2023年12月31日发(作者：)
云计算讲座报告
云计算讲座报告
篇一：
关于云计算的认识学习报告 学院：
计算机科学与信息学院 专业：
网络工程
姓名：
学号：
实习性质：
认识实习 班级：
实习地点：
指导教师：
成绩：
一、实习目的 这是学生了解一般网络建设的步骤，规划与实施等相关技术，使学生对网络 的建设有一个初步的认识，为后续课程学习打下一个基本的概念。 研究云计算有非常重要的意义：
一是节约资源，减少成本，这是云计算的初衷，任何理念的出现，必须迎合
用户的需求。
二是可以使我们的IT行业正规化，模块化，更加安全。目前有太多的机房， 不论大小，放个机柜，几台服务器我们就称之为机房。至于空调，供电，防火墙， 交换机等等一概从简。这种现象对于我们企业、我们国家的数据保护是很不利的。 假如我们可以大部分的小型机房，通过云计算模式，转移到云计算数据中心，例 如：
盛大云、阳光云。我们用户只需要在带宽和防火墙方面投入些成本，这样对 于企业和数据安全都是百利而无一害的。
三是加快我国IT行业的脚步，减少与国际IT页的差距。因为云计算不论是 国际上还是国内均是新型行业。
二、实习内容（介绍实习内容，实习设备、设备类型，设备功能等）
内容：
云计算（讲座）
（1）云计算（clud puting）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。
（2）数据中心：
以外包方式让许多网上公司存放它们设备(主要是网站)或数据
的地方，是场地出租概念在因特网领域的延伸。
（3）市场需求：
灵活性大多数机房没有更多的空间来放置新服务器、存储设备
和基础设施设备、数据中心外包虚拟化带来更多的数据中心外包、主机托管等需求
（4）数据中心机房的设计与温湿度环境要求
1、污染物。远离腐蚀气体、易燃易爆物；腐蚀气体随着新风吸入机房后会对计算机设备和人员健康造成危害，同时不洁净的空气也会对计算机设备的运行造成不利影晌，还会对机房内精密空调、新风机等的滤网等造成污染。
2、温度、湿度。 温度和湿度必须被严格控制，以提供可连续运行的温度和湿度范围。 干球温度计:20℃~25℃(68F~77F)。 相对湿度:40%~50%。 最大露点:2l℃(6
9.8℉)。 最大变化速度:每小时5℃(9℉)。
3、噪声。计算机系统停机时，机房内的噪声在主机房中心处测试应小于6SdB(A)。
4、照度。计算机机房在距地0.8m处，照度不应低于3001x，辅助房间照度不低于201Xx。
5、无线电干扰场强。在频率为0.15~1000MHz时不大于126dB。
6、磁场干扰场强不大于800A/m。
7、在计算机系统停机条件下，主机房地板表面垂直及水平向的振动加速度值不应大于5mm/s。
8、主机房地面及工作台面的静电泄漏电阻，应符合现行国家标准GE6650一1986《计算机机房用活动地板技术条件》的规定。
9、主机房内绝缘体的静电电位不应大于lkV。
（5）云计算（Clud Cmputing）是分布式计算（Distributed Cmputing）、并行计算（Parallel Cmputing）、效用计算（Utility Cmputing）、网络存储（Netrk Strage Technlgies）、虚拟化（Virtualizatin）、负载均衡（Lad Balance）等传统计算机和网络技术发展融合的产物。
继个人计算机变革、互联网变革之后，云计算被看作第三次IT浪潮，是中国战略性新兴产业的重要组成部分。它将带来生活、生产方式和商业模式的根本性改 变，云计算将成为当前全社会关注的热点。
（6）基本特征：
随需自助服务、随时随地用任何网络设备访问、多人共享资源池、快速重新部署灵活度、可被监控与量测的服务。
（7）特点：
资源配置动态化、需求服务自助化、以网络为中心、服务可计量化、资源的池化和透明化。 （8）云安全(Clud Security)是一个从“云计算”演变而来的新名词。云安全的策略构想是：
使用者越多，每个使用者就越安全，因为如此庞大的用户群，足以覆盖互联网的每个角落，只要某个网站被挂马或某个新木马病毒出现，就会立刻被截获。“云安全”通过网状的大量客户端对网络中软件行为的异常监测，获取互联网中木马、恶意程序的最新信息，推送到Server端进行自动分析和处理，再把病毒和木马的解决方案分发到每一个客户端。 （9）云存储是在云计算(clud
puting)概念上延伸和发展出来的一个新的概念，是指通过集群应用、网格技术或分布式文件系统等功能，将网络中大量各种不同类型的存储设备通过应用软件集合起来协同工作，共同对外提供数据存储和业务访问功能的一个系统。 当云计算系统运算和处理的核心是大量数据的存储和管理时，云计算系统中就需要配置大量的存储设备，那么云计算系统就转变成为一个云存储系统，所以云存储是一个以数据存储和管理为核心的云计算系统。 （10）penStack是一个美国国家航空航天局和Rackspace合作研发的，以Apache许可证授权，并且是一个自由软件和开放源代码项目。 penStack是一个旨在为公共及私有云的建设与管理提供软件的开源项目。它的社区拥有超过130家企业及1350位开发者，这些机构与个人都将penStack作为基础设施即服务（简
称IaaS）资源的通用前端。penStack项目的首要任务是简化云的部署过程并为其带来良好的可扩展性。
三、实习体会（实习体会） 计算、存储，在我们的生活中是必须的，但是云计算、云存储可能是我们以前从来没有想到的。随着信息技术的不断发展，我们对效率的要求也越来越高，用算盘的时代已经过去了，现在我们有时候要计算的数据是十分的庞大，可能要 花几亿年，如果再像以前一样，那么对于科技的发展是没有好处的。云计算的兴起，正是来解决这一问题的。庞大的数据，如果也能这样存储，那么我们的实体设施就可以大大的减少，对环境也是有很大帮助的。
通过这次的讲座，我认识到，将来对大数据的处理、存储的要求是越来越多，那些U盘、硬盘的实际作用也会越来越小的。
云计算模式必定能大大提高我国科学计算机和商业计算能力，使得我国经济竞争力大大提升。
篇二：
云计算系列讲座读书报告 云计算系列讲座读书报告 云计算在不断地以各种方式在进入我们的视野，云计算从一个概念转化成一种我们是在接触以及体验的一种服务。在这一系列的云计算的讲座后，对于云计算有了更加深入的了解，不仅是在云计算技术上，同时在云计算对于商业模式的影响有所启发。 我很欣喜的看到目前整个云计算行业的混沌以及美好的发展前景。在一个产业当一切都没有成为标准的时候，当很多模式都存在的时候，对于初涉这个产业的人来说无疑是一件十分幸运的事。在接触云计算的过程之中，令我非常感兴趣的无疑是.salesfrce.的应用了，我尝试着注册了一个账号，体验了以下它所提供的服务。.salesfrce.为用户提供了一个在线的企业管理系统，主要还是涉及企业业务、财务、客户资源和HR等方面的服务，用户不必购买昂贵的系统和硬件，只(云计算讲座报告)需要购买.salesfrce.所提供的服务。企业会因此得到一个全新的解放以及商业模式，企业完全不必在维持昂贵的硬件与软件的维护、运营花费大量的时间与金钱。.salesfrce.所带给我们的更多的是一种对于云计算应用的启示，它也有自身存在的问题，目前它的界面还不是很友
好，操作起来不是很顺手，所有的系统通过浏览器很难完成一个像财务这样复杂的用户体验过程。同时它在业务方面还没有体现出目前财务系统所能展现的强大作用，或许目前的财务系统也没有如此强大，但我对于.salesfrce.的期待不仅仅局限于此。作为一个用户我希望它能够提供一个能够在不同权限上决策支持的功能，这就涉及到数据挖掘在云计算中的应用。数据挖掘在某种程度上来讲其实是迎合了云计算的发展的，云计算能够提供足够强大的计算能力，而数据挖掘底层的数据仓库，同时LAP也是极其耗费运算资源的。云计算应该在此基础之上形成一个强大的知识库体系，.salesfrce.要想实现综合性企业的云计算服务商迈开这一步是十分重要的。 云计算讲座带给我另一个很大的启示就是apple和apple的云计算战略模式在形式上形成惊人的统一。在apple不断推出自己的移动终端iphne、ipad后，顺应潮流般的推出了自己的云计算服务iclud，用户只需要持有一个apple stre的账户就能够在不同的终端享有同样的服务，购买音乐、软件等，可以想象apple stre会推出自己的云服务的。Apple的程序员也会在iclud上上传自己的作品与成果，同时得到自己的分成，iclud就提供了一个如此强大的平台。而作为搜索业地巨头ggle有着更加强大的技术与硬件基础，而它在推出自己的云服务后也在生产自己的手机nexus，同时也在为移动终端努力的开发andrid，这不禁让人联想到ggle做着一切都是为了云计算服务的。这两大企业不约而同的走上了硬件与服务同时发展的道路，做出出色的移动终端，出色的移动终端系统，就像微软捆绑IE一样，ggle和apple都会捆绑上自己的服务，这样就可以迅速的占领整个市场。在所有人都在为andrid开源的欢呼喝彩之中，我突然感觉的一个ggle挖好的巨大陷阱正慢慢地让每个人陷入。在每个人都想拥有一台iphne的时候，我很惶恐apple留给其他人的还有多少的份额。 尽管在互联网的第一次革命中三层 (或n层) 模型作为一般架构出现，但虚拟化在云中的应用创造出一组新层：
应用程序、服务和基础设施。这些层不只封装按需提供的资 源，而且还定义了一个新的应用程序开发模式。同时在每个抽象层中，存在定义根据 使用情况提供的服务的无数商业机会。 把软件当作
服务 (SaaS)
SaaS 是最高层，其特色是包含一个通过多重租用
(Multitenancy) 根据需要作为一项服
务提供的完整应用程序。所谓“多重租用”是指单个软件实例运行于提供商的基础设 施，并为多个客户机构提供服务。 最为人所知的 SaaS 示例是
Salesfrce.，不过现在有了许多其他示例，其中包括 Ggle Apps，提供基本商业服务，如电子邮件。当然，Salesfrce. 的多重租用应 用程序领先于云计算的定义好几年时间。另一方面，就像云计算中的许多其他层一 样，Salesfrce. 现在的 Frce. 版本不只在一个云层工作，Frce. 是一个辅 助性应用程序开发环境，或当作服务的平台。 把平台当作服务
(PaaS) 中间层 (或 PaaS) 是对开发环境抽象的封装和对有效服务负载的封装。原形有效负载 是一个 Xen 映像 (Amazn eb 服务的组成部分)，该映像包含一个基本 eb
栈 (例如， 一个
Linux 发行套件、一个 eb 服务器，以及一个编程环境，如 Pearl 或
Ruby)。 PaaS
产品可执行各个阶段的软件开发和测试，也可以专用于某个领域，例如，内容 管理。 商业示例包括 Ggle App Engine，它在 Ggle 的基础设施上提供应用程序服务。上述PaaS 服务可以提供极大的灵活性，但可能会受到通过供应商提供的能力的制约。 把基础设施当作服务
(IaaS) 把基础设施当作服务 (IaaS) 处于最低层级，而且是一种作为标准化服务在网上提供基 本存储和计算能力的手段。服务器、存储系统、交换机、路由器和其他系统协作 (例 如，通过虚拟化技术)
处理特定类型的工作负载
— 从批处理到峰值负载期间的服务 器/存储扩大。 最著名的商业示例是 Amazn eb 服务 (AS)，其 EC2 和
S3 服务分别提供基本计算和存储服务。另一个示例是 Jyent，其主要产品是一系列虚拟化服务器，这些服务器提 供运行网站的高度可扩展的随需应变基础设施，包括用
Ruby n Rails、PHP、Pythn 和 Java
编写的丰富 eb 应用程序。 在云计算的技术方面，最大的收获就是认识了hadp，作为Ggle MapReduce技术的开源实现，Hadp理所当然地借鉴了Ggle的Ggle File System文件系统、MapReduce并行算法以及BigTable。因此，Hadp也是一个能够分布式处理大规模海量数据的软件框架，这一点不足为奇。当然，这一切都是在可靠、高效、可扩展的基础上。Hadp的可靠性——因为Hadp假设计算元素和存储
会出现故障，因为它维护多个工作数据副本，在出现故障时可以对失败的节点重新分布处理。Hadp是并行工作的，以加快任务处理速度。Hadp的可扩展——依赖于部署Hadp软件框架计算集群的规模，Hadp的运算是可扩展的，具有处理PB级数据的能力。 Ggle文件系统（Ggle
File System，GFS）是一个大型的分布式文件系统。它为Ggle云计算提供海量存储，并且与Chubby、MapReduce以及Bigtable等技术结合十分紧密，处于所有核心技术的底层。由于GFS并不是一个开源的系统，我们仅仅能从Ggle公布的技术文档来获得一点了解，而无法进行深入的研究。Ggle公布的关于GFS的最为详尽的技术文档，它从GFS产生的背景、特点、系统框架、性能测试等方面进行了详细的阐述。 当前主流分布式文件系统有RedHat的GFS（Glbal File
System）、IBM的GPFS、Sun的Lustre等。这些系统通常用于高性能计算或大型数据中心，对硬件设施条件要求较高。以Lustre文件系统为例，它只对元数据管理器MDS提供容错解决方案，而对于具体的数据存储节点ST来说，则依赖其自身来解决容错的问题。例如，Lustre推荐ST节点采用RAID技术或SAN存储区域网来容错，但由于Lustre自身不能提供数据存储的容错，一旦ST发生故障就无法恢复，因此对ST的稳定性就提出了相当高的要求，从而大大增加了存储的成本，而且成本会随着规模的扩大线性增长。 MapReduce是Ggle提出的一个软件架构，是一种处理海量数据的并行编程模式，用于大规模数据集（通常大于1TB）的并行运算。“Map（映射）”、“Reduce（化简）”的概念 和主要思想，都是从函数式编程语言和矢量编程语言借鉴来的。正是由于MapReduce有函数式和矢量编程语言的共性，使得这种编程模式特别适合于非结构化和结构化的海量数据的搜索、挖掘、分析与机器智能学习等。 Chubby是Ggle设计的提供粗粒度锁服务的一个文件系统，它基于松耦合分布式系统，解决了分布的一致性问题。通过使用Chubby的锁服务，用户可以确保数据操作过程中的一致性。不过值得注意的是，这种锁只是一种建议性的锁（Advisry
Lck）而不是强制性的锁（Mandatry Lck），如此选择的目的是使系统具有更大的灵活性。 GFS使用Chubby来选取一个GFS主服务器，Bigtable使用Chubby指定一个主服务器并发现、控制与其相关的子表服务器。
除了最常用的锁服务之外，Chubby还可以作为一个稳定的存储系统存储包括元数据在类的小数据。同时Ggle内部还使用Chubby进行名字服务（Name Server）。 Bigtable是Ggle开发的基于GFS和Chubby的分布式存储系统。Ggle的很多数据，包括eb索引、卫星图像数据等在内的海量结构化和半结构化数据，都是存储在Bigtable中的。从实现上来看，Bigtable并没有什么全新的技术，但是如何选择合适的技术并将这些技术高效、巧妙地结合在一起恰恰是最大的难点。Ggle的工程师通过研究以及大量的实践，完美实现了相关技术的选择及融合。Bigtable在很多方面和数据库类似，但它并不是真正意义上的数据库。 就像讲座之中刚所说的，未来在整个地球上会只剩下几台计算机，云计算将会被极大的垄断，同时一些IT设备商和操作系统生产企业也会在这场战役之中受伤或者完成华丽的转身。其实在实现云计算上技术层面上，作为一个开源的技术，云计算的技术壁垒没有想象之中那么大，最主要的还是资金与运营模式的竞争。其实我并不认为地球上只会剩下几台计算机的，在很长的一段时间内，pc肯定还是有其自己的空间的，其次是云计算要提供如此强大的平台功能，不可能做到十分的细化，在不同的商业与服务领域，一些企业或许借由这样的机会迅速的建立起自己的运服务平台。大的云计算服务商为中小企业提供了很好的成长环境，减轻中小企业的压力，但这其中也涉及到企业的商业秘密的泄漏问题，云计算服务企业会不断的形成自己在软服务上的优势，而不仅仅满足硬件上提供的服务，这时各大企业想要生存下去只能发展自己的云计算服务。我想最总会出现像yah这样巨头，但整个市场不可能被少数企业所主导。
篇三：
云计算与大数据管理系列讲座读书报告 云计算与大数据管理系列讲座读书报告
一、云计算与大数据背景知识 这篇读书报告主要针对杨日东教授的讲座，讲座的主题是大数据的战略思考。 最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，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。” “大数据”在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在已有时日，却因为近年来互联网和信息行业的发展而引起人们关注。大数据作为云计算、物联网之后IT行业又一大颠覆性的技术革命。 大数据四个特征是指：
数据量大（Vlume），类型繁多（Variety），价值密度低（Value），速度快时效高（Velcity）。 既有的技术架构和路线，已经无法高效处理如此海量的数据，而对于相关组织来说，如果投入巨大采集的信息无法通过及时处理反馈有效信息，那将是得不偿失的。可以说，大数据时代对人类的数据驾驭能力提出了新的挑战，也为人们获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。 大数据是信息通信技术发展积累至今，按照自身技术发展逻辑，从提高生产效率向更高级智能阶段的自然生长。无处不在的信息感知和采集终端为我们采集了海量的数据，而以云计算为代表的计算技术的不断进步，为我们提供了强大的计算能力，这就围绕个人以及组织的行为构建起了一个与物质世界相平行的数字 世界。
二、云计算与大数据的影响 我认为，大数据的影响并不仅仅限于信息通信产业，而是正在“吞噬”和重构很多传统行业，广泛运用数据分析手段管理和优化运营的公司其实质都是一个数据公司。新崛起的电商如卓越亚马逊、淘宝等则通过对海量数据的掌握和分析，为用户提供更加专业化和个性化的服务。 “大数据”可能带来的巨大价值正渐渐被人们认可，它通过技术的创新与发展，以及数据的全面感知、收集、分析、共享，为人们提供了一种全新的看待世界的方法。当我们基于事实与数据做出决策时，数据量的大小可以给我们提供很多帮助。
三、大数据环境下的自我修养 我作为计算机系的学生，将来工作必将面对大数据时代，为确保自身发展，我认为应该做到以下五点：
1、目标 几乎每个组织都可能有源源不断的数据需要收集，无论是
社交网络还是车间传感器设备，而且每个组织都有大量的数据需要处理，IT人员需要了解自己企业运营过程中都产生了什么数据，以自己的数据为基准，确定数据的范围。
2、准则 虽然每个企业都会产生大量数据，而且互不相同、多种多样的，这就需要企业IT人员在现在开始收集确认什么数据是企业业务需要的，找到最能反映企业业务情况的数据。
3、重视大数据技术 大数据是最近几年才兴起的词语，而并不是所有的IT人员对大数据都非常了解，例如如今的Hadp，MapReduce，NSQL等技术都是201X年刚兴起的技术，企业IT人员要多关注这方面的技术和工具，以确保将来能够面对大数据的时候做出正确的决定。
4、培训相关技术 大多数企业最缺乏的是人才，而当大数据到临的时候，企业将会缺少这方面的采集收集分析方面的人才，对于一些公司，特别是那种人比较少的公司，工作人员面临大数据将是一种挑战，我们要在平时的时候多进行这方面的培训，以确保在大数据时代，我们也能适应相关的工作。
5、培养三种能力 Teradata大中华区首席执行官辛儿伦对新浪科技表示，随着大数据时代的到来，从业人员应该培养三种能力。第一，整合企业数据的能力；第二，探索数据背后价值和制定精确行动纲领的能力；第三，进行精确快速实时行动的能力。 做到上面的几点，当大数据时代来临的时候，面临大量数据将不是束手无策，而是成竹在胸，而从数据中得到的好处也将促进企业快速发展。
四、对大数据安全的思考 杨教授在讲座的最后对大数据安全发展提出了几点的建议，分别是：
一，重视大数据及其信息安全体系建设；二，加快大数据安全技术研发；三，加强对重点领域敏感数据的监管；四，运用大数据技术应对高级可持续攻击。 我本科的专业是信息安全，所以对安全方面比较感兴趣，自己也看过一些大数据相关资料。云计算专家李志霄博士说：
“数据安全三分靠技术，七分靠管理”。 通过技术来保护大数据的安全必然重要，但管理也很关键。大数据的管理安全策略主要有：
一是规范建设。大数据建设是一项有序的、动态的、可持续发展的系统工程，一套规范的运行机制、建设标准和共享平台建设至关重要。规范化建设可以促进大数据管理过程的正规有序，实现各级各类信息系统的网络互连、数据集成、资源共享，在统一的安全规范框架下运行。
二是建立以数据为中心的安全系统。基于云计算的大数据存储在云共享环境中，为了大数据的所有者可以对大数据使用进行控制，可以通过建设一个基于异构数据为中心的安全方法，从系统管理上保证大数据的安全。
三是融合创新。大数据是在云计算的基础上提出的新概念，大数据时代应以智慧创新理念融合大数据与云计算 ，以智能管道与聚合平台为基础 ，提升数据流量规模 、层次及内涵，在大数据流中提升知识价值洞察力。积极创造大数据公司技术融合平台，寻找数据洪流大潮中新的立足点，特别是在数据挖掘、人工智能 、机器学习等新技术的创新应用融合创新。 大数据未能妥善处理会对用户的隐私造成极大的侵害。根据需要保护的内容不同，隐私保护又可以进一步细分为位置隐私保护、标识符匿名保护、连接关系匿名保护等。 人们面临的威胁并不仅限于个人隐私泄漏，还在于基于大数据对人们状态和行为的预测。篇四：
先进性技术专题讲座报告_大数据云计算及分布式
——先进性技术专题报告 大数据、云计算及分布式浅析 目录 1 大数据 ................................................................................................................................... 3
1.1
1.2 2 数据挖掘(Data
Mining).............................................................................................. 4 机器学习(Machine
Learning) .................................................................................... 5 云计
算 ............................................................................................................................... 6
2.1
虚拟技术 ........................................................................................................................ 7 3
分布式 ............................................................................................................................... 8
3.1 分布式数据库 ............................................................................................................ 8 摘要：
大数据(big data science)和云计算(clud puting)是当今信息时代下，最具发展前景的热门领域，无疑是信息工业革命中的又一次令人兴奋的技术浪潮，该领域的迅猛发展将会在相关的项目领域带来概念以及技术上的颠覆性改变，同时也会对人类的生活方式和对信息的认知模式带来巨大的冲击。分布式(distributed system)的发展为大数据与云计算在技术上奠定了实现的基础，大数据的处理分析需要庞大的计算能力，云计算为此提供强有力的支持，而云计算的本质就是分布式系统，将无数在空间上分离的计算机资源汇聚到一起，形成一个巨大的资源池，用户根据自己的需要从中获取所需的云平台资源，这一过程运用到了虚拟化技术(virtualizatin),将无数物理上隔离的并且计算能力有限的计算机虚拟化成了一个计算能力相当可观的资源池，对于用户而言这些物理计算机是透明的，他们只需要关心自己实际获取到的资源。事实上这也正是阿里巴巴在去IE化过程中应用的技术，采用开源软件在水平方向上进行拆分和分布式部署，具有很强的实际参考意义。 1 大数据 大数据由巨型数据集组成，这些数据集大小常超出人类在可接受时间下的收集、庋用、管理和处理能力。大数据的大小经常改变，截至201X年，单一数据集的大小从数太字节（TB）至数十兆亿字节（PB）不等。
在一份201X年的研究与相关
的演讲中，麦塔集团（META Grup，现为高德纳）分析员道格·莱尼（Dug Laney）指出数据增长的挑战和机遇有三个方向：
量（Vlume，数据大小）、速（Velcity，数据输入输出的速度）与多变（Variety，多样性），合称“3V”或“3Vs”。高德纳与现在大部分大数据产业中的公司，都继续使用3V来描述大数据。高德纳于201X年修改对大数据的定义：
“大数据是大量、高速、及/或多变的信息资产，它需要新型的处理方式去促成更强的决策能力、洞察力与最优化处理。”另外，有机构在3V之外定义第4个V：
真实性（Veracity）为第四特点。 大数据必须借由计算机对数据进行统计、比对、解析方能得出客观结果。美国在201X年就开始着手大数据，奥巴马更在同年投入2亿美金在大数据的开发中，更强调大数据会是之后的未来石油。 大数据，或称巨量数据、海量数据、大资料，指的是所涉及的数据量规模巨大到无法通过人工，在合理时间内达到截取、管理、处理、并整理成为人类所能解读的形式的信息。在总数据量相同的情况下，与个别分析独立的小型数据集（data
set）相比，将各个小型数据集合并后进行分析可得出许多额外的信息和数据关系性，可用来察觉商业趋势、判定研究质量、避免疾病扩散、打击犯罪或测定实时交通路况等；这样的用途正是大型数据集盛行的原因。
截至201X年，技术上可在合理时间内分析处理的数据集大小单位为艾字节（exabytes）。在许多领域，由于数据集过度庞大，科学家经常在分析处理上遭遇限制和阻碍；这些领域包括气象学、基因组学、神经网络体学、复杂的物理模拟，以及生物和环境研究。这样的限制也对网络搜索、金融与经济信息学造成影响。数据集大小增长的部分原因来自于信息持续从各种来源被广泛收集，这些来源包括搭载感测设备的移动设备、高空感测科技（遥感）、软件记录、相机、麦克风、无线射频辨识（RFID）和无线感测网络。自1980年代起，现代科技
可存储数据的容量每40个月即增加一倍；截至201X年，全世界每天产生
2.5艾字节（
2.5×1018字节）的数据。 大数据几乎无法使用大多数的数据库
管理系统处理，而必须使用“在数十、数百甚至数千台服务器上同时平行运行的软件”。大数据的定义取决于持有数据组的机构之能力，以及其平常用来处理分析数据的软件之能力。“对某些组织来说，第一次面对数百GB的数据集可能让他们需要重新思考数据管理的选项。对于其他组织来说，数据集可能需要达到数十或数百兆字节才会对他们造成困扰。” 随着大数据被越来越多的提及，有些人惊呼大数据时代已经到来了，201X年《纽约时报》的一篇专栏中写到，“大数据”时代已经降临，在商业、经济及其他领域中，决策将日益基于数据和分析而作出，而并非基于经验和直觉。但是并不是所有人都对big
data感兴趣，有些人甚至认为这是商学院或咨询公司用来哗众取宠的buzzrd，看起来很新颖，但只是把传统重新包装，之前在学术研究或者政策决策中也有海量数据的支撑，大数据并不是一件新兴事物。
1.1 数据挖掘(Data Mining) 数据挖掘（Data mining），又译为资料探勘、数据挖掘、数据采矿。它是数据库知识发现（英文：
Knledge-Discvery in Databases，缩写：
KDD）中的一个步骤。数据挖掘一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性（属于Assciatin
rule learning）的信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。 数据挖掘有以下这些不同的定义：
“从数据中提取出隐含的过去未知的有价值的潜在信息” “一门从大量数据或者数据库中提取有用信息的科学。” 尽管通常数据挖掘应用于数据分析，但是像人工智能一样，它也是一个具有丰富含义的词汇，可用于不同的领域。它与KDD的关系是：
KDD是从数据中辨别有效的、新颖的、潜在有用的、最终可理解的模式的过程；而数据挖掘是KDD通过特定的算法在可接受的计算效率限制内生成特定模式的一个步骤。事实上，在现今的文献中，这两个术语经常不加区分的使用。 数据挖掘的方法包括监督式学习、非监督式学习、关系分组（Affinity Gruping，作关系性的分析）与购物篮分析（Market Basket Analysis）或者称为关联规则分析、聚类
（Clustering）与描述（Descriptin）。监督式学习包括：
分类、估计、预测。 数据挖掘是因为海量有用数据快速增长的产物。使用计算机进行历史数据分析，1960年代数字方式采集数据已经实现。1980年代，关系数据库随着能够适应动态按需分析数据的结构化查询语言发展起来。数据仓库开始用来存储大量的数据。 因为面临处理数据库中大量数据的挑战，于是数据挖掘应运而生，对于这些问题，它的主要方法是数据统计分析和人工智能搜索技术。
1.2 机器学习(Machine Learning) 机器学习是近20多年兴起的一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。很多推论问题属于无程序可循难度，所以部分的机器学习研究是开发容易处理的近似算法。 机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人等领域。 机器学习有下面几种定义：
“机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能”。“机器学习是对能通过经验自动改进的计算机算法的研究”。“机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。”一种经常引用的英文定义是：
A
puter prgram is said t learn frm experience E ith
respect
t sme class
f
tasks T and
perfrmance measure P, if its perfrmance
at tasks in T, as measured by P, imprves ith experience
E. 机器学习可以分成下面几种类别：
监督学习从给定的训练数据集中学习出一个函数，当新的数据到来时，可以根据这个函数预测结果。监督学习的训练集要求是包括输入和输出，也可以说是特征和目标。训练集中的目标是由人标注的
。常见的监督学习算法包括回归分析和统计分类。 无监督学习与监督学习相比，训练集没有人为标注的结果。常见的无监督学习算法有聚类。 半监督学习介于监督学习与无监督学习之间。 增强学习通过观察来学习做成如何的动作。每个动作都会对环境有所影响，学习对象根据观察到的周围环境的反馈来做出判断。 具体的机器学习算法有：
构造条件概率：
回归分析和统计分类 人工神经网络 决策树
高斯过程回归 线性判别分析 最近邻居法
感知器 径向基函数核 支持向量机篇五：
讲座报告-云计算的虚拟化技术-1239班-321201X155-李凯 云计算的虚拟化技术 —《虚拟化技术与软件发展》讲座学习报告 电信1239班 321201X155号 李凯 云计算（Clud
Cmputing）是由分布式计算（Distributed Cmputing）、并行处理（Parallel Cmputing）、网格计算（Grid Cmputing）发展来的，是一种新兴的商业计算模型。 目前，对于云计算的认识在不断的发展变化，云计算没仍没有普遍一致的定义。中国网格计算、云计算专家刘鹏给出如下定义 ：
“云计算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、存储空间和各种软件服务”。狭义的云计算指的是厂商通过分布式计算和虚拟化技术搭建数据中心或超级计算机，以免费或按需租用方式向技术开发者或者企业客户提供数据存储、分析以及科学计算等服务，比如亚马逊数据仓库出租生意。广义的云计算指厂商通过建立网络服务器集群，向各种不同类型客户提供在线软件服务、硬件租借、数据存储、计算分析等不同类型的服务。广义的云计算包括了更多的厂商和服务类型，例如国内用友、金蝶等管理软件厂商推出的在线财务软件，谷歌发布的Ggle应用程序套装等。通俗的理解是，云计算的“云“就是存在于互联网上的服务器集群上的资源，它包括硬件资源（服务器、存储器、CPU等）和软件资源（如应用软件、集成开发环境等），本地计算机只需要通过互联网发送一个需求信息，远端就会有成千上万的计算机为你提供需要的资源并将结果返回到本地计算机，这样，本地计算机几乎不需要做什么，所有的处理都在云计算提供商所提供的计算机群来完成
。 云计算技术是IT产业界的一场技术革命，已经成为了IT行业未来发展的方向，这种变化使得IT基础架构的运营专业化程度不断集中和提高，从而对基础架构层面，特别是网络提出了更高的要求。虚拟化的计算资源和存储资源最终都需要通过网络为用户提供访问。如何让云中各种类型的用户尽可能安全的使用网络，如何让用户无缝的接入和使用云计算服务，以及通过网络满足数据中心间的数据传输和迁移，标准组织和设备厂商都在积极的研究，并提出了解决方案。其中通过虚拟化技术提高网络的利用率，并让网络具有灵活的可扩展性和可管理性，是云计算网络研究的 热点。在网络领域中，虚拟化并不是一项新兴技术，虚拟网络允许不同需求的用户组访问同一个物理网络，但从逻辑上对它们进行一定程度的隔离，以确保安全。凭借网络虚拟化技术，能在单一物理基础设施上部署多个封闭用户组，并在整个网络中保持高标准的安全性、可扩展性、可管理性和可用性。通过网络虚拟化可实现弹性、安全、自适应、易管理的基础网络，充分满足服务器虚拟化等虚拟技术对基础网络带来的挑战，达到提高数据中心的运行效率、业务部署灵活、降低能耗、释放机架空间的目的。 虚拟化技术是云计算系统的核心组成部分之一，是将各种计算及存储资源充分整合和高效利用的关键技术。虚拟化是为某些对象创造的虚拟化（相对于真实）版本，比如操作系统、计算机系统、存储设备和网络资源等。它是表示计算机资源的抽象方法，通过虚拟化可以用与访问抽象前资源一致的方法访问抽象后的资源，从而隐藏属性和操作之间的差异，并允许通过一种通用的方式来查看和维和资源。虚拟化技术是云计算、云存储服务得以实现的关键技术之一。它将应用程序以及数据，在不同的层次以不同的面貌加以展现，从而使得不同层次的使用者、开发及维持人员，能够方便的使用开发及维护存储的数据、应用于计算和管理的程序。虚拟技术亦分很多种，从不同的层次上来讲，有cpu一级的虚拟化技术（目前intel正在着手研究着，在底层硬件上直接运行多个操作系统），硬件层上一级的虚拟化技术-----操作系统、vmare都是在硬件之上建立虚拟化程序。还有建立在操作系统之上的虚拟化技术：
高级语言虚拟化技术(javaC#)、指令动态解释执行的vmarevpc、
脚本语言运行时系统（如pythnjavascript、matlab、sql等）。这些虚拟化技术在不同的层次起着不同的作用。如操作系统起到了“将硬件接口抽象”，并提供了应用程序以统一的编程接口使用硬件的能力。在操作系统上建立的vpc等虚拟化技术，使得用户可以在一个操作系统之上，再运行其它操作操作系统、不同体系应用程序的能力。而高级语言虚拟化技术（java），使得编程人员，以理想机器的角度来编写应用程序，进一步将硬件操作，甚至操作系统操作都隔离开来，完全是基于应用的目标来建立虚拟化。而脚本语言、第四代语言更是以高层次的抽象（虚拟化）来实现业务逻辑、应用程序逻辑。 虚拟化从根本上来说就是对技术资产的最充分利用。获得虚拟化基础设施的投 资回报和所有潜力的关键在于：
在适当的时候，定期使用正确的资源并灵活快速地以一种协调性的方式，实现数据中心端到端虚拟化。 虚拟化技术帮助企业提高投资回报率，提升到利用率70%以上。到目前为止，许多企业一直集中精力进行服务器虚拟化。事实上，实现存储、网络和管理虚拟化的融合基础设施所产生的投资回报往往更大。例如，由于存储管理不善或效率低下，可能导致服务器虚拟化的优势无法真正意义上实现。 为了获得融合基础设施的真正好处，我们需要各种能够简便支持数据扩展并与业务应用程序紧密一致的存储解决方案。采用虚拟化技术的存储基础设施能够帮助设备使用率提高近一倍，同时降低管理成本，有时可节省一半成本。因此，每个企业都应该积极主动地使用虚拟化技术充分利用其带来的益处。 另一方面，云计算则是为用户提供使用便利，帮助其随地获取各种高度可扩展的、灵活的IT资源，并按需使用，按使用付费。云计算是一种 一切皆服务 的模式，通过该模式在网络上或 云 上提供服务。 基于云计算的存储产品正在逐渐改变企业经营大量数据的方式。对于那些希望从这些产品中获得最佳回报的企业而言，硬件基础设施要求服务器和存储器完全基于能够提供可扩展性、可靠性和灵活性而设计。 尽管云计算和虚拟化并非捆绑技术，二者同时使用仍可正常运行并实现优势互补。云计算和虚拟化二者交互工作，云计算解决方案依靠并利用虚拟化提供服务，而那些尚未部署云计算解决方案的公司仍然可以利用端到端虚拟化从内部
基础设施中获得更佳的投资回报和收益。
