第一篇：先進(jìn)性技術(shù)專題講座報(bào)告_大數(shù)據(jù)云計(jì)算及分布式（定稿）

——先進(jìn)性技術(shù)專題報(bào)告

大數(shù)據(jù)、云計(jì)算及分布式淺析

目錄 大數(shù)據(jù)...................................................................................................................................3 1.1 1.2 2 數(shù)據(jù)挖掘(Data Mining)..............................................................................................4 機(jī)器學(xué)習(xí)(Machine Learning)....................................................................................5

云計(jì)算...............................................................................................................................6 2.1 虛擬技術(shù)........................................................................................................................7 分布式...............................................................................................................................8 3.1 分布式數(shù)據(jù)庫(kù)............................................................................................................8

摘要：大數(shù)據(jù)(big data science)和云計(jì)算(cloud computing)是當(dāng)今信息時(shí)代下，最具發(fā)展前景的熱門領(lǐng)域，無(wú)疑是信息工業(yè)革命中的又一次令人興奮的技術(shù)浪潮，該領(lǐng)域的迅猛發(fā)展將會(huì)在相關(guān)的項(xiàng)目領(lǐng)域帶來(lái)概念以及技術(shù)上的顛覆性改變，同時(shí)也會(huì)對(duì)人類的生活方式和對(duì)信息的認(rèn)知模式帶來(lái)巨大的沖擊。分布式(distributed system)的發(fā)展為大數(shù)據(jù)與云計(jì)算在技術(shù)上奠定了實(shí)現(xiàn)的基礎(chǔ)，大數(shù)據(jù)的處理分析需要龐大的計(jì)算能力，云計(jì)算為此提供強(qiáng)有力的支持，而云計(jì)算的本質(zhì)就是分布式系統(tǒng)，將無(wú)數(shù)在空間上分離的計(jì)算機(jī)資源匯聚到一起，形成一個(gè)巨大的資源池，用戶根據(jù)自己的需要從中獲取所需的云平臺(tái)資源，這一過程運(yùn)用到了虛擬化技術(shù)(virtualization),將無(wú)數(shù)物理上隔離的并且計(jì)算能力有限的計(jì)算機(jī)虛擬化成了一個(gè)計(jì)算能力相當(dāng)可觀的資源池，對(duì)于用戶而言這些物理計(jì)算機(jī)是透明的，他們只需要關(guān)心自己實(shí)際獲取到的資源。事實(shí)上這也正是阿里巴巴在去IOE化過程中應(yīng)用的技術(shù)，采用開源軟件在水平方向上進(jìn)行拆分和分布式部署，具有很強(qiáng)的實(shí)際參考意義。大數(shù)據(jù)

大數(shù)據(jù)由巨型數(shù)據(jù)集組成，這些數(shù)據(jù)集大小常超出人類在可接受時(shí)間下的收集、庋用、管理和處理能力。大數(shù)據(jù)的大小經(jīng)常改變，截至2012年，單一數(shù)據(jù)集的大小從數(shù)太字節(jié)（TB）至數(shù)十兆億字節(jié)（PB）不等。

在一份2001年的研究與相關(guān)的演講中，麥塔集團(tuán)（META Group，現(xiàn)為高德納）分析員道格·萊尼（Doug Laney）指出數(shù)據(jù)增長(zhǎng)的挑戰(zhàn)和機(jī)遇有三個(gè)方向：量（Volume，數(shù)據(jù)大?。⑺伲╒elocity，數(shù)據(jù)輸入輸出的速度）與多變（Variety，多樣性），合稱“3V”或“3Vs”。高德納與現(xiàn)在大部分大數(shù)據(jù)產(chǎn)業(yè)中的公司，都繼續(xù)使用3V來(lái)描述大數(shù)據(jù)。高德納于2012年修改對(duì)大數(shù)據(jù)的定義：“大數(shù)據(jù)是大量、高速、及/或多變的信息資產(chǎn)，它需要新型的處理方式去促成更強(qiáng)的決策能力、洞察力與最優(yōu)化處理?！绷硗猓袡C(jī)構(gòu)在3V之外定義第4個(gè)V：真實(shí)性（Veracity）為第四特點(diǎn)。

大數(shù)據(jù)必須借由計(jì)算機(jī)對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)、比對(duì)、解析方能得出客觀結(jié)果。美國(guó)在2012年就開始著手大數(shù)據(jù)，奧巴馬更在同年投入2億美金在大數(shù)據(jù)的開發(fā)中，更強(qiáng)調(diào)大數(shù)據(jù)會(huì)是之后的未來(lái)石油。

大數(shù)據(jù)，或稱巨量數(shù)據(jù)、海量數(shù)據(jù)、大資料，指的是所涉及的數(shù)據(jù)量規(guī)模巨大到無(wú)法通過人工，在合理時(shí)間內(nèi)達(dá)到截取、管理、處理、并整理成為人類所能解讀的形式的信息。在總數(shù)據(jù)量相同的情況下，與個(gè)別分析獨(dú)立的小型數(shù)據(jù)集（data set）相比，將各個(gè)小型數(shù)據(jù)集合并后進(jìn)行分析可得出許多額外的信息和數(shù)據(jù)關(guān)系性，可用來(lái)察覺商業(yè)趨勢(shì)、判定研究質(zhì)量、避免疾病擴(kuò)散、打擊犯罪或測(cè)定實(shí)時(shí)交通路況等；這樣的用途正是大型數(shù)據(jù)集盛行的原因。

截至2012年，技術(shù)上可在合理時(shí)間內(nèi)分析處理的數(shù)據(jù)集大小單位為艾字節(jié)（exabytes）。在許多領(lǐng)域，由于數(shù)據(jù)集過度龐大，科學(xué)家經(jīng)常在分析處理上遭遇限制和阻礙；這些領(lǐng)域包括氣象學(xué)、基因組學(xué)、神經(jīng)網(wǎng)絡(luò)體學(xué)、復(fù)雜的物理模擬，以及生物和環(huán)境研究。這樣的限制也對(duì)網(wǎng)絡(luò)搜索、金融與經(jīng)濟(jì)信息學(xué)造成影響。數(shù)據(jù)集大小增長(zhǎng)的部分原因來(lái)自于信息持續(xù)從各種來(lái)源被廣泛收集，這些來(lái)源包括搭載感測(cè)設(shè)備的移動(dòng)設(shè)備、高空感測(cè)科技（遙感）、軟件記錄、相機(jī)、麥克風(fēng)、無(wú)線射頻辨識(shí)（RFID）和無(wú)線感測(cè)網(wǎng)絡(luò)。自1980年代起，現(xiàn)代科技

可存儲(chǔ)數(shù)據(jù)的容量每40個(gè)月即增加一倍；截至2012年，全世界每天產(chǎn)生2.5艾字節(jié)（2.5×1018字節(jié)）的數(shù)據(jù)。

大數(shù)據(jù)幾乎無(wú)法使用大多數(shù)的數(shù)據(jù)庫(kù)管理系統(tǒng)處理，而必須使用“在數(shù)

十、數(shù)百甚至數(shù)千臺(tái)服務(wù)器上同時(shí)平行運(yùn)行的軟件”。大數(shù)據(jù)的定義取決于持有數(shù)據(jù)組的機(jī)構(gòu)之能力，以及其平常用來(lái)處理分析數(shù)據(jù)的軟件之能力。“對(duì)某些組織來(lái)說，第一次面對(duì)數(shù)百GB的數(shù)據(jù)集可能讓他們需要重新思考數(shù)據(jù)管理的選項(xiàng)。對(duì)于其他組織來(lái)說，數(shù)據(jù)集可能需要達(dá)到數(shù)十或數(shù)百兆字節(jié)才會(huì)對(duì)他們?cè)斐衫_?！?/p>

隨著大數(shù)據(jù)被越來(lái)越多的提及，有些人驚呼大數(shù)據(jù)時(shí)代已經(jīng)到來(lái)了，2012年《紐約時(shí)報(bào)》的一篇專欄中寫到，“大數(shù)據(jù)”時(shí)代已經(jīng)降臨，在商業(yè)、經(jīng)濟(jì)及其他領(lǐng)域中，決策將日益基于數(shù)據(jù)和分析而作出，而并非基于經(jīng)驗(yàn)和直覺。但是并不是所有人都對(duì)big data感興趣，有些人甚至認(rèn)為這是商學(xué)院或咨詢公司用來(lái)嘩眾取寵的buzzword，看起來(lái)很新穎，但只是把傳統(tǒng)重新包裝，之前在學(xué)術(shù)研究或者政策決策中也有海量數(shù)據(jù)的支撐，大數(shù)據(jù)并不是一件新興事物。

1.1 數(shù)據(jù)挖掘(Data Mining)數(shù)據(jù)挖掘（Data mining），又譯為資料探勘、數(shù)據(jù)挖掘、數(shù)據(jù)采礦。它是數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)（英文：Knowledge-Discovery in Databases，縮寫：KDD）中的一個(gè)步驟。數(shù)據(jù)挖掘一般是指從大量的數(shù)據(jù)中自動(dòng)搜索隱藏于其中的有著特殊關(guān)系性（屬于Association rule learning）的信息的過程。數(shù)據(jù)挖掘通常與計(jì)算機(jī)科學(xué)有關(guān)，并通過統(tǒng)計(jì)、在線分析處理、情報(bào)檢索、機(jī)器學(xué)習(xí)、專家系統(tǒng)（依靠過去的經(jīng)驗(yàn)法則）和模式識(shí)別等諸多方法來(lái)實(shí)現(xiàn)上述目標(biāo)。

數(shù)據(jù)挖掘有以下這些不同的定義：

“從數(shù)據(jù)中提取出隱含的過去未知的有價(jià)值的潛在信息” “一門從大量數(shù)據(jù)或者數(shù)據(jù)庫(kù)中提取有用信息的科學(xué)?！?盡管通常數(shù)據(jù)挖掘應(yīng)用于數(shù)據(jù)分析，但是像人工智能一樣，它也是一個(gè)具有豐富含義的詞匯，可用于不同的領(lǐng)域。它與KDD的關(guān)系是：KDD是從數(shù)據(jù)中辨別有效的、新穎的、潛在有用的、最終可理解的模式的過程；而數(shù)據(jù)挖掘是KDD通過特定的算法在可接受的計(jì)算效率限制內(nèi)生成特定模式的一個(gè)步驟。事實(shí)上，在現(xiàn)今的文獻(xiàn)中，這兩個(gè)術(shù)語(yǔ)經(jīng)常不加區(qū)分的使用。

數(shù)據(jù)挖掘的方法包括監(jiān)督式學(xué)習(xí)、非監(jiān)督式學(xué)習(xí)、關(guān)系分組（Affinity Grouping，作關(guān)系性的分析）與購(gòu)物籃分析（Market Basket Analysis）或者稱為關(guān)聯(lián)規(guī)則分析、聚類（Clustering）與描述（Description）。監(jiān)督式學(xué)習(xí)包括：分類、估計(jì)、預(yù)測(cè)。

數(shù)據(jù)挖掘是因?yàn)楹Ａ坑杏脭?shù)據(jù)快速增長(zhǎng)的產(chǎn)物。使用計(jì)算機(jī)進(jìn)行歷史數(shù)據(jù)分析，1960年代數(shù)字方式采集數(shù)據(jù)已經(jīng)實(shí)現(xiàn)。1980年代，關(guān)系數(shù)據(jù)庫(kù)隨著能夠適應(yīng)動(dòng)態(tài)按需分析數(shù)據(jù)的結(jié)構(gòu)化查詢語(yǔ)言發(fā)展起來(lái)。數(shù)據(jù)倉(cāng)庫(kù)開始用來(lái)存儲(chǔ)大量的數(shù)據(jù)。

因?yàn)槊媾R處理數(shù)據(jù)庫(kù)中大量數(shù)據(jù)的挑戰(zhàn)，于是數(shù)據(jù)挖掘應(yīng)運(yùn)而生，對(duì)于這些問題，它的主要方法是數(shù)據(jù)統(tǒng)計(jì)分析和人工智能搜索技術(shù)。

1.2 機(jī)器學(xué)習(xí)(Machine Learning)機(jī)器學(xué)習(xí)是近20多年興起的一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、計(jì)算復(fù)雜性理論等多門學(xué)科。機(jī)器學(xué)習(xí)理論主要是設(shè)計(jì)和分析一些讓計(jì)算機(jī)可以自動(dòng)“學(xué)習(xí)”的算法。機(jī)器學(xué)習(xí)算法是一類從數(shù)據(jù)中自動(dòng)分析獲得規(guī)律，并利用規(guī)律對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)的算法。因?yàn)閷W(xué)習(xí)算法中涉及了大量的統(tǒng)計(jì)學(xué)理論，機(jī)器學(xué)習(xí)與推斷統(tǒng)計(jì)學(xué)聯(lián)系尤為密切，也被稱為統(tǒng)計(jì)學(xué)習(xí)理論。算法設(shè)計(jì)方面，機(jī)器學(xué)習(xí)理論關(guān)注可以實(shí)現(xiàn)的，行之有效的學(xué)習(xí)算法。很多推論問題屬于無(wú)程序可循難度，所以部分的機(jī)器學(xué)習(xí)研究是開發(fā)容易處理的近似算法。

機(jī)器學(xué)習(xí)已廣泛應(yīng)用于數(shù)據(jù)挖掘、計(jì)算機(jī)視覺、自然語(yǔ)言處理、生物特征識(shí)別、搜索引擎、醫(yī)學(xué)診斷、檢測(cè)信用卡欺詐、證券市場(chǎng)分析、DNA序列測(cè)序、語(yǔ)音和手寫識(shí)別、戰(zhàn)略游戲和機(jī)器人等領(lǐng)域。

機(jī)器學(xué)習(xí)有下面幾種定義：“機(jī)器學(xué)習(xí)是一門人工智能的科學(xué)，該領(lǐng)域的主要研究對(duì)象是人工智能，特別是如何在經(jīng)驗(yàn)學(xué)習(xí)中改善具體算法的性能”?！皺C(jī)器學(xué)習(xí)是對(duì)能通過經(jīng)驗(yàn)自動(dòng)改進(jìn)的計(jì)算機(jī)算法的研究”?！皺C(jī)器學(xué)習(xí)是用數(shù)據(jù)或以往的經(jīng)驗(yàn)，以此優(yōu)化計(jì)算機(jī)程序的性能標(biāo)準(zhǔn)?！币环N經(jīng)常引用的英文定義是：A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.機(jī)器學(xué)習(xí)可以分成下面幾種類別：

監(jiān)督學(xué)習(xí)從給定的訓(xùn)練數(shù)據(jù)集中學(xué)習(xí)出一個(gè)函數(shù)，當(dāng)新的數(shù)據(jù)到來(lái)時(shí)，可以根據(jù)這個(gè)函數(shù)預(yù)測(cè)結(jié)果。監(jiān)督學(xué)習(xí)的訓(xùn)練集要求是包括輸入和輸出，也可以說是特征和目標(biāo)。訓(xùn)練集中的目標(biāo)是由人標(biāo)注的。常見的監(jiān)督學(xué)習(xí)算法包括回歸分析和統(tǒng)計(jì)分類。

無(wú)監(jiān)督學(xué)習(xí)與監(jiān)督學(xué)習(xí)相比，訓(xùn)練集沒有人為標(biāo)注的結(jié)果。常見的無(wú)監(jiān)督學(xué)習(xí)算法有聚類。半監(jiān)督學(xué)習(xí)介于監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí)之間。增強(qiáng)學(xué)習(xí)通過觀察來(lái)學(xué)習(xí)做成如何的動(dòng)作。每個(gè)動(dòng)作都會(huì)對(duì)環(huán)境有所影響，學(xué)習(xí)對(duì)象根據(jù)觀察到的周圍環(huán)境的反饋來(lái)做出判斷。

具體的機(jī)器學(xué)習(xí)算法有：

構(gòu)造條件概率：回歸分析和統(tǒng)計(jì)分類 人工神經(jīng)網(wǎng)絡(luò) 決策樹

高斯過程回歸 線性判別分析 最近鄰居法 感知器

徑向基函數(shù)核 支持向量機(jī)

通過再生模型構(gòu)造概率密度函數(shù)： 最大期望算法

graphical model：包括貝葉斯網(wǎng)和Markov隨機(jī)場(chǎng) Generative Topographic Mapping近似推斷技術(shù)： 馬爾可夫鏈 蒙特卡羅方法 變分法

最優(yōu)化：大多數(shù)以上方法，直接或者間接使用最優(yōu)化算法。云計(jì)算

云計(jì)算（英語(yǔ)：Cloud Computing），是一種基于互聯(lián)網(wǎng)的計(jì)算方式，通過這種方式，共享的軟硬件資源和信息可以按需求提供給計(jì)算機(jī)和其他設(shè)備。

云計(jì)算是繼1980年代大型計(jì)算機(jī)到客戶端-服務(wù)器的大轉(zhuǎn)變之后的又一種巨變。用戶不再需要了解“云”中基礎(chǔ)設(shè)施的細(xì)節(jié)，不必具有相應(yīng)的專業(yè)知識(shí)，也無(wú)需直接進(jìn)行控制。云計(jì)算描述了一種基于互聯(lián)網(wǎng)的新的IT服務(wù)增加、使用和交付模式，通常涉及通過互聯(lián)網(wǎng)來(lái)提供動(dòng)態(tài)易擴(kuò)展而且經(jīng)常是虛擬化的資源。

在“軟件即服務(wù)（SaaS）”的服務(wù)模式當(dāng)中，用戶能夠訪問服務(wù)軟件及數(shù)據(jù)。服務(wù)提供者則維護(hù)基礎(chǔ)設(shè)施及平臺(tái)以維持服務(wù)正常運(yùn)作。SaaS常被稱為“隨選軟件”，并且通常是基于使用時(shí)數(shù)來(lái)收費(fèi)，有時(shí)也會(huì)有采用訂閱制的服務(wù)。

推廣者認(rèn)為，SaaS使得企業(yè)能夠借由外包硬件、軟件維護(hù)及支持服務(wù)給服務(wù)提供者來(lái)降低IT營(yíng)運(yùn)費(fèi)用。另外，由于應(yīng)用程序是集中供應(yīng)的，更新可以實(shí)時(shí)的發(fā)布，無(wú)需用戶手動(dòng)更新或是安裝新的軟件。SaaS的缺陷在于用戶的數(shù)據(jù)是存放在服務(wù)提供者的服務(wù)器之上，使得服務(wù)提供者有能力對(duì)這些數(shù)據(jù)進(jìn)行未經(jīng)授權(quán)的訪問。

用戶通過瀏覽器、桌面應(yīng)用程序或是移動(dòng)應(yīng)用程序來(lái)訪問云的服務(wù)。推廣者認(rèn)為云計(jì)算使得企業(yè)能夠更迅速的部署應(yīng)用程序，并降低管理的復(fù)雜度及維護(hù)成本，及允許IT資源的迅速重新分配以因應(yīng)企業(yè)需求的快速改變。

云計(jì)算依賴資源的共享以達(dá)成規(guī)模經(jīng)濟(jì)，類似基礎(chǔ)設(shè)施（如電力網(wǎng)）。服務(wù)提供者集成大量的資源供多個(gè)用戶使用，用戶可以輕易的請(qǐng)求（租借）更多資源，并隨時(shí)調(diào)整使用量，將不需要的資源釋放回整個(gè)架構(gòu)，因此用戶不需要因?yàn)槎虝杭夥宓男枨缶唾?gòu)買大量的資源，僅需提升租借量，需求降低時(shí)便退租。服務(wù)提供者得以將目前無(wú)人租用的資源重新租給其他用戶，甚至依照整體的需求量調(diào)整租金。

基本特征：

互聯(lián)網(wǎng)上匯聚的計(jì)算資源、存儲(chǔ)資源、數(shù)據(jù)資源和應(yīng)用資源正隨著互聯(lián)網(wǎng)規(guī)模的擴(kuò)大而不斷增加，互聯(lián)網(wǎng)正在從傳統(tǒng)意義的通信平臺(tái)轉(zhuǎn)化為泛在、智能的計(jì)算平臺(tái)。與計(jì)算機(jī)系統(tǒng)這樣的傳統(tǒng)計(jì)算平臺(tái)比較，互聯(lián)網(wǎng)上還沒有形成類似計(jì)算機(jī)操作系統(tǒng)的服務(wù)環(huán)境，以支持互聯(lián)網(wǎng)資源的有效管理和綜合利用。在傳統(tǒng)計(jì)算機(jī)中已成熟的操作系統(tǒng)技術(shù)，已不再能適用于互聯(lián)網(wǎng)環(huán)境，其根本原因在于：互聯(lián)網(wǎng)資源的自主控制、自治對(duì)等、異構(gòu)多尺度等基本特性，與傳統(tǒng)計(jì)算機(jī)系統(tǒng)的資源特性存在本質(zhì)上的不同。為了適應(yīng)互聯(lián)網(wǎng)資源的基本特性，形成承接互聯(lián)網(wǎng)資源和互聯(lián)網(wǎng)應(yīng)用的一體化服務(wù)環(huán)境，面向互聯(lián)網(wǎng)計(jì)算的虛擬計(jì)算環(huán)境（Internet-based Virtual Computing Environment，iVCE）的研究工作，使用戶能夠方便、有效地共享和利用開放網(wǎng)絡(luò)上的資源。

互聯(lián)網(wǎng)上的云計(jì)算服務(wù)特征和自然界的云、水循環(huán)具有一定的相似性，因此，云是一個(gè)相當(dāng)貼切的比喻。根據(jù)美國(guó)國(guó)家標(biāo)準(zhǔn)和技術(shù)研究院的定義，云計(jì)算服務(wù)應(yīng)該具備以下幾條特征：

隨需應(yīng)變自助服務(wù)。

隨時(shí)隨地用任何網(wǎng)絡(luò)設(shè)備訪問。多人共享資源池?？焖僦匦虏渴痨`活度。可被監(jiān)控與量測(cè)的服務(wù)。一般認(rèn)為還有如下特征：

基于虛擬化技術(shù)快速部署資源或獲得服務(wù)。減少用戶終端的處理負(fù)擔(dān)。

降低了用戶對(duì)于IT專業(yè)知識(shí)的依賴。

2.1 虛擬技術(shù)

在計(jì)算機(jī)科學(xué)中，虛擬技術(shù)是一種通過組合或分區(qū)現(xiàn)有的計(jì)算機(jī)資源（CPU、內(nèi)存、磁盤空間等），使得這些資源表現(xiàn)為一個(gè)或多個(gè)操作環(huán)境，從而提供優(yōu)于原有資源配置的訪問方式的技術(shù)。

由于目前信息技術(shù)領(lǐng)域的很多企業(yè)都曾在宣傳中將該企業(yè)的某種技術(shù)稱為虛擬技術(shù)，這些技術(shù)涵蓋的范圍可以從Java虛擬機(jī)技術(shù)到系統(tǒng)管理軟件，這就使得準(zhǔn)確的界定虛擬技術(shù)變得困難。因此各種相關(guān)學(xué)術(shù)論文在談到虛擬技術(shù)時(shí)常常提到的便是如前面所提到的那個(gè)不嚴(yán)格的定義。

應(yīng)用領(lǐng)域：

服務(wù)器集成

沙盒（Sandboxing）多運(yùn)行環(huán)境 多操作系統(tǒng) 測(cè)試和性能監(jiān)視 應(yīng)用集成

虛擬硬件 軟件移植 系統(tǒng)可管理性 測(cè)試/質(zhì)量保證 分布式

在計(jì)算機(jī)科學(xué)中，分布式計(jì)算（英語(yǔ)：Distributed computing），又譯為分散式運(yùn)算。這個(gè)研究領(lǐng)域，主要研究分布式系統(tǒng)（Distributed system）如何進(jìn)行計(jì)算。分布式系統(tǒng)是一組電腦（computer），通過網(wǎng)絡(luò)相互鏈接傳遞消息與通訊后并協(xié)調(diào)它們的行為而形成的系統(tǒng)。[1]組件之間彼此進(jìn)行交互以實(shí)現(xiàn)一個(gè)共同的目標(biāo)。把需要進(jìn)行大量計(jì)算的工程數(shù)據(jù)分區(qū)成小塊，由多臺(tái)計(jì)算機(jī)分別計(jì)算，再上傳運(yùn)算結(jié)果后，將結(jié)果統(tǒng)一合并得出數(shù)據(jù)結(jié)論的科學(xué)。分布式系統(tǒng)的例子來(lái)自有所不同的面向服務(wù)的架構(gòu)，大型多人在線游戲，對(duì)等網(wǎng)絡(luò)應(yīng)用。

目前常見的分布式計(jì)算項(xiàng)目通常使用世界各地上千萬(wàn)志愿者計(jì)算機(jī)的閑置計(jì)算能力，通過互聯(lián)網(wǎng)進(jìn)行數(shù)據(jù)傳輸。如分析計(jì)算蛋白質(zhì)的內(nèi)部結(jié)構(gòu)和相關(guān)藥物的Folding@home項(xiàng)目，該項(xiàng)目結(jié)構(gòu)龐大，需要驚人的計(jì)算量，由一臺(tái)電腦計(jì)算是不可能完成的。雖然現(xiàn)在有了計(jì)算能力超強(qiáng)的超級(jí)計(jì)算機(jī)，但這些設(shè)備造價(jià)高昂，而一些科研機(jī)構(gòu)的經(jīng)費(fèi)卻又十分有限，借助分布式計(jì)算可以花費(fèi)較小的成本來(lái)達(dá)到目標(biāo)。

3.1 分布式數(shù)據(jù)庫(kù)

分布式數(shù)據(jù)庫(kù)是用計(jì)算機(jī)網(wǎng)絡(luò)將物理上分散的多個(gè)數(shù)據(jù)庫(kù)單元連接起來(lái)組成的一個(gè)邏輯上統(tǒng)一的數(shù)據(jù)庫(kù)。每個(gè)被連接起來(lái)的數(shù)據(jù)庫(kù)單元稱為站點(diǎn)或節(jié)點(diǎn)。分布式數(shù)據(jù)庫(kù)有一個(gè)統(tǒng)一的數(shù)據(jù)庫(kù)管理系統(tǒng)來(lái)進(jìn)行管理，稱為分布式數(shù)據(jù)庫(kù)管理系統(tǒng)。

分布式數(shù)據(jù)庫(kù)的基本特點(diǎn)包括：物理分布性、邏輯整體性和站點(diǎn)自治性。從這三個(gè)基本特點(diǎn)還可以導(dǎo)出的其它特點(diǎn)有：數(shù)據(jù)分布透明性、按既定協(xié)議達(dá)成共識(shí)的機(jī)制、適當(dāng)?shù)臄?shù)據(jù)冗余度和事務(wù)管理的分布性。

分布式數(shù)據(jù)庫(kù)按照各站點(diǎn)中數(shù)據(jù)庫(kù)管理系統(tǒng)的數(shù)據(jù)模型的異同分為異構(gòu)型分布式數(shù)據(jù)庫(kù)和同構(gòu)型分布式數(shù)據(jù)庫(kù)，按照控制系統(tǒng)的類型分為全局控制集中性、全局控制分散型和全局控制可變型。

第二篇：大數(shù)據(jù)云計(jì)算學(xué)習(xí)總結(jié)

“云計(jì)算與大數(shù)據(jù)環(huán)境下銀行變革”學(xué)習(xí)心得

一、大數(shù)據(jù)基本概念

1、大數(shù)據(jù)或稱巨量資料，指的是所涉及的資料量規(guī)模巨大到無(wú)法通過目前主流軟件工具，在合理時(shí)間內(nèi)達(dá)到擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營(yíng)決策更積極目的的資訊。大數(shù)據(jù)不但包含類似交易信息、賬戶信息等標(biāo)準(zhǔn)結(jié)構(gòu)化數(shù)據(jù)，也包括用戶評(píng)論類似大眾點(diǎn)評(píng)等非結(jié)構(gòu)化數(shù)據(jù)。

2、大數(shù)據(jù)的目的不是要告訴我們“為什么”，而是告訴我們結(jié)果“是什么”。比如每淘寶網(wǎng)數(shù)據(jù)盛典中的分析結(jié)果，“最疼愛老婆的男人地區(qū)是浙江寧波”，“山西人最孝順，安徽人最愛寵物” 等等，從數(shù)據(jù)分析結(jié)果中沒辦法看到“為什么”，而只能看到“結(jié)果就是這樣”。

3、數(shù)據(jù)漸漸由服務(wù)、產(chǎn)品等產(chǎn)生的副產(chǎn)品變?yōu)殂y行業(yè)最重要的金融資產(chǎn)。2012年3月，美國(guó)發(fā)布“大數(shù)據(jù)研究與發(fā)展計(jì)劃”，將大數(shù)據(jù)比喻為美國(guó)的新石油。

與其他行業(yè)相比，大數(shù)據(jù)對(duì)銀行更具潛在價(jià)值，麥肯錫的研究顯示，金融業(yè)在大數(shù)據(jù)價(jià)值潛力指數(shù)中排名第一。這主要是因?yàn)椋阂环矫?，大?shù)據(jù)決策模式對(duì)銀行更具針對(duì)性。以百度、阿里巴巴、騰訊為首的互聯(lián)網(wǎng)巨頭，正在毫不講理的進(jìn)行跨界經(jīng)營(yíng)，大力發(fā)展互聯(lián)網(wǎng)金融，業(yè)務(wù)領(lǐng)域涉及結(jié)算、支付、貸款等各個(gè)銀行傳統(tǒng)業(yè)務(wù)，尤其余額寶、財(cái)務(wù)通等各種互聯(lián)網(wǎng)寶寶的出現(xiàn)，更是直接導(dǎo)致了銀行存款的搬家。面對(duì)如此情況，銀行的經(jīng)營(yíng)模式、服務(wù)模式、營(yíng)銷模式必須要轉(zhuǎn)型、需要大力開展金融創(chuàng)新和管理升級(jí)，而大數(shù)據(jù)技術(shù)、踐行大數(shù)據(jù)思維就是一種很好的工具。

另一方面，銀行具備實(shí)施大數(shù)據(jù)的基本條件：(一)數(shù)據(jù)眾多。銀行不僅擁有所有客戶的賬戶和資金收付交易等結(jié)構(gòu)化數(shù)據(jù)，還擁有客服音頻、網(wǎng)點(diǎn)視頻、網(wǎng)上銀行記錄、電子商城記錄等非結(jié)構(gòu)化數(shù)據(jù);(二)擁有處理傳統(tǒng)數(shù)據(jù)的經(jīng)驗(yàn);(三)較高的薪酬能夠吸引到實(shí)施大數(shù)據(jù)的人才;(四)充分的預(yù)算可以利用多項(xiàng)大數(shù)據(jù)新技術(shù)。

二、大數(shù)據(jù)的特性

1、大數(shù)據(jù)包含的數(shù)據(jù)分類：

(一)基本數(shù)據(jù)：包含姓名、電話、住址、單位、學(xué)歷、家庭信息、財(cái)產(chǎn)信息等；

(二)賬戶數(shù)據(jù)：包含存款時(shí)點(diǎn)數(shù)、日均數(shù)、資產(chǎn)結(jié)構(gòu)、產(chǎn)品持有率等；

(三)交易數(shù)據(jù)：交易時(shí)間、交易地點(diǎn)、渠道等；

(四)交互數(shù)據(jù)：客戶愛好習(xí)慣、習(xí)慣接受方式、投資偏好等；

(五)評(píng)論數(shù)據(jù)：反映問題、投訴建議等。

目前國(guó)內(nèi)銀行應(yīng)用范圍主要在前兩項(xiàng)，例如建行客戶在建行柜面辦理業(yè)務(wù)，刷卡后直接顯示該客戶在建行已持有產(chǎn)品情況，還可向其推薦的產(chǎn)品種類，甚至推銷的口頭用語(yǔ)直接顯示在屏幕上。交易數(shù)據(jù)國(guó)內(nèi)一部分銀行已經(jīng)在使用。交互數(shù)據(jù)目前主要是國(guó)外銀行有應(yīng)用，例如花旗銀行，該類型數(shù)據(jù)非常有利于銀行客戶的平穩(wěn)過渡和交接。國(guó)內(nèi)維護(hù)客戶主要靠專人的客戶經(jīng)理，一旦客戶經(jīng)理調(diào)整崗位或者離職，該客戶即面臨無(wú)人接管、難以接管的局面，對(duì)客戶經(jīng)理個(gè)人的依賴性比較強(qiáng)，如果能夠注意搜集交互數(shù)據(jù)，將有助于改善這種局面。評(píng)論數(shù)據(jù)限于數(shù)據(jù)量較少，目前實(shí)際應(yīng)用較少。

2、大數(shù)據(jù)的4V特征：

(一)Volume（大量）指海量數(shù)據(jù)

(二)Variety（多樣）指大數(shù)據(jù)的異構(gòu)和多樣性，很多不同形式、無(wú)模式或者模式不明顯、不連貫的語(yǔ)法和定義。

(三)Velocity（高速）指如何通過強(qiáng)大的機(jī)器算法更迅速地完成數(shù)據(jù)的價(jià)值“提純”。

(四)Value（價(jià)值密度低）指數(shù)據(jù)中存在大量看起來(lái)不相關(guān)的數(shù)據(jù)，但通過大量分析運(yùn)算才能夠得到價(jià)值。

3、大數(shù)據(jù)的應(yīng)用特征：

(一)允許數(shù)據(jù)存在不精確；

(二)數(shù)據(jù)在收集的時(shí)候可能未找到用途，但是在發(fā)現(xiàn)中找到創(chuàng)新性的用途；

(三)離錢最近的信息最有商業(yè)價(jià)值；

4、大數(shù)據(jù)時(shí)代營(yíng)銷的特點(diǎn)是“個(gè)性化”。現(xiàn)代目標(biāo)客戶擁有以下四個(gè)特點(diǎn)：

(一)手機(jī)等移動(dòng)設(shè)備占據(jù)了所有的碎片時(shí)間，刷微信、看新聞、聊天、朋友圈等等，用戶對(duì)信息的渴望、饑餓感與日俱增。

(二)客戶對(duì)于自己不關(guān)心、不喜歡的內(nèi)容的容忍能力與日劇減。

(三)客戶對(duì)于興趣數(shù)據(jù)的渴求程度與日俱增。(四)客戶對(duì)于信息的甄別能力與日劇減。如果能夠不用自己刻意尋找感興趣的信息，而能夠通過某種方式主動(dòng)提供，才是當(dāng)前客戶最想要的。

三、大數(shù)據(jù)的應(yīng)用創(chuàng)新

(一)創(chuàng)建個(gè)性化的金融咨詢展示平臺(tái)。目前國(guó)內(nèi)各電商平臺(tái)甚至新浪網(wǎng)等通過搜集客戶的瀏覽數(shù)據(jù)，能夠分析判斷出感興趣的興趣點(diǎn)，有針對(duì)性的推送內(nèi)容。但目前國(guó)內(nèi)銀行的門戶網(wǎng)站內(nèi)容很少能夠做到個(gè)性化展示，例如通過搜集過往瀏覽記錄，發(fā)現(xiàn)客戶對(duì)理財(cái)產(chǎn)品的收益率比較感興趣，在發(fā)行新的理財(cái)產(chǎn)品的時(shí)候可以把相應(yīng)信息主動(dòng)彈出，或者置頂。

(二)做到個(gè)性化理財(cái)產(chǎn)品營(yíng)銷。如果一個(gè)客戶在我們的網(wǎng)站上瀏覽了黃金信息，可以推送給他其他諸如重金屬或者基金產(chǎn)品等信息，做到交叉銷售。

(三)做到個(gè)性化觸發(fā)式營(yíng)銷。如果一個(gè)客戶在網(wǎng)站上在按揭貸款類產(chǎn)品說明頁(yè)面停留超過10秒鐘，那么很有可能這個(gè)客戶存在貸款需求，可以對(duì)其針對(duì)性的營(yíng)銷。

(四)做到客戶潛在終身價(jià)值的識(shí)別和挖掘。比方說，一個(gè)客戶雖然在我行只有一個(gè)卡，余額也不多，只有100元，但是只要有他的身份證信息，就能夠判斷這個(gè)人是男是女，年齡是30多歲，應(yīng)該處于事業(yè)的上升期，住址是本市的一個(gè)高檔住宅小區(qū)，那么可以判斷其家庭收入應(yīng)該不錯(cuò)，通過這樣的分析，就能夠得出結(jié)論，這個(gè)客戶就是一個(gè)潛在的有價(jià)值的客戶，通過定向的營(yíng)銷和專業(yè)的服務(wù)，這個(gè)客戶可能給我行創(chuàng)造遠(yuǎn)超100元存款的價(jià)值。

四、大數(shù)據(jù)時(shí)代銀行發(fā)展趨勢(shì)

大數(shù)據(jù)時(shí)代，尤其互聯(lián)網(wǎng)金融發(fā)展如火如荼的今天，銀行必須從初始的僅提供標(biāo)準(zhǔn)產(chǎn)品和服務(wù)的數(shù)字銀行，發(fā)展為先進(jìn)的智慧銀行。但需要注意的是，智慧銀行指的并不是靠大量高大上的高科技設(shè)備羅列堆砌在一起的物理網(wǎng)點(diǎn)，而是通過強(qiáng)大后臺(tái)，依托大數(shù)據(jù)，能夠想客戶之所想，急客戶之所急，提供個(gè)性化的服務(wù)，主動(dòng)提供給客戶最想要的服務(wù)或產(chǎn)品的智慧銀行。

要想實(shí)現(xiàn)智慧銀行的目標(biāo)，銀行需要做到六個(gè)方面：上網(wǎng)、下沉、內(nèi)轉(zhuǎn)、外跨、兩精、服務(wù)。

上網(wǎng)就是指金融互聯(lián)網(wǎng)，在當(dāng)今的年代，有一句話叫銀行不觸網(wǎng)，注定會(huì)消亡。

下沉就是服務(wù)客戶群體的下沉。按照傳統(tǒng)的28原則，銀行服務(wù)的重點(diǎn)客戶一般是能夠給他帶來(lái)重大利潤(rùn)貢獻(xiàn)的那20%優(yōu)質(zhì)客戶，為了從競(jìng)爭(zhēng)對(duì)手手中爭(zhēng)取這一部分客戶，甚至可以不惜代價(jià)，忽視了剩下的那80%的客戶的需求，更無(wú)視銀行眼中傳統(tǒng)的次級(jí)客戶（無(wú)抵押質(zhì)押的信用貸款客戶）,忽視了這部分客戶積少成多，聚沙成塔后的巨大能量。而當(dāng)前互聯(lián)網(wǎng)金融中被稱為“屌絲理財(cái)”的各種寶寶們，僅僅付出市場(chǎng)利率水平的利息，就把大量的存款聚集起來(lái)；目前多達(dá)2000多家的p2p小額貸款公司，能夠提供信用貸款，僅僅是需要你的銷售進(jìn)貨流水或者你的收入工資單。內(nèi)轉(zhuǎn)包含三個(gè)方面：經(jīng)營(yíng)模式從以產(chǎn)品為中心，向以客戶為中心轉(zhuǎn)型；營(yíng)銷模式從粗放營(yíng)銷向精準(zhǔn)化營(yíng)銷轉(zhuǎn)型；服務(wù)模式從標(biāo)準(zhǔn)化服務(wù)向個(gè)性化服務(wù)轉(zhuǎn)型。

外跨包含兩個(gè)意思：一個(gè)是內(nèi)部跨部門，目前以職能劃分的部門結(jié)構(gòu)不適合新業(yè)務(wù)的發(fā)展；二是跨界，銀行要勇于創(chuàng)新，互聯(lián)網(wǎng)企業(yè)的特性是激進(jìn)，一般做法就是做了再說，金融行業(yè)的特性是穩(wěn)健，服從監(jiān)管，如何在兩者之間找到一個(gè)平衡點(diǎn)是當(dāng)前的一個(gè)難點(diǎn)。例如前段時(shí)間被人行叫停的虛擬信用卡，是支付寶與中信銀行合作推出的新興支付方式，但該產(chǎn)品未經(jīng)主管部門充分認(rèn)可，結(jié)果慘被叫停。

兩精指的是精細(xì)化管理和精準(zhǔn)化營(yíng)銷，提倡不再把客戶看到一片森林，而需要進(jìn)一步關(guān)注到森林中的某一棵樹。

服務(wù)指的是服務(wù)模式進(jìn)化的三個(gè)階段，第一階段不把客戶當(dāng)人看，有可能是業(yè)務(wù)太多，服務(wù)跟不上，態(tài)度生硬；第二階段把客戶當(dāng)上帝看，面對(duì)投訴戰(zhàn)戰(zhàn)兢兢，委曲求全，使銀行面對(duì)客戶時(shí)處于弱勢(shì)地位，也不利于業(yè)務(wù)發(fā)展；第三種模式就是把客戶當(dāng)做伙伴或者是朋友，實(shí)現(xiàn)雙贏和共同發(fā)展。

五、大數(shù)據(jù)分析建設(shè)過程中面臨的難題

一是數(shù)據(jù)搜集困難，我們需要的數(shù)據(jù)散步在各個(gè)系統(tǒng)、各個(gè)渠道、各個(gè)已知的甚至未知的角落，可能還包括涉及客戶隱私的數(shù)據(jù)。數(shù)據(jù)搜集和后續(xù)的加工處理是一個(gè)規(guī)模巨大的系統(tǒng)性工程，而非僅僅是一個(gè)信息系統(tǒng)。幸好我們是銀行，相對(duì)互聯(lián)網(wǎng)企業(yè)，我們擁有它們沒有的一種天然的公信力。二是大數(shù)據(jù)利用率偏低。國(guó)外對(duì)于大數(shù)據(jù)有過統(tǒng)計(jì)：在每天收集的1 quintillion(百萬(wàn)3次方)字節(jié)的數(shù)據(jù)中，有99%的數(shù)據(jù)完全未被利用。文章中提到“見解就是金錢：我們?cè)敢獬袚?dān)花銷唯一理由就是數(shù)據(jù)中的見解可以釋放價(jià)值。遺憾的是，我們失去了已收集數(shù)據(jù)中大部分的價(jià)值。雖然收集數(shù)據(jù)的成本可能會(huì)很高，但是無(wú)效分析帶來(lái)的成本顯然更高。當(dāng)下并不存在什么工具可以直接從數(shù)據(jù)中提取見解，我們依賴著非常聰明的人去提出假設(shè)，然后使用我們的工具去證實(shí)(或者是否定)這些臆測(cè)。因?yàn)橐蕾嚨氖且軠y(cè)，這個(gè)途徑存在著天生的缺陷?！彼约词箶?shù)據(jù)搜集上來(lái)，這些數(shù)據(jù)怎么應(yīng)用，怎么才能最大化的實(shí)現(xiàn)其價(jià)值，是大數(shù)據(jù)建設(shè)過程中無(wú)可避免的難題。

第三篇：溫嶺關(guān)于大數(shù)據(jù)云計(jì)算的社會(huì)實(shí)踐

社會(huì)實(shí)踐個(gè)人總結(jié)

2015年7月21日至7月24日，為響應(yīng)智慧浙江文化科技三下鄉(xiāng)活動(dòng)，同時(shí)也學(xué)習(xí)鞏固機(jī)械專業(yè)的相關(guān)知識(shí)，對(duì)大學(xué)中如何學(xué)習(xí)機(jī)械專業(yè)有所認(rèn)知或側(cè)重，對(duì)畢業(yè)后的職業(yè)發(fā)展有所了解，豐富實(shí)際工作和社會(huì)經(jīng)驗(yàn)，我跟隨工創(chuàng)社會(huì)實(shí)踐小分隊(duì)到溫嶺參加一系列的活動(dòng)。

首先我們?cè)谂_(tái)州溫嶺市太平街道進(jìn)行了知識(shí)普及以及相關(guān)的問卷調(diào)查，普及的知識(shí)主要是有關(guān)“互聯(lián)網(wǎng)+”時(shí)代的一些概念以及特征，問卷則意在調(diào)查當(dāng)?shù)鼐用竦纳暇W(wǎng)習(xí)慣和對(duì)“互聯(lián)網(wǎng)+”時(shí)代的個(gè)人看法。在隊(duì)員兩兩組隊(duì)分發(fā)宣傳單以及問卷時(shí)，不少年輕人以及在校學(xué)生當(dāng)下就向隊(duì)員們表示對(duì)傳單中的一些概念很有興趣，并且很主動(dòng)的完成了問卷，讓我們很有工作的動(dòng)力。當(dāng)然，局限于網(wǎng)絡(luò)發(fā)展以及不同年齡段人對(duì)新興事物的認(rèn)知水平，我們的科普在老年人那里反響不大。

在接下來(lái)的幾天中，我們?cè)诟髫?fù)責(zé)人的帶領(lǐng)介紹下對(duì)多家企業(yè)（包括中馬，美日，大眾精機(jī)等）進(jìn)行了參觀，了解到不少學(xué)校里暫時(shí)沒有接觸的東西。比如某一個(gè)產(chǎn)品從無(wú)到有的整個(gè)詳細(xì)的生產(chǎn)流程，它包括信息采集、機(jī)器方案設(shè)計(jì)評(píng)審、設(shè)計(jì)圖紙、樣機(jī)制作與樣機(jī)裝配、樣機(jī)與專機(jī)文件的存檔以及“售后服務(wù)”等，當(dāng)然每一個(gè)大流程還有更為詳細(xì)的小流程以及解釋，這邊不再說明。在企業(yè)參觀中，我認(rèn)識(shí)到了實(shí)踐操作的重要性，負(fù)責(zé)人以及在崗好幾年了，但他坦言對(duì)于實(shí)際加工時(shí)候的一些要求或者說材料、加工刀具等的把握并不如參與加工的工人。因此，下車間操作是大學(xué)學(xué)習(xí)過程中需要重視的部分，也是將來(lái)走向職業(yè)生涯時(shí)不能或缺的經(jīng)驗(yàn)。我們需要將理論知識(shí)與實(shí)際操作能力配合，一方面在實(shí)際操作中印證理論知識(shí)，另一方面也可以在理論學(xué)習(xí)時(shí)注意實(shí)際操作時(shí)值得注意或者說可以改善的地方。越早培養(yǎng)與獲得理論與實(shí)踐相結(jié)合的能力，對(duì)機(jī)械專業(yè)的我們來(lái)講就越有利。

同時(shí)我認(rèn)識(shí)到個(gè)人品性與企業(yè)文化的重要性，7月22日我們參觀了一個(gè)極具特色的企業(yè)----美日機(jī)床。讓我驚訝的是，企業(yè)創(chuàng)辦者虞總竟親自為我們領(lǐng)隊(duì)介紹。事后我了解到，這與美日的企業(yè)文化是息息相關(guān)的，在企業(yè)中醒目處常常能找到雞湯式的格言，在榮譽(yù)墻上有處在不同崗位員工的照片與介紹。在最后的問答環(huán)節(jié)中，虞總自稱為老師（的確教了我們很多東西），提醒我們個(gè)人品格的重要性，提到有文化有能力的老板在招收員工時(shí)更加看重品格。不同的企業(yè)有不同的企業(yè)文化，對(duì)企業(yè)文化的側(cè)重度也不同，但每一個(gè)成功的企業(yè)在企業(yè)文化上必然有特別的地方。要適應(yīng)這些小同大異或者大同小異的文化，有一個(gè)前提就是我們本身需要是文化人，不僅要有科學(xué)知識(shí)方面的文化，還需要有為人處世方面的文化。

第四篇：未來(lái)10年大數(shù)據(jù)云計(jì)算的聯(lián)動(dòng)新變革

未來(lái)10年大數(shù)據(jù)云計(jì)算的聯(lián)動(dòng)新變革

據(jù)說比爾·蓋茨當(dāng)年遇到一個(gè)乞丐討錢，比爾·蓋茨遞過一張10美元的鈔票，這個(gè)乞丐非常感謝，給了比爾·蓋茨一張卡片，上面印著這個(gè)乞丐的網(wǎng)絡(luò)郵箱，這讓比爾??蓋茨很吃驚，于是一回公司，就著手制訂新的互聯(lián)網(wǎng)戰(zhàn)略，這種戰(zhàn)略一直延續(xù)至今。不過，今天的互聯(lián)網(wǎng)，又有了新變化。

面對(duì)新的變化，金蝶國(guó)際董事局主席徐少春說，當(dāng)下，新興技術(shù)風(fēng)起云涌，云技術(shù)浪潮席卷全球，以社交網(wǎng)絡(luò)、移動(dòng)互聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)等為代表的新興互聯(lián)網(wǎng)技術(shù)，正在顛覆以往的模式。

剛剛在順義新城落戶的北京金蝶軟件園里，新建了國(guó)內(nèi)首個(gè)融合云時(shí)代新技術(shù)與實(shí)踐的云管理體驗(yàn)中心。這個(gè)體驗(yàn)中心首次將社交網(wǎng)絡(luò)、移動(dòng)互聯(lián)網(wǎng)、云計(jì)算和大數(shù)據(jù)等新興技術(shù)融合在一起。在這個(gè)體驗(yàn)中心，你或許能提前領(lǐng)略到未來(lái)生活的便捷，感受生活在“云端”的不同。

金蝶中國(guó)副總裁郝登勝告訴記者，現(xiàn)在我們到了一個(gè)顛覆傳統(tǒng)的時(shí)代，這是因?yàn)樾录夹g(shù)帶來(lái)的新想法，帶給人們新的感受、新的消費(fèi)習(xí)慣。

有“互聯(lián)網(wǎng)女皇”之稱的前摩根士丹利全球科技研究組聯(lián)席領(lǐng)導(dǎo)人瑪麗·米克最近離開了曾令無(wú)數(shù)人羨慕的職位，開始了在云技術(shù)時(shí)代的獨(dú)立創(chuàng)業(yè)，也正是看到了這個(gè)新時(shí)代的新機(jī)會(huì)。

過去幾十年，計(jì)算機(jī)與互聯(lián)網(wǎng)，給整個(gè)世界帶來(lái)了巨大的改變。計(jì)算機(jī)的出現(xiàn)，讓我們把信息總量不斷地疊加和累積，互聯(lián)網(wǎng)則促使信息交換速率成幾何倍的增長(zhǎng)。未來(lái)十年，大數(shù)據(jù)、云計(jì)算、社交網(wǎng)絡(luò)等相互聯(lián)動(dòng)，將會(huì)帶來(lái)新的改變。

對(duì)于未來(lái)這種云端生活，瑪麗·米克說過，人們的生活將變得更好，因?yàn)樗麄儗⒛芤苑浅５偷某杀精@取所有信息，娛樂服務(wù)變得更加便宜，人們能更容易地獲得幫助，更容易地趨吉避兇。

第五篇：云計(jì)算產(chǎn)品及技術(shù)方案分析報(bào)告

云計(jì)算產(chǎn)品與技術(shù)分析

云計(jì)算產(chǎn)品及技術(shù)分析報(bào)告

2012年XX月XX日

云計(jì)算產(chǎn)品與技術(shù)分析

目錄 引言...........................................................................................................................5 2 云計(jì)算產(chǎn)品分類.......................................................................................................5 3 國(guó)外的主流產(chǎn)品.......................................................................................................5

3.1 Amazon云計(jì)算方案...................................................................................5

3.1.1 介紹......................................................................................................5 3.1.2 Amazon Web Services（AWS）.....................................................5 3.1.3 彈性計(jì)算云EC2.................................................................................6 3.1.4 簡(jiǎn)單存儲(chǔ)服務(wù)S3................................................................................6 3.1.5 數(shù)據(jù)庫(kù)服務(wù)SimpleDB.......................................................................7 3.2 Google云計(jì)算方案....................................................................................8

3.2.1 介紹.....................................................................................................8 3.2.2 Google App Engine.........................................................................8 3.2.3 計(jì)算服務(wù)MapReduce.......................................................................8 3.2.4 存儲(chǔ)服務(wù)GFS（Google File System）............................................9 3.2.5 數(shù)據(jù)庫(kù)服務(wù)Data Store.....................................................................9 3.3 Mirosoft云計(jì)算方案................................................................................10 3.3.1 介紹.................................................................................................10 3.3.2 Windows Azure.............................................................................10 3.3.3 計(jì)算服務(wù)........................................................................................10 3.3.4 存儲(chǔ)服務(wù)Blob/Table存儲(chǔ)...........................................................11

云計(jì)算產(chǎn)品與技術(shù)分析

3.3.5 數(shù)據(jù)庫(kù)SQL服務(wù)（SDS）.............................................................12 3.4 IBM藍(lán)云...................................................................................................12 3.4.1 概述.................................................................................................12 3.4.2 云計(jì)算架構(gòu)....................................................................................12 3.4.3 云計(jì)算相關(guān)產(chǎn)品............................................................................13 3.5 Platform云計(jì)算方案................................................................................13 3.5.1 介紹.................................................................................................13 3.5.2 Platform ISF（Infrastructure Sharing Facility）計(jì)算服務(wù)..........13 3.6 VMware(EMC)云計(jì)算方案.....................................................................15 3.6.1 介紹.................................................................................................15 3.6.2 VMware vSphere...........................................................................15 3.6.3 云存儲(chǔ)服務(wù)EMC Atoms...............................................................17 4 國(guó)內(nèi)云存儲(chǔ)產(chǎn)品.....................................................................................................17 4.1 美地森...........................................................................................................17 4.2 友友系統(tǒng)....................................................................................................18 4.2.1 DataCell介紹.................................................................................18 4.2.2 DataCell FS.....................................................................................18 4.2.3 DataCell DB...................................................................................20 4.2.4 其他相關(guān)產(chǎn)品................................................................................21 5 幾種開源云平臺(tái).....................................................................................................21 5.1 Hadoop（Apache基金會(huì)）....................................................................21 5.2 Ecualyptus項(xiàng)目（加利福尼亞大學(xué)）.....................................................22 3

云計(jì)算產(chǎn)品與技術(shù)分析

5.3 AbiCloud（Abiquo公司）......................................................................22 5,.4 MongoDB(10gen)....................................................................................22 5.5 Enomalism彈性計(jì)算平臺(tái)........................................................................22 5.6 Nimbus（網(wǎng)格中間件Globus）.............................................................22 6 國(guó)內(nèi)外主要云計(jì)算標(biāo)準(zhǔn)化組織和論壇.................................................................23 6.1 分布式管理任務(wù)組（DMTF）...................................................................23 6.2 開放網(wǎng)格論壇（OGF）.............................................................................23 6.3 結(jié)構(gòu)化信息標(biāo)準(zhǔn)促進(jìn)組織（OASIS）.......................................................23 6.4 全國(guó)信息技術(shù)標(biāo)準(zhǔn)化技術(shù)委員會(huì)SOA標(biāo)準(zhǔn)化工作室............................23 6.5 其他..............................................................................................................23 7 相關(guān)對(duì)比分析.........................................................................................................23 4

云計(jì)算產(chǎn)品與技術(shù)分析 引言

當(dāng)前，云計(jì)算技術(shù)成為IT領(lǐng)域的研究熱點(diǎn)。目前的云計(jì)算產(chǎn)品和技術(shù)方案層出不窮，國(guó)內(nèi)外研究機(jī)構(gòu)、IT軟硬件廠家、標(biāo)準(zhǔn)化組織、開源軟件組織都在十分積極的推出云計(jì)算產(chǎn)品和技術(shù)解決方案。本報(bào)告在學(xué)習(xí)和了解相關(guān)云計(jì)算技術(shù)資料、產(chǎn)品白皮書以及軟件手冊(cè)的基礎(chǔ)上，希望對(duì)現(xiàn)有產(chǎn)品和技術(shù)解決方案給予歸納、整理和分析，實(shí)現(xiàn)對(duì)各類產(chǎn)品的清晰認(rèn)識(shí)，以便于選擇和使用。云計(jì)算產(chǎn)品分類

云計(jì)算產(chǎn)品大體分軟件和硬件產(chǎn)品兩大類。其中硬件產(chǎn)品是主要依賴于大型服務(wù)器設(shè)備的提供商實(shí)現(xiàn)的面向云特征的具有分布式并行計(jì)算能力的設(shè)備，代表有IBM、SUM、曙光機(jī)等。軟件產(chǎn)品是云計(jì)算產(chǎn)品的主流，包括虛擬機(jī)管理平臺(tái)、數(shù)據(jù)存儲(chǔ)平臺(tái)、分布式計(jì)算平臺(tái)等，主要有的平臺(tái)有Google應(yīng)用軟件引擎（Google App Engine）、微軟的Azure平臺(tái)、亞馬遜網(wǎng)絡(luò)服務(wù)（Amazon AWS）、IBM藍(lán)云、Platform Computing的ISF以及VMware的云產(chǎn)品。同時(shí)，國(guó)內(nèi)的友友系統(tǒng)和美地森公司在云存儲(chǔ)方面也走在了云技術(shù)發(fā)展的前沿。國(guó)外的主流產(chǎn)品

從Google提出云計(jì)算技術(shù)，到現(xiàn)在，國(guó)際上幾乎所有一線的IT企業(yè)都積極參與進(jìn)入這塊新興領(lǐng)域，并依據(jù)自己傳統(tǒng)的技術(shù)領(lǐng)域和市場(chǎng)策略提出自己的云計(jì)算架構(gòu)。他們通過深挖技術(shù)基礎(chǔ)，把大量以前的產(chǎn)品和技術(shù)的云計(jì)算特征挖掘出來(lái)，如軟件的虛擬化、分布式存儲(chǔ)系統(tǒng)，在此基礎(chǔ)上建立自己的云計(jì)算產(chǎn)品線。

3.1 Amazon云計(jì)算方案 3.1.1 介紹

專業(yè)IT企業(yè)提供的云計(jì)算多多少少會(huì)限制在自己提供的系統(tǒng)之上，亞馬遜公司不是IT系統(tǒng)制定者而是應(yīng)用者，所以Amazon平臺(tái)是開放的。技術(shù)特征：彈性虛擬平臺(tái) 核心技術(shù)：虛擬化技術(shù)Xen 企業(yè)服務(wù)：EC2 S3 SimpleDB SQS 開源情況：開源

3.1.2 Amazon Web Services（AWS）

云計(jì)算產(chǎn)品與技術(shù)分析

平臺(tái)類型：PaaS IaaS SaaS 虛擬化技術(shù)：Xen 支持語(yǔ)言：多種語(yǔ)言

運(yùn)行環(huán)境：位于云端的Amazon平臺(tái)

應(yīng)用程序間的隔離：不同的應(yīng)用運(yùn)行在不同的虛擬機(jī)實(shí)現(xiàn)隔離 開發(fā)限制：較少（支持所有操作系統(tǒng)、開源代碼或商業(yè)軟件）可擴(kuò)展性：手動(dòng)或通過編程自動(dòng)增加所需要虛擬機(jī)數(shù)量

計(jì)費(fèi)方式：按實(shí)際使用量付費(fèi)（EC2計(jì)算服務(wù)0.1~0.8美元/小時(shí)，S3存儲(chǔ)服務(wù)每GB大約0.15美元/月）

收費(fèi)機(jī)制較復(fù)雜

有免費(fèi)體驗(yàn)（EC2 今年11月1日可以申請(qǐng)一年免費(fèi)體驗(yàn)）

服務(wù)類型：任意選擇服務(wù)組合，服務(wù)耦合度低 實(shí)現(xiàn)功能：較多

3.1.3 彈性計(jì)算云EC2 服務(wù)類型：IaaS 虛擬機(jī)的使用：用戶根據(jù)需要設(shè)置虛擬機(jī)的硬件配置 模型：1個(gè)AMI+若干實(shí)例（每個(gè)用戶最多20個(gè)實(shí)例）容錯(cuò)機(jī)制：彈性IP地址（與用戶賬號(hào)綁定）

當(dāng)正在使用的實(shí)例出現(xiàn)故障，用戶只需將彈性IP地址重新映射到一個(gè)新的實(shí)例

易用性：稍差（Amazon提供模塊供用戶組建自己的程序）

運(yùn)行環(huán)境：用戶自行提供運(yùn)行程序所需的AMI（Amazon機(jī)器映像）構(gòu)建自己的服務(wù)器平臺(tái)

靈活性：很好

允許用戶對(duì)運(yùn)行的實(shí)例數(shù)量和類型自行配置

允許用戶選擇實(shí)例運(yùn)行的地理位置 安全性：很好

基于密鑰對(duì)機(jī)制的SSH方式訪問

可配置的防火墻機(jī)制

允許用戶對(duì)其應(yīng)用程序進(jìn)行監(jiān)控 適用的應(yīng)用程序：任意

3.1.4 簡(jiǎn)單存儲(chǔ)服務(wù)S3

云計(jì)算產(chǎn)品與技術(shù)分析

概述：架構(gòu)在Dynamo之上，提供一個(gè)字節(jié)到數(shù)GB字節(jié)的支持，大概有520億對(duì)象。

結(jié)構(gòu)：桶——對(duì)象 兩級(jí)模式

擴(kuò)展性：增加桶中的對(duì)象數(shù)量進(jìn)行擴(kuò)充

手動(dòng)或編程自動(dòng)擴(kuò)容

容錯(cuò)性：冗余存儲(chǔ)

數(shù)據(jù)監(jiān)聽回傳

Merkle哈希樹 存儲(chǔ)限制：對(duì)象（<5GB）桶（<100個(gè)/用戶）

不限制桶中對(duì)象的個(gè)數(shù)

數(shù)據(jù)交互：用戶從獲得授權(quán)的對(duì)象中取得數(shù)據(jù) 數(shù)據(jù)緩存：對(duì)Master中元數(shù)據(jù)進(jìn)行緩存 數(shù)據(jù)一致性：最終一致性模型

后一次操作直接覆蓋前一次操作 安全性：身份認(rèn)證(基于HMAC-SHA1的數(shù)字簽名)

訪問控制列表 負(fù)載均衡 數(shù)據(jù)恢復(fù)

3.1.5 數(shù)據(jù)庫(kù)服務(wù)SimpleDB 概述：非傳統(tǒng)的關(guān)系模型

系統(tǒng)結(jié)構(gòu)：域—條目—屬性—值 四級(jí)模式 查詢語(yǔ)言：支持有限的SQL 數(shù)據(jù)類型：結(jié)構(gòu)化數(shù)據(jù) 可擴(kuò)展性：超級(jí)可擴(kuò)展性

查詢功能：查詢結(jié)果只包含條目名稱不包括相應(yīng)的屬性值

相應(yīng)時(shí)間不能超過5秒，否則報(bào)錯(cuò)

安全策略：每一個(gè)容器數(shù)據(jù)在微軟數(shù)據(jù)中心有多個(gè)備份

數(shù)據(jù)更新時(shí)間：有延遲

新數(shù)據(jù)復(fù)制到其他服務(wù)器上存在延遲 其他功能：很少

沒有事務(wù)（Transaction）的概念

不支持Join操作

實(shí)際存儲(chǔ)的數(shù)據(jù)類型過于單一（所有的數(shù)據(jù)都以字符串形式存儲(chǔ)）備注：用戶相對(duì)大的數(shù)據(jù)存儲(chǔ)在S3中

SDB中只保存指向某個(gè)特定文件位置的指針

云計(jì)算產(chǎn)品與技術(shù)分析

3.2 Google云計(jì)算方案 3.2.1 介紹

建立在其搜索引擎技術(shù)的基礎(chǔ)上，是一個(gè)沒有“端”的系統(tǒng)：用戶通過一個(gè)簡(jiǎn)單的搜索框完成對(duì)海量計(jì)算的搜索 技術(shù)特性：存儲(chǔ)及運(yùn)算水平擴(kuò)充能力

核心技術(shù)：平行分散技術(shù)MapReduce，BigTable，GFS 企業(yè)服務(wù)：Google App Engine 開源情況：不開源

3.2.2Google App Engine平臺(tái)類型：PaaS（用戶在其上開發(fā)軟件，在Google基礎(chǔ)設(shè)施上運(yùn)行，無(wú)需服務(wù)器維護(hù)）

應(yīng)用服務(wù)器：Python應(yīng)用服務(wù)器群

低端服務(wù)器 虛擬化技術(shù)：沒有應(yīng)用 支持語(yǔ)言：只支持Python、Java 運(yùn)行環(huán)境：Google提供在云端的應(yīng)用程序環(huán)境

功能完整的本地開發(fā)環(huán)境，開發(fā)人員可以在本地模擬Google App Engine環(huán)境

應(yīng)用程序間的隔離：通過沙盒實(shí)現(xiàn)（同時(shí)也給程序員帶來(lái)很多限制）開發(fā)限制：較多

開發(fā)語(yǔ)言支持少

沙盒的使用帶來(lái)的限制

可擴(kuò)展性：自動(dòng)擴(kuò)充所需資源并進(jìn)行復(fù)雜均衡

計(jì)費(fèi)方式：每一個(gè)Google賬戶有一定額度的免費(fèi)流量和空間支持

存在收費(fèi)項(xiàng)目

服務(wù)類型：所有服務(wù)捆綁在一起，耦合度高

用戶通過特定API來(lái)使用相應(yīng)服務(wù)

實(shí)現(xiàn)功能：較少

3.2.3 計(jì)算服務(wù)MapReduce 服務(wù)類型：PaaS 虛擬機(jī)的使用：沒有應(yīng)用

模型：1個(gè)Master+若干Worker（分別執(zhí)行map和reduce）

云計(jì)算產(chǎn)品與技術(shù)分析

容錯(cuò)機(jī)制：Master周期設(shè)置檢查點(diǎn)，任務(wù)失敗，從最近的檢查點(diǎn)恢復(fù)并重新執(zhí)行

Master失效，整個(gè)MapReduce重新運(yùn)行

Worker失效，其任務(wù)調(diào)度到其他Worker重新執(zhí)行 通用性：很好

運(yùn)行環(huán)境：Google自身提供，用戶無(wú)法自行調(diào)配 靈活性：稍差（現(xiàn)只是搜索企業(yè)的選擇）適用的應(yīng)用程序：可以并行處理的程序

3.2.4 存儲(chǔ)服務(wù)GFS（Google File System）

概述：面向不可信服務(wù)器節(jié)點(diǎn)的分布式文件系統(tǒng)，文件分塊存儲(chǔ) 結(jié)構(gòu)：1個(gè)Master（儲(chǔ)存元數(shù)據(jù)）+眾多ChunkServer（儲(chǔ)存文件塊）服務(wù)器：大量分散的普通廉價(jià)服務(wù)器

擴(kuò)展性：動(dòng)態(tài)插入節(jié)點(diǎn)（ChunkServer）（普通電腦），自動(dòng)擴(kuò)容 容錯(cuò)性：ChunkServer冗余備份（3份）

Master癱瘓，有Shadow作為替補(bǔ) 訪問效率：高效

通過GFS上層的BigTable實(shí)現(xiàn) 存儲(chǔ)限制：無(wú)特別限制

數(shù)據(jù)交互：一般情況下，Application 和ChunkServer在同一臺(tái)服務(wù)器上

Application與ChunkServer進(jìn)行數(shù)據(jù)交互

可以被多個(gè)用戶同時(shí)訪問 數(shù)據(jù)緩存：對(duì)Master中元數(shù)據(jù)進(jìn)行緩存 數(shù)據(jù)一致性 負(fù)載均衡 數(shù)據(jù)恢復(fù)

備注：不完全適應(yīng)海量小文件存儲(chǔ)

3.2.5 數(shù)據(jù)庫(kù)服務(wù)Data Store 概述：分布式存儲(chǔ)數(shù)據(jù)庫(kù)，隨著應(yīng)用程序訪問量的增加而增加 系統(tǒng)結(jié)構(gòu)：Model—實(shí)體組—實(shí)體 三級(jí)模式 查詢語(yǔ)言：GQL 數(shù)據(jù)類型：結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù) 可擴(kuò)展性：無(wú)限擴(kuò)展

查詢功能：查詢結(jié)果以Model類的實(shí)例形式來(lái)返回實(shí)體

云計(jì)算產(chǎn)品與技術(shù)分析

返回的結(jié)果不能超過1000條 事務(wù)功能：通過樂觀鎖定實(shí)現(xiàn)事務(wù)的并發(fā)控制

一個(gè)事務(wù)操作一個(gè)實(shí)體組，同一組內(nèi)的實(shí)體存儲(chǔ)在一起（應(yīng)用程序可以在實(shí)體創(chuàng)建時(shí)將實(shí)體分配到組）

數(shù)據(jù)庫(kù)在一個(gè)事務(wù)中執(zhí)行多種操作，有一個(gè)操作失敗則回滾整個(gè)事務(wù) 數(shù)據(jù)更新時(shí)間：有延遲，但不是常態(tài)

3.3 Mirosoft云計(jì)算方案 3.3.1 介紹

“云+端”云計(jì)算構(gòu)想

最新的Windows Server被設(shè)計(jì)成可讓應(yīng)用在數(shù)據(jù)中心和云之間遷移，但是只有在兩者是非常相似的Windows Server環(huán)境下才可以實(shí)現(xiàn)。技術(shù)特性：整合其所用軟件及數(shù)據(jù)服務(wù) 核心技術(shù)：大型應(yīng)用軟件開發(fā)技術(shù) 企業(yè)服務(wù)：Azure平臺(tái) 開源情況：不開源

3.3.2 Windows Azure平臺(tái)類型：PaaS 虛擬化技術(shù)：Hyper-V 支持語(yǔ)言：C#，.NET平臺(tái)，PHP，Python等多種語(yǔ)言 運(yùn)行環(huán)境：支持在云中和本地系統(tǒng)中的應(yīng)用程序 服務(wù)類型：可以任意選擇服務(wù)組合，耦合度低 應(yīng)用程序間的隔離：不同的應(yīng)用在不同的虛擬機(jī)上 開發(fā)限制：較少

計(jì)費(fèi)方式：按實(shí)際使用量付費(fèi)

存儲(chǔ)與計(jì)算分開計(jì)費(fèi)

定價(jià)機(jī)制過于僵硬，成本過高

可擴(kuò)展性：需要手動(dòng)或者編程自動(dòng)增加所需要的虛擬機(jī)數(shù)量

用戶也可以選擇增加虛擬機(jī)的功率 實(shí)現(xiàn)功能：較多

3.3.3 計(jì)算服務(wù)

云計(jì)算產(chǎn)品與技術(shù)分析

服務(wù)類型：PaaS 虛擬機(jī)的使用：根據(jù)用戶上傳的配置文件XML，系統(tǒng)自動(dòng)分配、配置虛擬機(jī)

虛擬機(jī)分為Web和Worker角色

模型：若干Web（提供Wen服務(wù)，與用戶交互）+若干Worker（類似于Windows服務(wù)）

運(yùn)行環(huán)境：程序運(yùn)行在系統(tǒng)自動(dòng)為用戶生成的裝有Windows Server 2008的虛擬機(jī)上

負(fù)載均衡：當(dāng)有用戶請(qǐng)求時(shí)，根據(jù)需決定是否運(yùn)行新的Web角色

根據(jù)負(fù)載大小自動(dòng)擴(kuò)展或減少Worker上實(shí)例運(yùn)行的數(shù)量 靈活性：較好 易用性：較好

適用的應(yīng)用程序：任意可在Windows Server2008上運(yùn)行的程序

尤其支持運(yùn)行有大量并行用戶的大型應(yīng)用程序

3.3.4 存儲(chǔ)服務(wù)Blob/Table存儲(chǔ)

概述：用來(lái)存儲(chǔ)大型數(shù)據(jù)對(duì)象

結(jié)構(gòu)：容器—Blob兩級(jí)模式（Blob中的數(shù)據(jù)再分成Block）

Table—Partition（分區(qū)）—Row（實(shí)體）擴(kuò)展性：增加容器中的Blob數(shù)量進(jìn)行擴(kuò)充

手動(dòng)或編程自動(dòng)擴(kuò)容 容錯(cuò)性：冗余備份

只傳輸出錯(cuò)的Block 訪問效率：Blob訪問控制策略

Table分成多個(gè)分區(qū)，存儲(chǔ)在多個(gè)服務(wù)器，提高訪問效率

存儲(chǔ)限制：Blob的大小有限制（<50GB）

對(duì)容器和Blob的數(shù)量沒有限制 數(shù)據(jù)交互：用戶從獲得授權(quán)的Blob中取得數(shù)據(jù)

數(shù)據(jù)緩存：Table相同分區(qū)的實(shí)體存儲(chǔ)在一起進(jìn)行高效緩存

數(shù)據(jù)一致性：Timestamp（時(shí)間戳）

單表一致性（事務(wù)性的快照隔離）

跨表一致性

負(fù)載均衡： 數(shù)據(jù)恢復(fù)

備注：Blob適宜存儲(chǔ)無(wú)結(jié)構(gòu)數(shù)據(jù)

Table適宜存儲(chǔ)結(jié)構(gòu)性很強(qiáng)的數(shù)據(jù)

另有：Queue存儲(chǔ)應(yīng)用程序各個(gè)部分之間的交互信息（例如Web和Worker

云計(jì)算產(chǎn)品與技術(shù)分析 的通信）

3.3.5 數(shù)據(jù)庫(kù)SQL服務(wù)（SDS）

概述：非傳統(tǒng)的關(guān)系模型

系統(tǒng)結(jié)構(gòu)：Authority—容器—實(shí)體 三級(jí)模式（ACE模型）查詢語(yǔ)言：SQL 數(shù)據(jù)類型：結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù) 可擴(kuò)展性：全球可擴(kuò)展性 查詢功能：查詢對(duì)象為容器

查詢結(jié)果返回若干數(shù)量的實(shí)體

返回的結(jié)果不能超過500頁(yè)

安全策略：每一個(gè)容器數(shù)據(jù)在微軟數(shù)據(jù)中心有多個(gè)備份

數(shù)據(jù)更新時(shí)間：沒有延遲 其他功能：很多

3.4 IBM藍(lán)云 3.4.1 概述

高端服務(wù)器戰(zhàn)略（X86刀片服務(wù)器）

為用戶在自己已有的IT環(huán)境中建立自己的私有云，并提供與公有云的無(wú)縫連接；同時(shí)，IBM也提供可供用戶及合作伙伴直接使用的云服務(wù)和軟件 技術(shù)特性：整合其所有軟件及硬件服務(wù) 核心技術(shù)：網(wǎng)格技術(shù)、分布式存儲(chǔ)、動(dòng)態(tài)負(fù)載 企業(yè)服務(wù)：虛擬資源池提供，企業(yè)云計(jì)算整合方案 開源情況：不開源

3.4.2 云計(jì)算架構(gòu)

云計(jì)算產(chǎn)品與技術(shù)分析

3.4.3 云計(jì)算相關(guān)產(chǎn)品

① IBM WebSphere CloudBurst

云環(huán)境管理工具，以物理器件形式發(fā)布，即插即用，WebSphere CloudBurst使用戶能夠在“私有云”中輕松的創(chuàng)建、安全的部署和管理應(yīng)用環(huán)境，同時(shí)讓用戶將自己在SOA方面的投資無(wú)縫的擴(kuò)展到云服務(wù)環(huán)境。② WebSphere Virtual Enterprise

軟件解決方案，對(duì)中間件和應(yīng)用棧進(jìn)行虛擬化，為應(yīng)用創(chuàng)建一個(gè)共享的應(yīng)用云或是共享的資源池而不必考慮特定的應(yīng)用容器，并實(shí)行負(fù)載均衡和資源調(diào)度。③ XIV

IBM的新一代云存儲(chǔ)產(chǎn)品，基于網(wǎng)格技術(shù)，具有海量存儲(chǔ)設(shè)備+大容量文件系統(tǒng)+高吞吐量互聯(lián)網(wǎng)數(shù)據(jù)訪問接口+管理系統(tǒng)的設(shè)計(jì)特征。

內(nèi)置虛擬化技術(shù)，快照功能，瞬間克隆數(shù)據(jù)卷。幫助用戶部署可靠、多用途、可用的信息基礎(chǔ)結(jié)構(gòu)，同時(shí)可提升存儲(chǔ)管理、配置，以及改進(jìn)的資產(chǎn)利用率。

3.5 Platform云計(jì)算方案 3.5.1 介紹

在HPC方面有很強(qiáng)的技術(shù)力量，建立在網(wǎng)格計(jì)算管理軟件的基礎(chǔ)上

3.5.2 Platform ISF（Infrastructure Sharing Facility）計(jì)算服務(wù)

云計(jì)算產(chǎn)品與技術(shù)分析

平臺(tái)類型：IaaS 端到端的私有云管理軟件

主要特點(diǎn)：可配置程度高

資源整合：將分布式和異構(gòu)IT資源整合

從眾多異構(gòu)服務(wù)器、存儲(chǔ)設(shè)備以及互聯(lián)中創(chuàng)建一臺(tái)共享計(jì)算機(jī)

支持主要行業(yè)的標(biāo)準(zhǔn)硬件 支持的操作系統(tǒng)：Linux Windows 虛擬技術(shù)：VMware ESX，Xen，Citrix XenServer，Microsoft Hyper-V和Red Hat

KVM 服務(wù)類型：很多即開即用的第三方工具（目錄服務(wù)、安全、監(jiān)控和報(bào)警）交付服務(wù)：自主入口——用戶在幾分鐘（<=15min）之內(nèi)請(qǐng)求和獲得物理服務(wù)器

和虛擬機(jī)

應(yīng)用程序編程接口（API），自動(dòng)調(diào)配資源

為多級(jí)商業(yè)應(yīng)用程序配置模板，實(shí)現(xiàn)其生命周期管理的自動(dòng)化

允許啟動(dòng)多級(jí)應(yīng)用程序的各個(gè)部分，添加或者去除一個(gè)資源，監(jiān)控和

恢復(fù)故障

云計(jì)算產(chǎn)品與技術(shù)分析

負(fù)載調(diào)度：支持負(fù)載調(diào)度軟件（比如AutoSys和Platform LSF）

付費(fèi)方式：Platform ISF收集全部資源使用數(shù)據(jù)，提供報(bào)告和生成帳單信息

云管理員可以選擇將使用數(shù)據(jù)反饋到特定場(chǎng)所的生成報(bào)告和索回工具之中

資源分配：?jiǎn)挝坏馁Y源共享優(yōu)先權(quán)

資源均衡和應(yīng)用程序均衡

主要方式： 預(yù)約 主要針對(duì)關(guān)鍵業(yè)務(wù)請(qǐng)求 2 按需分配 ① 時(shí)間順序相應(yīng)用戶請(qǐng)求

② 用戶的請(qǐng)求，按每次使用付費(fèi)的模式分配資源

安全性：分角色用戶身份認(rèn)證

審查跟蹤（Audit Trail）

支持LDAP（輕量目錄訪問協(xié)議）和活動(dòng)目錄 存儲(chǔ)支持：Operating system image /Extra disks/Shared NFS /Post-Provision/NetApp/Amazon S3/EMC/EqualLogic

3.6 VMware(EMC)云計(jì)算方案 3.6.1 介紹

EMC——自動(dòng)化網(wǎng)絡(luò)存儲(chǔ)解決方案 VMware——虛擬化技術(shù)

技術(shù)特性：信息存儲(chǔ)系統(tǒng)及虛擬化技術(shù)

核心技術(shù)：VMware的虛擬化技術(shù)，一流存儲(chǔ)技術(shù) 企業(yè)服務(wù)：Atoms云存儲(chǔ)系統(tǒng)，私有云解決方案 開源情況：不開源

3.6.2 VMware vSphere 業(yè)界第一個(gè)云計(jì)算操作系統(tǒng)

可以幫助企業(yè)構(gòu)建實(shí)現(xiàn)數(shù)據(jù)中心資源的管理，同時(shí)實(shí)現(xiàn)內(nèi)部云和外部云之間的無(wú)縫連接

云計(jì)算產(chǎn)品與技術(shù)分析

電源管理：利用DPM

集群需要的資源減少時(shí)，將工作負(fù)載整合到較少的服務(wù)器上

保證服務(wù)級(jí)別的同時(shí)最大限度的減少電力消耗 資源調(diào)度：分布式資源調(diào)度程序DRS

動(dòng)態(tài)負(fù)載均衡——跨資源池動(dòng)態(tài)調(diào)整計(jì)算資源

連續(xù)智能優(yōu)化——基于預(yù)定義的規(guī)則智能分配資源

訪問速率：>30萬(wàn)次IPOS每秒

延遲：<20微秒

數(shù)據(jù)備份：支持虛擬機(jī)集中式脫離主機(jī)備份

支持虛擬機(jī)的增量、差異和完整映像備份和恢復(fù)

為Windows和linux虛擬機(jī)提供文件級(jí)備份支持 可用性：擁有經(jīng)濟(jì)有效的適用于所有應(yīng)用的高可用解決方案

當(dāng)服務(wù)器故障時(shí)，自動(dòng)重新啟動(dòng)虛擬機(jī)

容錯(cuò)性：使用DRS和VMotion（在線遷移虛擬機(jī)）消除計(jì)劃內(nèi)宕機(jī)

在不同的主機(jī)上同步運(yùn)行相同的虛擬機(jī)

出現(xiàn)硬件故障，所有虛擬機(jī)均可實(shí)現(xiàn)零宕機(jī)時(shí)間、零數(shù)據(jù)損失故障切換 數(shù)據(jù)恢復(fù)：通過vCenter實(shí)現(xiàn)集中式管理

虛擬機(jī)的無(wú)代理、基于磁盤的備份和恢復(fù)

支持虛擬機(jī)、文件級(jí)別的恢復(fù)

安全性：API通過檢查與管理程序一起使用的虛擬組件來(lái)保護(hù)虛擬機(jī)

動(dòng)態(tài)防火墻策略

動(dòng)態(tài)安全容量

云計(jì)算產(chǎn)品與技術(shù)分析

安全策略自動(dòng)適應(yīng)網(wǎng)絡(luò)重新配置或升級(jí) 可擴(kuò)展性：根據(jù)需要和優(yōu)先級(jí)調(diào)整容量

熱添加CPU和內(nèi)存

熱添加和刪除存儲(chǔ)設(shè)備和網(wǎng)絡(luò)設(shè)備

熱擴(kuò)展虛擬磁盤

以零宕機(jī)時(shí)間橫向擴(kuò)展虛擬機(jī)

3.6.3 云存儲(chǔ)服務(wù)EMC Atoms 特色：采用基于策略的管理系統(tǒng)來(lái)創(chuàng)建不同層次的云存儲(chǔ)

——重要數(shù)據(jù)，多份復(fù)制，分布存儲(chǔ) ——不常用數(shù)據(jù)，復(fù)制份數(shù)和存儲(chǔ)地點(diǎn)較少

——不再使用的數(shù)據(jù)，壓縮，復(fù)制備份在更少的地方 為非付費(fèi)用戶和付費(fèi)用戶創(chuàng)建不同的服務(wù)級(jí)別

多樣的管理服務(wù)：復(fù)制，版本控制，壓縮，重復(fù)數(shù)據(jù)刪除，磁盤休眠等 可用性：應(yīng)用程序接口包括Rest和Soap，能夠整合所有的應(yīng)用程序

多租戶：支持多客戶共享功能，同一基礎(chǔ)架構(gòu)執(zhí)行多種應(yīng)用程序，并被安全隔離 現(xiàn)有版本：120TB 240TB 360TB

基于X86服務(wù)器并支持千兆或10GbE以太網(wǎng)連接 國(guó)內(nèi)云存儲(chǔ)產(chǎn)品 4.1 美地森

概述：分布式存儲(chǔ)，網(wǎng)絡(luò)容錯(cuò)，集群存儲(chǔ) 結(jié)構(gòu)：元數(shù)據(jù)服務(wù)器MDS+塊數(shù)據(jù)服務(wù)器CDS

文件分塊存儲(chǔ)（每一塊大小固定在50MB）

服務(wù)器：低成本、符合工業(yè)標(biāo)準(zhǔn)的通用硬件設(shè)備（Linux系統(tǒng)）擴(kuò)展性：動(dòng)態(tài)插入節(jié)點(diǎn)，無(wú)需復(fù)雜配置

自動(dòng)在線擴(kuò)容（幾秒）

容量與節(jié)點(diǎn)成線性增長(zhǎng)關(guān)系 容錯(cuò)性：CDS冗余備份（3份）

存在3~5臺(tái)MDS，保存相同元數(shù)據(jù)，同一時(shí)間只有一臺(tái)工作，一旦癱瘓，備用的立即替補(bǔ)

通用性：通過NAS集群網(wǎng)關(guān)的方式為Windows、Linux、Unix、Mac等操作系統(tǒng)提供NFS協(xié)議訪問接口

兼容所有操作系統(tǒng)平臺(tái)

云計(jì)算產(chǎn)品與技術(shù)分析

易用性：?jiǎn)我幻置臻g

所有應(yīng)用服務(wù)器看到所有的文件 訪問效率：每秒數(shù)十萬(wàn)個(gè)文件查詢

同時(shí)多條數(shù)據(jù)通道讀寫數(shù)據(jù) 存儲(chǔ)限制：PB級(jí)存儲(chǔ)空間

數(shù)據(jù)交互：用戶與CDS進(jìn)行數(shù)據(jù)交互 數(shù)據(jù)緩存：對(duì)MDS中元數(shù)據(jù)進(jìn)行緩存 負(fù)載均衡：自動(dòng)進(jìn)行負(fù)載均衡

數(shù)據(jù)恢復(fù)：本地?cái)?shù)據(jù)存儲(chǔ)兩份，自動(dòng)恢復(fù)

2TB數(shù)據(jù)恢復(fù)時(shí)間<15min 備注：不完全適應(yīng)海量小文件存儲(chǔ)

實(shí)時(shí)性？

局域網(wǎng)內(nèi)，100臺(tái)服務(wù)器左右，異地備份？WSS？

4.2 友友系統(tǒng) 4.2.1 DataCell介紹

DataCell能夠有效地解決業(yè)務(wù)系統(tǒng)在運(yùn)營(yíng)過程中收集和產(chǎn)生的大量實(shí)時(shí)數(shù)據(jù)以及企業(yè)在長(zhǎng)期的業(yè)務(wù)發(fā)展過程中積累下來(lái)的海量數(shù)據(jù)的存儲(chǔ)和處理系列問題，尤其面對(duì)PB數(shù)量級(jí)的數(shù)據(jù)容量和上億個(gè)存儲(chǔ)文件的處理需求時(shí)，在降低整體成本提高系統(tǒng)整體可用性上可以發(fā)揮突出作用。虛擬技術(shù)：采用

擴(kuò)容性：在新加入的硬件上安裝DataCell，即可加入虛擬存儲(chǔ)機(jī)

可移植性：DataCell軟件具有高度的可移植性，沒有實(shí)際系統(tǒng)軟硬件的限制 數(shù)據(jù)傳輸：結(jié)合數(shù)流平臺(tái)（Bitsflow），高效

4.2.2 DataCell FS 非結(jié)構(gòu)化存儲(chǔ)系統(tǒng)——針對(duì)非結(jié)構(gòu)化數(shù)據(jù)

云計(jì)算產(chǎn)品與技術(shù)分析

架構(gòu)：1個(gè)控制節(jié)點(diǎn)（存儲(chǔ)元數(shù)據(jù)等）+ 若干的存儲(chǔ)節(jié)點(diǎn)（細(xì)分為各存儲(chǔ)塊）可擴(kuò)展性：熱部署（TB—PB—更高級(jí)別的平滑擴(kuò)展），性能線性增長(zhǎng) 靈活性：基于業(yè)務(wù)策略自動(dòng)切分?jǐn)?shù)據(jù)進(jìn)行存儲(chǔ)（存儲(chǔ)塊的大小是不固定的）

用戶可以通過定義策略來(lái)實(shí)現(xiàn)讓適當(dāng)?shù)臄?shù)據(jù)在適當(dāng)?shù)臅r(shí)間自動(dòng)保存在適當(dāng)?shù)奈恢?/p>

虛擬技術(shù)：將用戶所使用的各類存儲(chǔ)硬件無(wú)縫虛擬化 多租戶：同一存儲(chǔ)結(jié)構(gòu)服務(wù)于多個(gè)應(yīng)用程序，數(shù)據(jù)分區(qū)隔離 容錯(cuò)性：冗余備份

熱備控制節(jié)點(diǎn)

數(shù)據(jù)恢復(fù)：自動(dòng)檢測(cè)故障節(jié)點(diǎn) 自動(dòng)恢復(fù) 訪問效率：支持并發(fā)訪問

用戶可為云服務(wù)構(gòu)建自定義查詢 負(fù)載均衡：所有系統(tǒng)節(jié)點(diǎn)間透明地移動(dòng)數(shù)據(jù)

自動(dòng)動(dòng)態(tài)調(diào)整數(shù)據(jù)備份數(shù) 安全性：訪問控制權(quán)限

應(yīng)用程序訪問機(jī)制：支持NFS、HTTP、WebDAV、FTP及FUSE等多種接口

應(yīng)用程序可以不做修改即可遷移數(shù)據(jù)平臺(tái)

云計(jì)算產(chǎn)品與技術(shù)分析

4.2.3 DataCell DB 結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)系統(tǒng)——針對(duì)結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)

解決了目前通用關(guān)系型數(shù)據(jù)庫(kù)在面對(duì)multi-TB或PB量級(jí)結(jié)構(gòu)化數(shù)據(jù)的存儲(chǔ)和處理需求時(shí)出現(xiàn)的性能和容量瓶頸問題

不完全支持關(guān)系數(shù)據(jù)庫(kù)，但支持常用的關(guān)系操作（select、insert、delete、update）

架構(gòu)：完全無(wú)中心節(jié)點(diǎn)的分布式系統(tǒng)

邏輯環(huán)

容錯(cuò)性：相鄰節(jié)點(diǎn)互為熱備份

簡(jiǎn)單快捷的數(shù)據(jù)導(dǎo)出工具

自定義冗余策略 可擴(kuò)展性：熱部署

存儲(chǔ)機(jī)制：支持用戶自定義的各種數(shù)據(jù)格式

同時(shí)支持內(nèi)存和磁盤數(shù)據(jù)庫(kù)

訪問效率：在內(nèi)存存儲(chǔ)模式下，多進(jìn)程并發(fā)隨機(jī)讀寫支持超過20萬(wàn)次/秒

尤其適用于海量小文件存儲(chǔ)與訪問的應(yīng)用場(chǎng)景 支持語(yǔ)言：C++、Java 20

云計(jì)算產(chǎn)品與技術(shù)分析

其他功能：

? 支持包括哈希表、樹、數(shù)組在內(nèi)的多種內(nèi)部結(jié)構(gòu) ? 支持包含內(nèi)存、硬盤、網(wǎng)絡(luò)存儲(chǔ)等多種不同存儲(chǔ)機(jī)制

? 基于策略的的數(shù)據(jù)存取方式，支持包括冗余數(shù)和存儲(chǔ)位置等在內(nèi)的自定義策略

? 支持?jǐn)?shù)據(jù)表操作類似的查詢機(jī)制和簡(jiǎn)單的條件查詢 ? 支持用戶定義的記錄類型和數(shù)據(jù)字典 ? 支持事務(wù)處理 ? 支持復(fù)雜的索引規(guī)則 ? 異步存儲(chǔ)拷貝，支持snapshot ? 提供binary log，支持服務(wù)器熱備和冗余 ? 完全支持多進(jìn)程、多線程的高并發(fā)訪問 ? 支持分布式事務(wù) ? 遠(yuǎn)程圖形化管理界面

4.2.4 其他相關(guān)產(chǎn)品

① 數(shù)流平臺(tái)（Bitsflow）

高容錯(cuò)、高性能的數(shù)據(jù)傳輸中間層工具 ② DataCell Echo 有效實(shí)現(xiàn)跨區(qū)域、異構(gòu)分布式數(shù)據(jù)庫(kù)的實(shí)時(shí)數(shù)據(jù)同步。

它可以同時(shí)處理同一系統(tǒng)內(nèi)的多個(gè)異構(gòu)數(shù)據(jù)庫(kù)系統(tǒng)之間的數(shù)據(jù)交換和同步。通過對(duì)各個(gè)數(shù)據(jù)庫(kù)系統(tǒng)內(nèi)數(shù)據(jù)的動(dòng)態(tài)劃分和管理，Echo還可在一個(gè)或多個(gè)數(shù)據(jù)庫(kù)中支持多個(gè)Master和Slave并存 幾種開源云平臺(tái)

5.1 Hadoop（Apache基金會(huì)）

完全模仿Google體系架構(gòu)做的一個(gè)開源項(xiàng)目，主要包括Map/Reduce和HDFS文件系統(tǒng)。Java語(yǔ)言開發(fā)，主從式的HDFS文件系統(tǒng)位于下層，主從式的Map/Reduce處理位于上層，基本思想是“計(jì)算向存儲(chǔ)遷移”——計(jì)算時(shí)各節(jié)點(diǎn)讀取存儲(chǔ)在自己節(jié)點(diǎn)的數(shù)據(jù)進(jìn)行處理。Map處理過程中一般沒有數(shù)據(jù)的傳輸，只是在Reduce過程中需要向主節(jié)點(diǎn)傳送計(jì)算結(jié)果，有效的解決了并行計(jì)算中網(wǎng)絡(luò)數(shù)據(jù)傳輸?shù)钠款i問題。

HDFS以64MB為單位對(duì)文件分塊，對(duì)于小文件及頻繁存取的數(shù)據(jù)沒有太大的優(yōu)勢(shì)。

云計(jì)算產(chǎn)品與技術(shù)分析

5.2 Ecualyptus項(xiàng)目（加利福尼亞大學(xué)）

創(chuàng)建了一個(gè)使企業(yè)能夠使用它們內(nèi)部IT資源（包括服務(wù)器、存儲(chǔ)系統(tǒng)、網(wǎng)絡(luò)設(shè)備）的開源界面，來(lái)建立能夠和Amazon EC2兼容的云。

選擇Xen和KVM作為虛擬化的管理程序。基本架構(gòu)：

5.3 AbiCloud（Abiquo公司）

用于公司的開源的云平臺(tái)，使公司能夠以快速、簡(jiǎn)單和可擴(kuò)展的方式創(chuàng)建和管理大型、復(fù)雜的IT基礎(chǔ)設(shè)施（包括虛擬服務(wù)器、網(wǎng)絡(luò)、應(yīng)用、存儲(chǔ)設(shè)備等）

5,.4 MongoDB(10gen)高性能、開源、無(wú)模式的文檔型數(shù)據(jù)庫(kù)，在許多場(chǎng)景下可用于替代傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)或鍵/存儲(chǔ)方式

5.5 Enomalism彈性計(jì)算平臺(tái)

提供了一個(gè)功能類似于EC2的云計(jì)算框架。Enomalism基于Linux，同時(shí)支持Xen和KVM。與其他的純IaaS解決方案不同的是，Enomalism提供了一個(gè)基于Turbo Gears Web應(yīng)用框架和Python的軟件棧

5.6 Nimbus（網(wǎng)格中間件Globus）

Nimbus面向科學(xué)計(jì)算需求，通過一組開源工具來(lái)實(shí)現(xiàn)IaaS的云計(jì)算解決方案

云計(jì)算產(chǎn)品與技術(shù)分析 國(guó)內(nèi)外主要云計(jì)算標(biāo)準(zhǔn)化組織和論壇 6.1 分布式管理任務(wù)組（DMTF）

工作目標(biāo)：2009年，成立DMTF開放式云標(biāo)準(zhǔn)孵化器（DMFT Open Cloud Standards Incubator），制定開放式云計(jì)算管理標(biāo)準(zhǔn)。

另有：開放式虛擬化格式（OVF），云可互操作性白皮書DMTF等 成員：AMD CISCO EMC HP IBM Microsoft Sun Redhat VMware等

6.2 開放網(wǎng)格論壇（OGF）

工作目標(biāo)：開發(fā)管理云計(jì)算基礎(chǔ)設(shè)施的API，創(chuàng)建能與云基礎(chǔ)設(shè)施（IaaS）進(jìn)行交互的實(shí)際可用的解決方案等。

成員：Microsoft Sun Oracle IBM Intel HP AT&T等

6.3 結(jié)構(gòu)化信息標(biāo)準(zhǔn)促進(jìn)組織（OASIS）

工作目標(biāo)：致力于基于現(xiàn)存標(biāo)準(zhǔn)Web Services、SOA等建設(shè)云模型及輪廓相關(guān)標(biāo)準(zhǔn)。最近成立云技術(shù)委員會(huì)IDCloud TC，定位于云計(jì)算中的識(shí)別管理安全。

6.4 全國(guó)信息技術(shù)標(biāo)準(zhǔn)化技術(shù)委員會(huì)SOA標(biāo)準(zhǔn)化工作室

工作目標(biāo)：《云計(jì)算標(biāo)準(zhǔn)研究報(bào)告》，開展云計(jì)算、相關(guān)SOA、中間件、虛擬化等技術(shù)標(biāo)準(zhǔn)的制定

成員：IBM、大唐軟件、東方通、浪潮、北郵、復(fù)旦，世紀(jì)互聯(lián)等

6.5 其他

中國(guó)云計(jì)算技術(shù)與產(chǎn)業(yè)聯(lián)盟

云計(jì)算互操作論壇（CCIF）

網(wǎng)絡(luò)存儲(chǔ)工業(yè)協(xié)會(huì)（SNIA）等 相關(guān)對(duì)比分析

Google App Engine沒有使用虛擬化技術(shù)，其云計(jì)算理念是與主流公司的戰(zhàn)略是相反的，其現(xiàn)階段提供的平臺(tái)雖然可以為用戶提供現(xiàn)成的在線的應(yīng)用套件，但還受到很多的限制，其中支持的編程語(yǔ)言（只支持Java和Python）太少就是其很大的劣勢(shì)。而且，由于沒有本地端，應(yīng)用程序只能通過提供的網(wǎng)址抓取和電子郵件服務(wù)訪問互聯(lián)網(wǎng)中的計(jì)算機(jī)，這也給用戶帶來(lái)一定的不便。

同Google一樣，Amazon的產(chǎn)品在國(guó)內(nèi)沒有銷售。但值得一提的是Amazon作為電子商務(wù)公司，它的云平臺(tái)的安全性做的很出色，對(duì)于平臺(tái)的配置上也給了

云計(jì)算產(chǎn)品與技術(shù)分析

用戶更多的選擇權(quán)。另外，Amazon自己作為應(yīng)用者，其平臺(tái)具有高度的開放性，支持所有的操作系統(tǒng)、開源代碼或者商業(yè)軟件。但是，Amazon有一些特殊的存儲(chǔ)要求，需要考慮應(yīng)用所需的帶寬大小和計(jì)算時(shí)間。

微軟的云平臺(tái)最大的特色是它的“云+端”思想，Azure服務(wù)平臺(tái)既可以在云端下被調(diào)用，也可以被本地系統(tǒng)調(diào)用，也就是說用戶可以在VS.NET2008以上的版本+Cloudservice+AzureSdk下實(shí)現(xiàn)云計(jì)算開發(fā)。但總體上來(lái)說，微軟云平臺(tái)的軟件過于“Microsoft化”，對(duì)于其他公司產(chǎn)品的兼容性較差，例如不支持Java（好像）。

從應(yīng)用上看，EC2主要是吸引資源密集型軟件，如企業(yè)應(yīng)用等，而Azure的應(yīng)用主要是服務(wù)于LAN或工作組模式的用戶群體。

VMware的云計(jì)算的核心是虛擬化，虛擬架構(gòu)技術(shù)做的很好，但是開放性弱，不支持特定開發(fā)。

Platform在HPC領(lǐng)域有著很強(qiáng)的技術(shù)力量，正將自身定位從網(wǎng)格計(jì)算過渡到云計(jì)算，它在國(guó)內(nèi)的應(yīng)用有北京超算中心，但是超算中心主要以數(shù)學(xué)計(jì)算為主，數(shù)據(jù)量比較小，計(jì)算的種類也相對(duì)集中，參考性不大。

IBM的ComputingonDemand主要針對(duì)高性能計(jì)算，諸如汽車和航天工業(yè)模擬計(jì)算、生命科學(xué)領(lǐng)域的染色體組建模等等。并且，它的定位是高端服務(wù)器，相比與其他公司的方案，性價(jià)比難說。

從云存儲(chǔ)方面看，國(guó)內(nèi)的兩個(gè)公司均做的很出色。但友友系統(tǒng)有一個(gè)明顯的優(yōu)勢(shì)：它的DataCell DB尤其適用于海量小文件存儲(chǔ)與訪問的應(yīng)用場(chǎng)景。這是其他的文件分塊存儲(chǔ)系統(tǒng)所不具備的。