第七章.多元云智能管理系统

“确实，不像以前，一个云里面各种品牌的设备，管理很复杂。不过，即使如此，所有代码重新编制，肯定是天量代码，但是，我们用了多元关联拟脑算法模型，你发现需要编制的代码很少，在模型上配置后，再编写一些执行脑函数就好了。”林自强没有让林久浩失望。

“老爸，是不是这就是，我们的多元关联拟脑技术的优势？”林久浩接着问道。

“不只是，这个模型还把很多信息比对过程转化为数学计算过程，尤其是闭环的使用。”林自强耐心解释。

“标记下一次不可用呀，被撤下来的算力资源不再接受新的计算申请，只完成当前未完成的工作，这样就可以回收了。”林自强解释道。

“如果，我说是如果。。。又导致算力增加了怎么办？”林久浩问道。

“这个过程是自动的智能的，且实时完成的，所以可以继续增加呀。”林自强说道。

“我说的是不稳定，一会儿减少了，然后又增加了，这样是不是自动的方式就容易出问题？”林久浩在脑子里面边推演边问道。

“那一定是你把参数设定的太严格了，宽泛一些，就可以减少波动。”林自强一句话就解决了。

“不是，【算力】信息元也只是传递算力参数，你再想想。”林自强继续引导。

“是【场景管理元】发起的，因为【场景子脑】只是出现了算力不够的问题，并把这个参数传导给【算力】信息元，而发现算力不够的问题是【算力】信息元参数突破容忍度后，向【场景管理元】发出的实际参数，【场景管理元】向【资源管理信息元】发送的不是这个参数80%，是由这个参数激活的【场景管理元】信息元中的条件参数，后续的工作需要这个条件参数来完成。”林久浩的理解又进了一步。

“对，闭环，最终的结果需要走到【场景管理元】，【场景管理元】在算力条件这个地方，把添加的算力放进去，修改原【场景子脑】的算力配置参数。”林自强接着说道。

“【场景管理元】作为闭环开始，也是闭环终结，所以在完成闭环后，【场景管理元】的条件参数也改变了，这样真实的反应了现有的状态。”林久浩全明白了。

“是的，如果闭环终点不修改，【场景管理元】内部信息就失真了。”林自强说道。

“哦，我已经很清楚的，除了算力以外，还有很多资源都用同样的方法设定，用同样的流程完成资源自动分配，真好。”林久浩这回高兴了。

“是呀，不只是硬件资源，软件资源也可以，例如，软件节点授权可以灵活分配，有些企业购买多元关联拟脑节点授权，他们会为每一个应用购买最低授权数，然后再购买一个授权包放入资源管理池，这些授权也可以被动态地灵活分配。”林自强继续介绍。

“老爸，我们是堂堂正正盗版的，没有授权限制，所以不需要考虑。”林久浩开了一句玩笑。

“胡说，你们的是。。。国家专用版，多元关联拟脑技术一发明出来就有国家专用版，不是盗版，是专门给国家定制的版本。”林自强加重语气强调不是盗版。

“哦，明白了，老爸。我们现在采用国产设备，设备型号及配置很统一，所以这个云智能管理模型看着不难实现吧。。。是吧？”林久浩又尝试着问道，他最希望听到，“不难，很容易”之类的话。

“老爸，正反方向选择都可以吗？”林久浩又问道。

“当然可以，你说的反向，就是算力过多，导致浪费问题，需要【场景管理信息元】自动撤回算力资源，对吗？”林自强反问。

“对呀，影子脑使用后关闭，对应的资源释放，或者是算力需求小了，需要减少算力，都需要自动处理的。”林久浩描述了用途。

“你监控的参数在与【场景管理元】关联线路容忍度阈值采用双向设置，低于某值也触发传送，例如，参数算力下限为30%，如果，当前使用的算力低于这个算力参数，就会导致激活【场景管理元】的条件参数，传导到【资源管理信息元】做单位算力减少操作，最后返回【场景管理元】，做闭环终结。”林自强又讲解一遍。

“减少的算力怎么从拟脑计算的资源池中撤出来？”林久浩继续问具体方法。