云计算与几种常见计算的区别
集群计算(Cluster Computing)
计算机系统中，集群是将多个计算机，如PC或UNIX工作站，多个存储设备，以冗余方式互联，组成一个对用户来说是单一的高可用性的系统。集群计算能够被用来实现负载均衡，对一个企业来说，集群在许多情况下，能够达到高达99.999%的可用性。集群对外界来说，就像是一个唯一的计算机系统，用户好像在使用一台超级计算机，程序跑在集群上就好像在是单服务器上没有什么区别。
分布式计算(Distributed Computing）
分布式计算是一种把需要进行大量计算的数据分割成小块，由多台计算机分别计算，再上传运算结果后，将结果合并起来得出最后结果的计算方式。目前常见的分布式计算项目通常使用世界各地上千万志愿者计算机的闲置计算能力，通过互联网进行数据传输。如分析地外无线电信号，从而搜索地外的生命迹象的SETI@home项目，该项目数据基数很大，超过了千万位数，是目前世界上最大的分布式计算项目，已有一百六十余万台计算机加入了此项目（在中国大陆大约有1万4千位志愿者）。这些项目很庞大，需要惊人的计算量，由一台电脑计算是不可能完成的。
并行计算（Parallel Computing）
并行计算是指同时使用多种计算资源解决计算问题的过程。为执行并行计算，计算资源应包括一台配有多处理机（并行处理）的计算机、一个与网络相连的计算机专有编号，或者两者结合使用。并行计算的主要目的是快速解决大型且复杂的计算问题。此外还包括：利用非本地资源，节约成本―使用多个“廉价”计算资源取代大型计算机，同时克服单个计算机上存在的存储器限制。为利用并行计算，通常计算问题表现为以下特征：将工作分离成离散部分，有助于同时解决；随时并及时地执行多个程序指令；多计算资源下解决问题的耗时要少于单个计算资源下的耗时。
网格计算（Grid Computing）
网格计算是通过利用大量异构计算机（通常为桌面）的未用资源（CPU周期和磁盘存储），将其作为嵌入在分布式电信基础设施中的一个虚拟的计算机集群，为解决大规模的计算问题提供了一个模型。网格计算的焦点放在支持跨管理域计算的能力，这使它与传统的计算机集群或传统的分布式计算相区别。网格计算的设计目标是解决对于任何单一的超级计算机来说仍然大得难以解决的问题，并同时保持解决多个较小的问题的灵活性。这样，网格计算就提供了一个多用户环境。它的第二个目标就是：更好的利用可用计算力，迎合大型的计算练习的断断续续的需求
云计算（Cloud Computing）
云计算是分布式处理（Distributed Computing）、并行处理（Parallel Computing）和网格计算（Grid Computing）的发展，或者说就是这些计算机科学概念的商业实现。云计算的基本原理是，通过使计算分布在大量的分布式计算机上，而非本地计算机或远程服务器中，企业数据中心的运行将更与互联网相似。这使得企业能够将资源切换到需要的应用上，根据需求访问计算机和存储系统。
云计算是从集群技术发展而来，二者的区别在于，集群虽然把多台机器联了起来，但某项具体的任务的执行的时候还是会被转发到某台服务器上的，而云可以简单的认为是任务可以被分割成多个进程在多台服务器上并行计算。然后得到结果，好处在于大数据量的操作性能非常好。可以使用廉价的PC服务器，可以管理大数据量与大集群。关键技术在于能够对云内的基础设施进行动态按需分配与管理。
云计算的常用知识汇总 1 云计算 云计算的三大基石：虚拟化、标准化和自动化 云计算九大特征：网络访问、资源聚合成池、用户自助服务、弹性扩展、资源使用计量、提供开放的服务访问和管理接口、自动化管理与快速交 付、在线服务更新、服务孵化 云服务四大分类：BPaaS、SaaS、PaaS、IaaS 云计算的三种模式：私有云、公有云、混合云 云计算面临的八大挑战：达到安全并且具有弹性、支持审计与认证、确保扩展性与性能、云与已有企业服务整合、不同类型的云间的联合、应 用软件许可证、基于云的技术支持、人性：到底云里面的哪些资源是属 于我的？ 实现云计算所必须的六大基础设施：服务管理、服务器，存储与网络资源、虚拟化与系统管理、财务管理、IT业务实践、标准化与自动化 云计算的三个实施周期：计划、构建、交付 云计算带来IT价值与业务效益：资源虚拟化——节省投资；快速部署——提高了业务支撑能力；运维效率提高，交付的服务质量随之提高；提 高系统稳定性和可靠性；智慧的IT；绿色IT 2虚拟化 可扩展性：纵向扩展（大分小）、横向扩展（小聚大） IT的未来 ?集中的可扩展的IT组件: –系统，资源池，解决方案，云 –硬件＋软件＋管理软件 –负载优化 –标准化，预装 ?全面虚拟化 ?负载迁移/ 虚拟资源 ?统一的端到端的服务管理
?更专注与应用及业务价值 虚拟化带来的支出与收益——价值 ?近期的投资回报率 ?显著的成本下降 ?高度虚拟化和大集中的环境 ?相同甚至更好的性能 ?增加了灵活性和可用性 ?对需求的弹性支持 ?降低风险 虚拟化会在这个变革中起到重要作用，但是它同时引入了复杂度 为获得更大的业务价值并降低支出，IT必须转型为模块化层次化的架构，包含： –所有资源类型的全面虚拟化 –采用整合的基于负载优化的IT组件以隐藏技术的负载度 –使用基于虚拟化的应用环境与开发工具以方便软件生命周期管理 –跨越物理与虚拟IT基础架构的端到端的服务管理 Power服务器的虚拟化 I/O设备虚拟化 高端小型机部署原则 3云存储 不同存储系统具有不同数据模型以及不同的读写策略，数据存储所花费时间的分析 大数据存储系统，各种大数据文件系统的介绍，NoSql非结构化数据库 Hadoop文件系统——HDFS能做什么？ –存储并管理PB级数据 –处理非结构化数据 –注重数据处理的吞吐量 HDFS不适合做什么？ –存储小文件(不建议使用)
大数据与云计算的区别与关系 胡经国 一、大数据与云计算的区别 大数据与云计算是两个有着本质区别的科学概念和范畴。它们主要在其定义和特点（特性或特征）以及体系架构、理论技术、服务模式和应用领域等方面都具有本质的区别。对此，本文作者已经或将要作专文论述，在此仅例举一二。 1、定义区别 根据著名的麦肯锡全球研究所给出的定义，大数据是指一种规模大到在获取、存储、管理、分析方面大大超出传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低4大特征。 而云计算则是指一种基于互联网的计算模式；通过这种模式，共享的软硬件资源和信息，可以按需求提供给计算机和其他设备。 2、定义范围区别 从二者的定义范围来看，大数据要比云计算更加广泛。大数据这一概念从2011年诞生以来，已历经8个年头。中国从积极推动两化融合到深度融合，也有14年之久。再者，从各地纷纷建设大数据产业园可以看出，中国极其看重大数据的发展契机。 3、作用区别 云计算改变了IT，而大数据则改变了业务。当然，大数据必须有“云”作为基础架构，才能得以顺畅运营。 4、目标受众区别 云计算是CIO（Chief Information Officer，首席信息官——一种新型的信息管理者）等所关注的技术层；而大数据则是CEO（Chief Executive Officer，首席执行官）所关注的业务层产品。 二、大数据与云计算的关系 1、大数据与云计算的关系概述 通常，人们把大数据与云计算的关系比着一个硬币的两面。云计算是大数据的IT基础，而大数据则是云计算的一个杀手级应用。云计算是大数据成长的驱动力；而另一方面，由于数据越来越多、越来越复杂、越来越实时，因而就更加需要云计算去加以处理。所以，二者之间的关系是相辅相成的。
考点： 云计算部分 云计算定义；云计算的特点； 云计算的三种不同部署模式； Google 文件系统的特点及平台结构； 云存储的相关解决方案； 云服务的三种类型及其特点； 虚拟化技术的特点；虚拟化的业界集中不同的解决方案； 云桌面的定义；桌面云的基本架构；无盘工作站的特点； 大数据处理部分 大数据的4V特征； 掌握hdfs中namenode与datanode的作用； MapReduce处理模型； 理解WordCount程序处理流程； Hadoop中运行MapReduce作业的工作原理； 1. Memcache主要应用于（B） A. 静态页面缓存 B. 动态页面缓存 C. 页面片段缓存 D. 数据缓存 2. Mapreduce 适用于（D） A.任意应用程序 B.任意可在windows servet2008 上运行的程序 C.可以串行处理的应用程序 D.可以并行处理的应用程序 1. 云计算的特点？（AB CDE） A．大规模 B.平滑扩展 C.资源共享 D.动态分配 E.跨地域 2. 与传统的分布式程序设计相比，MapReduce 封装了（ABCD）等细节，还提供了一个简单而强大的接口。 A. 并行处理 B. 容错处理 C. 本地化计算 D. 负载均衡 3. 云存储解决方案价值有哪些？（ABCD） A. 海量小文件的高效管理 B. PB级的存储空间和线行扩展能力 C. 可动态提升的性能 D. 数据高可靠性 4. 目前，选用开源的虚拟化产品组建虚拟化平台，构建基于硬件的虚拟化层，
可以选用（BCD） A. Xen B. VMware C. Hyper-v D. Citrix 5. 在云计算中，虚拟层主要包括（ABC） A.服务器虚拟化 B.存储虚拟化 C.网络虚拟化 D.桌面虚拟化 6. 云安全主要的考虑的关键技术有哪些？（ABC） A.数据安全 B.应用安全 C.虚拟化安全 D.服务器安全 7. Google 文件系统将整个系统的节点分为（ABC）的角色 A.客户端 B.主服务器 C.数据块服务器 D.监测服务器 8. 云计算基础架构的层次结构中包含（ABCD） A.基础设施层 B.中间件层 C.显示层 D.管理层 9. 下列属于Google 云计算平台技术架构的是（ABC） A. 并行数据处理MapReduce B.分布式锁Chubby C. 结构化数据表BigTable D.弹性云计算EC2 10. Hadoop项目包括（ABD） A. Hadoop Distributed File System（HDFS） B. Hadoop MapReduce编程模型 C. Hadoop Streaming D. Hadoop Common 云计算部分： 云计算定义： 云计算模型能以按需方式，通过网络，方便的访问云系统的可配置计算资源共享池(如：网络，服务器，存储，应用程序和服务) 。同时它以最少的管理开销及最少的与供应商的交互，迅速配置提供或释放资源。 1、狭义云计算：是指IT基础设施的交付和使用模式，通过网络以按需、易扩展的方式获得所需的资源（硬件、平台、软件）。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的，并且可以随时获取，按需使用，随时扩展，按使用付费。 2、广义云计算：是指服务的交付和使用模式，通过网络以按需、易扩展的方式获得所需的服务。这种服务可以是IT、软件和互联网相关的，也可以是其他任意的服务。 云计算特点： 1、自助式服务：消费者无需同服务提供商交互就可得到自助的计算、资源能力，如服务器的服务、网络存储等。
云计算平台比较分析 云计算按照应用层次，主要划分为IaaS、PaaS和SaaS三种层次的应用，这里主要分析常见的IaaS平台。目前市面上常见的IaaS应用主要有Amazon的AWS，基本上已经成为整个行业的标准。 IaaS在开源领域也是百花齐放，最著名的开源平台为：Eucalyptus、Openstack和Cloudstack、Opennebula、Nimbus，在国内社区比较火热的主要是前三种，所以在这里主要分析一下前三种平台。 1.云平台分析 1.1.Eucalyptus 1.1.1.概述 Elastic Utility Computing Architecture for Linking Your Programs To Useful Systems（Eucalyptus）是一种开源的软件基础结构，用来通过计算集群或工作站群实现弹性的、实用的云计算。它最初是美国加利福尼亚大学Santa Barbara计算机科学学院的一个研究项目，现在已经商业化，发展成为了Eucalyptus Systems Inc。不过，Eucalyptus 仍然按开源项目那样维护和开发。Eucalyptus Systems 还在基于开源的 Eucalyptus 构建额外的产品；它还提供支持服务。 Eucalyptus是在2008年5月发布1.0版本，在2009年与Ubuntu进行合作，成为Ubuntu server9.04的一个重要特性，目前最新版本是2.0.3，可以选择Xen、KVM作为虚拟化管理程序，对vSphere ESX/ESXi提供了支持。 Eucalyptus主要是用C和Java开发的，其中CLC是由java完成的，Tools 是由perl完成的，其他的都是C完成的。
云计算与大数据是什么关系? 现在我们提及大数据往往是和云计算联系在一起的，虽然总这样说，但有谁知道云计算和大数据之间的关系，我相信大部分人知道的知识一些皮毛的知识，那下面我们就来具体看一下云计算和大数据到底什么关系。 云计算的关键词在于‘整合’，无论你是通过现在已经很成熟的传统的虚拟机切分型技术，还是通过google后来所使用的海量节点聚合型技术，他都是通过将海量的服务器资源通过网络进行整合，调度分配给用户，从而解决用户因为存储计算资源不足所带来的问题。 大数据正是因为数据的爆发式增长带来的一个新的课题内容，如何存储如今互联网时代所产生的海量数据，如何有效的利用分析这些数据等等。 大数据处理 他俩之间的关系你可以这样来理解，云计算技术就是一个容器，大数据正是存放在这个容器中的水，大数据是要依靠云计算技术来进行存储和计算的。 两者关系： 首先，云计算是提取大数据的前提。 信息社会，数据量在不断增长，技术在不断进步，大部分企业都能通过大数
据获得额外利益。在海量数据的前提下，如果提取、处理和利用数据的成本超过了数据价值本身，那么有价值相当于没价值。来自公有云、私有云以及混合云之上的强大的云计算能力，对于降低数据提取过程中的成本不可或缺。 其次，云计算是过滤无用信息的‘神器’. 首次收集的数据中，一般而言，90%属于无用数据，因此需要过滤出能为企业提供经济利益的可用数据。在大量无用数据中，重点需过滤出两大类，一是大量存储着的临时信息，几乎不存在投入必要;二是从公司防火墙外部接入到内部的网络数据，价值极低。云计算可以提供按需扩展的计算和存储资源，可用来过滤掉无用数据，其中公有云是处理防火墙外部网络数据的最佳选择。 再次，云计算可高效分析数据。 数据分析阶段，可引入公有云和混合云技术，此外，类似Hadoop的分布式处理软件平台可用于数据集中处理阶段。当完成数据分析后，提供分析的原始数据不需要一直保留，可以使用私有云把分析处理结果，即可用信息导入公司内部。最后，云计算助力企业管理虚拟化。 可用信息最终用来指导决策，通过将软件即服务应用于云平台中，可将可用
有限元法，有限差分法和有限体积法的区别 有限差分方法(FDM)是计算机数值模拟最早采用的方法，至今仍被广泛运用。该方法将求解域划分为差分网格，用有限个网格节点代替连续的求解域。有限差分法以Taylor级数展开等方法，把控制方程中的导数用网格节点上的函数值的差商代替进行离散，从而建立以网格节点上的值为未知数的代数方程组。该方法是一种直接将微分问题变为代数问题的近似数值解法，数学概念直观，表达简单，是发展较早且比较成熟的数值方法。对于有限差分格式，从格式的精度来划分，有一阶格式、二阶格式和高阶格式。从差分的空间形式来考虑，可分为中心格式和逆风格式。考虑时间因子的影响，差分格式还可以分为显格式、隐格式、显隐交替格式等。目前常见的差分格式，主要是上述几种形式的组合，不同的组合构成不同的差分格式。差分方法主要适用于有结构网格，网格的步长一般根据实际地形的情况和柯朗稳定条件来决定。 构造差分的方法有多种形式，目前主要采用的是泰勒级数展开方法。其基本的差分表达式主要有三种形式：一阶向前差分、一阶向后差分、一阶中心差分和二阶中心差分等，其中前两种格式为一阶计算精度，后两种格式为二阶计算精度。通过对时间和空间这几种不同差分格式的组合，可以组合成不同的差分计算格式。 有限元方法的基础是变分原理和加权余量法，其基本求解思想是把计算域划分为有限个互不重叠的单元，在每个单元内，选择一些合适的节点作为求解函数的插值点，将微分方程中的变量改写成由各变量或其导数的节点值与所选用的插值函数组成的线性表达式，借助于变分原理或加权余量法，将微分方程离散求解。采用不同的权函数和插值函数形式，便构成不同的有限元方法。有限元方法最早应用于结构力学，后来随着计算机的发展慢慢用于流体力学的数值模拟。在有限元方法中，把计算域离散剖分为有限个互不重叠且相互连接的单元，在每个单元内选择基函数，用单元基函数的线形组合来逼近单元中的真解，整个计算域上总体的基函数可以看为由每个单元基函数组成的，则整个计算域内的解可以看作是由所有单元上的近似解构成。在河道数值模拟中，常见的有限元计算方法是由变分法和加权余量法发展而来的里兹法和伽辽金法、最小二乘法等。根据所采用的权函数和插值函数的不同，有限元方法也分为多种计算格式。从权函数的选择来说，有配置法、矩量法、最小二乘法和伽辽金法，从计算单元网格的形状来划分，有三角形网格、四边形网格和多边形网格，从插值函数的精度来划分，又分为线性插值函数和高次插值函数等。不同的组合同样构成不同的有限元计算格式。对于权函数，伽辽金(Galerkin)法是将权函数取为逼近函数中的基函数；最小二乘法是令权函数等于余量本身，而内积的极小值则为对代求系数的平方误差最小；在配置法中，先在计算域内选取N个配置点。令近似解在选定的N个配置点上严格满足微分方程，即在配置点上令方程余量为0。插值函数一般由不同次幂的多项式组成，但也有采用三角函数或指数函数组成的乘积表示，但最常用的多项式插值函数。有限元插值函数分为两大类，一类只要求插值多项式本身在插值点取已知值，称为拉格朗日(Lagrange)多项式插值；另一种不仅要求插值多项式本身，还要求它的导数值在插值点取已知值，称为哈密特(Hermite)多项式插值。单元坐标有笛卡尔直角坐标系和无因次自然坐标，有对称和不对称等。常采用的无因次坐标是一种局部坐标系，它的定义取决于单元的几何形状，一维看作长度比，二维看作面积比，三维看作体积比。在二维有限元中，三角形单元应用的最早，近来四边形等参元的应用也越来越广。对于二维三角形和四边形电源单元，常采用的插值函数为有Lagrange插值直角坐标系中的线性插值函数及二阶或更高阶插值函数、面积坐标系中的线性插值函数、二阶或更高阶插值函数等。 对于有限元方法，其基本思路和解题步骤可归纳为 (1)建立积分方程，根据变分原理或方程余量与权函数正交化原理，建立与微分方程初边值
云计算导论试卷 ######职业技术学院考试卷 信息工程系：2015级电子信息工程技术1班2015 至2016 年下学期 课程名称：云计算导论教材名称：云计算导论 考试类别：考试卷别：A 考试方式：闭卷 一．选择题。（每题3分，84分） 1.云计算是一种按（）的模式，这种模式提供可用的、便捷的、按需的网络访问，进入可配置的计算资源共享池（资源包括网络，服务器，存储，应用软件，服务），这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。 A．流量付费B．使用量付费C．时间付费D．使用次数付费 2.学习这门课程的目的：如何架构和建立（），并配置管理维护这些资源。A．网络B．服务器C．计算资源共享池D．应用软件 3.云计算就是整个信息世界一体化大云的（）。就像每次人类文明的生产工具升级换代都会发生的变化一样例如蒸汽机广泛应用发生的工业技术革命，而我们时代当下的升级改进又称为数字化技术革命。 A．地基B．大楼C．窗口D．门户 4. （）：基础设施即服务。消费者通过Internet可以从完善的计算机基础设施获得服务。例如：硬件服务器租用。
A．IaaS B．PaaS C．SaaS D．DaaS 5．( )：平台即服务。例如：我们展示的云桌面产品 A．IaaS B．PaaS C．SaaS D．DaaS 6. ( )：软件即服务。它是一种通过Internet提供软件的模式，用户无需购买软件，而是向提供商租用基于Web的软件，来管理企业经营活动。例如：我们现在手机里的各种应用型APP。 A．IaaS B．PaaS C．SaaS D．DaaS 7.云计算产生的原因:各方面的需求推动，( )达到可以实现之后的必然结果。A．经济B．社会C．公共资源管理D．技术 8.云架构共分为( ) 两大部分。 A．服务部分和管理部分B．服务部分和应用部分 C．管理部分和维护部分D．维护部分和应用部分 9.云管理层架构中( )主要面向使用云的用户，并通过多种功能来更好地为用户服务，共包括4个模块：用户管理、客户支持、服务管理和计费管理。 A．用户层B．管理层C．服务层D．计费层 10.用户管理主要有3 种功能。其一是( )，其二是单点登录，其三是配置管理。A．账号管理B．文件管理C．存储管理D．目录管理 11.云管理层架构中( )包括4 个模块：运维管理、资源管理、安全管理和容灾支持。 A．用户层B．机制层C．服务层D．计费层 12.( )在五个方面有出色的表现：数据安全；服务质量（SLA）；充分利用现有硬件资源；支持定制和遗留应用；不影响现有IT 管理的流程。
【最新资料,Word版，可自由编辑！】 大数据与云计算和物联网的关系 大数据时代的到来，是全球知名咨询公司麦肯锡最早提出的，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。” 《互联网进化论》一书中提出“互联网的未来功能和结构将于人类大脑高度相似，也将具备互联网虚拟感觉，虚拟运动，虚拟中枢，虚拟记忆神经系统”，并绘制了一幅互联网虚拟大脑结构图。 根据这一观点，我们尝试分析目前互联网最流行的四个概念————-大数据，云计算，物联网和移动互联网与传统互联网之间的关系。 从这幅图中我们可以看出： 物联网对应了互联网的感觉和运动神经系统。 云计算是互联网的核心硬件层和核心软件层的集合，也是互联网中枢神经系统萌芽。 大数据代表了互联网的信息层(数据海洋)，是互联网智慧和意识产生的基础。
包括物联网，传统互联网，移动互联网在源源不断的向互联网大数据层汇聚数据和接受数据。 大数据时代的到来，是全球知名咨询公司麦肯锡最早提出的，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”近几年大数据一词的持续升温也带来了大数据泡沫的疑虑，大数据的前景与目前云计算、物联网、移动互联网等是分不开的，下面就来了解一下大数据与这些热点的关系。 大数据市场格局 从严格意义上来说，早在20世纪90年代“数据仓库之父”的BillInmon便提出了“大数据”的概念。大数据之所以在最近走红，主要归结于互联网、移动设备、物联网和云计算等快速崛起，全球数据量大大提升。可以说，移动互联网、物联网以及云计算等热点崛起在很大程度上是大数据产生的原因。 我们可以通过这样一张图片，形象的知道大数据与移动互联网、物联网以及传统互联网的关系。物联网，移动互联网再加上传统互联网，每天都在产生海量数据，而大数据又通过云计算的形式，将这些数据筛选处理分析，提前出有用的信息，这就是大数据分析。 大数据与移动互联网、物联网以及传统互联网
第一章 1.硬件驱动力网络驱动力 2.西摩·克雷(Seymour Cray) 3.约翰·麦卡锡 4.蒂姆·博纳斯·李 5.吉姆·格雷 6.Java 7.基础设施即服务平台即服务软件即服务 8.(1) 超大规模 “云”具有相当的规模，Google云计算已经拥有100多万台服务器， Amazon、IBM、微软、Yahoo等的“云”均拥有几十万台服务器。企业私有云一般拥有数百上千台服务器。“云”能赋予用户前所未有的计算能力。 (2) 虚拟化 云计算支持用户在任意位置、使用各种终端获取应用服务。所请求的资源来自“云”，而不是固定的有形的实体。应用在“云”中某处运行，但实际上用户无需了解、也不用担心应用运行的具体位置。只需要一台笔记本或者一个手机，就可以通过网络服务来实现我们需要的一切，甚至包括超级计算这样的任务。 (3) 高可靠性 “云”使用了数据多副本容错、计算节点同构可互换等措施来保障服务的高可靠性，使用云计算比使用本地计算机可靠。
(4) 通用性 云计算不针对特定的应用，在“云”的支撑下可以构造出千变万化的应用，同一个“云”可以同时支撑不同的应用运行。 (5) 高可扩展性 “云”的规模可以动态伸缩，满足应用和用户规模增长的需要。 (6) 按需服务 “云”是一个庞大的资源池，你按需购买；云可以像自来水，电，煤气那样计费。 (7) 极其廉价 由于“云”的特殊容错措施可以采用极其廉价的节点来构成云，“云”的自动化集中式管理使大量企业无需负担日益高昂的数据中心管理成本，“云”的通用性使资源的利用率较之传统系统大幅提升，因此用户可以充分享受“云”的低成本优势，经常只要花费几百美元、几天时间就能完成以前需要数万美元、数月时间才能完成的任务。 云计算可以彻底改变人们未来的生活，但同时也要重视环境问题，这样才能真正为人类进步做贡献,而不是简单的技术提升。 (8) 潜在的危险性 云计算服务除了提供计算服务外，还必然提供了存储服务。但是云计算服务当前垄断在私人机构（企业）手中，而他们仅仅能够提供商业信用。对于政府机构、商业机构（特别像银行这样持有敏感数据的商业机构）对于选择云计算服务应保持足够的警惕。一旦商业用户大规模使用私人机构提供的云计算服务，无论其技术优势有多强，都
云计算与几种常见计算的区别 集群计算(Cluster Computing) 计算机系统中，集群是将多个计算机，如PC或UNIX工作站，多个存储设备，以冗余方式互联，组成一个对用户来说是单一的高可用性的系统。集群计算能够被用来实现负载均衡，对一个企业来说，集群在许多情况下，能够达到高达99.999%的可用性。集群对外界来说，就像是一个唯一的计算机系统，用户好像在使用一台超级计算机，程序跑在集群上就好像在是单服务器上没有什么区别。 分布式计算(Distributed Computing） 分布式计算是一种把需要进行大量计算的数据分割成小块，由多台计算机分别计算，再上传运算结果后，将结果合并起来得出最后结果的计算方式。目前常见的分布式计算项目通常使用世界各地上千万志愿者计算机的闲置计算能力，通过互联网进行数据传输。如分析地外无线电信号，从而搜索地外的生命迹象的SETI@home项目，该项目数据基数很大，超过了千万位数，是目前世界上最大的分布式计算项目，已有一百六十余万台计算机加入了此项目（在中国大陆大约有1万4千位志愿者）。这些项目很庞大，需要惊人的计算量，由一台电脑计算是不可能完成的。 并行计算（Parallel Computing） 并行计算是指同时使用多种计算资源解决计算问题的过程。为执行并行计算，计算资源应包括一台配有多处理机（并行处理）的计算机、一个与网络相连的计算机专有编号，或者两者结合使用。并行计算的主要目的是快速解决大型且复杂的计算问题。此外还包括：利用非本地资源，节约成本―使用多个“廉价”计算资源取代大型计算机，同时克服单个计算机上存在的存储器限制。为利用并行计算，通常计算问题表现为以下特征：将工作分离成离散部分，有助于同时解决；随时并及时地执行多个程序指令；多计算资源下解决问题的耗时要少于单个计算资源下的耗时。 网格计算（Grid Computing） 网格计算是通过利用大量异构计算机（通常为桌面）的未用资源（CPU周期和磁盘存储），将其作为嵌入在分布式电信基础设施中的一个虚拟的计算机集群，为解决大规模的计算问题提供了一个模型。网格计算的焦点放在支持跨管理域计算的能力，这使它与传统的计算机集群或传统的分布式计算相区别。网格计算的设计目标是解决对于任何单一的超级计算机来说仍然大得难以解决的问题，并同时保持解决多个较小的问题的灵活性。这样，网格计算就提供了一个多用户环境。它的第二个目标就是：更好的利用可用计算力，迎合大型的计算练习的断断续续的需求
* 1: 100. 云计算 （一）大数据(BigData) 1. 定义：海量数据或巨量数据，其规模巨大到无法用当前主流的计算机系统在合理时间内获取、存储、管理、处理并提取以帮助使用者决策。 2. 特点：1）数据量大（Volume）----- PB 级以上 2）快速（Velocity）----- 数据增长快 3）多样（Variety）----- 数据来源及格式多样 4）价值密度低（Value ）----- 从大量、多样数据中提取价值的体系结构 5）复杂度（Complexity）-----对数据处理和分析的难度大 3.大数据与云计算的关系： 从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式计算架构。 它的特色在于对海量数据的挖掘，但它必须依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术。 （二）云计算(Cloud Computing) 1.定义：1）云计算是一种商业计算模型。它将计算任务分布在大量计算机构成的资源池上，使各种应用系统能够根据需要获取计算力、存储空间和信息服务。 //分布式计算 2）云计算是通过网络按需提供可动态伸缩的廉价计算服务。 2. 特点：1）超大规模 2）虚拟化 3）高可靠性 4）通用性 5）高可伸缩性 6）按需服务 7）极其廉价 3. 服务类型分类： 1）SaaS （软件即服务:：Software as a Service) //针对性更强，它将某些特定应用软件功能封装成服务如：Salesforce online CRM
2）PaaS （平台即服务：Platform as a Service）//对资源的抽象层次更进一步，提供用户应用程序运行环境如：Google App Engine ,Microsoft Windows Azure 3）IaaS （基础设施作为服务：Infrastructure as a Service）//将硬件设备等基础资源封装成服务供用户使用，如：Amazon EC2/S3 4. 云计算的实现机制（体系结构） 1）SOA （面向服务的体系结构）：它将应用程序的不同功能单元（称为服务）通过这些服务之间定义良好的接口和契约联系起来。使得其服务能以一种统一的、通用的方式进行交互。 SOA可以看作是B/S模型、XML/Web Service技术之后的自然延伸。 2）管理中间件：（关键部分） 3）资源池层：将大量相同类型的资源构成同构或接近同构的资源池。 4）物理资源层：计算机、存储器、网络设施、数据库和软件等 5. 云计算与网格计算 1）网格是基于SOA、使用互操作、按需集成等技术，将分散在不同地理位置的资源虚拟化为一个整体。 2）关系类似于TCP/IP 协议之于OSI 模型 6. 云计算与物联网 1）物联网有全面感知，可靠传递、智能处理三个特征。云计算提供对智能处理所需要的海量信息的分析和处理支持。 2）云计算架构与互联网之上，而物联网依赖于互联网来提供有效延伸。因而，云计算模式是物理网的后端支撑关键。 * 1.1: 1. Google 云计算原理 （一）文件系统GFS 1）系统架构 2）实现机制:
精心整理 云计算与大数据基础知识 一、云计算是什么? 云计算就是统一部署的程序、统一存储并由相关程序统一管理着的数据！ 云计算cloudcomputing是一种基于因特网的超级计算模式，在远程的数据中心里，成千上万台电脑和服务器连接成一片电脑云。因此，云计算甚至可以让你体验每秒超过10万亿次的运算能力，拥有这么强大的计算能力可以模拟核爆炸、预测气候变化和市场发展趋势。用户通过电脑、笔记本、手机等方式接入数据中心，按自己的需求进行运算。 二、 三、 1 );软件2 任一资源节点异常宕机，都不会导致云环境中的各类业务的中断，也不会导致用户数据的丢失。这里的资源节点可以是计算节点、存储节点和网络节点。而资源动态流转，则意味着在云计算平台下实现资源调度机制，资源可以流转到需要的地方。如在系统业务整体升高情况下，可以启动闲置资源，纳入系统中，提高整个云平台的承载能力。而在整个系统业务负载低的情况下，则可以将业务集中起来，而将其他闲置的资源转入节能模式，从而在提高部分资源利用率的情况下，达到其他资源绿色、低碳的应用效果。 3、支持异构多业务体系 在云计算平台上，可以同时运行多个不同类型的业务。异构，表示该业务不是同一的，不是已有的或事先定义好的，而应该是用户可以自己创建并定义的服务。这也是云计算与网格计算的一个重要差异。 4、支持海量信息处理 云计算，在底层，需要面对各类众多的基础软硬件资源;在上层，需要能够同时支持各类众多的异构的业务;
而具体到某一业务，往往也需要面对大量的用户。由此，云计算必然需要面对海量信息交互，需要有高效、稳定的海量数据通信/存储系统作支撑。 5、按需分配，按量计费 按需分配，是云计算平台支持资源动态流转的外部特征表现。云计算平台通过虚拟分拆技术，可以实现计算资源的同构化和可度量化，可以提供小到一台计算机，多到千台计算机的计算能力。按量计费起源于效用计算，在云计算平台实现按需分配后，按量计费也成为云计算平台向外提供服务时的有效收费形式。 四、云计算按运营模式分类 1、公有云 公有云通常指第三方提供商为用户提供的能够使用的云，公有云一般可通过Internet使用，可能是免费或成本低廉的。 烦。B 2 3 五、 六、 1、传统的IT部署架构是“烟囱式”的，或者叫做“专机专用”系统。 图2传统IT基础架构 这种部署模式主要存在的问题有以下两点： 硬件高配低用。考虑到应用系统未来3～5年的业务发展，以及业务突发的需求，为满足应用系统的性能、容量承载需求，往往在选择计算、存储和网络等硬件设备的配置时会留有一定比例的余量。但硬件资源上线后，应用系统在一定时间内的负载并不会太高，使得较高配置的硬件设备利用率不高。 整合困难。用户在实际使用中也注意到了资源利用率不高的情形，当需要上线新的应用系统时，会优先考虑部署在既有的基础架构上。但因为不同的应用系统所需的运行环境、对资源的抢占会有很大的差异，更重要的是考虑到可靠性、稳定性、运维管理问题，将新、旧应用系统整合在一套基础架构上的难度非常大，更多的用户往往选择新增与应用系统配套的计算、存储和网络等硬件设备。
序号题型试题参考答案 每个 vCenter Server 实例最多可管理（）台主机 A.10 1单选 B.100C C.1000 D.10000 Vmkernel和VMM的名称分别是什么（） A. 虚拟机操作系统和虚拟化管理程序 2单选 B. 虚拟化管理程序和虚拟机监视器B C.虚拟机监视器和虚拟化管理器 D.虚拟机监视器和虚拟机 要使端口组到达其他 VLAN上的端口组，必须将 VLAN ID设置为（） 3单选A.80 B B.4095 C.8080 D.3306 虚拟化是指在物理服务器上使用一个虚拟化层， 虚拟化层的英文名称是（） 4多选 A.Hypervisor ABC B.VMWare C.Libvirt D.Shell 在进行 ESXi管理时，最初始的使用 DCUI(Direct Console User Interface),管理员可以执行以下 操作（） A. 设置 root 密码（仅限复杂密码） B. 启用或禁用锁定模式（限定只有vCenter Server 可以执行主机管理，只有root 用户才能访 问DCUI） 5多选C.修改下列网络设置(主机名、IP配置--IP地址、ABC子网掩码、默认网 关、 DNS服务器) D.创建虚拟机 ESXi, 一种虚拟化平台，功能： 1.运行虚拟机、安装操作系统、运行应用程序、 配置虚拟机； 2.配置、识别虚拟机的资源； hypervisor 的目标就是实现（），提供给虚拟机 的操作系统使用。 6单选A. 虚拟分区 B B. 虚拟硬件 C.虚拟服务器 D.虚拟软件 SDN是一个体系框架，这个框架里面包含了（）、 协议以及控制与转发分离的思想、开放的编程接 7单选口等。 C A. 硬件分区 B. 网络架构 C.业务架构 最底层是（），基础设施即服务，像服务器、存 储，原来传统的都是直接使用硬件设备 8单选 A.PaaS C B.SaaS C.IaaS D.DCaaS
一、单项选择题 1. 虚拟化资源指一些可以实现一定操作具有一定功能但其本身是（A ）的资源如计算池存储池和网络池、数据库资源等通过软件技术来实现相关的虚拟化功能包括虚拟环境、虚拟系统、虚拟平台。 A. 虚拟 B. 真实 C. 物理 D. 实体 2. 云计算是对（D）技术的发展与运用。 A. 并行计算 B. 网格计算 C. 分布式计算 D. 以上都是 3. 2008年，（A）先后在无锡和北京建立了两个云计算中心。 A. IBM B. Google C.Amazon D. 微软 4. 微软于2008年10月推出云计算操作系统是（C）。 A. Google App Engine B. 蓝云 C. Azure D. EC2 5. 将基础设施作为服务的云计算服务类型是（A）。 A. IaaS B. PaaS C. SaaS D. 以上都不是 6. 将平台作为服务的云计算服务类型是（B）。 A. IaaS B. PaaS C. SaaS D. 以上都不是 7. 云计算体系结构的（C ）负责资源管理、任务管理用户管理和安全管理等工作。 A. 物力资源层 B. 资源池层 C. 管理中间件层 D. SOA构建层 8. IaaS计算实现机制中，系统管理模块的核心功能是（A）。 A. 负载均衡 B. 监视节点的运行状态 C. 应用API D. 节点环境配置 9. 下列选项中，哪条不是GFS选择在用户态下实现的原因（D）。 A. 调试简单 B. 不影响数据块服务器的稳定性 C. 降低实现难度，提高通用性 D. 容易扩展 10. 下列不属于Google云计算平台技术架构的是（D）。 A. 并行数据处理MapReduce B. 分布式锁Chubby C. 结构化数据表BigTable D. 弹性云计算EC2 11. （B）是Google提出的用于处理海量数据的并行编程模式和大规模数据集的并行运算的软件架构 A. GFS B. MapReduce C. Chubby D. Bigtable 12. 在目前GFS集群中，每个集群包含（B）个存储节点。 A. 几百个 B. 几千个 C. 几十个 D. 几十万个
(说明：此文为WORD文档，下载后可直接使用)
摘要：近年来，大数据和云计算已经成为社会各界关注的热点话题。秉承“按需服务”理念的“云计算（Cloudcomputing）”正高速发展，“数据即资源”的“大数据（bigdata）”时代已经来临[1]。大数据利用对数据处理的实时性、有效性提出了更高要求，需要根据大数据特点对传统的常规数据处理技术进行技术变革，形成适用于大数据收集、存储、管理、处理、分析、共享和可视化的技术。如何更好地管理和利用大数据已经成为普遍关注的话题。大数据的规模效应给数据存储、管理以及数据分析带来了极大的挑战，数据管理方式上的变革正在酝酿和发生。本文所提到的大数据包含着云计算，因为云计算是支撑大数据的平台。 关键词:大数据云计算数据分析数据挖掘
引言 在学术界，大数据这一概念的提出相对较早。2008年9月，《自然》杂志就推出了名为“大数据”(bigdata)的专刊。2011年5月，麦肯锡全球研究院发布了名为《大数据:创新、竞争和生产力的下一个前沿》(Bigdata:Thenextfrontierforinnovation，competition，andproductivity)的研究报告，指出大数据将成为企业的核心资产，对海量数据的有效利用将成为企业在竞争中取胜的最有力武器。2012年，联合国发布大数据政务白皮书，指出大数据可以使用极为丰富的数据资源来对社会经济进行前所未有的实时分析，帮助政府更好地响应社会和经济运行。2012年3月29日，奥巴马政府发布了《大数据研究与发展计划倡议》，宣布启动对大数据的研发计划，标志着美国把大数据提高到国家战略层面，将“大数据研究”上升为国家意志，对未来的科技与经济发展必将带来深远影响。 大数据应用正在风靡全球，大数据精准营销成为企业掌舵者的口头禅，那么大数据真的是无懈可击吗？答案显然是否定的。随着互联网和移动设备的普及，大数据已经在我们的生活中无处不在，而有关大数据与隐私的问题也日益受到关注。毫无疑问，未来可以获得的个人数据量越多，其中的信息量就越大。只要拥有了足够多的数据，我们甚至可能发现有关于一个人的未来信息。另外市场是变化无常并且不可预期的，决策者的创造性思维并不能通过数据得以体现，相反，大数据在压制创新。大数据搜集到的数据的真实性也有待检验。一个人获得的数据和事实越多，预测就越有意义，人的判断也就显得愈发
云计算的几个常见问题 一．什么是云计算？ 云计算不是专指一门技术，云计算是技术趋势的代名词。 计算机技术的发展经历了由合到分，再由分到合的阶段。 第1阶段：在计算机发展的初期，由于技术发展的限制，计算设备都非常的庞大，计算机一般都集中在机房使用。技术的局限使早期的计算技术走的是集中计算的道路。 第2阶段：计算技术的发展使计算机的成本得到了大幅度的下降，而计算速度同时又大幅度提高，计算机逐步地进入了每个人的生活，个人拥有一台电脑已成为了一件十分正常的事情，计算技术的发展使计算的“分”成为了当前计算技术的重要特征。 第3阶段：随着网络技术的发展，数据通信的带宽逐步增加，一直制约信息技术发展的带宽问题的逐步解决带给了我们新的机遇，也将云计算这一新的思想方法带给了我们，使计算和存储的集中化、资源池化的管理模式成为了可能。这一变化就像我们从以前各家都自己打井取水到现在使用自来水的变化历程，资源的集中管理大大提高了资源的使用和管理效率，方便了使用者对资源的使用。 现在有很多人都想知道云计算的严格定义，但奇怪的是到目前为止好像没有一个定义能被各方所认可，人们看到的定义越多反而对云计算的了解越糊涂，这种情况在以前的技术概念定义中是很少见的，一般我们对于某种进步很快的新技术都能很快给出相对较为严格的定义，而且大家在了解了这个定义后都能较为确切地理解这个技术。为什么云计算会出现定义不出来或定义混乱的问题呢？我以前也多次建议不要急于对云计算做定义，因为云计算其实并不是一种新的技术，而是一种新的思想方法。要理解一种新的技术是很容易的事情，而思维方式的转变却是比较困难的，云计算的核心在本质上并没有多少新技术，而是在系统架构思想上有很大的变化，与目前传统的思维方式不同，所以习惯于传统思维方式的人总是对云计算表现出不
云计算和大数据的关系 -----天互数据 首先、什么是云计算？ 云计算（英语 <，是一种基于互联网的计算方式，通过这种方式，共享的软硬件资源和信息可以按需求提供给计算机和其他设备，主要是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种比喻说法。过去在图中往往用云来表示电信网，后来也用来表示互联网和底层基础设施的抽象。狭义云计算指基础设施的交付和使用模式，指通过网络以按需、易扩展的方式获得所需资源；广义云计算指服务的交付和使用模式，指通过网络以按需、易扩展的方式获得所需服务。这种服务可以是IT和软件、互联网相关，也可是其他服务。它意[1]味着计算能力也可作为一种商品通过互联网进行流通。 云计算的特征 (1)资源配置动态化。根据消费者的需求动态划分或释放不同的物理和虚拟资源，当增加一个需求时，可通过增加可用的资源进行匹配，实现资源的快速弹性提供；如果用户不再使用这部分资源时，可释放这些资源。云计算为客户提供的这种能力是无限的，实现了IT资源利用的可扩展性。 (2)需求服务自助化。云计算为客户提供自助化的资源服务，用户无需同提供商交互就可自动得到自助的计算资源能力。同时云系统为客户提供一定的应用服务目录，客户可采用自助方式选择满足自身需求的服务项目和内容。 (3)以网络为中心。云计算的组件和整体构架由网络连接在一起并存在于网络中，同时通过网络向用户提供服务。而客户可借助不同的终端设备，通过标准的应用实现对网络的访问，从而使得云计算的服务无处不在。 (4)资源的池化和透明化。对云服务的提供者而言，各种底层资源（计算、储存、网络、资源逻辑等）的异构性（如果存在某种异构性）被屏蔽，边界被打破，所有的资源可以被统一管理和调度，成为所谓的“资源池”，从而为用户提供按需服务；对用户而言，这些资源是透明的，无限大的，用户无须了解内部结构，只关心自己的需求是否得到满足即可。 云计算和大数据的关系 本质上，云计算与大数据的关系是静与动的关系；云计算强调的是计算，这是动的概念；而数据则是计算的对象，是静的概念。如果结合实际的应用，前者强调的是计算能力，或者看重的存储能力；但是这样说，并不意味着两个概念就如此泾渭分明。大数据需要处理大数据的能力（数据获取、清洁、转换、统计等能力），其实就是强大的计算能力；另一方面，云计算的动也是相对而言，比如基础设施即服务中的存储设备提供的主要是数据存储能力，所以可谓是动中有静。如果数据是财富，那么大数据就是宝藏，而云计算就是挖掘和利用宝藏的利器！ 大数据技术和云计算的关系 大数据时代的超大数据体量和占相当比例的半结构化和非结构化数据的存在，已经超越了传统数据库的管理能力，大数据技术将是IT领域新一代的技术与架构，它将帮助人们存储管理好大数据并从大体量、高复杂的数据中提取价值，相关的技术、产品将不断涌现，将有可能IT行业开拓一个新的黄金时代。大数据本质也是数据，其关键的技术依然逃不脱： 1）大数据存储和管理； 2）大数据检索使用（包括数据挖掘和智能分析）。围绕大数据，一批新兴的数据挖掘、数据存储、数据处理与分析技术将不断涌现，让我们处理海量数据更加容易、更加便宜和迅速，成为企业业务经营的好助手，甚至可以改变许多行业的经营方式。． 大数据的商业模式与架构----云计算及其分布式结构是重要途径 大数据处理技术正在改变目前计算机的运行模式，正在改变着这个世界：它能处理几乎各种类型的海量数据，无论是微博、文章、电子邮件、文档、音频、视频，还是其它形态的数据；它工作的速度非常快速：