软件架构设计师教程 第11章 11.6 云计算和大数据技术概述 笔记

11.6 云计算和大数据技术概述 ★★★☆☆

11.6.1 云计算技术概述

1.云计算相关概念

云计算 (Cloud Computing)是同时描述一个系统平台或者一类应用程序的术语,包含两个方面:平台和应用。

平台即基础设施,其地位相当于 PC上的操作系统,云计算应用程序需要构建在平台之上;云计算应用所需的计算 与存储通常在“云端”完成,客户端需要通过互联网访问计算与存储能力。

2.云计算的服务方式

软件即服务 (Software as a Service)”、 “平台即服务 (Platform as a Service,PaaS)” 和“基础设施即服务 (Infrastructure as a Service,laaS)” 三类典型的服务 方式

1)软件即服务 (SaaS)

在 SaaS 的服务模式下,服务提供商将应用软件统一部署在云计算平台上,客户根据需要通 过互联网向服务提供商订购应用软件服务,服务提供商根据客户所订购软件的数量、时间的长 短等因素收费,并且通过标准浏览器向客户提供应用服务。

2)平台即服务 (PaaS)

在PaaS 模式下,服务提供商将分布式开发环境与平台作为一种服务来提供。这是一种分布 式平台服务,厂商提供开发环境、服务器平台、硬件资源等服务给客户,客户在服务提供商平 台的基础上定制开发自己的应用程序,并通过其服务器和互联网传递给其他客户。

3)基础设施即服务 (IaaS)

在 laaS 模式下,服务提供商将多台服务器组成的“云端”基础设施作为计量服务提供给客 户。具体来说,服务提供商将内存、 I/O设备、存储和计算能力等整合为一个虚拟的资源池,为 客户提供所需要的存储资源、虚拟化服务器等服务。

对三种服务方式进行分析后,可以看出这三种服务模式有如下特征:

(1)在灵活性方面, SaaS →PaaS → laaS 灵活性依次增强。这是因为用户可以控制的资源 越来越底层,粒度越来越小,控制力增强,灵活性也增强。

(2)在方便性方面, IaaS →PaaS →SaaS 方便性依次增强。这是因为IaaS 只是提供CPU、 存储等底层基本计算能力,用户必须在此基础上针对自身需求构建应用系统,工作量较大,方便性较差。而 SaaS模式下,服务提供商直接将具有基本功能的应用软件提供给用户,用户只要 根据自身应用的特定需求进行简单配置后就可以使得应用系统上线,工作量较小,方便性较好。

PaaS 是云计算服务模式中最为关键的一层,在整个云计算体系中起着支撑的作用。PaaS通 常以特定的互联网资源为中心,采用开放平台的形式,对外提供基于Web 的API服务。PaaS 的 地位相当于系统软件,需要为上层 SaaS 应用提供API, 以支持各种 SaaS 应用的开发。除了一 些基础性的API之外, PaaS还要提供更多高级的服务型API。这样,上层的应用就可以利用这 些高级服务,构建面向最终用户的具体应用。

3.云计算的部署模式

根据NIST 的定义,云计算从部署模式上看可以分为公有云、社区云、私有云和混合云四 种类型。

4.云计算的发展历程

虚拟化技术、分布式计算技术和软件应用模式三个方面

11.6.2 大数据技术概述

1.大数据的定义

1)维基百科的定义

大数据是指其大小或复杂性无法通过现有常用的软件工具,以合理的成本并在可接受的时限内对其进行捕获、管理和处理的数据集。

2)Granter 的定义

Granter公司关注大数据的三个量化指标:数据量、数据种类和处理速度。

3)IBM 的定义

IBM将大数据概括为三个V, 即大规 模 (Volume)、 高速度 (Velocity) 和多样化 (Variety), 这些特点也反映了大数据所潜藏的价 值 (Value, 第四个 “V”)。 大数据的特征可以整体概括为:“海量+多样化+快速处理+ 价值”。

4)SAS 的定义

SAS 在大数据传统“3V” 模型定义的基础上加入了“可变性”和“复杂性”两个重要 特征。

可变性主要反映了数据流可能具有高度的不一致性,并存在周期性的峰值。

复杂性主要体现在数据来源的多样性上。

2.大数据的研究内容

大数据面临着5个主要问题,分别是异构性 (Heterogeneity)、 规模 (Scale)、 时间性 (Timeliness)、 复杂性 (Complexity) 和隐私性 (Privacy)。

面临5个方面的挑战:

● 挑战一:数据获取问题。我们需要决策哪些数据需要保持或丢弃等问题,目前这些决策 还只能采用特设方法给出。

● 挑战二:数据结构问题。如何将没有语义的内容转换为结构化的格式,并进行后续 处理。

● 挑战三:数据集成问题。只有将数据之间进行关联,才能充分发挥数据的作用,因此数 据集成也是一项挑战。

● 挑战四:数据分析、组织、抽取和建模是大数据本质的功能性挑战。数据分析是许多大 数据应用的瓶颈,目前底层算法缺乏伸缩性、对待分析数据的复杂性估计不够,等等。

● 挑战五:如何呈现数据分析的结果,并与非技术的领域专家进行交互。

为了应对上述挑战,白皮书建议采用现有成熟技术解决大数据带来的挑战,并给出了大数据分析的分析步骤,大致分为数据获取/记录、信息抽取/清洗/注记、数据集成/聚集/表现、 数据分析/建模和数据解释5个主要阶段。

3.大数据的应用领域

制造业

服务业

交通行业

医疗行业

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