昨晚会议结束得太晚，没赶上末班地铁，只好打车回家，俺的银子呀wuwu~

　　最近在读文献。上周过了几篇蛋白基因组学（proteogenomics）的天书，实在抓狂。这周的主题回到软件领域：大规模分布式计算。昨晚是Google老三篇（GFS、MapReduce和BigTable）的文献讲评，瓶子哥顺便讲了讲Google Cluster，我又带了几句Chubby论文。讨论很热烈，结果就说多了。

　　我负责主讲BigTable，这次细读，发现以前读的时候忽略了很多细节。

　　比如，BigTable使用bloom filter算法进行元数据cache加速。bloom filter有单边特性（它说不存在的，必然不存在；它说存在的，也许有小概率错误），这的确最适合cache这种场合。

　　再如，google的分布式锁服务Chubby，在GFS和BigTable中都起到关键作用。在同步控制方面，GFS和BigTable设计思路几乎一致，都是用Chubby对master节点的元数据条目加锁，但具体数据服务节点（GFS叫chunk seriver，而bigtable叫tablet server）的同步正确性，需要客户端自己来保证。这样设计的目的很明确：尽可能保证全局服务的简洁高效，防止master节点成为瓶颈，这对大规模的分布式场景是非常重要的；当然，副作用就是客户端程序的要求更高。

　　BigTable的一个重要应用是Google Analytics。另外进展很快的个性化搜索也用BT来存储用户历史和参数。之前发布的Google App Engine的python存储API，有很明显的BigTable痕迹。

　　身边已经开始有人从Amazon和Google租用云计算能力了，新概念被接受的速度超出我的想象。