語義Web和語義網格

現有互連網的飛速發展使它的缺陷逐漸暴露了出來，如網頁功能單調、搜尋引擎智能化程度低等，這是因為大部分Web上的內容是設計給人閱讀的，而不是讓電腦程式按其意義進行操作的。電腦能熟練地解析網頁的版面，知道哪裡是標題，哪裡有與其他頁面的連結。但是，它分辨不出個人首頁和天氣預報的區別，因為沒有可靠的方法來處理其中的語義，沒有辦法智能地理解網頁內容和進行操作。

　　語義Web就是想彌補這方面的不足,為網頁擴充了電腦可處理的語義資訊。語義Web中，各種資源被人為地賦予了各種明確的語義資訊，電腦可以分辨和識別這些語義資訊，並對其自動進行解釋、交換和處理。但是語義Web與人工智慧中的語義網路是兩個不同的概念，它的研究對象和所採用的方法與傳統自然語言處理也是不同的，它對現有的Web進行了語義擴充，從而使其能被電腦做一定的理解和處理，從功能上看它將是一個能夠“理解”人類資訊的智能網路。將語義Web融入現在Web結構的初步努力已經在進行中了。不久的將來，當機器有更強的能力去處理和“理解”資料時，我們將看到很多重要的新功能。例如，某人想報名參加一個研討會，電腦就可自動地為其制定最佳議程和路線以及預定酒店等。

　　互連網的創始人Tim Berners-Lee在2000年提出了語義Web的概念和體繫結構。

　　在其體繫結構中,第一層是Unicode和URI，它是整個語義Web的基礎，Unicode（統一編碼）處理資源的編碼，URI（統一資源定位器）負責標識資源；第二層是XML＋名空間＋XML模式，用於表示資料的內容和結構；第三層是RDF＋RDF模式，用於描述資源及其類型；第四層是本體詞彙，用於描述各種資源之間的聯絡；第五層是邏輯，在下面四層的基礎上進行邏輯推理操作；第六層是驗證，根據邏輯陳述進行驗證以得出結論；第七層是信任，在使用者間建立信任關係。

　　第二、三、四層是語義Web的關鍵層，用於表示Web資訊的語義，也是現在語義Web研究的熱點所在。可延伸標記語言 (XML)XML (eXtensible Markup Language)讓每個人都能建立自己的標籤，來對網頁或頁面的部分文字進行注釋。 指令碼，或者說是程式，可以將這些標籤運用到複雜的應用中，不過程式編寫者必須知道網頁作者是如何使用每一個標籤的。簡而言之，XML允許使用者在文檔中加入任意的結構。資源描述架構RDF （Resource Description Framework ）的基本結構是對象-屬性-值三元組，也就相當於句子中的主語、動詞和賓語。這些三元組可以用XML文法來表示。用這種結構描述由機器處理的大量資料，是非常自然的方法。RDF模式是一個描述RDF資源的屬性（Property）和類（Class）的詞彙表，提供了關於這些屬性和類的階層的語義。

　　因為兩個系統可能採用不同的標識符表示同一概念，也可能用一個標識符表示不同的含義，程式若要在兩個資料庫之間進行資訊的比較和合并，就必須瞭解某些標識符表示的是否是同一事物。對該問題的一個解決方案就是本體論(Ontology)。本體是概念化的顯式說明，包括分類和一套推斷規則。分類定義對象的類別及其之間的關係，使我們能夠表達實體之間的大量關係，而根據推斷規則，程式可以進行自動推理。簡單地說，就是在不同的系統間定義一本字典或者度量表，使它們對實體及其之間的關係達成共識，以便交流和共用。

　　語義Web需要能夠對Web文檔中的術語含義進行形式化描述。DAML+OIL（即DARPA代理標記語言+本體推論語言），OWL（Web本體語言），它們是W3C規範的重要擴充和改進，都是建立在人工智慧知識表示基礎之上的本體語言，提供了一種自然方式來描述在Web詞間的類與子類之間的關係，以及在類與類之間（或子類與子類之間）關係上的限制。它們比RDF模式添加了更多的用於描述屬性和類的詞彙，例如類之間的不相交性（Disjointness）、等價性、更豐富的屬性類型、屬性特徵等。

　　當然，要實現語義Web是遠遠不夠的，更主要的技術難題還在於要讓電腦可以進行更多的“思考”和“推斷”。為使語義Web工作，電腦必須能訪問結構化的資訊集合以及一套推斷規則，據此進行自動推理。增加邏輯性——使用規則去推理，選擇行動的方式以及回答問題的方法——是語義Web組織面臨的一個任務。

　　有了大量富含語義資訊的網頁，就好像有了一個巨大的全球互聯的資料庫。有了語義資訊的協助，人們開發出的軟體代理Agent程式的智能和自動化將大大提高，它們從不同的資源中收集網頁內容，搜尋和處理資訊並和其他程式交換資訊，真正發揮語義Web的力量。當出現更多的機器可處理的網頁內容和服務（包括更多的代理）時，通過代理之間的資訊交換和協同工作，資訊處理的效率將呈指數級增長，能更好地滿足使用者的需求。

　　網 格

　　網格是一種新興的技術，正處在不斷髮展和變化當中。簡單地說，網格是一種資訊社會的網路基礎設施，是利用互連網把分散在不同地理位置上的多個資源，包括計算資源、儲存資源、通訊資源、軟體資源、資訊資源、知識資源等全面連通和統一分配、管理及協調起來，通過邏輯關係組成一台“虛擬超級電腦”。這台機器把每一台參與其中的、包括個人電腦在內的電腦都作為自己的一個“節點”，成千上萬個這樣的“節點”並聯起來，就組成了“一張有超級計算能力的網格”。而每一位將自己的電腦串連到網格上的使用者，也就“擁有了”這架超級電腦，可以隨時隨地調用其中的計算和資訊資源，在獲得一體化資訊服務的同時，最大程度地實現資源共用。格線運算模式首先把要計算的資料分割，然後不同節點的電腦可以根據自己的處理能力下載一個或多個資料片斷。只要位於某個節點的電腦的使用者不使用電腦時，就會調動閑置的計算能力。網格的優勢在於不但資料處理能力超強，而且能充分利用網上的閑置處理能力來節約計算成本，實現資源的共用，消除資源孤島。

　　格線運算技術首先出現在科研領域的大型科學計算和項目研究中，醫藥、製造、氣象、勘探等需要大型電腦功能的行業將首批成為這一技術的受益者，隨著串連到網格系統上的計算資源的增加，格線運算技術也會造福於小企業和消費者，家庭PC使用者也將能夠用上公、私機構提供的更快、更廉價的服務，到那時任何裝置可以在任何地方接入以享用某種層次的資源，而不必關心這些資源是從那裡來的, 就像用現在的電網一樣。

　　美國自然科學基金於1997年啟動了進階計算架構計劃（PACI），歐盟於2000年和2001年分別啟動了EuroGrid和DataGrid。2001年全球網格論壇（Global Grid Forum）成立, 這是一個規範網格研究，制定網格標準的國際組織。就像TCP/IP協議是Internet的核心一樣，構建網格也需要對標準協議和服務進行定義。迄今為止，網格還沒有正式的標準，但在核心技術上，相關機構與企業已達成一致：由美國Argonne國家實驗室與南加州大學資訊科學學院(ISI)合作開發的Globus Toolkit已成為格線運算事實上的標準。企業界的網格相關研究開發工作中，最重要的就是Web服務。目前，一些業界巨頭已經就幾個底層標準協議達成了共識，包括XML、SOAP、WSDL、UDDI等。

　　語義網格

　　結合語義Web、網格和Web服務的優點和彌補各自的不足，研究人員提出了語義網格的概念。附圖表明了Web、網格、語義Web和語義網格的關係，網格是Web在計算能力上的提升，而語義網格是網格在語義能力上的擴充；從另一個角度說，語義Web是在現有Web上增強了語義能力，而語義網格是語義Web對計算能力的擴充。

　　在英國的e-Science計劃研究中，人們發現，網格的現有努力和e-Science設想之間存在差距，要達到e-Science的易用性和無縫自動化要求，必須實現盡量多的機器可處理性和盡量少的人類介入，這卻和語義Web的目標有一些相似，於是在2001年最先提出了語義網格的構想，並且於2002年在全球網格論壇GGF成立了語義網格研究組SEM-GRD。他們的語義網格構想的關鍵之處就是把所有的資源，包括服務，都用一種機器可處理的方式來描述，其目標是實現語義的互通性。達到這個目標的一種實現方法是把語義Web的技術應用到格線運算的開發中，下至基礎設施上至網格應用。值得注意的是“語義”是從下到上瀰漫在整個網格中而不是僅僅在其上增加了一個語義（知識）層。

　　中國科學院計算技術研究所知識網格研究組在諸葛海研究員的帶領下正在開展語義網格方面的研究，通過採用新的計算模式和新的資源群組織和管理的模型，可有效地輔助使用者進行資源擷取、共用、管理、協同工作和決策等，為人們提供更深層、更全面、更智能的服務。重點解決三個科學問題：資源的規範組織、語義互聯和智能彙總。

　　·規範組織。提出資源空間模型和資源的正常化組織和管理的理論、方法、技術和工具，使各種無序資源（資訊、知識和服務）規範組織，使使用者和服務能夠有效、正確地根據語義操作各種資源，以提高資源的使用效率。

　　·語義互聯。通過多層語義互聯和單一語義映像，使分布在全球的各種網路資源在語義層上互聯，消除資源孤島，主要通過類型化的語義鏈網路來使資源的語義能被機器所理解。

　　·智能彙總。解決如何使資源能夠互相理解，根據使用者的需求有效、動態、智能地彙總各種資源，這主要通過軟裝置來實現。

　　語義Web的概念和體繫結構

　　Web、網格、語義Web和語義網格的關係 說說大型高並發高負載網站的系統架構 (轉) 我在Cernet做過撥號接入平台的搭建，而後在Yahoo3721負載搜尋引擎前端平台開發，又在貓撲處理過大型社區貓撲大雜燴的架構升級等工作，同時自己接觸和開發過不少大中型網站的模組，因此在大型網站應對高負載和並發的解決方案上有一些積累和經驗，可以和大家一起探討一下。


一個小型的網站，比如個人網站，可以使用最簡單的html靜態頁面就實現了，配合一些圖片達到美化效果，所有的頁面均存放在一個目錄下，這樣的網站對系統架構、效能的要求都很簡單，隨著互連網業務的不斷豐富，網站相關的技術經過這些年的發展，已經細分到很細的方方面面，尤其對於大型網站來說，所採用的技術更是涉及面非常廣，從硬體到軟體、程式設計語言、資料庫、WebServer、防火牆等各個領域都有了很高的要求，已經不是原來簡單的html靜態網站所能比擬的。

大型網站，比如門戶網站。在面對大量使用者訪問、高並發請求方面，基本的解決方案集中在這樣幾個環節：使用高效能的伺服器、高效能的資料庫、高效率的程式設計語言、還有高效能的Web容器。但是除了這幾個方面，還沒法根本解決大型網站面臨的高負載和高並發問題。

上面提供的幾個解決思路在一定程度上也意味著更大的投入，並且這樣的解決思路具備瓶頸，沒有很好的擴充性，下面我從低成本、高效能和高擴張性的角度來說說我的一些經驗。

1、HTML靜態化
其實大家都知道，效率最高、消耗最小的就是純靜態化的html頁面，所以我們儘可能使我們的網站上的頁面採用靜態頁面來實現，這個最簡單的方法其實也是最有效方法。但是對於大量內容並且頻繁更新的網站，我們無法全部手動去挨個實現，於是出現了我們常見的資訊發布系統CMS，像我們常訪問的各個門戶網站的新聞頻道，甚至他們的其他頻道，都是通過資訊發布系統來管理和實現的，資訊發布系統可以實現最簡單的資訊錄入自動產生靜態頁面，還能具備頻道管理、許可權管理、自動抓取等功能，對於一個大型網站來說，擁有一套高效、可管理的CMS是必不可少的。

除了門戶和資訊發布類型的網站，對於互動性要求很高的社區類型網站來說，儘可能的靜態化也是提高效能的必要手段，將社區內的文章、文章進行即時的靜態化，有更新的時候再重新靜態化也是大量使用的策略，像Mop的大雜燴就是使用了這樣的策略，網易社區等也是如此。

同時，html靜態化也是某些緩衝策略使用的手段，對於系統中頻繁使用資料庫查詢但是內容更新很小的應用，可以考慮使用html靜態化來實現，比如論壇中論壇的公用設定資訊，這些資訊目前的主流論壇都可以進行後台管理並且儲存再資料庫中，這些資訊其實大量被前景程式調用，但是更新頻率很小，可以考慮將這部分內容進行後台更新的時候進行靜態化，這樣避免了大量的資料庫訪問請求。

2、圖片伺服器分離
大家知道，對於Web伺服器來說，不管是Apache、IIS還是其他容器，圖片是最消耗資源的，於是我們有必要將圖片與頁面進行分離，這是基本上大型網站都會採用的策略，他們都有獨立的圖片伺服器，甚至很多台圖片伺服器。這樣的架構可以降低提供頁面訪問請求的伺服器系統壓力，並且可以保證系統不會因為圖片問題而崩潰，在應用伺服器和圖片伺服器上，可以進行不同的配置最佳化，比如apache在配置ContentType的時候可以盡量少支援，儘可能少的LoadModule，保證更高的系統消耗和執行效率。

3、資料庫叢集和庫表散列
大型網站都有複雜的應用，這些應用必須使用資料庫，那麼在面對大量訪問的時候，資料庫的瓶頸很快就能顯現出來，這時一台資料庫將很快無法滿足應用，於是我們需要使用資料庫叢集或者庫表散列。

在資料庫叢集方面，很多資料庫都有自己的解決方案，Oracle、Sybase等都有很好的方案，常用的MySQL提供的Master/Slave也是類似的方案，您使用了什麼樣的DB，就參考相應的解決方案來實施即可。

上面提到的資料庫叢集由於在架構、成本、擴張性方面都會受到所採用DB類型的限制，於是我們需要從應用程式的角度來考慮改善系統架構，庫表散列是常用並且最有效解決方案。我們在應用程式中安裝業務和應用或者功能模組將資料庫進行分離，不同的模組對應不同的資料庫或者表，再按照一定的策略對某個頁面或者功能進行更小的資料庫散列，比如使用者表，按照使用者ID進行表散列，這樣就能夠低成本的提升系統的效能並且有很好的擴充性。sohu的論壇就是採用了這樣的架構，將論壇的使用者、設定、文章等資訊進行資料庫分離，然後對文章、使用者按照板塊和ID進行散列資料庫和表，最終可以在設定檔中進行簡單的配置便能讓系統隨時增加一台低成本的資料庫進來補充系統效能。

4、緩衝
緩衝一詞搞技術的都接觸過，很多地方用到緩衝。網站架構和網站開發中的緩衝也是非常重要。這裡先講述最基本的兩種緩衝。進階和分布式的緩衝在後面講述。
架構方面的緩衝，對Apache比較熟悉的人都能知道Apache提供了自己的緩衝模組，也可以使用外加的Squid模組進行緩衝，這兩種方式均可以有效提高Apache的訪問響應能力。
網站程式開發方面的緩衝，Linux上提供的Memory Cache是常用的緩衝介面，可以在web開發中使用，比如用Java開發的時候就可以調用MemoryCache對一些資料進行緩衝和通訊共用，一些大型社區使用了這樣的架構。另外，在使用web語言開發的時候，各種語言基本都有自己的緩衝模組和方法，PHP有Pear的Cache模組，Java就更多了，.net不是很熟悉，相信也肯定有。

5、鏡像
鏡像是大型網站常採用的提高效能和資料安全性的方式，鏡像的技術可以解決不同網路接入商和地區帶來的使用者訪問速度差異，比如ChinaNet和EduNet之間的差異就促使了很多網站在教育網內搭建鏡像網站，資料進行定時更新或者即時更新。在鏡像的細節技術方面，這裡不闡述太深，有很多專業的現成的解決架構和產品可選。也有廉價的通過軟體實現的思路，比如Linux上的rsync等工具。

6、負載平衡
負載平衡將是大型網站解決高負荷訪問和大量並發請求採用的終極解決辦法。
負載平衡技術發展了多年，有很多專業的服務提供者和產品可以選擇，我個人接觸過一些解決方案，其中有兩個架構可以給大家做參考。
硬體四層交換
第四層交換使用第三層和第四層資訊包的前序資訊，根據應用區間識別業務流，將整個區間段的業務流分配到合適的應用伺服器進行處理。　第四層交換功能就象是虛IP，指向物理伺服器。它傳輸的業務服從的協議多種多樣，有HTTP、FTP、NFS、Telnet或其他協議。這些業務在物理伺服器基礎上，需要複雜的載量平衡演算法。在IP世界，業務類型由終端TCP或UDP連接埠地址來決定，在第四層交換中的應用區間則由源端和終端IP地址、TCP和UDP連接埠共同決定。
在硬體四層交換產品領域，有一些知名的產品可以選擇，比如Alteon、F5等，這些產品很昂貴，但是物有所值，能夠提供非常優秀的效能和很靈活的管理能力。Yahoo中國當初接近2000台伺服器使用了三四台Alteon就搞定了。

軟體四層交換
大家知道了硬體四層交換器的原理後，基於OSI模型來實現的軟體四層交換也就應運而生，這樣的解決方案實現的原理一致，不過效能稍差。但是滿足一定量的壓力還是遊刃有餘的，有人說軟體實現方式其實更靈活，處理能力完全看你配置的熟悉能力。
軟體四層交換我們可以使用Linux上常用的LVS來解決，LVS就是Linux Virtual Server，他提供了基於心跳線heartbeat的即時災難應對解決方案，提高系統的魯棒性，同時可供了靈活的虛擬VIP配置和管理功能，可以同時滿足多種應用需求，這對於分布式的系統來說必不可少。

一個典型的使用負載平衡的策略就是，在軟體或者硬體四層交換的基礎上搭建squid叢集，這種思路在很多大型網站包括搜尋引擎上被採用，這樣的架構低成本、高效能還有很強的擴張性，隨時往架構裡面增減節點都非常容易。這樣的架構我準備空了專門詳細整理一下和大家探討。

對於大型網站來說，前面提到的每個方法可能都會被同時使用到，我這裡介紹得比較淺顯，具體實現過程中很多細節還需要大家慢慢熟悉和體會，有時一個很小的squid參數或者apache參數設定，對於系統效能的影響就會很大，希望大家一起討論，達到拋磚引玉之效。