云计算的全景路线图

对众多企业来说,自身计算机设备的性能也许永远无法满足需求,因为企业内部信息爆炸的速度远远比摩尔定律要快得多。最终的办法就是不断采购,不断升级。而结果是,数据量暴增、IT环境日益复杂而难于管理,并且,致命的问题是不断增长的IT支出无法和IT应用体验成正比。

有没有更加经济有效的解决途径呢?“云计算”的出现也许为这个问题的解决推开了大门的一个缝隙。

云计算兴起、繁荣

云计算是一种全新的商业模式,其核心部分依然是数据中心,它使用的硬件设备主要是成千上万的工业标准服务器,它们由英特尔或AMD生产的处理器以及其他硬件厂商的产品组成。企业和个人用户通过高速互联网得到计算能力,从而避免了大量的硬件投资。

简而言之,云计算将使未来的互联网变成超级计算的乐土。这可是一种革命性的举措,打个比方,这就好比是从古老的单台发电机模式转向了电厂集中供电的模式。它意味着计算能力也可以作为一种商品进行流通,就像煤气、水电一样,取用方便,费用低廉。最大的不同在于,它是通过互联网进行传输的。

这场技术竞赛吸引了众多参赛者。包括Sun、IBM、微软、Google、亚马逊等信息业巨头都已经循迹而来。

虽然SaaS不是云计算的全部,不过最先让人们感受到云计算的,是Salesforce提供的在线 CRM。早在十年前,salesforce.com成立,树立“End of Software”的愿景。目前,作为旧金山员工规模第二大的私营机构,已在全球拥有55,400名企业客户,订户人数超过150万。

由此,“云计算兴起,繁荣。”微软超级计算机研究员DanReed也说,“推动云计算兴起的动力是高速互联网连接的发展、更加廉价且功能强劲的芯片以及硬盘、数据中心的发展。”

Google的搜索引擎也可以视为云计算的早期产品。用户的搜索请求经过互联网发送到Google的大型服务器集群上,完成之后再返回用户桌面。Amazon.com最近向开发者开放了名为“弹性计算机云”的服务,它可以让小软件公司按照自己的需要购买 Amazon数据中心的处理能力。

IT巨头从中窥到了更大的商机。去年,Sun公司推出了基于云计算理论的“黑盒子”计划。按照它的规划,将来的数据中心将不会局限于拥挤、闷热的机房中,而是一个个可移动的集装箱—它装载的是10吨经过合理安置的服务器,作为一个可移动的数据中心。它既可以为拥有上万名雇员的大型公司服务,也能为中小企业提供支持。至于这种数据中心的最佳安放位置,有人推荐是郊外的田野上,最好是发电站附近,这样可以实现成本最低化。

蓝色巨人IBM对此也投下了重注,并为此命名为“蓝云”计划。不久前,IBM和Google达成了一项合作,两家公司将各自出资2000万~2500万美元,为从事计算机科学研究的教授和学生提供所需的电脑软硬件和相关服务。IBM负责系统和技术团队的高级副总裁WillianM.Zeilter表示:“对我来说,这种感觉就像2000年面对Linux。”目前,该公司已经部署了200多名研发人员在这项业务的研究上。

“从某种意义上说,云计算是网格计算模型自然而然的进一步发展。”IDC分析师FrankGens认为。那么,究竟谁能够在这场围绕云计算的竞赛中获胜呢?

十大云计算厂商:谁是主宰?

IBM:堪称最全面的云计算厂商。在构建、支持和运作大规模计算系统方面有丰富经验和绝对优势。更重要的是,上世纪转型后,IBM形成具有硬件、软件、服务结合的体系架构,深刻理解“服务”的涵义和价值。IBM还致力于云计算概念的推广及开发标准的制定。

微软:与很多云计算厂商认为绝大多数IT资源来自云端不同,微软认为,云计算更多的是一种“软件+服务”的方式。今年,微软一改数据中心租用的方式,开始在全球多处设计、构建和拥有自己的数据中心。不一定是首事者,却很可能是未来的领先者,这是微软的一贯风格。

亚马逊:亚马逊卖书,更卖云计算。这个依靠在电子商务中积攒的技术经验及对数据中心的大力投入,使得亚马逊提供的WEB服务收到中小型企业及大中型企业的欢迎。用户的数据中心外包,资源可以通过互联网获得,没有固定的投资成本——Amazon的这些特点都接近云计算的核心涵义。

Google:堪称目前云计算应用最广泛的厂商。Google在互联网搜索方面建立了极为有效的商业模式。与IBM合作、针对数据中心的巨额投资、增强计算安全性,Google的云计算目标并不只在个人用户,它的野心在于覆盖从个人用户至企业用户的广大空间。

Oracle:收购Sun之后,Oracle一跃成为重要的云计算厂商。从“网络就是计算机”的云计算基因到Sun擅长的网格计算技术、为用户推崇和信仰的服务器,有Oracle的SaaS服务基础,Oracle或者Sun的云计算旨在加强云计算的易用性,将Sun的服务器应用到互联网上开发、部署和提供软件服务的模式中来。

EMC:哪里有云计算,哪里就有虚拟化,哪里就有EMC。拥有VMWare,这个实力强劲的虚拟化公司,拥有在信息生命周期管理方面丰富的经验和技术,很多分析认为,EMC正在朝云存储和信息管理服务方向发展。在云环境中,存储的重点已经不仅仅是容量的问题,而是要尽可能地让存储实现自我管理和自动调节。

HP:健全的产品线,在软硬件均可与IBM匹敌的实力,务实而灵活的公司风格,这是HP云计算的特点。本着“一切皆服务”、“众包”的理念,HP的云计算主要体现在下一代数据中心的整体解决方案。HP相信,云计算有比目前更为宽广的涵义和应用领域。

Salesforce.com:“End of Software”,这句十年前提出的理念可谓Salesforce对云计算的最早的告白。成功提供SaaS服务,具有一系列用于云计算的开发包。继其在欧美市场的成功后,其在中国的战略部署也在犹疑之中缓缓开展。

Ctrix:收购XenSource之后,思杰在虚拟化领域的能力进一步提高,具有了足够的技术储备应对云计算挑战。

思科:继2009年上半年宣布进入服务器市场后,思科近日you推出云计算网络服务平台,思科与今年中正式进军云计算领域。作为云计算领域的新晋擎旗者,思科似乎对云计算安全问题更加关注。思科的优势在于其对大型数据中心的部署能力及链接虚拟与网络环境的能力。

“云雾缭绕”,运营商开种试验田

从云计算到云商业,抛开技术术语,人们发现云似乎近在咫尺,凡是拥有一定富余计算能力的企业或机构都可以亲历其中——包括拥有海量客户数据、复杂数据挖掘工具以及丰富带宽资源的电信运营商。

“运营商本身就是一个很巨大的信息制造者和信息处理者。”在5月22日的首届中国云计算大会上,中国移动通信研究院院长黄晓庆表示,“我们每年的数据有大量的客户数据和为客户所准备的服务数据,它需要的运算是大量的。同时希望对这些用户进行深度挖掘、深度营销,需要大量的运算。这种运算如果用云计算来实现,可以大大提高速度。”

但运营商似乎不满足于只建设内部云,富余的计算和存储能力也让他们的目光投向窗外。“我们要对消费者级进行服务,逐渐到产业级服务,为互联网企业、ZF、各种需要大容量运算的企业提供服务。”黄晓庆的发言传达出向外提供计算服务的愿望。

比起中国移动对窗外云海的渴望,本身就大量开展对外IDC业务的中国电信和中国联通更需要积极面对云计算带来的压城乌云,尽管在这方面它们显得有些沉默。

业内观点认为,传统的IDC业务将整台的服务器租给用户,却不能保证当用户的负荷量突增的时候,可以马上增加机器或调配其他可用资源。而云计算可以很快满足用户需求,这是传统IDC做不到的。很多企业级软件应用,如ERP、CRM等,也可以通过云计算一站式提供。相比之下,电信运营商的传统数据中心业务则显得落后、单调、昂贵、应用不够丰富。

为了应对云计算的挑战,电信运营商需要引入诸如并行计算、宽带自动调整等技术,改变收费模式,实现水、电、煤气一样的按需供应。这当然不是简单的事情。所以也有声音提出运营商将自身的资源出租给那些更有经验的跨国公司,让他们来构建“云”基础架构,再反过来“出租”给自己。

无论这种新商业模式是否可行,对于运营商来说,数据中心的试验背后还有一张意味深长的卫星云图。

中国云计算加速跑!

事实上,中国并不缺乏争夺“云计算”霸主地位的后发优势,但是在先天性优势上,与国外很多IT巨头依然有一段综合实力方面的距离。更关键的是,对大多数本国企业来说,云计算在中国的发展,还需要走过一段从发现、认识到参与的旅途,而不是实力和可行性问题。目前,云计算在中国的前途更像是一件“皇帝的新衣”,对此有太多的定义和解释,但也意味着诸多模式创新的可能性。拨开这层认识上的迷雾,中国的IT天空也许会“守得云开见月明”。

中国工程院院十倪光南对国内企业在云计算领域的前景抱有非常大的信心他的理由是:云计算的技术非常新,在搭建过程中,国内企业没有以往发展模式的桎梏,因此可“轻装上阵”。中国移动研究院院长黄晓庆对此也表示认同,他认为中国目前正在由工业化向信息化迈进,在这个过程中可以越过传统的IT模式直接向云计算迈进。

 

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Python可以使用OpenCV和PIL库来实现视频转全景长图的功能。首先,需要将视频拆分成一帧一帧的图像。可以使用OpenCV库提供的VideoCapture函数来读取视频,并使用其读取每一帧的方法将视频拆分为图像。接着,可以使用PIL库来创建一个空白的全景长图,然后将每一帧图像按照一定的顺序依次粘贴到全景长图上。可以根据需求选择横向拼接或纵向拼接的方式。 具体步骤如下: 1. 使用OpenCV库的VideoCapture函数打开视频文件,并获取视频的帧数和每帧的尺寸。 2. 使用PIL库创建一个空白的全景长图,长宽可根据需要进行设置。 3. 使用OpenCV库的read方法循环读取视频的每一帧,直到视频的最后一帧。 4. 使用PIL库的paste方法将每一帧图像按照一定的顺序依次粘贴到全景长图上,可以使用一个变量来记录粘贴的位置。 5. 循环结束后,保存全景长图。 需要注意的是,视频转全景长图可能存在以下一些问题: 1. 视频帧数过多会导致处理时间较长,这时可以考虑对视频进行降采样,只选择部分帧进行处理。 2. 视频的相机运动或物体运动可能会导致全景长图的拼接出现缝隙或重叠问题,这可以通过图像配准算法进行解决。 3. 视频的帧尺寸较大时可能会导致内存占用过高,这时可以考虑对帧图像进行缩放处理。 以上就是使用Python将视频转换为全景长图的简要步骤,具体实现还需要根据具体需求进行进一步的调整和优化。 ### 回答2: 要将视频转换为全景长图,可以使用Python中的OpenCV和Numpy库来实现。在转换视频为全景长图的过程中,需要进行以下步骤: 1. 导入所需的库:使用import语句导入OpenCV和Numpy库。 2. 读取视频:使用OpenCV的VideoCapture函数打开视频文件,读取视频中的每一帧。 3. 提取视频中的关键帧:可以选择每个间隔一定帧数的帧作为关键帧,或者使用其他的选择方法,提取视频中的关键帧。 4. 将关键帧拼接成全景图:对每个关键帧进行图像拼接,可以使用OpenCV中的Stitcher类来实现全景拼接。 5. 调整全景图大小:根据需要,可以调整全景图的大小。 6. 保存全景长图:使用OpenCV的imwrite函数将全景长图保存到指定的文件路径。 下面是一个示例代码: ```Python import cv2 import numpy as np def video_to_panorama(video_path, panorama_path): cap = cv2.VideoCapture(video_path) # 选择关键帧的帧间隔 keyframe_interval = 10 # 输出全景图的高度 panorama_height = 1000 # 读取视频的关键帧 frames = [] frame_count = 0 while(cap.isOpened()): ret, frame = cap.read() if not ret: break frame_count += 1 if frame_count % keyframe_interval == 0: frames.append(frame) # 使用OpenCV的Stitcher类进行全景拼接 stitcher = cv2.Stitcher_create() status, panorama = stitcher.stitch(frames) # 调整全景图大小 width = int(panorama.shape[1] * panorama_height / panorama.shape[0]) resized_panorama = cv2.resize(panorama, (width, panorama_height)) # 保存全景长图 cv2.imwrite(panorama_path, resized_panorama) cap.release() cv2.destroyAllWindows() # 调用函数进行视频转全景长图 video_to_panorama('input_video.mp4', 'output_panorama.png') ``` 请注意,这只是一个示例代码,具体的实现可能需要根据情况进行调整和优化。另外,代码中使用的关键帧提取方法和全景拼接方法可能需要根据实际情况进行选择和调整。 ### 回答3: Python是一种强大的编程语言,拥有丰富的第三方库和工具。要将视频转换为全景长图,我们可以借助Python中的一些库和技术。 首先,我们可以使用OpenCV库来处理视频。OpenCV是一个经典而强大的计算机视觉库,提供了许多图像和视频处理功能。通过OpenCV,我们可以将视频逐帧地读取并进行相应的操作。 其次,为了实现全景效果,我们可以使用图像拼接算法。Python中有一些图像拼接库,如OpenCV和PIL(Python Imaging Library),可以将多个图像拼接为一个更大的图像。在拼接过程中要注意处理图像的边缘对齐、色彩一致性和透视变换等问题。 最后,为了生成一个长图,我们可以使用Python中的绘图库,例如PIL或Matplotlib。这些库提供了绘制图像的功能,可以将处理后的全景图像保存为一个长图。 总结起来,要用Python将视频转换为全景长图,我们需要使用OpenCV来处理视频,使用图像拼接算法将多个图像拼接为一个全景图像,并使用绘图库将全景图像保存为一个长图。当然,实现全景长图转换可能涉及到一些复杂的图像处理算法和数学原理,但借助Python丰富的库和工具,我们可以轻松地完成这个任务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值