如果你所遭遇的计算问题远远超过了现有硬件的能力，你可能会认为云计算运转速度更快，不必购买过多的硬件。现在是时间将计算任务分给云计算资源，管理整个过程，并得到反馈结果。本篇文章将要介绍两种技术，其中一种发展已十分成熟，另外一种还十分新颖。

　　Tuple-Spaces的对象

　　Tuple-Space数据处理代表了一种分布式处理模型，显然这种模型和其他模式不同。如果一个客户应用需要完成一些计算任务,就会创建一个包含所需信息的对象，并将此对象写成一个“储存空间管理员”储存空间管理员负责将客户对象和工作进程匹配在一起，该工作进程可以完成所需的工作。当任务完成之后，工作进程就会编写一个新对象，其中包含了要反馈给储存空间管理员的结果。

　　tuple-space分布式计算环境包含一个或者多个储存空间管理员或者其它的工作进程。该存储空间上的操作可能十分简单，和REST的操作极为相似。这些操作最简化的形式是：

　　·写入——一个在储存空间管理员中写入序列化对象的进程。这一点和Rest PUT操作极为相似。

　　·读取——该进程要求通过需要匹配的对象内容从储存空间管理员中复制一个对象，这一点和Rest GET获取资源现有状态的操作极为相似。

　　·取——该进程从空间管理员中移除一个对象。从Rest的角度来说，它可能是继DELETE操作之后的一个GET。

　　·通知——将信息传递给一个进程，该进程已经写入了一个重要目标。这并不和Rest完全相同，一个Rest客户可能会使用If-Modified-Since重复GET操作。

　　Tuple-Space的正面与反面

　　基于空间基础上的计算使用一个目标来定义一个计算问题。由于这些目标可能非常复杂，这样就可以解决很多计算问题。建立在空间之上的计算很容易就适应问题，这些问题一般都包含了很多操作需求。例如，假设要在大量文档中进行词汇分析，以便相应的作者。这时对象指定分析的文本会首先经过简单的语句分析和计算程序，该程序会写入一个修改过的对象返回空间，然后更多执行数据分析的复杂空间会拾起这个对象。云计算的一个长处就是在测量计算能力时拥有很强的灵活性，可以通过添加或者去除工作进程来满足要求。

　　类似对象的序列化进程、传送进程以及反序列化进程这样的任务可能会耗费大量的带宽和中央处理机时间。对于那些大型的数据集任务来说，需要程序设计人员向数据集传送坐标，灵巧地保持对象的规模，而不是囊括任务对象中的数据集。