在需求、数据和软件愈来愈碎片化的驱使下，集装箱包装的微服务（Micro-Service）将成为主流，这些微服务在运行时间（Run-Time）经常需要动态性组合成为各式各样的 App 来支撑企业多变的业务流程（Business Process）。
Docker 和 Micro-Service 一定是引领未来新时代的，但实际上这种技术趋势也有一定传承性，是集中式计算走向分布式计算道路上的一个里程碑。虽然“颠覆”这个词已经被互联网玩坏了，不过大教堂与集市所揭示的软件开发模式已经从早期的互相竞争（Linux & Windows 时代），逐渐兼容（OpenStack & VMWare 时代）走向引领未来（Docker & Micro-Serivces 时代）的新时代。
@天外非仙 提出一个非常有意思的点，是否能把集中式计算转化为分布式，那么未来所有应用都可以靠分布式进行低成本横向扩展。
这个问题其实关乎于两个前提，一是分布式是否能取代集中式的竖井架构，二是新的应用是否都是分布式的领域。
从极限层面看，数学理论决定了分布式不可能取代集中式，横向扩展替代不了纵向架构。谷歌的大数据体系很大程度是基于马尔科夫模型的，也就是假设现在状态只和它之前的一个状态相关，不考虑复杂的迭代关系，因此便可以实现分布。但是现实中很多问题，马尔科夫模型并不适用，但也可能有更深的数学理论可以适合分布式。
从成本来看，目前分布式仍需要建立在一定规模之上。譬如邮政储蓄银行改成分布式系统之后，维护量高出许多，导致高昂的维护成本，通常这类需要技术实力支撑的组织都需要面对大量用户，例如提供服务的公有云或运营者，都倾向于系统架构的分布式。如果成本部分是个伪命题，那么分布式的弹性将成为下一步需要核心解决的问题。
在某些领域，分布式仍然不能解决全部问题。有的应用追求数据一致性，而弹性和分布式仍很难解决这个问题。尤其是大数据领域，分布式只能做“筛子”，做不了“螺丝刀”。
拿视频分析处理举例，视频分析处理必须在规定的时间内处理完一帧图像，其中用到了光流的处理，需要大量计算。单 CPU 是顺序计算，想要用 GPU 和 fpga，但如要用到他们，就必须把算法分解为可并行运算的单元，最后并行的结果还是要综合，那么最终的时间取决于并行中最长时间的算法。整个业务中，既有并行也必须有串行。
此外，分布式领域里面网络传输浪费的时间也是个待解决的大问题。容器内的应用不可能独立，必然要跟其他部分交换数据。运营商的复杂系统不可能整个搬到容器里，那么如何进行数据交换便成为关键的问题。远程分布用高速网络，机器内部用高速传输接口，比如双端口内存，双接口存储等等，都需要更加进步的系统设计。目前尚没有存储、内存、CPU、网络、GPU都可以热插拔，并能有效管理的操作系统，再加上现在分布式大行其道，软件商的热插拔也更为重要。
容器化起来之后，这样的系统便有机会得以实现。容器技术会把 OS 这层变薄，只需要处理操作系统层面的问题变成为可能。—— Ben
目前 VMWare 的 FT 特性可以实现两台服务器指令级保持同步，2013年的时候验证过，当时只支持最简配置的 VMWare，单 CPU，内存不大于63MB。但对于多 CPU 是有路标规划的。但2013年时候的测试结果显示性能损耗非常严重，大约为损失70%，所以还只能在实验室玩玩。乐观估计是在三年内，实现成千上百的 CPU 可以热插拔。想像一个机器三个笼子：CPU，内存，硬盘。然后笼子之间的资源可以自由组合、任意划分、热加热减。各个笼子间通过硅光互联。好了，参考设计就说到这里，如有需要，欢迎和@天外非仙 进一步交流。
整理 By Fei
-----------------
感谢贡献人：
天外非仙
红熊猫
杜玉杰
