计算资源(resource on the computation)计算复杂性理论的一个术语。
在IT行业，计算资源一般指计算机程序运行时所需的CPU资源、内存资源、硬盘资源和网络资源。 各类编程语言在进行软件开发时，都支持对计算资源的申请、分配等操作。比如C语言的申请数组；而对线程的申请，则根据计算机CPU资源的情况而申请。
在分布式计算架构中，可以对不同任务进行CPU资源、内存资源、硬盘资源和网络资源的控制。
计算机程序运行时所需的CPU资源、内存资源、硬盘资源和网络资源，指计算中所需的各种资源一般地，各种计算模型的主要资源有并行时间、串行时间和空间三种：
- 并行时间和巡回：并行时间一般指并行模型计算时所需步数，例如，向量机的自始至终执行指令的总条数。但对串行模型也可以定义一种称为巡回的资源.可以证明它相当于并行时间.对于多带图灵机，它是工作带头部改变方向的次数.一般地，巡回是周相的总数，而周相则是串行模型工作中的一个阶段，在此阶段中计算出来而记录在工作空间上的信息，不再被读到。
- 串行时间：计算过程中原始运算的总量.对于串行模型而言，它代表计算自始至终的总步数;对于并行模型而言，每一步可以同时作许多个原始的运算，自始至终各步的原始运算数目的总和就是串行时间。
- 空间：在计算过程中需要记录下来以备后用的最大中间信息量。对于多带图灵机，是计算过程中用过的工作带上的方格数。
计算资源严格讲，计算机CPU、内存、存储、网络都包括在内。计算资源经历了如下几个阶段的演进：
普通服务器这类服务器早期以Windows服务器为主，那个时候电信行业业务支撑系统普遍规模比较小，几个工程师就能开发完成一套支撑系统。基本上都是单机应用计算，但是极端情况下，Windows服务器经常需要重启，才能保持应有计算的速度。
小型机阶段这个阶段经历的时间比较长，至少有7-8年都是以商用Unix服务器为主，印象中应用部署的服务器有Sun公司的Solaris系统的机器、HP的Unix小型机、以及最畅销的IBM的Unix小型机。当时最主流的当属IBM公司的小型机P系列，霸占市场多年，以至于后来去IOE化，成为典型。小型机节点的业务支撑系统是最稳定的时期，这个时期，应用系统计算规模不断的增大，尤其是计费系统这种后台类计算型的应用，开始出现多机部署的情况，也就是初步进入分布式计算阶段。 这个阶段，应用系统规模不断增大，同时计费、综合营帐这类关键业务支撑系统不仅仅具备了分布式支持，同时还具备了容灾，冷备的能力。通常都是两组服务器，分别不同机房，各自运行一半的生产应用，极端情况下，实现应用切换，也就是一半服务器异常情况下，切换至另一半全量运行。 由于小型机非常的稳定，基本上在这些年里面，需要使用切换的场景还是相当的少的。
X86服务器化大概三四年前，技术领域开始发生变化，主要是互联网领域，阿里为代表的去IOE化的经历，随后在电信行业也掀起了去I的大潮，至今为止小型机基本上已经不再采购，只有一些立旧使用的机器在运行一些关键业务。 X86服务器化对应用带来的影响巨大，这个领域Google为代表的企业提供了很多分布式解决方案，同时开源开始大行其道，各家企业都在应用软件产品中开始使用开源。其中因为x86化导致的机器集群数量急剧上升，虚拟资源池化的技术开始得到大规模应用。 这个时期，运营商普遍都建立了x86服务器的资源池，划分虚拟化的机器供应用部署支撑运行。资源池虚拟化，是打破计算资源底层机器限制，对资源重新分配单元的方式，为应用部署带来很大灵活性。同时应用系统部署，再不用在一开始就估算主机资源，预先采购，之后再去部署运行。计算资源池化后，底层计算机的采购加入，对于上层应用没有感知，只需要按照虚拟化方式分配计算资源即可。
容器化容器化相关技术在Linux操作系统早已经支持，后来出现一系列的开源企业基于Linux本身的机制，封装出像Docker这类相对完善，易使用的容器技术。 容器化的趋势是伴随着应用服务架构而成为主流的，目前面向服务的体系架构，最新的方向莫过于微服务架构了，其中微服务架构中服务的独立性、隔离性都是通过容器化技术实现的。 Docker实现技术只是封装了容器，容器作为计算资源，同样需要类似x86化类虚拟技术去管理和分配这些计算资源。因此，mesos、kubernates一系列容器调度框架，逐渐成为很多容器云化资源管理的技术框架。 容器化调度框架主要负责管理容器资源分配，部署主机节点调度，甚至在服务调度领域也能支撑计算资源的负载均衡和高可用。
参考资料[1] 百度百科-计算资源 [2] CSDN博客-计算资源池化
