業的業務發展。同時加入到全球性的大云中，形成所謂的互聯云。就像當年網絡興起時企業各自構建網絡，后來由于傳輸控制協議/因特網互聯協議(TCP/IP)的出現而形成現在的Internet。這樣當企業計算資源超負荷時，可以使用互聯云環境中其他云資源，而當自己的資源空閑時，則可以將資源提供給其他用戶使用。這其中可以按市場機制對資源進行定價計費，各方按使用它方資源量進行付費，同時通過出讓其資源而獲得其應有的利潤。

構建互聯云的好處還可以避免由于過分依賴于某個云計算服務提供商而產生的壟斷行為，只有這樣多贏的局面才能使得云計算獲得成功。

總之，云計算就是要把硬件、軟件、平臺、應用、服務等一切資源都集成起來，同時提供非常簡單的接口，讓用戶方便的使用云資源。 (續完)

10 參考文獻

[1] 云計算.維基百科[EB/OL]. http://zh.wikipedia.org或http://en.wikipedia.org， [2010-02-05].

[2] 中國云計算-提供經過消化的中文云計算信息[EB/OL]. http://www.chinacloud.cn， [2010-04-03].

[3] LENK A， KLEMS M， NIMIS j，et al. What’s inside the cloud? An architectural map of the cloud landscape[C]//Proceedings of the 2009 ICSE Workshop on Software Engineering Challenges of Cloud Computing (CLOUD’09)，May 23， 2009， Vancouver， Canada. Washington， DC， USA: IEEE Computer Society， 2009: 23-31.

[4] HAYES B. Cloud computing[J]. Communications of the ACM，2008，51(7):9-11.

[5] FOSTER I， ZhAO Y， RAICU I，et al. Cloud computing and grid computing 360-degree compared[C]// Proceedings of the 2008 Grid Computing Environments Workshop (GCE’08)，Nov 12-16，2008， Austin， TX，USA. Washington， DC， USA: IEEE Computer Society， 2008:10p.

[6] GEELAN J. Twenty-one experts define cloud computing[J/OL]. Cloud Computing Journal(2009-01-24). http://cloudcomputing.sys-con.com/node/612375.

[7] ZHANG Liang-jie，ZHOU Qun. CCOA: Cloud computing open architecture[C]// Proceedings of the IEEE 7th International Conference on Web Services (ICWS’09)， Jul 6-10， 2009， Los Angeles， CA， USA. Washington， DC， USA: IEEE Computer Society， 2009: 607-616.

[8] ARMBRUST M， FOX A， GRIFFITH R， et al. Above the clouds: A Berkeley view of cloud computing[R]. Technical Report UCB/EECS-2009-28. Electrical Engineering and Computer Sciences， University of California， Berkeley. 2009.

[9] BUYYAR R， YEO Chee Shin， vENUGOPAL s， et al. Cloud computing and emerging IT platforms: Vision， hype， and reality for delivering computing as the 5th utility[J]. Future Generation Computer Systems，2009， 25 (6): 599-616.

[10] DEAN j， Ghemawat s. MapReduce: Simplified data processing on large clusters[J]. Communications of the ACM，2008，51(1):107-113.

收稿日期:2010-04-02

王柏，北京郵電大學計算機學院教授、副院長;主要研究方向為下一代電信運營支撐系統、分布計算技術、復雜網絡可視化分析等;已發表論文60余篇、專著3部。

徐六通，北京郵電大學計算機學院教授，主要研究方向為數據挖掘、網格計算與分布式系統及其在電信領域的應用研究，已發表論文20余篇。