查禮：堅持走“接地氣”的科研之路

本刊記者　張林仿

查禮：堅持走“接地氣”的科研之路

本刊記者張林仿

對于從事“云計算”和大數據產業的人來說，一年一度的中國大數據技術大會堪稱不容錯過的盛會。迄今為止，原名Hadoop in China的中國大數據技術大會（Big Data Technology Conference，BDTC）已成功舉辦9屆，發展成為涵蓋各類大數據技術和應用的探討、分享業界商業項目合作洽談和資源對接的綜合平臺，是亞太地區舉辦最早、規模最大、影響力最大、對技術和行業探討最專業和深入的大數據行業峰會。

而對于Hadoop in China的發起人——中國科學院計算技術研究所副研究員查禮來說，最初組織大會的宗旨只是“想把最先進的大數據開源技術帶到國內，帶到工程師的面前，同時建立起一個交流平臺，讓大家得以互通有無”。

從“網格”到“云計算”

偉人的一句話，往往標志著一個時代的開始。三十幾年前，鄧小平同志曾經說：“計算機普及要從娃娃抓起。”這句話改變了許多人的一生，查禮，也算是其中之一。

上個世紀八九十年代，為了加快計算機的普及，許多中學開設計算機課。由于不是高考所選科目，大多數人對這門課并沒有多少興趣，但這不包括查禮。“我當時對計算機編程充滿了好奇，覺得很有趣。”查禮認為，“做科學研究必須要有好奇心，沒有好奇心就沒有科學研究的原動力。”基于對計算機的濃厚興趣，他選擇在北京理工大學就讀計算機專業，并于2003年獲北京理工大學計算機科學與技術系工學博士學位。

博士期間，為了提高學術水平，查禮來到中國科學院計算技術研究所，跟隨徐志偉研究員從事分布式系統方向的前沿研究工作。“當時所里有一個‘國家網格’的項目，從‘九五’就開始做了，我也全程參與。”查禮所說的“國家網格”是國家“863”項目，“網格”思想的初衷是希望通過軟件把十余個國家級高性能計算中心互聯起來，做到資源共享。“這種思想在當時十分先進，其實和后來‘云計算’的理念基本上是一樣的。只不過‘網格’的概念是由學術界先提出來的，而‘云計算’是工業界先提出來的，導致兩者后續的發展道路完全不一樣。”

雖然“云計算”與“網格”的理念相同，但它是由工業界率先提出的，這就注定了其與“網格”有很大區別。“‘網格’更多地偏向學術研究層面，而‘云計算’的外延則要廣得多。且與學術界對‘網格’研究的零星火花不同，工業界對于‘云計算’的參與度很深，直接帶動了學術界的研究興趣，所以技術進步就快得多，也實用得多。”對于查禮來說，科研的最終目的是要實用，而工業界的成果轉化要比學術界快得多。查禮評價自己：“我的科研之路從這里開始就比較‘接地氣’了，比起單純的論文導向的研究工作，我更愿意解決工業界出現的實際問題。”

從草根大會到領域峰會

這個機會很快到來了。2008年，查禮領導研究小組與Apache Hadoop開源社區合作，發起并組織Hadoop in China大會。這一年，Hadoop in China成功舉辦第一屆草根大會。就是在這第一屆鮮為人知的草根大會上，查禮確定了一個研究方向，并向Apache Hive開源項目貢獻了“行列混合式存儲結構”—RCFile技術和實現代碼，該技術現已被Facebook、Yahoo！、阿里巴巴等公司廣泛采用。

“第一次大會上，我們請到了Yahoo！、百度、Facebook的人。當時Facebook的工程師提到Hadoop和Hive在Facebook的應用遇到了一些問題——他們用600臺機器專門處理數據，但數據太多，存儲空間已接近飽和，而新的數據中心尚未交付。”查禮說：“為了解決他們的問題，我們合作研究出了一種新的半結構化數據存儲格式：‘行列混合式存儲結構’—RCFile技術和實現代碼。行列的組合存儲比原先節約了百分之二十的空間，為Facebook切換到新數據中心爭取到了一段時間，解決了他們的燃眉之急。”為此，查禮團隊中的一名博士生直接被Facebook錄用，以幫助他們將生產系統的數據全面轉換為新的存儲格式。當時，在大數據領域，做出這樣的成果，讓國外的大公司如此大規模地應用，實屬鳳毛麟角。

中國的大數據時代已呼嘯而至，數據技術與數據經濟的發展是持續實現大數據價值的支撐，深度應用正將傳統“IT”從“后端”推向“前臺”。這種情況下，短短幾年，Hadoop in China大會的規模不斷擴大，從草根大會向領域峰會邁進。

對于查禮來說，最讓他開心的不是Hadoop in China大會規模的不斷擴大，而是可以借助這個平臺接觸到工業界，了解他們所遇到的問題，并研究出解決方法。

從工業界的角度來看，除了Facebook從中獲益之外，華為的變化也很大。“華為此前從不開源，現在已經能在Hadoop等開源社區里做貢獻，從側面反映了開源理念在中國慢慢得到認可了。”

對于查禮在開源社區方面所做的工作，計算所領導一貫是支持的。查禮說：“現在我的同事做出成果，也有很多直接就開源，畢竟開放源碼是展示成果的最好途徑。”

從專利技術到“數據魔方”

2011年，查禮開始與淘寶公司合作，幫助他們優化“數據魔方”系統。“數據魔方”是淘寶官方出品的一款數據產品，主要提供行業數據分析、店鋪數據分析等。其中包含了品牌、店鋪、產品的排行榜，購買人群的特征分析（年齡、性別、購買時段、地域等）。“馬云最早說淘寶轉型為數據公司，就是憑這個產品才有的底氣。”

“要想做到這些分析，最大的技術挑戰就是數據量太大，對上百億的記錄做實時查詢，傳統的數據庫是完全做不到的。還有一個問題就是時間范圍的限制，他們希望可以盡可能地擴大查詢操作的時間范圍。”計算所對于查禮去企業解決實際問題的行為非常支持，于是查禮帶著2名學生在杭州的淘寶總部花了3個月來攻克這項技術難關。

“這個項目中我們遇到了很多困難，因為淘寶的技術人員的能力已經很高，他們解決不了的問題其實已經很難了。他們已經在一條路上走到了極致，如果我繼續沿著這個思路走下去的話，是沒有出路的。”查禮坦言道：“所幸我們在這方面曾經做出過創新，有自己發明的專利技術，再做一些適配，才得以解決這個問題。”查禮將“互補式聚簇索引技術”—CCIndex專利發明應用到淘寶網的“數據魔方”產品中，用以支持實時多維區間查詢，最終啃下了這塊硬骨頭。

查禮的成果絕大多數都體現在實際應用中，這也是他與其他高校和科研院所的研究人員最大的不同。他認為，把科研論文寫出來之后，并不是終點。他更傾向于再往前一步，將論文應用到實際中。甚至在論文選題的時候，他就做好規劃，只選可以解決實際問題并能夠最終落地的項目。“我有很多項目的來源是在我去和一線開發人員交流的時候產生的——我的問題是來自實際的，那么我的研究成果就可以直接解決現實問題。”

不管是科研還是教學，查禮都不愿意跟隨別人的既定模式去走。他自己探索培養學生的方式，認為指導學生最重要的是要培養他們的科學素養。“當他們對自己研究的科學問題有了一些新的想法，對科研有了興趣，才算真正入了門。”

“云計算”是新一代信息技術的重要發展方向，是我國新一代信息技術產業實現創新突破、跨越式發展的戰略機遇。查禮承擔過多項國家“863”重大專項、“863”國際合作、發改委專項和歐盟第六框架（FP6）國際合作課題，以及“863”計劃“中國云”一期和二期中與大數據系統相關的課題，曾獲2007年度和2012年度國家科技進步獎二等獎。

對于這些成果的取得，查禮認為，每個人都應該找尋屬于自己的道路。而最適合他的，就是這樣一條與工業界聯系密切，“接地氣”的科研之路。他選擇了這條科研之路，在這條路上走了十余年，并將一直走下去。