志愿计算

　　人们第一次听说Hadoop和MapReduce的时候，经常会问：“它们和SETI@home 有什么不同?”SETI，全称为Search for Extra-Terrestrial Intelligence(搜寻外星智 慧)，执行着一个称为SETI@home的项目(http://setiathome.berkeley.edu)。在该项 目中，志愿者把自己计算机CPU的空闲时间贡献出来分析无线天文望远镜的数据，借此寻找外星智慧生命信号。SETI@home因拥有大量志愿者而非常出名，其他还有Great Internet Mersenne Prime Search(搜索大素数)与Folding@home项目(了解蛋白质构成及其与疾病之间的关系)。

　　志愿计算项目将他们试图解决的问题分成多个块，每个块称为一个工作单元(work unit)并将它们发到世界各地的电脑上进行分析。例如，SETI@home的工作单元是约0.35 MB的无线电望远镜数据，分析这样的数据，一台普通计算机需要数小时或数天。完成分析后，结果被发送回服务器，之后客户端获得另一个工作单元。为防止欺骗，每个工作单元被送到3台不同的机器上执行，且至少收到两个相同结果才被接受。

　　虽然表面上看起来，SETI@home与MapReduce比较相似(将问题分为独立的块， 然后进行并行计算)，但依旧还有很多显著的差异。SETI@home问题是CPU高度密集的，比较适合在全世界成千上万的计算机上运行，[1]因为用于计算的时间会远大于工作单元数据的传输时间。志愿者贡献的是CPU周期，而非网络带宽。

　　MapReduce的设计目标是服务于那些只需数分钟或数小时即可完成的作业，并且运行于内部通过高速网络连接的单一数据中心内，并且该数据中心内的计算机需要由可靠的、定制的硬件构成。相比之下，SETI@home则需要在接入互联网的不可信的计算机上长期运行，这些计算机具有不同网络带宽，且对数据本地化没有要求。

　　[1] 2008年1月，SETI@home发表评论说每天使用320 000台计算机处理300 GB数据，同时他们也在做其他的一些数据计算，http://www.planetary.org/programs /projects/setiathome/setiathome_20080115。