EverCraft一直在關注Web可視化技術的發展，在本系列文章裡，小編將對國外一篇感覺很不錯的綜述性文章進行翻譯，供這一領域的愛好者相互學習。這篇paper的信息為：“Mwalongo, F., et al., State-of-the-Art Report in Web-based Visualization. COMPUTER GRAPHICS FORUM, 2016. 35(3): p. 553-575. ”。感興趣的小夥伴可以直接閱讀原文獻哈。
2.2 基於網格計算的可視化
網格化計算是一種分佈式計算模型，通過匯聚各節點的計算和存儲資源池來提供高性能的計算架構。各網格的計算資源與集群計算類似分佈，區別在於集群的每個計算節點屬於同一個組織內，而網格計算的計算節點是跨組織的。因此，相對於集群計算通常是同構資源，網格化計算的資源通常是異構的。
基於網格化計算的可視化源自對於複雜高性能的仿真，需要通過各網格資源來滿足計算和存儲仿真結果。通常科學仿真和其他科學設備產生的數據量十分巨大，基本不大可能僅使用本地計算資源來實現該類數據的可視化，因此需要網格化計算架構。各網格的計算和存儲資源在地理上是分散分佈的，所以基於網格計算可視化的算法面臨著如何在有限帶寬和延遲的條件下高效利用這種分佈式架構的挑戰。
大多數的網格計算可視化工作充分利用了web服務。考慮到網格化計算資源的異構屬性，這很好理解。
2.3 基於雲計算的可視化
基於雲計算的可視化可視為基於網格計算可視化的進一步發展。雲計算為遠程可視化帶來了更高的彈性和量化平臺。通常雲服務的接入還是需要具有計算和存儲限制的網絡終端（比如手機、平板、筆記本等），所以基於雲計算的可視化面臨的挑戰，依然來自於如何在儘量降低對網絡終端要求的前提下，提高網絡終端和雲端之間數據傳輸的效率。為了應對這一挑戰，通常利用雲端進行那些要求複雜預處理的任務，僅從終端提取和傳輸可視化必須的數據。
目前的可視化技術依賴於GPU的計算能力以加速渲染，所以要求這些應用程序能夠從雲端虛擬機獲取GPU資源。雖然大都數的虛擬機管理程序可以有效實現主要計算資源類型的虛擬化，比如CPU、硬盤、I/O設備等，但GPU能力的虛擬化支持並不太夠。當前從虛擬機訪問GPU的主要方法是通過GPU直通和虛擬GPU（當前由NVIDIA GRID或AMD Multiuser GPU提供）
基於GPU的雲端渲染主要應用在遊戲和遠程桌面解決方案。遊戲在遠端渲染並以流媒體的形式傳輸到客戶端。為了降低延遲，GPU通常具有內置視頻壓縮編碼，以降低傳輸視頻流時給CPU帶來的負擔。這些遊戲服務的終端多為移動設備、遊戲終端、或者電視。對於雲端遊戲來說，延遲依然是最大的挑戰。因為交互性的雲端可視化和遊戲都對延遲敏感，所以當使用雲端渲染方案時，基於雲端的可視化面臨一樣的挑戰。將雲端計算和客戶端渲染技術綜合使用，不失為解決對於延遲敏感場景下問題的有效雲端可視化方案（我們將在之後討論）。
雲端虛擬機服務並不是就沒有上限。因為每一個虛擬機都需要完整的操作系統，存儲要求和日常通訊負荷很高。通過I/O接口的日常的通訊來自於運行在虛擬機和實體硬件資源之間的服務、或者不同虛擬機之間的服務。目前輕量化的虛擬技術（如Docker容器）在計算資源共享的性能和效率方面具有更大的潛力。
同時結合雲端和客戶端計算資源的雲端可視化方案，將優於單獨的雲端渲染方案。對於延遲敏感的可視化應用來說，最理想的是在客戶端執行渲染，並將任務的預處理放在雲端。GPU移動技術的進步使這種結合成為可能。客戶端避免了因網絡帶來的延遲，適用於交互性的可視化程序。雲計算已經在仿真領域應用，這些仿真通常產生巨量的數據，無法通過單個工作站實現可視化。而將仿真數據放在雲端，則通過使用雲端可視化服務，則避免了這些巨量數據的遷移。
對於雲端GPU的使用，不僅限於實現雲端的GPU加速渲染。服務端的GPU加速計算（如使用CUDA及OpenCL），能在節省能源的情況下提供更高的性能。因此，尤其對於移動設備來說，將高昂的計算放在雲端，將獲益不菲。
EverCraft.co
我們相信。每個人都具有創新的力量，每一份對未來的設計都將讓生活變得更有趣。
閱讀更多 EverCraft 的文章
