一、概念先讲清

（一）算与网是一体

算力在哪里，数据就要搬到哪里；反过来也能让计算靠近数据。两者协同，才能少做无用功，单独优化某一边往往顾此失彼，到头来两边都吃亏。把算与网当作一个整体来调度，决策时才不会各管各的，整体最优才可能出现。

（二）搬运有代价

大规模数据跨地域传输，耗时与开销都不少。能少搬就少搬，是这类调度的基本思路，也是它区别于普通调度的关键所在，别轻视。一处搬运省下的时间，往往够业务多跑好几轮实验，积少成多就是竞争力。

（三）位置会变化

数据随时间分布在不同位置，算力也一样。静态规划会失效，需要动态判断，这也是为什么调度要持续感知两边的真实状态再下手。位置在变，策略也得变，把调度做成一次性的静态表，很快就会被业务甩在后面。

（四）目标要统一

计算侧与网络侧目标若不一致，会互相拖累。统一目标，调度决策才不矛盾，也减少一边省了另一边又白白花掉，整体算下来并不划算。目标统一，两侧才朝一处使劲，资源才不会在内耗里悄悄流失，效果才出得来。

二、何时移动计算

（一）数据大且重用少

数据量巨大、只算一次，搬到算力处不如把算力派过去。一次性的大搬运最不划算，就近算完只回传结论才是正解，省时又省钱，也少风险。算一次就走的数据，搬它不如搬算力，方向选对，链路立刻轻快一大截。

1. 就近起任务

在数据所在位置启动计算任务，省下搬运时间。就近执行，整体完成明显更快，也把网络带宽留给真正需要传输的内容，不挤占别人的路。就近启动还减少了跨地域的依赖，某一侧出问题，影响面也更容易控制在局部。

2. 结果回传即可

只把最终结论传回，而不是原始数据。回传体积小，网络压力大幅下降，也减少敏感数据在链路上反复流动带来的安全顾虑。只传结论，既省带宽也省心，下游拿到的是成品，不必再为原始数据操心保管。

3. 注意本地能力

数据侧是否有足够算力要提前确认。能力不足时，仍需把部分数据搬到有卡的位置，这时就要重新比较两边的真实代价再决定。就近不是硬凑，本地撑不起时硬要就近，反而比正常搬运更慢，要实事求是。

三、何时移动数据

以下情况更适合搬数据而非搬计算，逐一对照自身场景就能做出合理的取舍：

① 数据会被反复使用：多次计算的场景，搬一次后就地复用，比每次就近更省，均摊下来搬运成本最低，最划算。

② 本地无合适算力：数据侧设备不够，只能把数据送到算力集中的位置，此时搬计算反而不现实，搬数据更顺。

③ 需跨源融合：多来源数据要在同一处汇集，先把它们搬到一处再算，比来回调度更顺，也更可控不出错。

四、决策靠什么

（一）先估体量

数据大小与计算量都估算一遍，比较两者的传输与执行代价。估算不求精确，只要分出主次，就能避开最不划算的那条路，少花冤枉钱，方向更清楚。体量估不准没关系，能区分“搬数据贵还是搬计算贵”就够了，决策就立住了。

（二）看网络余量

当前链路是否空闲、带宽是否够，决定搬运是否顺当。网络紧张时优先就地计算，把宝贵带宽留给必须传输的部分，不浪费，也不添堵。网络余量要看实时，不能只看标称带宽，高峰时再算账，结论常常完全相反。

（三）算时间账

搬运耗时加上计算耗时，与就地计算的耗时对比。谁更快，就把任务安排在哪一侧，时间账才是用户最终感受到的那笔账，最实在。耗时对比要做端到端，别只算计算那段，传输时间往往才是用户等得最久的部分。

五、落地要注意

（一）权限要打通

计算移到数据侧，访问权限也要随之具备。权限没跟上，任务会因读不到数据而失败，白忙一场，所以权限要随任务一起迁移到位。权限先行，任务才不会卡在最后一公里，否则算力的准备都白做了，体验极差。

（二）一致性要保

数据在多处存在时，确保读到的是最新版本。不一致会让结果出现难以解释的偏差，调试时最耗神，也最伤各方之间好不容易建立的信任。一致性要有机制兜底，不能靠人记，版本乱了之后查起来，时间成本远超事前投入。

（三）故障要兜底

某一位置异常时，任务能切到另一位置。兜底方案让调度不会因为单点而中断，也保证关键任务按时交付，不影响业务对外承诺。兜底要真演练过，纸面上的切换最不可信，出事时才发现切不过去，代价太大。

六、效果怎么看

（一）搬运量下降

核心看跨地域传输是否减少。搬运少了，网络开销与时间自然跟着降，这是最直观也最容易被汇报上去的成效，好讲。搬运量要按周期对比，单看一天容易受波动干扰，拉长时间线，趋势才看得清、说得服。

（二）完成时间缩短

以端到端完成时间为准，而不是单看计算快慢。整体更快，调度才算有效，用户感受到的也正是这个端到端的时长，不是某一处的局部速度。局部再快，链路某处卡一下就全白搭，所以必须盯端到端，才不会被假象骗过。

（三）记录要留存

每次调度决策的理由与结果存入天翼云存储，便于复盘。长期积累，策略会越来越准，也能向各方证明调度到底带来了多少实在价值，不止是感觉。记录沉淀为资产，新人接手也能看懂当初为何这样排，制度得以延续而非推倒重来。

七、落地清单

① 先做一次全量盘点，弄清数据分布与算力分布，两张图叠在一起，调度决策才有底，也知道哪边是瓶颈，先攻哪里，不打无准备之仗。

② 就近计算前确认本地是否有配套依赖，缺一项就要回传，反而比直接搬运更慢，白忙一场最可惜，先查清楚再动手，省返工。

③ 数据移动要压缩，大批量传输前先压缩，能明显缩短耗时并减少链路压力，这一步几乎零成本却很见效，顺手就做，不亏，收益立竿见影。

结语：算网融合的本质，是让计算与数据离得更近，少做无用功，省下的是真金白银。决策靠体量、网络与时间三笔账，而不是凭感觉拍脑袋定位置。效果最终看搬运是否减少、完成是否更快，这两项数清楚了，价值自然就显现。