自主计算

自主计算（AC）是具有自我管理特性的分布式计算资源，能够适应不可预测的变化，同时向操作者和用户隐藏内在的复杂性。由IBM在2001年发起，这一倡议最终旨在开发能够自我管理的计算机系统，克服迅速增长的计算系统管理的复杂性，并减少复杂性对进一步增长的障碍。

AC系统的概念被设计为使用高层次的政策，做出适应性的决定。它将不断检查和优化其状态，自动适应不断变化的条件。一个自律性计算框架是由自律性组件（AC）相互作用组成的。一个AC可以用两个主要的控制方案（本地和全局）来建模，包括传感器（用于自我监控）、效应器（用于自我调整）、知识和规划器/适配器，用于利用基于自我和环境意识的政策。这种结构有时被称为"监测-分析-计划-执行"（MAPE）。在这种愿景的驱动下，最近提出了各种基于自我调节的自律组件的架构框架。一个非常类似的趋势是最近在多代理系统领域的重要研究的特点。然而，这些方法中的大多数通常是考虑到集中式或基于集群的服务器架构，并且大多解决了降低管理成本的需要，而不是实现复杂软件系统或提供创新服务的需要。一些自治系统涉及移动代理通过松散耦合的通信机制进行互动。面向自主的计算是刘继明在2001年提出的一个范式，它使用人工系统模仿社会动物的集体行为来解决困难的计算问题。例如，蚁群优化就可以在这个范式中进行研究。复杂性不断增加的问题预测表明，使用中的计算设备将以每年38%的速度增长，每个设备的平均复杂性也在增加。目前，这种数量和复杂性是由高度熟练的人类管理的；但对熟练的IT人员的需求已经超过了供应，劳动力成本超过设备成本的比例高达18：1。计算系统带来了速度和自动化的巨大好处，但现在有一个压倒性的经济需求，那就是使其维护自动化。在2003年IEEE计算机的一篇文章中，Kephart和Chess警告说，计算系统和设备互联的梦想可能会成为普适性计算的噩梦，在这种情况下，架构师无法预测、设计和维护复杂的互动关系。他们指出，自律性计算的本质是系统的自我管理，将管理员从低层次的任务管理中解放出来，同时提供更好的系统行为。现代分布式计算系统的一个普遍问题是，其复杂性，特别是其管理的复杂性，正在成为其进一步发展的重要限制因素。大型公司和机构正在采用大规模的计算机网络进行通信和计算。

在这些计算机网络上运行的分布式应用是多样化的，处理许多任务，从内部控制流程到呈现网络内容再到客户支持。此外，移动计算正以越来越快的速度渗透到这些网络中：员工需要在不在办公室的时候与他们的公司沟通。他们通过使用笔记本电脑、个人数字助理或具有不同形式的无线技术的移动电话来访问他们公司的数据。这在整个计算机网络中产生了巨大的复杂性，很难由人类操作员手动控制。人工控制费时、费钱，而且容易出错。控制一个不断增长的网络计算机系统所需的人工努力往往会很快增加。基础设施中80%的此类问题发生在客户端特定的应用程序和数据库层。大多数"自律性"服务供应商只保证到基本的管道层（电源、硬件、操作系统、网络和基本数据库参数）。

一个可能的解决方案是使现代网络计算系统能够在没有人类直接干预的情况下自我管理。自律性计算倡议（ACI）旨在为自律性系统提供基础。它的灵感来自于人体的自律神经系统。这个神经系统控制重要的身体功能（如呼吸、心率和血压）而不需要任何有意识的干预。在自我管理的自律神经系统中，人类操作者扮演了一个新的角色：他/她不是直接控制系统，而是定义一般政策和规则，指导自律神经系统。