第一篇：未來10年大數(shù)據(jù)云計(jì)算的聯(lián)動(dòng)新變革

未來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)略到未來生活的便捷，感受生活在“云端”的不同。

金蝶中國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。未來十年，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)帶來新的改變。

對(duì)于未來這種云端生活，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，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)營模式、服務(wù)模式、營銷模式必須要轉(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直接顯示在屏幕上。交易數(shù)據(jù)國內(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、無模式或者模式不明顯、不連貫的語法和定義。

(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)代營銷的特點(diǎn)是“個(gè)性化”?，F(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重大利潤貢獻(xiàn)的那20%優(yōu)質(zhì)客戶，為了從競爭對(duì)手手中爭取這一部分客戶，甚至可以不惜代價(jià)，忽視了剩下的那80%的客戶的需求，更無視銀行眼中傳統(tǒng)的次級(jí)客戶（無抵押質(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；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)營模式從以產(chǎn)品為中心，向以客戶為中心轉(zhuǎn)型；營銷模式從粗放營銷向精準(zhǔn)化營銷轉(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，但是無效分析帶來的成本顯然更高。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，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：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............................................................................................................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?，有機(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)集大小增長的部分原因來自于信息持續(xù)從各種來源被廣泛收集，這些來源包括搭載感測(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)、無線射頻辨識(shí)（RFID）和無線感測(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)幾乎無法使用大多數(shù)的數(shù)據(jù)庫管理系統(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，以及其平常用來處理分析數(shù)據(jù)的軟件之能力?！皩?duì)某些組織來說，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)被越來越多的提及，有些人驚呼大數(shù)據(jù)時(shí)代已經(jīng)到來了，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)院或咨詢公司用來嘩眾取寵的buzzword，看起來很新穎，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)化查詢語言發(fā)展起來。數(shù)據(jù)倉庫開始用來存儲(chǔ)大量的數(shù)據(jù)。

因?yàn)槊媾R處理數(shù)據(jù)庫中大量數(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)與無監(jiān)督學(xué)習(xí)之間。增強(qiáng)學(xué)習(xí)通過觀察來學(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：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)提供者來降低IT營運(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徺I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)美國國家標(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?？杀槐O(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：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)較小的成本來達(dá)到目標(biāo)。

3.1 分布式數(shù)據(jù)庫

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

分布式數(shù)據(jù)庫的基本特點(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)庫按照各站點(diǎn)中數(shù)據(jù)庫管理系統(tǒng)的數(shù)據(jù)模型的異同分為異構(gòu)型分布式數(shù)據(jù)庫和同構(gòu)型分布式數(shù)據(jù)庫，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。