《大数据与云计算》课件-2.云计算

知识点1.云计算概述3云计算的特点1云计算的历史2云计算的概念云计算概念云计算的历史最早来源于效用计算科学家JohnMcCarthy1961年ARPANET项目的首席科学家LeonardKleinrock1969年普及并验证了现代云计算基础20世纪90年代中期亚马逊启用AmazonWeb服务平台2002年亚马逊推出弹性计算云EC2服务2006年Google也推出了基于浏览器的企业应用服务2006年微软发布WindowsAzurePlatform2008年阿里软件在江苏南京建立首个“电子商务云计算中心”。2009年如果我倡导的计算机能在未来得到使用，那么有一天，计算也可能像电话一样成为公用设施现在计算机网络还处于初期阶段，但是随着网络的进步和复杂化，我们将可能看到计算机应用的扩展搜索引擎(Google)，电子邮件（Gmail），开放的信息发布平台（Facebook,Youtube）一套面向企业的服务，提供远程配置存储，计算资源以及业务功能企业通过租赁计算容量和处理能力来运行其企业应用程序云计算的概念云计算（cloudcomputing）是分布式计算的一种通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，然后，通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户。云计算早期，简单地说，就是简单的分布式计算，解决任务分发，并进行计算结果的合并。因而，云计算又称为网格计算。通过这项技术，可以在很短的时间内（几秒钟）完成对数以万计的数据的处理，从而达到强大的网络服务。云计算有高灵活性、可扩展性和高性比等，与传统的网络应用模式相比，其具有如下优势与特点虚拟化技术:应用虚拟和资源虚拟。物理平台与应用部署的环境在空间上是没有任何联系的，正是通过虚拟平台对相应终端操作完成数据备份、迁移和扩展等。2.动态可扩展:高效的运算能力，在原有服务器基础上能够使计算速度迅速提高，最终实现对应用进行扩展的目的。3.按需部署:计算机包含了许多应用、程序软件等，不同的应用对应的数据资源库不同，云计算平台能够根据用户的需求快速配备计算能力及资源。云计算的特点4.灵活性高大多数IT资源、软、硬件都支持虚拟化，比如存储网络、操作系统和开发软、硬件等。虚拟化要素统一放在云系统资源虚拟池当中进行管理，可见云计算的兼容性非常强，不仅可以兼容低配置机器、不同厂商的硬件产品，还能通过外设而获得更高的性能。5.可靠性高倘若服务器故障也不影响计算与应用的正常运行。因为单点服务器出现故障可以通过虚拟化技术将分布在不同物理服务器上面的应用进行恢复或利用动态扩展功能部署新的服务器进行计算。云计算的特点6.可扩展性:将资源放在虚拟资源池中统一管理在一定程度上优化了物理资源，用户不再需要昂贵、存储空间大的主机，可以选择相对廉价的PC组成云，一方面减少费用，另一方面计算性能不逊于大型主机。7.性价比高:用户可以利用应用软件的快速部署条件来简单快捷的将自身所需的已有业务以及新业务进行扩展。云计算的特点思考：云计算有哪些特点？知识点2.云计算的关键技术云计算的关键技术3虚拟化技术21分布式数据存储技术GFS分布式数据存储技术HDFS65云平台技术Hbase并行编程MapReduce4云平台技术Bigtable7数据管理技术处理大数据有两大方向:集中式计算分布式计算Google发表了MapReduce、GFS和BigTable三篇技术论文（2003-2004年），提出了一套全新的分布式计算理论。这套理论相比于传统的分布式计算模型有三大优势：简化理论，降低难度，可实际应用可应用在廉价计算设备上，只需增加计算设备的数量就可提升整体的计算能力，应用成本十分低廉。它被Google应用在Google的计算中心，取得了很好的效果，有实际应用的证明。Google云计算三大核心技术分布式处理模型MapReduce分布式结构化表Bigtable分布式文件系统GoogleFileSystem(GFS)分布式数据存储技术GFS分布式数据存储技术GFS分布式存储系统V.S传统的网络存储系统分布式存储系统，是将数据分散存储在多台独立的设备上。传统的网络存储系统采用集中的存储服务器存放所有数据，存储服务器成为系统性能的瓶颈，也是可靠性和安全性的焦点，不能满足大规模存储应用的需要。分布式网络存储系统采用可扩展的系统结构，利用多台存储服务器分担存储负荷，利用位置服务器定位存储信息，它不但提高了系统的可靠性、可用性和存取效率，还易于扩展。分布式数据存储技术HDFSHDFS（Hadoop分布式文件系统）是根据GFS（Google文件系统）的原理开发的，是GFS的简化版。Google没有开源具体的技术实现，所以其他互联网公司只能根据这三篇技术论文中的相关原理，搭建自己的分布式计算系统。Hadoop采用了MapReduce打造了分布式计算框架，并根据GFS开发了HDFS分布式文件系统，根据BigTable开发了HBase数据存储系统。其中，HDFS虽然和GFS原理相同，但运算速度上达不到Google论文中的标准，并且在并发写的处理上，采用了一些简化的做法。HDFS算是开源分布式文件系统中最完整实现了GFS论文中的概念模型。Hadoop也由于其开源特性，使得它成为分布式计算系统事实上的国际标准。HDFS与GFS的共同点都采用单一主控机+多台工作机的模式，由一台主控机（Master）存储系统全部元数据，并实现数据的分布、复制、备份决策，主控机还实现了元数据的checkpoint和操作日志记录及回放功能。工作机存储数据，并根据主控机的指令进行数据存储、数据迁移和数据计算等。都通过数据分块和复制（多副本，一般是3）来提供更高的可靠性和更高的性能。当其中一个副本不可用时，系统都提供副本自动复制功能。同时，针对数据读多于写的特点，读服务被分配到多个副本所在机器，提供了系统的整体性能。都提供了一个树结构的文件系统，实现了类似Linux下的文件复制、改名、移动、创建、删除操作以及简单的权限管理等。分布式数据存储技术HDFSHDFS与GFS的不同点GFS支持多客户端并发Append模型，允许文件被多次或者多个客户端同时打开以追加数据；HDFS文件只允许一次打开并追加数据，客户端先把所有数据写入本地的临时文件中，等到数据量达到一个块的大小（通常为64MB），再一次性写入HDFS文件。GFS采用主从模式备份Master的系统元数据，当主Master失效时，可以通过分布式选举备机接替，继续对外提供服务，而HDFS的Master的持久化数据只写入到本机，可能采用磁盘镜像作为预防，出现故障时需要人工介入GFS支持数据库快照，而HDFS不支持分布式数据存储技术HDFSGFS写入数据时，是实时写入到物理块；而HDFS是积攒到一定量，才持久化到磁盘。虚拟化技术虚拟机监视器，一种监控和管理虚拟机运行的核心软件层，也叫Hypervisor。VMM宿主机真实的物理服务器，上面可以运行虚拟出来的虚拟机。客户机就是指从宿主机上虚拟出来的虚拟机。虚拟平台在物理平台上，虚拟出来的运行不同操作系统的各种虚拟机。物理平台实现虚拟技术的真实物理硬件和操作系统平台。虚拟化技术什么是虚拟化？云计算的核心技术之一就是虚拟化技术。所谓虚拟化，是指通过虚拟化技术将一台计算机虚拟为多台逻辑计算机。在一台计算机上同时运行多个逻辑计算机，每个逻辑计算机可运行不同的操作系统，并且应用程序都可以在相互独立的空间内运行而互不影响，从而显著提高计算机的工作效率。01虚拟化的核心软件VMM，是一种运行在物理服务器和操作系统之间的中间层软件。VMM是一种在虚拟环境中的“元”操作系统。他们可以访问服务器上包括CPU、内存、磁盘、网卡在内的所有物理设备。VMM不但协调着这些硬件资源的访问，也同时在各个虚拟机之间施加防护。当服务器启动并执行VMM时，它会加载所有虚拟机客户端的操作系统同时会分配给每一台虚拟机适量的内存，CPU，网络和磁盘。02虚拟化技术虚拟化技术有很多实现方式，比如根据虚拟化的程度和级别，有软件虚拟化和硬件虚拟化，全虚拟化和半虚拟化。软件虚拟化采用纯软件的方法在在现有的物理平台上实现物理平台访问的截获和模拟，该物理平台往往不支持硬件虚拟化。常见的软件虚拟化技术QEMU，是通过纯软件来仿真X86平台处理器的指令，然后解码和执行，该过程并不在物理平台上直接执行，而是通过软件模拟实现，因此往往性能比较差，但是可以在同一平台上模拟出不同架构平台的虚拟机。VMware则采用了动态二进制翻译技术。VMM在可控的范围内，允许客户机的指令在可控的范围内直接运行。客户机指令在运行前会被VMM扫描，其中突破VMM限制的指令被动态替换为可以在物理平台上直接运行的安全指令，或者替换为对VMM的软件调用。因此其性能上比QEMU有大幅提升，但是其失去了跨平台虚拟化的能力。虚拟化技术硬件虚拟化物理平台本身提供了对特殊指令的截获和重定向的硬件支持，新的硬件会提供额外的资源来帮助软件实现对关键硬件资源的虚拟化，从而提升性能。比如X86平台，CPU带有特别优化过的指令集来控制虚拟过程，通过这些指令集，VMM会将客户机置于一种受限模式下运行，一旦客户机试图访问硬件资源，硬件会暂停客户机的运行，将控制权交回给VMM处理。同时，VMM还可以利用硬件的虚拟化增强技术，将客户机对硬件资源的访问，完全由硬件重定向到VMM指定的虚拟资源。由于硬件虚拟化可提供全新的架构，支持操作系统直接在上面运行，无需进行二进制翻译转换，减少的性能开销，极大地简化了VMM的设计，从而使VMM可以按标准编写，通用性更好，性能更强。硬件虚拟化技术是一套解决方案，完整的情况需要CPU、主板芯片组、BIOS和软件的支持。Intel在其处理器产品线中实现了IntelVT虚拟化技术（包括IntelVT-x/d/c）。AMD也同样实现了其芯片级的虚拟化技术AMD-V。虚拟化技术完全虚拟化(硬件辅助虚拟化技术)最初所使用的虚拟化技术就是全虚拟化（FullVirtualization)技术，它在虚拟机（VM）和硬件之间加了一个软件层Hypervisor，或者叫做虚拟机管理程序或虚拟机监视器（VMM）。完全虚拟化技术几乎能让任何一款操作系统不用改动就能安装到虚拟服务器上，而它们不知道自己运行在虚拟化环境下。主要缺点是，性能方面不如裸机，因为VMM需要占用一些资源，给处理器带来开销。虚拟化技术半虚拟化(准虚拟化技术)在全虚拟化的基础上，把客户操作系统进行了修改，增加了一个专门的API，这个API可以将客户操作系统发出的指令进行最优化，即不需要VMM耗费一定的资源进行翻译操作。因此VMM的工作负担变得非常的小，因此整体的性能也有很大的提高。缺点就是，要修改包含该API的操作系统，但是对于某些不含该API的操作系统（主要是Windows）来说，就不行能用这种方法。经过半虚拟化处理的服务器可与VMM协同工作，其响应能力几乎不亚于未经过虚拟化处理的服务器。它的客户操作系统(GuestOS)集成了虚拟化方面的代码。该方法无需重新编译或引起陷阱，因为操作系统自身能够与虚拟进程进行很好的协作。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.设计动机：需要存储的数据种类繁多Google目前向公众开放的服务很多，需要处理的数据类型也非常多。包括URL、网页内容、用户的个性化设置在内的数据都是Google需要经常处理的。Google运行着目前世界上最繁忙的系统，它每时每刻处理的客户服务请求数量是普通的系统根本无法承受的。一方面现有商用数据库的设计着眼点在于其通用性，根本无法满足Google的苛刻服务要求，而且在数量庞大的服务器上根本无法成功部署普通的商用数据库。另一方面对于底层系统的完全掌控会给后期的系统维护、升级带来极大的便利。海量的服务请求商用数据库无法满足Google的需求云平台技术Bigtable设计目标：广泛的适用性Bigtable是为了满足一系列Google产品而并非特定产品的存储要求。根据需要随时可以加入或撤销服务器。对于客户来说，有时候即使短暂的服务中断也是不能忍受的，Bigtable设计的重要目标之一就是确保几乎所有的情况下系统都可用。底层系统的简单性既可以减少系统出错的概率，也为上层应用的开发带来便利。高可用性简单性云平台技术Bigtable很强的可扩展性分布式数据存储技术HDFSHBase是一个构建在HDFS上的分布式列存储系统.用于海量结构化数据存储.存储非结构化和半结构化的松散数据HBase将数据按照表、行和列进行存储。它介于nosql和RDBMS之间，仅能通过主键(rowkey)和主键的range来检索数据，仅支持单行事务(可通过hive支持来实现多表join等复杂操作)。与hadoop一样，Hbase目标主要依靠横向扩展，通过不断增加廉价的商用服务器，来增加计算和存储能力。因为HDFS适合批处理场景，不支持数据随机查找，不适合增量数据处理，也不支持数据更新，而HBase的出现正好解决了HDFS不能解决的问题。Hbase表的特点：大无模式面向列稀疏数据多版本数据类型单一一个表可以有数十亿行，上百万列每行都有一个可排序的主键和任意多的列，列可以根据需要动态的增加，同一张表中不同的行可以有不同的列面向列（族）的存储和权限控制，列（族）独立检索对于空（null）的列，并不占用存储空间，表可以设计的非常稀疏每个单元中的数据可以有多个版本，默认情况下版本号自动分配，是单元格插入时的时间戳Hbase中的数据都是字符串，没有类型HBase采用列存储形式。列存储不同于传统的关系型数据库（数据在表中是按行存储的），列方式所带来的重要好处之一就是，由于查询中的选择规则是通过列来定义的，因此整个数据库是自动索引化的。按列存储每个字段的数据聚集存储，在查询只需要少数几个字段的时候，能大大减少读取的数据量，一个字段的数据聚集存储，那就更容易为这种聚集存储设计更好的压缩/解压算法。云平台技术HbaseMapReduce是面向大数据并行处理的平台、框架和计算模型有三层含义MapReduce是一个基于集群的高性能并行计算平台（ClusterInfrastructure）。它允许用市场上普通的商用服务器构成一个包含数十、数百至数千个节点的分布和并行计算集群。MapReduce是一个并行计算与运行软件框架（SoftwareFramework）。它提供了一个庞大但设计精良的并行计算软件框架，能自动完成计算任务的并行化处理，自动划分计算数据和计算任务，在集群节点上自动分配和执行任务以及收集计算结果，将数据分布存储、数据通信、容错处理等并行计算涉及到的很多系统底层的复杂细节交由系统负责处理，大大减少了软件开发人员的负担。MapReduce是一个并行程序设计模型与方法（ProgrammingModel&Methodology）。它借助于函数式程序设计语言Lisp的设计思想，提供了一种简便的并行程序设计方法，用Map和Reduce两个函数编程实现基本的并行计算任务，提供了抽象的操作和并行编程接口，以简单方便地完成大规模数据的编程和计算处理。并行编程MapReduce并行编程MapReduceMapReduce最早是由Google公司研究提出的一种面向大规模数据处理的并行计算模型和方法。Google公司设计MapReduce的初衷主要是为了解决其搜索引擎中大规模网页数据的并行化处理。Google公司发明了MapReduce之后首先用其重新改写了其搜索引擎中的Web文档索引处理系统。但由于MapReduce可以普遍应用于很多大规模数据的计算问题，因此自发明MapReduce以后，Google公司内部进一步将其广泛应用于很多大规模数据处理问题。Google公司内有上万个各种不同的算法问题和程序都使用MapReduce进行处理。可以把MapReduce理解为，把一堆杂乱无章的数据按照某种特征归纳起来，然后处理并得到最后的结果。Map面对的是杂乱无章的互不相关的数据，它解析每个数据，从中提取出key和value，也就是提取了数据的特征。经过MapReduce的Shuffle阶段之后，在Reduce阶段看到的都是已经归纳好的数据了并行编程MapReduceMapReduce提供了以下的主要功能数据划分和计算任务调度数据/代码互定位系统优化出错检测和恢复并行编程MapReduce数据划分和计算任务调度:

系统自动将一个作业（Job）待处理的大数据划分为很多个数据块，每个数据块对应于一个计算任务（Task），并自动调度计算节点来处理相应的数据块。作业和任务调度功能主要负责分配和调度计算节点（Map节点或Reduce节点），同时负责监控这些节点的执行状态，并负责Map节点执行的同步控制。并行编程MapReduce数据/代码互定位:

为了减少数据通信，一个基本原则是本地化数据处理，即一个计算节点尽可能处理其本地磁盘上所分布存储的数据，这实现了代码向数据的迁移；当无法进行这种本地化数据处理时，再寻找其他可用节点并将数据从网络上传送给该节点（数据向代码迁移），但将尽可能从数据所在的本地机架上寻找可用节点以减少通信延迟。并行编程MapReduce系统优化:

为了减少数据通信开销，中间结果数据进入Reduce节点前会进行一定的合并处理；一个Reduce节点所处理的数据可能会来自多个Map节点，为了避免Reduce计算阶段发生数据相关性，Map节点输出的中间结果需使用一定的策略进行适当的划分处理，保证相关性数据发送到同一个Reduce节点；此外，系统还进行一些计算性能优化处理，如对最慢的计算任务采用多备份执行、选最快完成者作为结果。并行编程MapReduce出错检测和恢复:

以低端商用服务器构成的大规模MapReduce计算集群中，节点硬件（主机、磁盘、内存等）出错和软件出错是常态，因此MapReduce需要能检测并隔离出错节点，并调度分配新的节点接管出错节点的计算任务。同时，系统还将维护数据存储的可靠性，用多备份冗余存储机制提高数据存储的可靠性，并能及时检测和恢复出错的数据。，在此基础上我们可以做进一步的处理以便得到结果。云计算技术不仅可以使整个计算过程实现虚拟化开发，还可以计数各种计算的虚拟存储，实现快速处理分析大量信息数据，具有突出的应用优势。SaaS、laas、Paas模式是我国目前云计算技术数据处理的三种核心模式数据管理技术大数据采集技术

大数据采集分为两类，即集中式采集与分布式采集。集中式采集能够掌控全局数据，而在灵活性方面，采用分布式采集模式的优势更为明显。在大数据采集过程中，既包括对企业内部数据的采集，也包括采集企业之间的信息数据，通过分布式并行计算模式，将几种采集模式混合使用，提升数据采集的整体效率。即在大数据采集过程中，对于企业内部采用集中采集模式，而企业之间采用分布式采集模式。在每一个企业内部都设置多个中心服务器，将企业共享的信息数据进行存储。对于中心服务器间的组织则采用分布式数据采集模式。根据结构类型的不同，可将大数据分为结构化数据、半结构大数据及非结构化数据。在数据采集过程中，应该先对数据类型进行分析，根据不同类型，通过云计算的扩展、容错等优势，实现对数据的同构化，实现各结构数据对接。大数据存储技术

大数据存储以列式存储为主。这种方式主要根据数据的属性存储，与按行存储相反，将每一个属性按照一列进行存放。在数据投影过程中，只能对涉及到的属性列进行访问，大大提升系统输入输出的效率。由于相邻列数据类型相似度高，因此采用这种存储模式能够提升数据的压缩率，压缩后更能减少数据传输的成本。数据管理技术大数据联机分析技术联机分析处理技术是大数据仓库系统中的关键内容，复杂的数据分析过程，其重点在于决策性分析，为用户提供实际结果。采用联机分析手段，从综合数据分析出发，建立多维模型，得到全面数据分析结果，为决策者提供参考依据。联机分析处理的一个特点就是数据分析，将数据仓库与联机分析技术相结合，不仅能够计算海量数据，还能够分析数据。数据管理技术大数据挖掘技术采用联机分析技术，往往只能够获取表层的知识信息，但对于数据信息潜在的联系却知之甚少。但在云计算背景下，利用数据挖掘技术能够获悉数据本身，并将数据之间潜在的联系想明白，利用概念、规律或模式等将其表示出来。大数据可视化在数据存储空间中，用图形图像的方式将数据库以及数据库中的相关数据表示出来，同时，在展示过程中利用某些手段，将图像中蕴藏的相关隐藏信息挖掘出来，帮助用户更好地挖掘数据信息、理解数据信息，提升信息检索效率。传统的数据处理过程仅仅基于数据本身。思考：Google云计算的三大核心技术是什么？什么是虚拟化？云计算数据处理的三种核心模式是什么？知识点3.云计算的服务类型

和布置模式1云计算的服务类型IaaS,PaaS,SaaS2云计算的四种云模式公有云，私有云，混合云，社区云云计算的服务类型和布置模式云计算的服务类型有3种：IaaS,PaaS,SaaS,云计算的服务类型云计算的服务类型IaaSIaaS(InfrastructureasaService)基础设施即服务系统供应商向用户提供计算、存储、网络等基础硬件资源，使用者可以按量付费，租用IaaS服务商部署好的硬件资源环境，并在这些基础硬件设施之上部署和运行各种软件。而在传统IT部署模式下，企业需自行购买服务器、存储、网络设备等IT基础设施，并负责前期的实施、后期的运营、维护和扩容，部署相对更复杂。IaaS部署模式下，企业按需租用，相比传统部署模式更能灵活调配资源，避免了资源浪费。在传统IT部署方式下，企业不能及时调整资源投入量，配置过多会使资源浪费，配置不足会使业务受限。而IaaS用户可以根据业务需求的变化，动态地获取或释放IT资源，无需预先为日后的业务处理高峰过度预置资源，在需求不足时也可以快速完成部署，确保了按需使用，防止资源浪费。全球IaaS供应商主要有AWS（亚马逊云）、Azure（微软云）、阿里云、谷歌云、IBM云、腾讯云、华为云。其中，AWS是全球公有云IaaS市场的领先者，阿里云是中国公有云IaaS市场的领先者。头部厂商基于自身IDC资源差异、生态建设差异，形成了在各细分市场不同的能力圈：1）华为在政企、金融领域具备优势，主要由于其作为上游资源商，更擅长私有云领域；2）阿里公有云在金融、零售、工业等领域一枝独秀，主要是基于自身蚂蚁金服、电商业务等积累下来的金融、零售、供应链和制造业基因；3）腾讯在互联网领域处于领先地位，尤其是游戏、视频领域。云计算的服务类型IaaSPaaS(PlatformasaService)平台即服务将软件研发的平台作为一种服务，供应商提供超过基础设施的服务，一个作为软件开发和运行环境的整套解决方案，即以SaaS的模式提交给用户。因此，PaaS也是SaaS模式的一种应用。但是，PaaS的出现可以加快SaaS的发展，尤其是加快SaaS应用的开发速度。云计算的服务类型PaaSSaaS(SoftwareasaService)软件即服务SaaS是一种通过Internet提供软件的模式，用户不用再购买软件，而改用向提供商租用基于web的软件，来管理企业经营活动，且无需对软件进行维护，服务提供商会全权管理和维护软件。SaaS提供商为企业搭建信息化所需要的所有网络基础设施及软件、硬件运作平台，并负责所有前期的实施、后期的维护等一系列服务。SaaS是软件的开发、管理、部署都交给第三方，不需要关心技术问题，可以拿来即用。普通用户接触到的互联网服务，几乎都是SaaS。云计算的服务类型SaaSIaaS是构建应用程序的基础设施，PaaS是程序员构建应用程序的平台，SaaS是用户直接订阅使用的产品。每种云服务模式都是不同程度上的资源抽象，再以服务的形式提供给企业或者个人。Saas,PaaS,IaaS三者之间的关系面向公众提供的开放的云基础设施。亚马逊AWS，微软AZURE，腾讯云，阿里云都是公有云。公有云是为广大用户、个人或企业提供的云基础设施。公有云就是第三方的公有云供应商为用户提供可通过互联网访问的虚拟环境中的服务器空间。然后，用户可以通过购买云服务器、数据存储和其他与云相关的服务等公有云服务来访问这些服务器。在公有云中，所有硬件、软件和其他支持性基础结构均为云提供商所拥有和管理。在公有云中，你与其他组织或云“租户”共享相同的硬件、存储和网络设备。你可以使用Web浏览器访问服务和管理帐户。公有云部署通常用于提供基于Web的电子邮件、网上办公应用、存储以及测试和开发环境。如果拿租房子来举例，公有云就像是合租公寓，设施都是共用的，各个房间之间也都是通过虚拟化等方案进行隔离的。并且费用也是相对比较低的。云计算的布置模式公有云1:1面向某个企事业单位/组织提供的云基础设施。私有云是云计算的另一种形式。它为一个企业或组织提供专用的云环境。私有云可以由企业或组织内部的IT团队在该组织的防火墙后面进行内部操作，因此组织可以更好地控制其计算资源。私有云主要由企业使用，因此它也被视为一种企业云。私有云可在物理上位于组织的现场数据中心，也可由第三方服务提供商托管。在私有云中，服务和基础结构始终在私有网络上进行维护，硬件和软件专供组织使用。私有云可使组织更加方便地自定义资源，从而满足特定的IT需求。私有云的使用对象通常为政府机构、金融机构以及其他具备业务关键性运营且希望对环境拥有更大控制权的中型到大型组织。如果拿租房子来举例，私有云就像是套房整租，资源独享不需要和他人共用，有很高的自由性。云计算的布置模式私有云有两种或两种以上的云组成的云基础设施，每种云保持独立实体。混合云是一种云计算模型，它通过安全连接（如VPN连接或租用线路）组合一个或多个公有云和私有云环境，从而允许在不同云环境之间共享数据和应用程序。当在私有云上运行的应用程序遇到使用高峰时，它们可以自动“突发”到公有云环境以获得额外的按需容量。这被称为“云爆发”。由于额外的需求将在公有云上，因此无需担心提前配置硬件以满足高峰需求。连接公有云和私有云有两种方法：VPN和点对点专用连接。混合云通常被认为是“两全其美”，它将本地基础架构或私有云与公有云相结合，组织可利用这两者的优势。在混合云中，数据和应用程序可在私有云和公有云之间移动，从而可提供更大灵活性和更多部署选项。如果拿租房子来举例，混合云就像是更加灵活的整租+单租自动调节。可以在价格、安全性、灵活性等方面做一个平衡。云计算的布置模式混合云由几个组织共享的云端基础设施它们支持特定的社群，有共同的关切事项，例如使命任务、安全需求、策略与法规遵循考量等。管理者可能是组织本身，也能是第三方；管理位置可能在组织内部，也可能在组织外部。如果拿租房子来举例，社区云就像是单位的员工宿舍，在价格和安全性方面都是比较适中的。社区云与私有云、公有云相比模式上复杂一些，由多个组织共同构建和共享云设施。云计算的布置模式社区云公有云部署通常用于提供基于Web的电子邮件、网上办公应用、存储以及测试和开发环境私有云的使用对象通常为政府机构、金融机构以及其他具备业务关键性运营且希望对环境拥有更大控制权的中型到大型组织混合云的使用对象通常由大流量的互联网业务，同时部分业务有合规需求或者需要充分利用现有IT资产的企业或组织社区云的使用对象通常是多个有密切关系的组织一起联合使用使用场景区别四种云的区别公有云由公众开放使用私有云由单一组织独占使用混合云则是前述的两种以上模式的混合社区云是由一个特定社区独占使用，该社区由具有共同关切(如使命、安全要求、政策等)的多个组织组成四种布置模式的区别思考：云计算有哪些服务类型？云计算有哪些云模式？知识点4.云计算的典型应用云计算的典型应用3云物联21云存储云服务54云安