DARPA慷慨解囊的背后:Python与大数据的火花

　　大数据vs. Python

　　俗话说具体问题具体对待，而一般我们从本质上把大数据应用场景分为两个方面：

　　1. CPU密集型操作

　　在CPU密集型操作情况下，我们需要对海量的数据进行计算；而刚刚说到作为解释性语言Python有着“相对杯具”的运行效率，那么在像求逆矩阵、向量相似度等对语言高效性非常依赖的情景下，让Python去做这些必然会造成性能下降和负载增加。然而别忘了Python还有个昵称 —— 胶水语言，其集成机制可以轻松的联结使用其它语言编写的模块，比如：C、C++、Java。这样我们就可以完全根据情况需要，使用Python来做框架，在核心CPU密集操作部分调用C或者其它高效语言。这样开发效率和性能都得以保障，至于对开发团队要求的增高就是另外一回事了。

　　2. I/O密集型操作

　　在这个场景下，我们经常做的是频繁的I/O操作、频繁的输入/读取文件系统，但是不会涉及到复杂的计算。出于这些操作通常都是调用操作系统接口来完成，所以对语言的要求显然不会太高。

　　从DARPA得到助力的不只是Python一个领域，下面看一下最近从DARPA获得资金的项目：

　　近期得到DARPA慷慨解囊的机构

　　在2012年11月，数据可视化和软件公司Kitware收到一笔400万美元的资金，用于和软件公司KnowledgeVis及一些高校一起开发名为Visualization Design Environment的开源数据聚合、查询和可视化工具包。

　　其后2012年12月，乔治亚理工学院公布他们获得了270万美元资金；这些资金用于在可扩展的机器学习技术和分布式计算架构上的研究，致力研发快速处理数据分析的算法。同样在新机器学习软件方面，Scientific Systems Company也获得了数额不详的资金。