應用驅動的大數據融合平台建設

孟祥飛,馮景華,趙洋,夏梓峻

國家超級計算天津中心，天津 300457

摘要：論述了大數據在信息社會發展中的核心地位和對信息技術創新的全方位驅動；重點闡述了應用驅動的大數據和超級計算、雲計算融合平台層次結構，在物理設施、系統軟體、管理體系幾個方面系統介紹了該融合平台的體系架構和實現；同時，也以生物基因、氣象與空氣污染為典型應用具體介紹了平台應用實現；最後結合大數據發展和融合平台建設，形成了一些如何推動大數據產業發展的思考，為政府和產業領域等提供參考。

關鍵詞：大數據融合平台 ; 應用驅動 ; 超級計算 ; 雲計算

中圖分類號：G202 文獻標識碼：A

doi:10.11959/j.issn.2096-0271.2017020

Application-oriented integration platform construction on big data

MENG Xiangfei, FENG Jinghua, ZHAO Yang, XIA Zijun

National Supercomputer Center in Tianjin, Tianjin 300457, China

Abstract:Big data from information society reform was introduced.The application-oriented platform architecture integrating big data with supercomputing and cloud computing was introduced in detail，which including physical infrastructure，system software and management system.Moreover，some typical applications were introduced，such as biology and genomes，meteorology and air pollution.Finally，the opinions on how to promote application development of big data，which can provide reference for the decision-making of the governments and industries，were proposed.

Key words:integration platform on big data, application-oriented, supercomputing, cloud computing

1 引言

近幾年，信息技術的發展正在不斷推動全面和深入的社會變革，如沒有售貨員的超市、不用開燈的車間、無人駕駛汽車、全自動化的物流基地等，傳統零售業、製造業、交通、物流都曾是工業社會勞動密集、資源密集的支柱產業，而由於信息技術的驅動，這些傳統的社會生產和社會關係都在進行重塑，也就是世界正在從工業社會向一個真正新興的信息社會轉變。

信息社會重要的體現是它要以信息技術或信息化手段改造傳統產業，並解放傳統產業領域的人力資源，同時衍生出更多新興的產業（如互聯網、機器人、3D列印等）轉移人力資源，構建信息驅動的社會格局。信息社會的重要支撐涉及互聯網、物聯網、人工智慧、電子信息、雲計算、大數據等信息技術的方方面面，而信息社會的核心體現在大數據。

2 對大數據的理解

大數據最初提出與互聯網密切相關，對應提出了4V特徵：海量的數據規模（volume）、多樣的數據類型（variety）、快速的數據流轉和動態的數據體系（velocity）和低價值密度（value）。但是，隨著大數據的不斷發展和融合，特別是大數據超出互聯網領域與更多產業、領域融合後，對大數據的理解也更深入和全面。從更廣泛的產業領域看，大數據最重要的特徵是多源異構特徵明顯，如醫療衛生、基因科學、智慧城市、能源等領域的數據各有特點，與互聯網大數據相比，不僅數據具有的特徵、處理技術存在區別，同時每個行業都帶有本行業歷史發展、區域發展等各種特質或約束，比如行業內機構個體間數據的封閉性、數據標準和質量差異、數據安全及隱私等諸多方面的問題，形成的技術和社會發展領域的挑戰要遠高於互聯網領域。

因此，大數據的意義不僅體現在技術層面，還體現了社會網路化、信息化、標準體系建設發展到高度完善水平，經濟、社會、科研、國防等應用需求創新進入了新階段。

（1）應用驅動的數據價值再創造是大數據發展的目標

大數據技術是為了解決數據管理困難、數據溝通不暢、數據價值密度低等實際問題而出現的，但這些都源自於應用本身的需求。如醫療行業，我國各大綜合醫院、專科醫院或許都有某位就診患者的信息，但目前彼此信息相互獨立，形成信息孤島，無法進行信息的高效共享，更談不上關聯分析，但在區域性疾病分析、個人健康關聯分析等實際應用需求中，發展醫療大數據就應解決信息獨立、信息孤島的問題。

（2）數據獲取、標準體系構建與科學管理是大數據發展的基礎

大數據的一個重要特點就是數據源多樣化，包括資料庫、文本、圖片、視頻、網頁等各類結構化、非結構化及半結構化數據。因此，大數據處理的第一步是從數據源採集數據，並進行預處理和集成操作，為後續流程提供統一的高質量的數據集。如果單純將數據保存，不加以預處理和管理，硬碟最終將成為數據的墳墓。

（3）網路設施能力、高端電子信息技術發展等是大數據發展的保障

大數據產業是社會信息化、網路化和標準系統建設發展到一定階段的產物。社會高度信息化會產生海量多源異構數據，同時產生更多的數據分析需求；高度網路化使得數據獲取和訪問變得更為便捷，為數據的自由流動提供了基礎；標準系統的建設使得各類數據的存儲更為高效，更利於數據整合和分析。放眼全球，之所以美國率先提出大數據研究和發展計劃，並在大數據相關產業發展勢頭迅猛，主要是由於其已建立了較為完善的網路基礎設施，已擁有領先的高端信息技術。

應用驅動的數據價值再創造，更體現出大數據發展對信息技術和信息社會的驅動，具體體現在以下幾點：

數據要「從無到有」，也就是要解決數字化和信息化問題，這將驅動物聯網、模式識別、人工智慧等領域的興起；

數據要「從散到融」，也就是數據要流動和融合，這將驅動互聯通信、信息安全等領域的發展；

數據要在複雜的背景下，高效處理有價值的信息，這又驅動了超級計算、雲計算、機器學習等領域的創新。

近年來，隨著互聯網、雲計算與物聯網技術的不斷發展，大數據產業市場規模迅速增長，已成為全球創新發展的重要驅動。國家、企業及相關行業機構都在向大數據看齊，搶佔數據創新的先機，努力成為數據創新的最大獲益者。

3 大數據平台建設新需求

自「十二五」以來，我國就著力推動大數據發展，進入「十三五」以後更是將大數據提升到國家發展戰略，推動大數據快速發展和國家戰略實施，成為國家在新的社會、技術發展階段推動國家創新發展的重要手段，促使大數據應用不斷泛化。由互聯網領域發展來的大數據平台由於業務、技術和企業自身利益局限，無法滿足醫療健康、油氣能源、生物基因、智慧製造等這些關係國計民生的重要行業和傳統支柱產業領域的大數據應用需求，重點體現在如下幾個方面。

（1）行業系統性需求

例如，工業領域的大數據應用涉及工業設備運行監控和管理、產品研發設計與模擬、供應鏈管理和優化、市場輿情等綜合數據的獲取、整合和系統性分析；在生物基因領域，各基因庫數據和測序數據類型複雜多樣的特點、大規模群體數據分析、檢測信息服務等對平台提出了存儲管理、高性能處理、高業務並發等不同層面的挑戰；氣象和空氣污染等領域，對初始多樣性數據的獲取和管理、高精度長效數值預報、預報產品的處理和服務同樣要求平台具備系統性的大數據支撐能力。互聯網企業的大數據平台無法滿足這些應用場景的需求，構建面向產業需求的大數據綜合平台是應用的必然驅動。

（2）大數據長時效管理需求

對於大數據，除了互聯網領域的電子商務、社交網路、輿情等能夠快速積累大規模數據並應用外，其他很多的行業領域，如教育、醫療健康、科學研究等，需要一個長期數據積累和標準化管理的過程，醫療健康對大病慢病的數據積累甚至要以10年為單元。這些特點要求大數據平台要有良好的擴展性和穩定性，並形成第三方公信力。

4 大數據和超級計算、雲計算融合平台

4.1 大數據融合平台層次結構

大數據與傳統數據相比，在規模性、處理方式、理論方法等方面存在諸多不同的特點，如多源異構、存儲分散、動態變化、先有數據後有模式等，這些特點決定了在大數據時代進行數據的科學管理和處理時面臨的問題和挑戰。所以，大數據融合平台的設計和構建，不僅要能夠應對大數據應用的現實需求，還要能夠適應未來技術發展和應用需求的動態變化。這裡，重點針對當前大數據對信息技術形成的數據海量存儲、數據高效處理、數據服務多樣性及安全等多方面的挑戰，提出基於超級計算和雲計算的大數據融合平台層次結構，如圖1所示。這個平台結構也體現其構建的整體邏輯，就是大數據是應用驅動，超級計算和雲計算是能力與技術保障，從而可有效為行業和領域大數據應用提供服務支撐。

圖1 大數據融合平台層次結構

在該結構下，基於超級計算和雲計算相關軟硬體設施，配合大數據融合平台關鍵模塊，實現了數據存儲、數據處理、數據共享和數據安全，最終實現了應用驅動的大數據融合處理服務能力。基於雲計算虛擬化技術、集成技術支撐大數據採集獲取、服務等需求；基於超級計算大規模並行計算能力支撐大數據分析處理需求；基於海量層次式動態可擴展存儲技術支撐大數據存儲需求。

4.2 融合平台系統整體架構

應用驅動的大數據與超級計算、雲計算融合平台，從整體架構上主要涉及以下3個層面。

物理設施層：支撐大數據獲取、流動、處理、備份等的網路、計算、存儲和災備物理設施。

系統軟體層：完成大數據整合、處理、展示、安全的系統軟體環境，進行大數據的一體化處理。

平台管理層：對大數據融合平台的監控、調度、安全管理等。

大數據融合平台系統環境總體框架如圖2所示。

圖2 應用驅動的大數據融合平台系統環境總體框架

4.2.1 融合平台物理設施層的關鍵技術和建設內容

（1）高度穩定的網路設施

網路設施用於支撐多個數據系統接收發自客戶端（Web、應用或者感測器形式、設備等）的數據，用戶可通過這些數據系統進行簡單的查詢和處理工作。平台要求建設和配備高帶寬公共互聯網路和多網冗餘，以滿足大數據用戶和企業對數據傳輸速度和效率的要求；對於數據傳輸要求非常高的大數據應用企業和用戶，建設點對點的高帶寬專網，以提升網路帶寬。通過互聯網、專網建設構建和完善高效的服務網路體系，保障用戶數據傳輸的高效和實時性。

（2）高效多態的計算處理設施

應用驅動的大數據計算處理需求是多樣性顯著、時效性高。因此，大數據融合平台中為了支撐這種複雜性處理需求，需要具備超級計算與雲計算融合的計算處理設施，實現對事務並發、數據並發高效處理的系統需求。底層的計算能力要具有分布式計算、異構高性能計算、內存計算等多態計算設施。

（3）大規模動態可擴展存儲設施

大規模動態可擴展存儲設施重點針對結構化數據、非結構化數據和半結構化數據等不同來源和格式的數據對底層存儲系統的要求不同，數據處理的時效性要求不同，應用處理需求與底層存儲系統要求不同，按需而建（如圖3所示），形成可支撐大量大數據應用的存儲和處理的解決方案，解決大數據分級存儲構建、分級存儲性能優化、數據共享、數據遷移和去重等關鍵問題。

圖2 按需而建的存儲設施環境

存儲設施建設的重點是分級存儲系統，其主要由3層組成：高速內存存儲層、在線存儲層、近線存儲層。高速內存存儲層可以極大地滿足數據分析對性能和處理速度的需求，滿足實時性大數據處理應用的需求；在線存儲層提供較大容量的同時，滿足多數大數據應用的處理性能需求，主要用於滿足在線處理業務的存儲需求；近線存儲層主要滿足數據的規模性需求，可以擴展至EB以上，滿足在線存儲之外的累積數據的大規模存儲需求，同時支撐數據的跨平台交換。

同時，在不同應用環境下，根據用戶數據的屬性不同，將數據分成3類進行虛擬化存儲：塊存儲、文件化存儲和對象存儲。

當為用戶提供的虛擬機的硬碟空間不足時，通過傳統方式（如本地存儲、共享存儲）提供硬碟空間，將會出現不易管理，I/O瓶頸等一系列問題，需要採用塊存儲解決。

在為用戶提供的虛擬化環境中，為了避免運行虛擬機對計算節點造成I/O、存儲壓力，提高虛擬機的可靠性，採用文件化存儲（即分布式文件系統）。

對象存儲（即雲存儲）的存儲容量可達PB級，是一個適合存儲靜態數據的永久性存儲系統，適合存儲的數據包括：虛擬機映像、郵件、備份文檔等。由於沒有「單點」或者主控節點，雲存儲平台具有更強的擴展性、冗餘和持久性。

（4）數據災備設施

重點建設成本地運行與同步備份中心、異地災備中心的「兩地三中心」數據安全災備環境，實現數據運行中心和備份中心及本地數據多副本平台，同時建立異地災備中心和數據同步平台，保障大數據融合平台的有效和可靠運行。

4.2.2 平台系統軟體層重點環節環境構建

（1）數據標準體系與數據整合

在應用驅動的大數據融合平台上，數據整合和數據標準體系的建設緊密相關。首先，數據表示標準包括數據編碼規範、元數據規範、非結構化數據統一描述規範、大數據集統一描述規範等，同時這些表示又需要與各行業領域的行業標準對應，所以數據表示標準既有底層相對統一的數據規範，又有上層行業的個性需求，充分考慮才是解決多源異構數據融合的核心。其次，數據存儲標準包括非關係型資料庫規範、非結構數據管理系統規範等新型存儲系統相關規範，對應的具體研究內容是分布式文件系統、非關係型資料庫等技術實現，重點是實現數據一致性、數據放置、故障檢測、可擴展性等方面。

融合平台應該構建基於數據匯流排的數據整合系統，如圖4所示，主要包括數據匯流排和ETL（extract、transform、load）封裝件，其中每個數據源對應一個ETL封裝件，中間件通過ETL封裝件和各個數據源交互。用戶在全局數據模式的基礎上向中間件發出查詢請求。數據匯流排處理用戶請求，將其轉換成各個數據源能夠處理的子查詢請求，並對此過程進行並行優化，以提高查詢處理的並發性，減少響應時間。封裝件對特定數據源進行了封裝，將其數據模型轉換為系統採用的通用模型，並提供一致的訪問機制。

圖4 數據整合框架

（2）面向特定應用的大數據分析處理

由於大數據的大數據量、分布存儲、並行處理等特點以及數據查詢、處理作業的多樣性，使得傳統的性能模型不適合於數據查詢與處理平台，為有效估算作業成本，提高作業查詢、調度效率，縮短作業執行時間，可重點構建如下幾個方面的能力。

大數據處理的性能模型：針對大數據處理，建立數據查詢和處理作業的性能模型，準確預測作業的執行成本和作業的執行時間，為作業參數優化、作業時間預測、基於成本的調度等提供參考依據。

基於成本的作業調度方法和優化技術：針對數據查詢任務到數據處理作業的一對多映射問題，研究高級數據查詢語言與作業的映射規則，研究面向大數據的查詢優化技術；針對大數據查詢、處理作業的調度問題，研究一種基於成本的作業調度策略。

高性能大數據處理原型系統及數據處理集成工具集：整合目前已有的大數據分析方法，利用現有的Spark、Hadoop等工具，構建一個處理工具集，並提供一個簡單、直觀的用戶介面，避免繁瑣的演算法參數、數據類型、數據類別等因素影響，降低數據處理使用門檻，為高效能環境的大數據應用數據分析平台提供支持。

（3）大數據可視化技術

主要關注基於平台的數據處理流程可視化和高維數據結果展示可視化兩個方面。數據處理流程可視化指數據解析、查詢、統計、挖掘與預測等流程的可視化處理，通過全可視化操作界面構建整個流程，由具備動態、智能的可視化引擎和圖形組件進行構建，從而將應用數據進行靈活自動的分析處理。該技術以可視化圖形組件形式提供給用戶端，用戶可根據需求自由組合、靈活切換各類模塊，實現特定數據分析處理需求。

在用戶端提供一個全可視化操作界面，界面中包括：通用化系統API；系統化處理方法組合，支持自由組合數十個大數據領先機器智能演算法；高性能集成若干個通用數據源，支持若干資料庫，如DB2、MySQL、MongoDB、Cassandra、Redis等；數據虛擬層支持異構關係型、非關係型數據；靈活切換各類完整智能可視化方法。

如圖5所示，可視化交互系統構建成多個可被調用的控制項，把各種用戶交互功能打包成控制項的API，易於其與外部各種信息平台、網路、系統進行集成和交互工作。各應用平台根據用戶需要建立客戶端，利用介面對分析結果信息進行多維可視化顯示與各種交互操作以及進行功能的擴展。

圖5 可視化交互技術

高維數據結果展示可視化主要是指針對高維數據結果進行多層次可視化展示，從而更加直觀地挖掘有價值的信息。高維數據可視化的難點之一是如何在保證數據有效性的基礎上進行降維並行處理。

（4）大數據安全防護系統環境

安全防護服務為平台的基本服務，包括入侵防禦、網路監控、病毒防護等模塊。

入侵防禦模塊：按照設定的安全防禦策略，對網路、系統的運行狀況進行監視，儘可能發現各種攻擊企圖、攻擊行為或者攻擊結果，以保證網路系統資源的機密性、完整性和可用性，重點內容如下。

網路監控對所有路由器、交換機、防火牆、入侵防禦系統（intrusion prevention system，IPS）的運行狀況、網路流量、用戶行為等進行日誌記錄；

對相應的訪問記錄進行自動審查，包括事件的日期和時間、用戶、事件類型、事件是否成功及其他與審計相關的信息；

能夠根據記錄數據進行分析，並生成審計報表（日報、周報、月報）；

應對審計記錄進行保護，避免受到未預期的刪除、修改或覆蓋等。

不論是防火牆、入侵防禦系統還是入侵檢測系統（intrusion detection system，IDS），都應設置定期更新攻擊特徵庫，併當檢測到攻擊行為時，應記錄攻擊源IP、攻擊類型、攻擊目的、攻擊時間，在發生嚴重入侵事件時應提供報警。

網路監控模塊：網路監控能夠對所有路由器、交換機、防火牆、IPS的運行狀況、網路流量、用戶行為等進行日誌記錄，能夠實時記錄用戶在系統中發起的網路行為，根據網路監控模塊的日誌記錄信息，一方面能夠進一步分析用戶在時空維度、操作習慣等方面的優勢，另一方面也能夠作為系統調整網路設施布局、帶寬分配、安全策略調整等的參考依據。

病毒防護模塊：在平台部署病毒防護設備和系統，阻斷來自外部的病毒傳播和攻擊行為，並在內網部署網路病毒監控系統（virus detection system，VDS），發現來自內部的病毒傳播和攻擊行為。可以通過在核心路由器和專網接入路由器上增加具有防病毒功能的模塊實現防病毒網關的功能；通過將接入交換機的數據鏡像到VDS設備，可以監控內網傳輸數據中是否含有計算機病毒等惡意代碼。目前市場上防病毒網關的VDS設備大量採用雲安全技術，雖然雲安全技術可以在一定程度上提高對新惡意代碼的響應速度，但可能會造成內部敏感信息的泄露。採用離線升級方式，即在內部網路搭建病毒定義碼升級伺服器，獲得最新的病毒定義碼，不斷更新病毒碼，降低內部敏感信息泄露風險。

4.2.3 平台全方位管理體系建設

平台全方位管理體系建設是涵蓋大數據融合平台的監控、調度、安全管理等策略的完善解決方案，這也是平台能否高效發揮作用的重要環節：平台的監控管理涉及底層硬體設施的監控（包括計算、存儲、網路等）、應用處理任務監控（應用任務）、安全監控；平台調度管理涉及任務調度、資源調度；平台安全管理涉及制度、人員、過程、操作規範等，重點包括安全管理制度、安全管理機構、人員安全管理、系統建設管理、系統運維管理。

5 大數據融合平台典型應用

應用驅動的大數據與超級計算、雲計算融合平台，目標是最大化地滿足大數據應用對信息技術平台的要求，因此可以實現大數據業務流程的系統性覆蓋和對局部處理需求業務的廣泛覆蓋。現在這一平台方案已經在生物基因、醫療健康、智慧港口、油氣能源、建築信息模型（building information model，BIM）+地理信息系統（geographic information system）智慧城市、電子政務等產業大數據應用領域開展服務支撐和應用示範，其中有些領域目前利用了這一平台方案中的部分能力，而生物基因、氣象霧霾、油氣能源開發等已經逐步成為融合平台系統能力充分施展的典型代表。

5.1 生物基因領域的應用

生物基因領域各類資料庫物理位置相對分散、數據類型多樣，使得數據採集效率低、數據整合困難、數據分析處理時效性低。通過完善基因資料庫和細胞分析資料庫，可為用戶提供高效數據採集與傳輸、數據存儲、生物信息分析處理等一體化的多功能服務，用戶可以通過互聯網遠程操作進行測序數據的處理，隨時隨地獲取生物信息分析資源。

基於融合平台形成的基因大數據處理平台的對外提供服務的流程：首先由醫療機構採集測試樣本，並進行相關預處理，然後將樣本中的基因數據信息上傳至本平台進行基因比對、測序等工序，然後將處理結果整合回傳給醫療機構。同時，在這個過程中不斷進行數據積累，形成群體基因分析大數據，支撐疾病預防或個性化診斷等。

5.2 氣象霧霾預警預報

研究氣象霧霾的成因和機理需要大量多源異構數據的支撐，涉及衛星雲圖數據、雷達數據、氣象監測點數據、區域污染源排放清單等，這類數據存在數據量大、物理存儲分散、存儲格式多樣、數據實時更新等特點。通過網路獲取衛星、雷達、污染源等數據，基於數據獲取和超級計算能力構建自動化實時霧霾預警預報平台，開展大規模數值預報，預報數據通過雲平台處理成產品，並對外發布，如圖6所示。

圖6 自動化實時霧霾預警預報平台系統框架

基於該平台已構建區域氣象、空氣污染預報業務化平台，為氣象部門、環保部門提供穩定的長效高解析度預報結果，滿足社會公共服務，在保障亞洲太平洋經濟合作組織（Asia-Pacific Economic Cooperation，APEC）會議、冬季奧林匹克運動會的申辦等重大氣象服務保障方面發揮了重要作用。同時，通過不斷積累觀測數據和預報數據，利用大數據分析完善預警預報模型，並為研究區域長效氣象和環境變化、環境治理方案提供支撐。

6 結束語

應用驅動的大數據融合平台可進一步解決我國大數據領域創新能力和創新支撐平台不足的現實問題。產業領域大數據研究、應用轉化是一個跨界融合的系統工程，需要信息技術領域和產業行業領域深入合作，建立聯合實驗室、協同創新中心，實現強強聯合、相互推動和支撐，這是非常有效的協同發展方式。

大數據對國家治理模式，企業的決策、組織和業務流程，個人生活方式都將產生巨大的影響，同高性能計算、雲計算、物聯網等技術融合，支撐一個信息技術的新時代。在引導和推動大數據發展方面，國家要抓電子信息基礎產業發展，掌握晶元、通信、系統軟體等核心技術將掌握大數據發展的主動權；在經濟、社會發展的過程中，注重標準化和信息化體系建設；加大網路基礎設施建設，提升數據流通效率，降低流通成本；向民生（如醫療健康、環境、交通、能源等）、政務、國防等領域傾斜，構建具有第三方公信力的大數據平台或開放機構，特別是基於大數據融合平台的解決方案和成功應用，可以進一步推動區域或者國家數據中心體系建設，形成社會開發、政府可控的大數據科學發展生態。

參考文獻：

[1]

鄭緯民.從系統角度審視大數據計算[J]. 大數據, 2015002.

ZHENGW M.Reviewing big data computation from a system perspective[J]. Big Data Research, 2015002.

[2]

陳文光.大數據與高性能計算[J]. 大數據，2015002.

CHENW G.Big data and high performance computing[J]. Big Data Research，2015003.

[3]

方濱興，賈焰，李愛平，等.大數據隱私保護技術綜述[J]. 大數據，2016001.

FANGB X，JIAY，LIA P，et al.Privacy preservation in big data:a survey[J]. Big Data Research，2006001.

[4]

黎建輝，周園春，胡良霖.中國科學院科學數據云建設與服務[J]. 大數據, 2016061.

LIJ H,ZHOUY C,HUL L.Scientific data cloud construction and service of Chinese Academy of Sciences[J]. Big Data Research, 2016061.

孟祥飛（1979-），男，博士，國家超級計算天津中心教授級高級工程師，主任助理，應用研發部部長，中華人民共和國國家發展和改革委員會「大數據處理技術與應用」國家地方聯合實驗室主任工程師；中國計算機學會高性能計算專家委員會常委，中國醫促會醫學數據與醫學計量分會副主委，主要研究方向為大規模並行處理技術、大數據技術研發與應用等。

馮景華（1984-），男，國家超級計算天津中心主任助理、系統管理部部長，中國計算機學會YOCSEF天津AC委員，主要研究方向為高性能計算、雲計算、大數據系統結構等。

趙洋（1988-），男，國家超級計算天津中心中級工程師、科學計算組組長，負責高性能計算的應用技術開發，主要研究方向為高性能計算、並行編程和GPU優化。

夏梓峻（1986-），男，國家超級計算天津中心應用研發部副部長，主要研究方向為數據分析與處理、大規模並行計算性能優化、大規模並行計算程序開發和異構並行程序開發和優化。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！