在计算机早期，都是由一台主机承担全部存储和计算工作，这种方式被称为集中处理。后来随着处理器发展和网络出现，衍生出客户机/服务器架构，即由服务器完成主要的存储计算工作，客户机则负责较弱的存储计算和显示工作。到了今天，客户机的角色未变，但是存储计算工作已经不是单台服务器所能承载，需要由一堆服务器共同完成，这也就是通常说的集群架构。
现在我们所说的分布式计算，主要是指集群架构下的分布式计算工作。这种工作要求从某个客户机节点出发，将一个计算工作分割成若干小的子任务，分配给多台服务器节点去处理，并从这些服务器获得结果的计算过程。
由于分布式计算整合了大量计算机，处理效果远超单点计算，自带高性能和高效率光环，这些年随着各行业加速向数字化转移，产生的数据越来越多，数据业务复杂度也在同步增加，促使各行业对计算性能和计算效率的要求越来越高，必须使用分布式计算来完成日益庞大和复杂的计算工作。
所有分布式计算，抛开各种分布式计算模型表面的包装，回归计算本质，都可以分解成“分散”和“聚合”两个动作，执行顺序是先分散再聚合。更加复杂的，为了提高分布式计算效率，会运用迭代技术，持续将上阶段计算结果传输给下个阶段，滚动地进行分散计算和聚合计算，最终得出计算结果。
在分散和聚合基础上，已经衍生出许多分布式计算模型，比如谷歌的MapReduce，就属于比较简单的分布式计算模型，最初是用在它的搜索引擎上，后来也被Hadoop采用，用于大数据处理。Spark的分布式计算模型就复杂一些，因为它能够同时操作多个Map任务和Reduce任务一起工作。Laxcus更进一步，将分布式计算和计算机硬件整合起来，发展成一个分布式操作系统，它的分布式软件工具包（DSDK）里面，针对不同的分布式计算业务，封装了多种分布式计算模型，同样它也提供可以迭代运行技术，支持持续地处理分布式计算。
(基本是最简单的分布式计算)
分布式计算的“分散”，指的是从一个节点出发，把指令或者数据传递到多个节点上运行，按照某种计算规则，驱动这些节点生成计算结果。“聚合”是对结果数据的编排和汇总，根据不同的需求，聚合又分为对数据本身的聚合和对元数据的聚合。
对数据本身的聚合比较容易理解，就是把相同性质的数据放到一起进行处理。比如MPP数据库，当Select执行Group by和Order by操作时，就需要先提取多个节点上的同质数据，经过汇集后，再进行分组计算和排序计算。
元数据的聚合通常发生在数据聚合前，这是一种预处理操作，要求按照某种预定的规则，对不同性质的数据进行分区。分区后产生的对原来数据集合的映射，就是元数据。
元数据产生在迭代计算过程中，这种数据属于中间数据，被用来做为输入提供给下个阶段使用。元数据现在被各种分布式计算模型普遍使用，因为这些分布式计算模型都需要提高计算效率，最后都统一了选择这种小样本管理大数据的策略。
面对不同的业务，元数据的格式和内容虽然多种多样，但是有两个参数是必须具有的：1. 标记元数据唯一性的散列码。2. 产生元数据的节点。这两个参数保证分布式计算过程中，每一块数据都能够被定位和识别。
现在各种分布式计算框架，基本都提供元数据编程接口，允许开发者自己定义元数据。象Laxcus集群操作系统，它的分布式软件开发工具包里面，每套分布式计算模型都有对应的元数据编程接口，同样也支持开发者在即有规则上，定义自己的元数据规范。这样做，即简化了开发分布式应用软件的难度，也给开发者带来更多灵活性和开发便利。
为了更好地提升计算效率和节省计算资源，所有分布式计算模型都会建议开发者采用“移动计算”，减少“移动数据计算”。这个概念现在很少有人提及，但是非常重要，所以要说一说。
移动计算就是在产生数据本身的节点上进行计算，移动数据计算需要把数据搬运到指定的目标节点上，再进行计算工作。相比移动数据计算，移动计算省略了数据在网络中的传输开销，计算效率会大大提高。
但是完全摆脱移动数据计算也是不可能的，因为分布计算过程中，一旦涉及数据的编组、排列、汇总等计算工作，就需要把若干节点的数据传递到指定的目标节点上，网络数据传输工作不可避免。目前很多分布式计算执行过程中，相当大的一部分时间会被数据传输占用，而计算工作处于空置状态，所以为了减少时延提高计算效率，各种分布式计算模型也在用各种办法改进网络通信效率。
在改善网络通信效率方面，尤其以Laxcus做得最为出色。它提供了一套类似5G Massive MIMO的多通道传输技术，同时还有人工智能技术辅助管控通信设备和网络流量，数据传输的稳定性可靠性非常高。在对比测试中，在网络基础环境不变情况下，它比更早期不支持多通道的数据传输，改进后的通信效率能够提升5-20倍。这是一种非常有前景的技术，也是目前所有分布式计算模型中独树一帜的。
（多点连接，多通道并行，数据传输效果会更好）
现在的分布式计算，无论是理论、技术，还是产品和使用上，都已经日臻完善。它的未来发展趋势，正在以肉眼可见的速度，快速向软件化方向，特别是当Laxcus这样的分布式操作系统出现后，由于有了统一和标准化的基础平台，更容易部署和使用分布式应用软件。目前这股发展趋势已经非常明显，象高速空气流体、基因工程、生物医药、人工智能的计算工作，都重度依赖大规模分布式计算和它的基础平台。一旦分布式计算全面应用软件化，整个市场都会发生巨大变化。这些好处，我总结一下，大概有以下三点：
1. 有了统一的标准平台，就意味着，只是操作系统不改变，应用软件放在哪里都可以运行。不象现在各家云服务商自己建立一套，导致互相不兼容，应用软件迁移难度非常大。而企业如果不上云，就需要自己搭建基础平台，建设成本非常高。
2. 分布式应用软件的开发会更加规范，同时也意味着开发成本更低，这方面可以参考安卓、IOS、Windows上的开发经验。
3. 形成生态，产生更大的新的市场。分布式应用在没有软件化之前，主要以解决方案的方式出现，这种模式重度依赖特定企业和特定目标群体，无论开发成本还是使用成本都非常高，而且市场容量有限。现在有了分布式操作系统，应用软件的开发工作可以快速下沉到个体开发者。以当前分布式计算蓬勃的发展势头，一旦把海量个体开发者群体纳入进来，与市场上各种需求对接，形成用户与开发者的良性互动，就会出现供需市场。当用户有了更多更丰富的分布式应用软件可供选择，市场就会发展起来，最终通过市场规模的持续扩大，就会形成分布式应用生态。同理参考这十年手机生态的发展历程。
所以说，分布式计算的发展趋势是应用软件化和生态化，也是它的最终形态。
未来结果如何，各位拭目以待吧！欢迎大家在下方评论！
（Laxcus集群操作系统桌面，类似Windows，客户端远程操控集群上运行的分布式应用软件）
