传输和计算

我本胡言乱语。

昨天的一篇短文：
通用计算机器
今天假期最后一天，接着说几句。

图灵机将步骤按照时间展开，替代将部分空间中连线延展，成就了通用计算机器，我们现在的计算机都是图灵机的形式。

这就必然会有内存和CPU之间的通信，就算如火如荼的存内计算也不过是小范围优化，既然词中还有“存”，便没有改变本质，内存和CPU依旧两隔。

但时间展开和空间展开真的就是固然对立的吗？非也。

虽然计算组件不能在空间扩展，因为太占地方，但已经按照时间扩展的步骤却可以自由组合和递归，实现新的功能。这便是Unix哲学的实例了。

组合使用命令，cat a|grep skinshoe|wc -l就是一个例子。

好了，该总结“道”和“法”了。

为了通用，在最底层，将一个任务拆成不同步骤，这些步骤在时间轴展开分时复用计算元组件。这就形成了一个通用的“软件核”，剩下的便是空间展开的外围了。

软件核之间需要信息交互，信息交互最终落实到传输，目之所及的正确做法是，只传输结果，不传输过程，过程封装在软件核中。

结果就是端到端原则。背后的逻辑是：

• 传输希望bit不被改变，过程传输需要端到端容错，只传结果可增效。
• 计算希望bit被改变，避免传输过程可让bit的改变发生得更快。

只传输结果不传输过程，意味着交互的消息始终是无状态的，除了端到端，中间介质无需维护任何状态，只需尽力而为。

其实，在软件核的层次，这个规律依然适用，Load/Store指令在CPU和内存之间传递的就是结果，所有的过程只在CPU中完成。

微内核，云原生微服务，无不如此，消息交互。

可是看起来又有例外不是吗？RIP，STP等协议确实是在彼此交互过程，最终收敛到一致的结果，如何解释？这叫分布式计算，你把所有参与者作为一个整体看待，它便又是一个软件核了，若不当一个整体看待，单凭这些参与方彼此交互过程，是无法扩展规模的。

所以，大规模分布式计算一直都是通用计算的对立面。

人脑偏向于哪一个？AI的选择呢？

浙江温州皮鞋湿，下雨进水不会胖。