圖一：中國科學院高能物理研究所的研究員孫功星發表演講
圖二：高能物理需要大量的計算資源，并且會產生大量的數據。
孫功星表示，在高能物理領域的大數據處理過程主要包括三個方面：首先是Data Recording，Raw Event從探測器獲取，以二進制格式記錄的探測器信號，再由計算機產生模擬實驗的蒙特卡羅模擬數據，將物理信號數字化；然后是Data Processing，讀出Raw/MC Raw，處理產生相關物理信息，如動量、對撞頂點等；最后就是Data Mining，由上千個屬性組成的DST Event文件，提供物理學家進行分析，并最后產生物理結果。
圖三：高能物理的數據處理過程。
圖四：物理分析。
孫功星研究員表示，物理學家通過大數據處理三個過程，在里面找到有興趣的數據?，F在我們開始嘗試采用Hadoop本地系統，采用Hadoop方案之后，對于網絡、磁盤陣列的需求減少很多。當然在高能物理領域的Hadoop應用跟互聯網有所不同，因此我們也有針對性，特別是在IO方面做了一些工作，以適用Hadoop架構。通過Lustre和Hadoop架構的對比，我們進行分析測試后發現，在處理性能和文件重建等方面都有著大幅的性能提升。過去傳統的方式就是拿數據過來分析，扔掉不重要的數據，然后再拿數據進行分析，再扔掉不重要的數據，過程比較繁瑣。通過Hadoop架構，我們將TAG數據放入到Hbase中，TAG數據則是非常小的，利用Hadoop的確是能大幅提升性能。
圖五：在MapReduce下面運行C++
圖六：測試對比結果。
圖七：將TAG數據放入Hbase。
圖八：測試性能結果。
最后，孫功星研究員認為高能物理領域是大數據、數據挖掘的技術，具有完善的數據挖掘軟件。未來LHC升級將會產生幾倍于現在的數據，給高能物理計算帶來更多挑戰，因此現在的趨勢就是探索新型的計算機體系結構、高性能計算機結合的方案。
