云计算平台比较

云计算平台研究三种平台子项目对照表子项目hadoopopenstackamazon网络管理nova-network数据管理hbasenova-databasesimpledb计算map/reducenova-computeec2存储hdfsobject-stores3消息管理queuesq3镜像管理同步管理glancezookeeperntpami监控管理chukwa1. hadoop平台研究1.1 hadoop架构在google 发表mapreduce 后， 2004 年开源社群用 java搭建出一套 hadoop 框架，用于实现 mapreduce算法，能够把应用程序分割成许多很小的工作单元， 每个单元可以在任何集群节点上执行或重复执行。此外， hadoop还提供一个分布式文件系统gfs（ google file system ），是一个可扩展、结构化、具备日志的分布式文件系统，支持大型、分布式大数据量精品资料的读写操作，其容错性较强。而分布式数据库（ bigtable ）是一个有序、稀疏、多维度的映射表，有良好的伸缩性和高可用性，用来将数据存储或部署到各个计算节点上。hadoop框架具有高容错性及对数据读写的高吞吐率，能自动处理失败节点，如图3-5 所示为google hadoop 架构。云计算架构 hadoopmapreduce ap(map,reduce)bigtable(分布式数据库 )gfs(google分布式文件系统)图3-3googlehadoop 架构在架构中 mapreduce api 提供map 和reduce 处理、gfs分布式文件系统和bigtable 分布式数据库提供数据存取。基于hadoop 可以非常轻松和方便完成处理海量数据的分布式并行程序，并运行于大规模集群上。hadoop 有 许 多 元 素 构 成 。 最 底 部 是 hadoop distributed file system(hdfs) ，它存储 hadoop 集群中所有存储节点上的文件。 hdfs 的上一层是 mapreduce 引擎，该引擎由 jobtracker 和 tasktracker 组成。hdfs 和mapreduce 的关系如图 3-4 所示：图3-4 hdfs 和mapreduce 的关系图mapreduce 是依赖于 hdfs 实现的。通常 mapreduce 会将被计算的数据分为很多小块， hdfs 会将每个块复制若干份以确保系统的可靠性，同时它按照一定的规则将数据块放置在集群中的不同机器上，以便mapreduce 在数据宿主机器上进行最便捷的计算。1.2 hadoop分布式文件系统对客户机而言， hdfs(hadoop distributed file system)就像一个透明的传统分级文件系统， 可以创建、 删除、移动或重命名文件等等传统意义上的文件系统操作。 hdfs 的基本体系结构如图 3-5 所示：图 3-5 hdfs 的基本体系结构 图如图 3-5 存 储 在 hdfs 中的 文件 被分 成块 ， 并 被 复制 到 多 个节 点中(datanode) 。这与传统的 raid 架构大不相同。块的大小 (默认为 64mb) 和作为冗余(replication) 的块数量在创建文件时由用户定制。namenode 作为中心控制节点对所有文件操作进行控制。namenode 运行在一个单独的节点上， 其负责管理文件系统名称空间和控制 用户的访问。namenode 并不处理系统运行中实际的数据流，而只处理表示datanode 数据块的元数据。当任务节点需要处理某个数据块时，则先访问namenode 获得该数据块的存储位置后，就可以到存储该数据块的datanode 对该数据块进行读取，修改，删除等操作，并将这些操作信息返回namenode ，更新该数据块的信息。在hdfs 中，默认设置一个 secondary namenode作为namenode 的备份节点 ， 系 统 运 行 将 hdfs 的 存 储 元 数据 备 份 到 secondarynamenode。 当namenode出现异常和错误的时候，启动secondarynamenode 成为新的namenode。hadoop 集群包含一个中心控制节点namenode ，以及大量负责存储数据的工作节点 datanode 。datanode 响应来自用户系统的读写请求，还响应创建、 删除和复制来自 namenode 的块命令。namenode中 维 护 着 每 个 datanode的 在 线 状 态 ， 而 datanode向namenode 发生定期心跳消息(heartbeat) 维护自己在 namenode 中的在线。而心跳消息中还包含一个块报告， namenode 可以根据这个报告验证块映射和其他文件系 统元数据。如 果namenode 没有 收到 datanode 发送 的心跳消息， namenode 将采取修复措施，重新复制在该节点上丢失的块。1.3 基于 hadoop的 mapreduce实现hadoop 的mapreduce 框架是基于 google mapreduce 程序设计框架的原理实现的。hadoop 的mapreduce 框架的基本体系结构如图 3-6错误！未找到引用源。所示， hadoop 的mapreduce 框架由jobtracker 和tasktracker 两类基本部件组成。jobtracker 为中心控制节点， 主要处理任务分配和调度， 记录任务运行状态和已分配任务的完成情况，处理tasktracker 出现的异常现象等。如果某一个tasktracker 出故障了，jobtracker 会将其负责的任务转交给另一个空闲的tasktracker 重新运行。 jobtracker 可以运行于集群中任一台计算机上。tasktracker 响应jobtracker 的控制命令，按照指令的要求处理需要处理的数据。 tasktracker 分为两类，分别是 mapper 和reducer 。mapper ， reducer 可以执行在任意一个 tasktracker 上，而 jobtracker 根据tasktracker 的负载情况分配 mapper 或者reducer 任务。图 3-6 mapreduce 框架的基本体系结构 图hadoop 的任务粒度是由文件系统中文件块的大小决定的，原始大数据集通常被切割成小于或等于 hdfs 中一个block 的大小(缺省是64m) 的小数据集。 若一个节点上有 m个小数据等待处理，这个节点上就启动 n1 个mapper 任务， reduce 任务的数量 r则可由用户指定。mapper 执行由用户实现的 map 函数， 即将输入数据处理为一组数据对，并在处理结果保存在所在 tasktracker 文件系统中。reducer 执行由 mapper 处理之后的结果，按照用户实现的reduce 函数输出到分布式文件系统。reducer 的处理过程分为三个子过程，shuffle( 取数据 )、sort( 排序)和reduce( 归约)。在取数据阶段， reducer 将从mapper 处理节点获取中间数据。随后排序过程将 shufile 阶段获取的中间结果进行一次排序最后安装用户定制的 reducer 函数对排好序的数据进行归约，得到输出数据。hadoop 在map 输出的中间结果阶段进行了优化，引入了combine 阶段，由于一个 mapper 上的中间数据将会被多个reducer 取走，因此combine 先将mapper 本地的中间结果进行类 reducer 的方式处理，可以使得 reducer 直接取走需要的数据。 combilie 能够减少中间结果中 对的数目，从而减少网络流量。默认的 combme 函数直接使用用户实现的reducer 函数，当然用户也可以自己重新编写combine 函数。而reducer 获取 mapper 数据的分块函数为partitioner ，partitioner 决定了那些中间处理结果应该由哪些reducer 处理， 默认的partitioner 函数为 hashpartitioner ，是一个根据 reducer 需要的 值中key值做到平均分配的函数。hadoop 系统坚持本地计算的基本思想：数据存储在哪一台计算机上，就由这台计算机进行这部分数据的计算，这样可以减少数据在网络上的传输，降低对网络带宽的需求。在 hadoop 这样的基于集群的分布式并行系统中，计算结点可以很方便地扩充， 而因它所能够提供的计算能力近乎是无限的，但是由数据需要在不同的计算机之间流动，故网络带宽变成了瓶颈，是非常宝贵的，“本地计算” 是最有效的一种节约网络带宽的手段，业界把这形容为“移动计算比移动数据更经济。1.4 hadoop的容错控制由于hadoop 所在集群节点具有廉价、 低可靠性的特点， hadoop 系统层面的容错控制就变得非常重要。1） tasktracker 的容错控制：tasktracker 定期(默认为 3秒)向jobtracker 发送心跳信息， 如果jobtracker在一段时间 (默认为 10 秒) 之内没有再收到来自 tasktracker 的心跳信息，则将这个 tasktracker列 入 黑 名 单 。 tasktracker发 送 的 心 跳 信 息 包 含 着 当 前tasktracker 中运行任务的状态信息，如任务的运行数量和任务的运行状态。当tasktracker 出现异常的时候，运行在上面的任务在jobtracker 便会被登记为failed ，jobtracker 随后会选择另外一个节点重新执行这个任务。运行在异常节点上的已完成的map 任务也会被重启因为这些任务完成的输出数据已经无法再访问到， 而reduce 任务无需被重启是因为 reduce 任务的输出数据已经被存入全局文件系统。当原执行在节点a上的 map 任务因为 a节点异常转移到节点b时，jobtracker 会通知所有依赖于该 map 任务的 reduce 任务这个执行转移关系。2） jobtracker 的容错控制：hadoop 的单点控制模型使得整个系统的任务控制变得简单易行，但是单点控制也称为系统稳定性的瓶颈。当jobtracker 失效时， hadoop 多种恢复方法， 如从备份节点获得状态信息，或者从tasktracker 处获得同步信息，或者将整个系统的作业状态抛弃等。 其中第一种方法简单易行， 但是可能在少数情况出现回滚异常。1.5 hadoop子项目简介除了hdfs 和mapreduce ，hadoop 还有多个子项目，以满足各个应用层次的不同需求。 由于各个子项目针对的是不同应用层次的需求，所以其目标和落脚点各有不同。这里对 hadoop 其他子项目进行简要的介绍错误！未找到引用源。：1) avro ：avro 是一个使用 rpc 实现hadoop 系统中数据序列化的子项目，avro 提供了富数据结构和压缩的、 快速的二进制数据格式， 而且avro 为用户提供了动态语言集成接口，用户可以使用各种不同的编程语言(c c+ ，java ，python 等)进行数据序列化编程。2) chukwa ：chukwa 是一个致力于通过数据收集监控大型分布式系统的子项目。chukwa 建立在 hdfs 和mapreduce 框架之上，并且继承了hadoop 高可扩展性和健壮性的优点。 chukwa 同样还提供了一整套提供显示、监视和结果分析的工具集，以提高监控效果和监控的可用性。3) hbase ：hbase 为hadoop 提供了类似 google bigtable 错误！未找到引用源。 进行大规模数据处理的数据库系统。hbase 为mapreduce 作业提供了方便的数据库表项接121 ，使得用户可以在使用 mapreduce 框架时可以直接从 hbase 数据库中读取并存储数据。hbase 优化了大规模的数据访问，并针对数据库应用特点对hadoop 的数据存储进行了优化。4) hive ：hive 为hadoop 用户提供了一整套机制使得可以直接使用基于 sql的数据块操作语句对 hdfs 和mapreduce 框架进行访问。 hive 同时简化了用户编写 map 和reduce 函数的过程， 使用户可以在 hive 的框架编写更加简单的 map 和reduce 函数，为用户编写更加复杂和高效的数据分析和挖掘工具提供了简便的途径。5) pig ：pig是用于分析大规模数据集的平台，它集成了用于数据分析的高层程序设计语言。pig为mapreduce 框架提供了必要的并行化机制，使得在处理更大规模数据集时可以更好的拆分效果。 pig同时为用户提供了友好的编程借口和优化组件。6) zookeeper ：zookeeper 是hadoop 系统中集中提供配置信息、名字空间、同步串行操作以及用户分组服务的模块。zookeeper 建立在 hadoop 体系结构之上，为用户提供了可选择的分布式系统配置服务。2. openstack平台研究2.1 openstack原理openstack由三部分组成，分别是云计算，云存储，镜像服务。openstack 可以单独提供其中的一部分， 也可以将这三部分组合起来， 搭建一个通用的云平台。openstack首先将数据中心虚拟化，利用管理程序提供应用程序和硬件之间抽象的对应关系。如图:openstack通过两个实现数据中心虚拟化。1. 为每个服务器提供了抽象的硬件（例如第一台主机host 1，其实提供了抽象的 4 台主机，而上面的四台主机或许是一台抽象的服务器）。2. 实现对每个服务器资源的更好的利用，利用了虚拟机， 下图是更多的实现上面每个虚拟的服务器，或者网络，或者存储设备之后都是一个 pool, 这样无论对资源的分配还是对请求响应都是更加灵活而有效。openstack 完成数据中心虚拟化后， openstack 提供对云进行管理的一层， 负责在云上部署各种应用和文件， 同时还要提供对应用和文件的检索， 创建和分配虚拟机， 当虚拟机用完之后还要撤销， 要提供用户和管理员接口， 用户要能知道自己的应用的情况， 管理员也要能知道整个云的运行情况， 负责云存储的分配， 检索，收回。rest-based api通过系统进行的数据分发精品资料运行在标准硬件之上海量对象，数据存储的伸缩性2.2 openstack的关键特性openstack有很多关键特性，这些特性主要有:1. 管理虚拟化的产品服务器和相关资源(cpu,memory,disk,network），提高其提高其利用率和资源的自动化分配(具有更高的性价比 )。2. 管理局域网（flat,flat dhcp, vlan dhcp ,ipv6）,程序配置的 ip 和vlan,能为应用程序和用户组提供灵活的网络模式。3. 带有比例限定和身份认证：这是为自动化和安全设置的，容易管理接入用户，阻止非法访问。4. 分布式和异步体系结构：提供高弹性和高可用性系统5. 虚拟机镜像管理：能提供易存储，引入，共享和查询的虚拟机镜像6. 虚拟机实例管理：提高生命周期内可操作的应用数量，从单一用户接口到各种 api，例如一台主机虚拟的4 台服务器，可以有4 中 api 接口，管理 4个应用。7. 创建和管理实例类型 （ flavors ）:为用户建立菜单使其容易确定虚拟机大小，并作出选择。8. iscsi 存储容器管理（创建，删除，附加，和转让容器）：数据与虚拟机分离，容错能力变强，更加灵活。9. 在线迁移实例。10. 动态 ip 地址：注意管理虚拟机是要保持ip 和 dns 的正确11. 安全分组：灵活分配，控制接入虚拟机实例。12. 按角色接入控制（ rbac ）。13. 通过浏览器的 vnc 代理：快速方便的cli administration。在新版本的 openstack diablo版本中，新添加的一些功能，这些功能用图表示如下 :2.3 openstack的特征1. 镜像即是服务：范围内存储和检索虚拟机镜像。2. 多格式、多容器支持：与所有通用镜像格式兼容。3. 镜像状态：提供可见和可用的结构。4. 弹性 api:openstack的镜像服务范围，不同的镜像。5. 元数据：存储和检索关于镜像的信息。6. 镜像核对：确保数据整合。7. 大量的日志。8. 整合测试：核实虚拟机功能。9. 后端存储选项：更大灵活性支持swift,local,s3或者 http 。精品资料2.4 openstack的体系结构2.4.1 openstack的云计算结构1. 以数据库和队列为基础nova-compute负责决定创造虚拟机和撤销虚拟机，通过运行一系列系统命 令（例如发起一个kvm实例，）并把这些状态更新到nova-database中区， nova-schedule负责从 queue里取得虚拟机请求并决定把虚拟机分配到哪个服务器上去。这里需要一些算法，可以自己定义，目前有simple（最少加载主机） ,chancd( 随机主机分配 )，zone( 可用区域内的随机节点 )等算法。nova-volume负责记录每一个计算实例， 相当于一个计算请求吧， 并负责创建，分配或撤销持久层容器(amazon的， iscsi ， aoe等等) 给这些compute instances 。nova -network负责处理队列里的网络任务， 例如设置 bridging interfaces或者 changing iptables rules。nova-database存储一个云基础设施的大部分的编译时和运行时状态要区别 glance database. 镜像数据库（可以用openstack object storage(swift)实现，也可用 s3, 或者本地存储）。nova-api:几乎提供所有对外的接口api，也提供“cloudcontroller ”， 也做一些检查nova-schedule ：得到一个虚拟机实例的请求从队列中，并且决定它应该在哪里运行。目前支持的策略： simple （最少加载主机） ,chancd( 随机主机分配 )， zone( 可用区域内的随机节点 )等算法2. dashboard是一个客户入口。 dashboard是基于 web 的客户管理系统。2.4.2 openstack object storage部署1. object storage安装一个代理节点和若干存储节点。2. 代理节点安装运行 swift-proxy-server processes和 swauth services, 提供从代理到存储节点的请求。3. 存储节点 :运行 swift-account-server,swift-container-server,swift-object-server processes。提供对账户数据库、容器数据库、和实际存储对象的存储控制。初始化时最好不要少于5 个存储点。4. 安装运行管理服务器的节点。部署图如下：3. vmware云技术方法3.1 虚拟化虚拟化是推动向云计算转变的重要催化剂。虚拟化和云计算基础架构领域的全球领导者vmware依靠虚拟化，提供了可显著减少it复杂性的云计算基础架构和管理解决方案、云计算应用程序平台解决方案和最终用户计算解决方案。vmware已凭借其领导地位延揽了超过25,000家技术和服务合作伙伴。vmware 还是为最大的云计算服务提供商群体 （包括 2,600 多家 vcloud 服务提供商）提供核心云计算基础架构的业界领先供应商。此外， vmware 正在与bluelock 、colt 、singtel 、terremark 和 verizon 等领先云计算提供商密切合作，以提供新的 vmware vcloud 数据中心服务。 vmware vcloud 数据中心服务是新型企业级混合云计算服务， 可提供企业所要求的灵活性以及安全性、 互操作性和控制力。vmware vcloud 数据中心服务构建在由 vmware 开发并经我们认证为兼容的体系结构之上，而不是商用公共云计算服务。 vmware 使企业能够为其业务提供动力，同时节省资源（财务、人力和环境资源） 。其经过客户验证的解决方案可为企业提供实现云计算技术的优势所需的所有功能。通过虚拟化提高it资源和应用程序的效率和可用性。首先消除旧的“ 一台服务器、一个应用程序 ”模式，在每台物理机上运行多个vm 虚拟机。让您的it管理员腾出手来进行创新工作， 而不是花大量的时间管理服务器。在非虚拟化的数据中心，仅仅是维持现有基础架构通常就要耗费大约70% 的预算，用于创新的预算更是微乎其微。借助在经生产验证的vmware虚拟化平台基础上构建的自动化数据中 心，您将能够以前所未有的速度和效率响应市场动态。vmware vsphere可以按需要随时将资源、应用程序甚至服务器分配到相应的位置。vmware客户通过使用vmwarevsphere虚拟化技术整合其资源池和实现计算机的高 可用性，通常可以节省 50%到 70%的 it总成本。1 可以在单个计算机上运行多个操作系统， 包括 windows 、linux等等。2 可通过创建一个适用于所有windows应用程序的虚拟pc环境，让您的mac计算机运行windows 。3 通过提高能效、减少硬件需求量以及提高服务器/管理员比率，可以降低资金成本4 可确保企业应用程序发挥出最高的可用性和性能5 可通过改进灾难恢复解决方案提高业务连续性， 并在整个数据中心内实现高可用性6 可改进企业桌面管理和控制，并加快桌面部署，因应用程序冲突带来的支持来电次数也随之减少安全性3.2虚拟化是从旧式应用程序向新式云计算基础架构进行转变不可或缺的基础， 是云计算环境中重要的安全保障条件。vmware为新一代云计算安全解决方案奠定了基础，可有效应对云计算环境中面临的应用程序和数据安全挑战。vmware解决方案提供了独有的自检功能，可帮助识别难以检测到的问题并实 现全面的安全控制。 这些功能进一步提高了性能、 降低了复杂性并提供了更全面的安全保护。利用 vmware云技术解决方案，企业可以确保快速实施和监控安全策略以 实现 it 遵从性， 同时保持适当级别的控制力和对所有权领域的可见性。它们可以使安全性更加灵活， 因此 it人员可以利用实时迁移等动态功能，并确保安全策略始终无缝地跟随it服务。它们还可以提供经济高效的单一框架来实现云部 署的全面保护。3.3 自动化和管理企业无需花费宝贵的时间管理物理基础架构或应用程序，vmware解决方案使他们能够专注于创新和为企业提供价值。将所有硬件资源集中到虚拟构造块中并定义关联应用程序服务级别后， 企业可以根据业务规则和应用程序需求部署自动化计划。 云计算自动化和云计算管理可帮助it部门实现超高效率， 确保计划和策略与业务情况相符并在云的服务交付机制（根据服务级别交付的应用程序和服务）中定义计划和策略。将这些自动化和管理规则应用于云计算基础架构，可以有效地实现零接触式基础架构，其中it以服务的形式提供。使用可保持企业所需安全性、控制力和遵从性的云计算方法， it部门还可以更好地管理风险。3.4 互操作性和开放性除了作为安全的云计算基础之外， vmware解决方案还可确保在内部数据中心与vmware vcloud合作伙伴提供的外部托管和服务提供商云之间实现应用程序可移植性。这使得应用程序无需或只需很少修改就能够在内部或外部正常 运行。除了基础架构之外，vmware还提供云计算应用程序平台，使开发人员能够创建可移植的云计算应用程序， 从而进一步增强企业应对变化的能力。 如今， 全世界有200多万开发人员依靠vmware云计算应用程序平台创建可移植、 动态、可扩展而且针对云规模的部署（包括vmforce和googleapp engine等流行的公共云产品上的部署）而优化的各种应用程序。it人员可以利用vmware解决方案来安全地跨任何设备动态部署和管理支持云计算的it 服务，从而将这种灵活性扩展到最终用户。vmware解决方案可确保在一个通用管理和安全模型内的各个云之间实现应用程序移动性和可移植性。 这些解决方案基于开放标准， 包括美国国家标准协会 (ansi) 已采用作为标准的 开放式虚拟化格式 (ovf) 。此外，它们还扩展到了庞大的服务提供商体系。3.5 用于云计算的自助式服务在应用程序或服务层，云计算技术提供了一种新的服务使用方式，该方式应 用标准化和自动化来实现快速服务部署。通过实现流程标准化、 增强自动化和实现“it即服务”，vmware解决方案有助于在虚拟化基础上促进实现更多节约，同时显著减少每名it管理员需要执行的维护工作。业务线可以在需要时使用服务，而不必等待手动的 it 采购和部署流程。利用新的 vmware 产品， it 部门现在可以通过基于 web 的目录在共享基础架构上交付标准化的 it 服务。通过实现这些服务产品的标准化， 企业可以简化许多 it管理任务（从故障排除和修补到变更管理），并避免许多使当今it团队不堪重负的管理性维护。 它们还可以通过基于策略的工作流实现自动部署，使得经过验证的用户只需单击鼠标即可部署预配置的服务。同时，it部门还可以保持控制策略以及用来管理服务使用的计费。3.6 资源池和动态资源分配私有云将it部门的资源管理方法由管理离散的硬件更改为管理虚拟化的共享资源池，其中包括服务器、存储和网络连接。通过虚拟化所有it资源， it人员可以提高资源利用效率和针对高优先级应用程序进行动态资源分配。这些共享资源池可以抽象为逻辑构造块（包含存储、网络和服务器单元等） 从而有效创建虚拟数据中心。 根据业务需求， 这些资源容器经过构造可提供特定的服务级别或满足特定的业务需求，也可以按照逻辑业务单元或职能（例如， 销售、金融和研发）细分这些资源容器。通过标准化一组设计合理的产品，企业可以向着策略驱动的计算方法发展。3. 其他相关平台研究3.1 ibm云计算平台体系结构ibm在2007 年11月推出了蓝云计算平台，一个可以即买即用的云计算平台错误！未找到引用源。它包括一系列的云计算产品。使得计算不仅仅局限在本地机器或远程服务器集群，而是通过架构一个分布式、可全球访问的资源结构， 使得数据中心在类似于互联网的环境下运行错误！未找到引用源。通过i叫的技术白皮书 错误！未找到引用源。，我们可以了解到蓝云计算平台的内部构造。“蓝云”建立在大规模计算领域的专业技术基础上，基于ibm 软件、系统技术和服务支持的开放标准和一些开源软件。“蓝云”基于ibmalmaden 研究中心(almaden research center)的云基础架构，包括 xen和power 虚拟化、 linux 操作系统映像以及 hadoop 文件系统与并行计算。“蓝云”i由bm tivoli 软件支持，通过管理服务器来确保基于需求的最佳性能。其中包括通过能够跨越多服务器实时 分配资源的软件， 给用户带来良好的体验， 能够加速性能并确保在最苛刻环境下的稳定性。ibm后来改进的“蓝云(blue cloud) ”计划，还能够帮助用户进行云计算环境的搭建。它通过将 tivoli 、bm2 、web sphere 与硬件产品集成。使其能够为企业架设一个分布式、可全球访问的资源结构。图3-7蓝云计算的高层架构 图图3-7 演示了蓝云计算的高层架构。可以看到，蓝云计算平台由一个数据中心： ibm tivoli 部署管理软件 (tivoli provisioning manager) 、ibm tivoli 监控软件(ibm tivoli monitoring) 、ibm web sphere 应用服务器、 ibm bm2 数据库以及一些虚拟化的组件共同组成。 图中的架构主要描述了云计算的后台架构， 并没有涉及到前台的用户界面。具体功能如下：1) 部署管理软件使 microsoftwindows 和linux 操作系统的映象、部署、安装和配置过程实现自动化， 并且使用户请求的任何软件集的安装配置实现自动化。2). 部署管理软件使用 web sphere application server呈现供应状态和数据中心内资源的可用性、 调度资源的供应及取消供应， 并且预定资源已备日后使用。3). 供应资源之后，将根据操作系统和平台，使用xen管理程序来创建虚拟机器，或者使用 network installation manager、remote deployment manager 或cluster systems manager来创建物理机器。4). 监控软件监控 tivoliprovisioningmanager 所提供的服务器运行的状况(cpu 、磁盘和内存 )5)db2 是tivoli 部署管理用来存储资源数据的数据库服务器。3.2 亚马逊云计算平台体系结构亚马逊的云计算模式沿袭了简单易用的传统，并且建立在亚马逊公司现有的云计算基础平台之上错误！未找到引用源。 。弹性计算云用户使用客户端通过soap over https协议来实现与亚马逊弹性计算云内部的实例进行交互。使用https 协议可以是保证远端连接的安全性避免用户数据在传输的过程中造成泄露，保证用户的安全。 从使用模式上来说， 弹性计算云平台为用户或者开发人员提供了一个虚拟的集群环境，使得用户的应用具有充分的灵活性，同时也减轻了云计算平台拥有者的管理负担。弹性计算云中的实例是一些真正在运行中的虚拟机服务器，每一个实例对应一个运行中的虚拟机。 对于一个提供给用户的虚拟机该用户具有完整的访问权限，包括针对此虚拟机的管理员用户权限。虚拟服务器的收费也是根据虚拟机的 能力进行计算的，因此实际上用户租用的是虚拟的计算能力 简化了计费方式。由于用户在部署网络程序的时候，一般会使用超过一个运行实例，需要很多个实例协同工作。 弹性计算云的内部也架设了实例之间的内部网络，使得用户的应用程序在不同的实例之间可以通信。 在弹性计算云中的每一个计算实例都具有一个内部的ip地址，用户程序可以使用内部 ip地址进行数据通信， 以获得数据通信的最好性能。 同时每一个实例也具有外部ip ，用户可以将分配给自己的弹性ip地址分配给自己的运行实例 使得建立在弹性计算云上的服务系统能够为外部提供服务。在用户使用模式上， 亚马逊的弹性计算云要求用户要创建基于亚马逊规格的服务器映像 (名为亚马逊机器映像即亚马逊machineimage ，a