2.4 小结
本章建立在对第1章的云类型和计算演变到现阶段的原因(技术和经济两方面)的理解基础之上。经过深入考察支撑技术,我们知道了云的工作机制。云提供商正在制造非同凡响的规模经济。随着他们运营这些巨型数据中心的专业经验变得越来越好,他们的成本会持续降低。
本章介绍了推动云计算的部分核心技术。排在最前面的当属虚拟化,甚至大多数公司的数据中心都已经开始使用它,并把它作为提高服务器利用率并因此降低成本的一种手段。由于云是一种虚拟化的服务器环境,在这里,你可以快速创建机器或应用的新实例,进而通过网络控制它们,因此自动化和网络访问在云计算中同样至关重要。一种创建、操作、弹性扩展和销毁实例的API也是必需的。趋势似乎正朝着亚马逊的API成为行业标准的方向发展。我们重点观察了亚马逊的S3 API,以其为例了解了云存储。
你清楚了关系数据库不能伸缩的原因是它们必须共享信息。这导致了新型的键-值类型数据库在云中普遍应用。迁移到云中的一个最大好处是,随着应用需求量的增加,能够近乎无限伸缩。通过在亚马逊EC2中创建自动伸缩、负载均衡的EC2应用所需的调用例程,你学到了这种弹性的工作机理。我们比较了亚马逊的SimpleDB和Google的BigTable。
本章还比较和对比了主要云计算风格的差异。亚马逊EC2是IaaS中最有名的例子。微软Azure主要是IaaS,但提供了大量PaaS的产品。Google因其App Engine而成为PaaS最出名的代表。泛滥的Ruby on Rails产品则属于高度专业化的平台类型,Salesforce的Force.com也属于此类。
有点讽刺意味的是,我们扩展了云分类术语,把“数据中心即服务”也包含在内,同时考察了私有云的概念,了解了它是否有用或者仅仅只是一时的风潮。对云分类的理解将有助于你避免常见的“苹果和橘子”式的比较,如比较IaaS和PaaS云。现在,你已经知道了它们的区别。更重要的是,你现在能更好地根据目的做出最适合你的有根据的决定。
你已经知道,IT演变背后的主要驱动力不是技术而是经济。因此,下一章我们将更详细地了解云计算的商业依据。
《云计算揭秘企业实施云计算的核心问题》——2.4节小结
时间: 2024-10-03 01:59:09
《云计算揭秘企业实施云计算的核心问题》——2.4节小结的相关文章
《软件工程方法与实践》—— 1.6 小结
本节书摘来自华章出版社<软件工程方法与实践>一 书中的第1章,第1.6节,作者窦万峰,更多章节内容可以访问"华章计算机"公众号查看. 1.6 小结 软件是计算机系统中与硬件相对应的另一部分,是一系列程序.数据及其相关文档的集合.软件具有复杂性.一致性.退化性.易变性.移植性和高成本等特征.软件工程是由于软件危机的出现而被提出的,其主旨是以工程化的思想进行软件的开发与维护,目的是高效率地生产出高质量的软件.软件工程化思想的核心是,把软件看作一个需要通过需求分析.设计.实现.测
《软件工程方法与实践》—— 2.6 小结
本节书摘来自华章出版社<软件工程方法与实践>一 书中的第2章,第2.6节,作者窦万峰,更多章节内容可以访问"华章计算机"公众号查看. 2.6 小结 开发软件产品或构建系统时,遵循一系列可预测的过程活动是非常必要的,有助于及时交付高质量的产品,这些过程活动称为软件过程.大多数软件开发过程都有一个共同的软件过程框架,即沟通.策划.建模.构建和部署的过程.每个过程有包含一系列小的任务或活动.软件过程模型的选择取决于软件的特性和开发团队的特性.对于开发大型复杂的软件,建议采用重型软
《Python数据挖掘:概念、方法与实践》一导读
Preface 前言 过去十年,数据存储变得更便宜,硬件变得更快,算法上也有了引人注目的进步,这一切为数据科学的快速兴起铺平了道路,并推动其发展成为计算领域最重要的机遇.虽然"数据科学"一词可以包含从数据清理.数据存储到用图形图表可视化数据的所有环节,但该领域最重要的收获是发明了智能.精密的数据分析算法.使用计算机寻找大量数据中埋藏的有趣模式称为数据挖掘,这一领域包含了数据库系统.统计学和机器学习等课题. 现在,软件开发人员可以找到数十种出色的数据挖掘和机器学习书籍,从而了解这一领域
《Python数据挖掘:概念、方法与实践》一 第1章 扩展你的数据挖掘工具箱
本节书摘来自华章出版社<Python数据挖掘:概念.方法与实践>一书中的第1章,第1.1节,作者[美] 梅甘·斯夸尔(Megan Squire),更多章节内容可以访问"华章计算机"公众号查看. 第1章 扩展你的数据挖掘工具箱 面对感官信息时,人类自然想要寻找模式,对其进行区别.分类和预测.这种寻找周围模式的过程是人类的基本活动,人类的大脑对此很擅长.利用这种技能,我们的祖先更好地掌握了狩猎.聚会.烹饪和组织知识.因此,人类最早计算机化的任务是模式识别和模式预测也就不足为奇
《Python数据挖掘:概念、方法与实践》扩展你的数据挖掘工具箱
本节书摘来自华章出版社<SAFe 4.0参考指南:精益软件与系统工程的规模化敏捷框架>一书中的第1章,第1节,作者[美] 梅甘·斯夸尔(Megan Squire)更多章节内容可以访问"华章计算机"公众号查看. 扩展你的数据挖掘工具箱 面对感官信息时,人类自然想要寻找模式,对其进行区别.分类和预测.这种寻找周围模式的过程是人类的基本活动,人类的大脑对此很擅长.利用这种技能,我们的祖先更好地掌握了狩猎.聚会.烹饪和组织知识.因此,人类最早计算机化的任务是模式识别和模式预测也就不
《Python数据挖掘:概念、方法与实践》——第1章扩展你的数据挖掘工具箱
第1章 扩展你的数据挖掘工具箱 面对感官信息时,人类自然想要寻找模式,对其进行区别.分类和预测.这种寻找周围模式的过程是人类的基本活动,人类的大脑对此很擅长.利用这种技能,我们的祖先更好地掌握了狩猎.聚会.烹饪和组织知识.因此,人类最早计算机化的任务是模式识别和模式预测也就不足为奇了,这种渴望一直持续到现在.近来,根据给定项目的目标,使用计算机找出数据中的模式,已经涉及数据库系统.人工智能.统计学.信息检索.计算机视觉和其他各种计算机科学子领域,以及信息系统.数学或者商业等.不管我们将这种活动称
概要设计、详细设计:概念、方法、实践步骤
完整软件开发流程: 需求分析.概要设计.详细设计 一 1. 概念.方法.实践步骤 设计是指根据需求开发的结果,对产品的技术实现由粗到细进行设计的过程.根据设计粒度和目的的不同可以将设计分为概要设计.详细设计等阶段以便于管理和确保质量.设计内容也要根据软件系统的实际情况进行定义,比如对于交互性要求高的系统可以有视觉设计等等. 一般来说可以将设计阶段划分为概要设计.详细设计2阶段进行管理,程序设计可以结合项目管理.作业配分.开发团队的能力以及质量要求等因素来决定是否作为单独的阶段进行管理. n
【Python数据挖掘课程】八.关联规则挖掘及Apriori实现购物推荐
这篇文章主要介绍三个知识点,也是我<数据挖掘与分析>课程讲课的内容. 1.关联规则挖掘概念及实现过程: 2.Apriori算法挖掘频繁项集: 3.Python实现关联规则挖掘及置信度.支持度计算. 前文推荐: [Python数据挖掘课程]一.安装Python及爬虫入门介绍 [Python数据挖掘课程]二.Kmeans聚类数据分析及Anaconda介绍 [Python数据挖掘
【Python数据挖掘课程】一.环境配置及数据挖掘与爬虫入门普及
最近因为需要给大数据金融学院的学生讲解<Python数据挖掘及大数据分析>的课程,所以在这里,我将结合自己的上课内容,详细讲解每个步骤.作为助教,我更希望这门课程以实战为主,同时按小组划分学生,每个小组最后都提交一个基于Python的数据挖掘及大数据分析相关的成果.但是前面这节课没有在机房上,所以我在CSDN也将开设一个专栏,用于对该课程的补充. 希望该文章对你有所帮助,尤其是对大数据或数据挖掘的初学者,很开心和夏博.小民一起分享该课程,上课的感觉真的挺不错的,挺
【Python数据挖掘课程】二.Kmeans聚类数据分析及Anaconda介绍
这次课程主要讲述一个关于Kmeans聚类的数据分析案例,通过这个案例让同学们简单了解大数据分析的基本流程,以及使用Python实现相关的聚类分析. 主要内容包括: 1.Anaconda软件的安装过程及简单配置 2.聚类及Kmeans算法介绍 3.案例分析:Kmeans实现运动员位置聚集 前文推荐:[Python数据挖掘课程]一.安装Python及爬虫入门介绍 希望这篇文章对你有所帮助,尤