Dryad和DryadLINQ是微软硅谷研究院创建的研究项目，旨在提供一个分布式计算平台，近年来这个平台已经在微软内部得以广泛使用（如微软AdCenter中的数据分析）。在近日举行的微软2009年研究院教员峰会上，微软发布了Dryad/DryadLINQ的学术版，以及Trident项目（一个基于Dryad/DryadLINQ及微软其他一些技术的科研工作流平台）的CTP版本。
Dryad是微软分布式并行计算基础平台，使程序员可以利用数据中心的服务器集群对数据进行并行处理。Dryad程序员在操作数千台机器时，无需关心并行处理的细节。据Dryad论文描述：
Dryad被设计为伸缩于各种规模的计算平台：从单台多核计算机、到由几台计算机组成的小型集群，直至拥有数千台计算机的数据中心。Dryad执行引擎负责处理大型分布式、并行应用程序中会出现的各种难题：对计算机和它们的CPU进行调度，从通信或计算机的失败中恢复，以及数据在节点之间的传递等等。
DryadLINQ的目标是提供一种高级语言接口，使普通程序员可以轻易进行大规模的分布式计算，它结合了微软Dryad和LINQ两种关键技术。
LINQ的理念为“代码即数据（treat code as data）”。如上图所示，DryadLINQ可以根据程序员给出的LINQ查询生成可以在Dryad引擎上执行的分布式运算规则，并负责任务的自动并行处理及数据传递时所需要的序列化等操作。此外，它还提供了一系列易于使用的高级特性，如强类型数据，Visual Studio集成调试，以及丰富的任务优化规则等等。以下是使用DryadLINQ获取一个柱状图所需数据的方式（引用自微软发布的示例代码）：
- static IQueryable<Pair> Histogram(IQueryable<string> input, int k)
- {
- IQueryable<string> words = input.SelectMany(x => x.Split(' '));
- IQueryable<IGrouping<string, string>> groups = words.GroupBy(x => x);
- IQueryable<Pair> counts = groups.Select(x => new Pair(x.Key, x.Count()));
- IQueryable<Pair> ordered = counts.OrderByDescending(x => x.count);
- IQueryable<Pair> top = ordered.Take(k);
- return top;
- }
谈到大规模分布式计算技术，便不得不提起著名的Google MapReduce。据DryadLINQ论文（该论文获得OSDI 08最佳论文奖）所述，DryadLINQ与MapReduce的区别在于：
MapReduce同样提供了能够快速进行编程的简化抽象，但是，使用这种编程模型来实现一些最常见的操作，如数据库Join都要使用较为有技巧（tricky）的做法。还有，我们经常需要把MapReduce计算嵌入一种脚本语言来实现多次归并或排序操作。每个MapReduce阶段（stage）都是自治的（self-contained），因此无法跨越边界进行优化。此外，缺少类型系统来连接不同的MapReduce阶段，迫使程序员必须显式跟踪阶段间传递的对象，这导致软件长期维护以及组件的复用变得麻烦。
因此，出现了一些构建于MapReduce抽象上的DSL为程序员隐藏了一些复杂性，如Sawzall、Pig、以及其他一些未发表的系统，如Facebook的HIVE。这些DSL简单地结合了声明式与命令式的编程方式，并生成类似SQL存储过程的模型，这样便可以对跨越MapReduce阶段的边界进行一些整体的自动优化。然而，这些做法也带来了一些SQL的缺点，如过于简单的自定义类型系统，以及有限的交互式计算能力。它们提供的优化不如DryadLINQ来的有效，一部分原因在于Dryad比MapReduce执行平台的灵活性要高的多。
此外，微软发布的Trident项目是一个科学工作流控制台，为科学家们提供了一个灵活而强大的方式，可以对大规模的，变化纷繁的数据集进行分析。它提供了可视化工具来创建、管理和分享工作流，并且可以在Windows HPC Server 2008集群上执行这些工作流。Trident基于Dryad/DryadLINQ和WF开发，并提供了WPF和Siverlight两种版本的可视化界面。开发人员还可以扩展Trident，并与Word，SQL Server，Data Service等多种技术进行集成，使Trident的适用范围更为广泛。
【编辑推荐】
