精华内容
下载资源
问答
  • 基于云平台的数据中心和基于云计算数据中心有什么关系,一样吗,不一样的话有什么区别</p>
  • 一、云计算数据中心关系 数据中心是全球协作的特定设备网络,用来在Internet网络基础设施上传递、加速、展示、计算、存储数据信息。它不仅包括计算机系统其它与之配套的设备,还包含冗余的数据通信连接、环境...

    随着互联网+的发展壮大,“大数据时代”、“云计算时代”一时受到热捧。那么,这究竟是谁的时代?数据中心碰上云计算,未来该如何?

    云计算和数据中心:相互依存,互相促进 idc资讯 第1张

    一、云计算与数据中心的关系

    数据中心是全球协作的特定设备网络,用来在Internet网络基础设施上传递、加速、展示、计算、存储数据信息。它不仅包括计算机系统和其它与之配套的设备,还包含冗余的数据通信连接、环境控制设备、监控设备以及各种安全装置。

    而云计算是什么?一般说来,它是基于互联网的相关服务的增加、使用和交付模式,通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。其实一直到现在,云计算仍然没有标准的定义。因为云计算没有统一的标准。生活化一点,包括我们所熟知的搜索引擎、网络视频、电子商务、电子邮件、地图导航等都属于云计算的范畴。

    但有一点不变的是,不管云计算怎样去变化,必然需要依托数据中心实现落地。可以说,数据中心是云计算的根,云计算是数据中心“叶子”,云计算通过“光合作用”促进数据中心的发展,而数据中心得壮大又为云计算发展提供了坚实的基础。两者起到相互依存,互相促进的作用。

    据悉,国内每年数据中心的新增投资规模都在1000亿元人民币左右,而随着国内信息化社会的快速推进,以及云计算、物联网等产业的崛起,数据中心作为终端海量数据的承载与传输实体,每年的投资增速也在日益加快。

    二、云计算推动数据中心“云”化

    随着云计算应用的迅速普及,传统数据中心也日益暴露出诸多问题:比如建设周期长、投入较大,建成后弹性差,部署密度低,能源消耗较高等。据有关资料显示,云计算的服务效率是传统数据中心效率的5至7倍。加之云计算在绿色节能方面的出色表现,已成为下一代数据中心的发展趋势。

    此外,云箱的诞生彻底改变了数据中心的不良现状,使客户在低投入的情况下,快速、弹性、绿色地部署IT资源并提供服务。这种改变将使中国云计算事业加速发展,让更多的人成为丰富、便捷、绿色云计算服务与应用的直接受益者。

    最后,云计算是显著特点是实现多平台的共享,云计算的规模化应用将促进数据中心内资源的集中、融合,推动数据中心的“云”化。

    展开全文
  • 云计算数据中心如何“联姻”  在云服务开始得到广泛采用的同时...它们之间的发展既相互促进又互为载体,这使云计算和数据中心今日的关系更像是一场“联姻”。  云计算数据中心如何“联姻”  云计算和数...

      云计算与数据中心如何“联姻”

      在云服务开始得到广泛采用的同时,数据中心似乎即将走向末路。其实,从云计算和数据中心的技术角度来看,云平台的灵活得益于数据中心等基础设施的不断发展;而公有云和私有云基础设施,在缓解内部数据中心难题方面也发挥出巨大作用。它们之间的发展既相互促进又互为载体,这使云计算和数据中心今日的关系更像是一场“联姻”。

    云计算与数据中心如何“联姻”

      云计算、数据中心如何“联姻”

      云计算和数据中心其实已经算是“联姻”了,不管是我们在谈论数据中心还是云计算的时候,都会把另一方作为非常重要的载体。数据中心要想为用户提供高可用性的服务就必要借助云平台的灵活部署方式。而云计算服务也必须建立在数据中心等硬件平台上。

      云计算数据中心本质上由云计算平台和云计算服务构成。云计算服务包括通过各种通信手段提供给用户的应用、软件、工具以及计算资源服务等;云计算平台包括用来支撑这些服务的安全可靠和高效运营的软硬件平台。通过云计算平台将一个或多个数据中心的软硬件整合起来,形成一种分层的虚拟计算资源池,并提供可动态调配和平滑扩展的计算、存储和网络通信能力,用以支撑云计算服务的实现。

      云计算平台是云计算中心的内部支撑,处于云计算技术体系的核心。它以数据为中心,以虚拟化和调度技术为手段,通过建立物理的、可缩放的、可调配的、可绑定的计算资源池,整合分布在网络上的服务器集群、存储群等。

      云平台与数据中心的合作模式

      我们本期聊的“云计算数据中心”是一个融合的概念,不只是一个简单的软硬件集成的模式,企业在实施之前需要谨慎评估和整体规划,充分考虑云计算数据中心的管理模式,并将未来的运营模式纳入到整体规划中,这样才可以充分发挥云计算平台作用。

      根据本行业特性,充分了解用户采用云计算数据中心想要获得的服务与应用需求,并对云计算平台进行充分的评估,选择合适的技术架构。同时充分考虑系统扩展和迁移的可操作性,保证基础设施平台技术的连续性和核心业务的连续性,这点是至关重要的。

      云计算的基本特征是开放性,云计算平台应能提供标准的API实现与现有应用兼容。所有的应用移植是渐进过程,云计算基础架构要很好的支撑核心应用,而并不仅仅是新增的需求。

      深挖关键技术

      虚拟化技术是这一领域的基础组成部分,它涉及到了服务器、存储、网络、应用和桌面等多个方面,不同类型的虚拟化技术从不同角度解决不同的系统性能问题。

      服务器虚拟化对服务器资源进行快速划分和动态部署,从而降低了系统的复杂度,消除了设备无序蔓延,并达到减少运营成本、提高资产利用率的目的。

      存储虚拟化将存储资源集中到一个大容量的资源池并进行统一管理,实现无需中断应用即可改变存储系统和数据迁移,提高了整个系统的动态适应能力。

      云计算数据中心基于上述虚拟化技术实现了跨越IT架构的全系统虚拟化,对所有资源进行统一管理、调配和监控,在无需扩展重要物理资源的前提下,简单而有效地将大量分散的、没有得到充分利用的物理资源整合成单一的大型虚拟资源,并使其能长时间高效运行,从而能源效率和资源利用率达到最大化。

      云时代用户在灵活性和可扩展性方面的需求开始变得尤为关注,基于数据中心等基础设施的不断发展,使得现在的云平台应用变得更加灵活,虚拟化、大数据等技术的不断配合也使得云端的数据安全、灵活性等方面更有保障。

    转载于:https://www.cnblogs.com/jinsexiaomifeng/p/9608053.html

    展开全文
  • 数据中心建设的安全直接关系到业务运行的连续性,本文通过分析数据中心建设中存在的安全问题,从技术角度提出了一种数据中心安全的建设思路,从分区规划分层部署、安全交换平台网络隔离等方面进行阐述,为云计算数据...
  • 云计算概念发端于GoogleAmazon等超大规模的互联网公司,随着这些公司业务的成功,作为其支撑技术的云计算也得到了业界的高度认可广泛传播。时至今日,云计算已被普遍认为是IT产业发展的新阶段,从而被赋予了很多...

    云计算概念发端于GoogleAmazon等超大规模的互联网公司,随着这些公司业务的成功,作为其支撑技术的云计算也得到了业界的高度认可和广泛传播。时至今日,云计算已被普遍认为是IT产业发展的新阶段,从而被赋予了很多产业和产品层面的意义。由于意义多重,各种概念纷繁复杂,众多公司和从业人员的眼中都有自己的一朵云,正如徐志摩在《偶然》一诗中所说:“我是天空里的一片云,偶尔投影在你的波心”。

    传统的系统设计考虑的主要是单机环境,而云计算主要考虑的环境却是数据中心。从单机到数据中心,很多设计原则发生了根本变化,极端点甚至可以说PC时代30年来一以贯之的系统设计原则到今天已完全不适用。

    考虑到云计算的诸多内涵,从技术角度讲,数据中心计算 (Datacenter Computing)可能是更合适的表述。本文对数据中心计算的技术领域和设计原则的变化进行了粗浅的探讨。一家之见,仅供参考。

    云计算简介

    20世纪80年代个人电脑的发展开始,PC的计算能力不断增强,用一台PC就可以存放个人需要的所有数据并完成处理工作,比如编写文档、处理邮件等。但在互联网时代,一家互联网公司提供服务时需要用到远超过个人规模的数据,这些数据的存储和处理需要成千上万台机器的协同工作才能完成。这种服务器规模不是个人能够提供的,只有大型公司或机构才能拥有,这好像又回到了更早以前的Mainframe时代。从MainframePC再到云,这正是计算机技术螺旋上升的发展过程。

    简单来说,云计算就是利用系统架构技术把成千上万台服务器整合起来,为用户提供灵活的资源分配和任务调度能力。这里有几个关键字:一是超大规模,包括机器的数量、用户的数量和并发任务的数量;二是资源整合,成千上万台的服务器资源能集合起来做一件事情,比如存储大量数据,或者处理一个大型任务;三是灵活与快速交付,大规模的服务器资源能进行灵活的调配,按应用需求分解成若干个虚拟的资源池,快速地支持大量的并发请求或作业。

    云计算技术的出 现,使整理和加工数据的能力变得空前强大,这种能力可以帮我们找出很多看似无关的事件背后的规律,并用其来预测未来发展。结合移动和物联网等技术,还可以 更好地服务于社会和人们的日常生活,如灾难预警、智慧城市和智能交通等。这种数据处理能力是在海量数据之上发展起来的,与作为基础支撑的系统架构技术同步 发展并逐渐融合,共同组成了现在大家所看到的云计算技术。

    综合系统架构和数据处理技术两方面,云计算技术自下而上可分为硬件基础架构、软件基础架构和数据智能三个层面,如图1所示。

    图1 云计算技术可分为三个层面

    硬件基础架构包括服务器、网络和数据中心的设计与实施等技术领域,软件基础架构聚焦于存储、计算与大规模分布式系统等技术领域,数据智能则关注数据仓库(Data Warehouse)、机器学习(Machine Learning)及数据分析与可视化(Data Analysis & Visualization)等技术领域。值得一提的是,这三个层次的划分主要以技术领域为出发点,而通常提到的云计算三个层次SaaS/PaaS/IaaS则更多地是从资源的提供形态和接口为考虑进行划分的,二者并非同一维度。

    时下流行的大数据(Big Data)概念可以看成从海量数据的角度看数据分析技术和软件架构支撑,包括软件基础架构与数据智能相关技术。二者都与数据有关,但其区别在于:软件基础架构关心的主要是数据的格式、容量以及访问模式等,而数据智能更在意数据的语义。

    而数据中心计算则是从体系结构的角度看待软硬件系统设计。下文将就相关的技术领域和设计原则进行讨论。

    数据中心计算

    技术领域与挑战

    如图2所示,数据中心计算包含存储、计算、实时存储与计算、超大规模系统、体系结构以及数据中心等技术领域。存储系统的需求来自两个维度。首先,大量的无结构数据需要表(Table)、对象(Object)与文件(File)等多种存储结构进行支持;其次,访问模式的不同(如只读不写、只写少读、读写均匀等)将很大程度上影响对存储系统设计和优化的考虑。

    图2 数据中心所包含的技术领域

    计算系统的需求和技术特点与计算任务的类型有很大关系。数据密集型的代表是MapReduce,它对CPUI/O的需求比较均衡。计算密集型任务与通信密集型任务都是CPU密集计算,但二者访问数据的规模不同。如果只需要少量数据则是计算密集型。而如果需要访问大量数据,比如大矩阵迭代,内存限制这些数据必须存放在多台机器上,那么往往此时系统瓶颈将转移到通信的延迟上,这类似于传统的高性能计算。

    通常的存储系统和计算系统只能支持到一定级别的延迟和并发度,对于更高的要求则需要基于内存构造实时的存储与计算系统。考虑到内存的特点,在存储上更适合提供具有丰富语义的数据结构。在分布式数据结构的基础上,加入流式数据处理和触发式事件处理的模型,则可以更好地支持实时检索、OLAPPubSub等应用。

    超大规模系统主要通过分布式相关技术保证系统的可用性(availability)和可管理性 (manageability),包括系统建模、设计、开发以及运维等多方面。体系结构包括虚拟机、服务器设计等。数据中心包括机柜设计、网络规划与设计、数据中心设计与建设等,主要关注于能效比(PUE)。

    系统设计原则

    传统的软硬件系统主要面向单机和个人,在桌面环境中使用,我们也可以称其为桌面计算(Desktop Computing)。从桌面到数据中心,应用特点和负载模型发生了巨大变化。

    在单机上,主要面向一个用户,他可能运行多项任务,任务可以分为前台任务和后台任务两种。用户对系统的响应性(promptnessresponsiveness)十分敏感,所以前台任务通常优先于后台任务,而后台任务则希望被公平调度。这也是抢占式调度(Preemptive Scheduling)策略最终胜过协作式调度(Cooperative Scheduling)的原因。

    在数据中心里,同样也有在线和离线两种应用类型,在线系统直接面向用户,而离线系统多用于数据处理。在线系统通常是一个大型应用服务于海量用户,用户对系统响应性仍然十分敏感。但由于用户规模巨大以及互联网服务通常免费,成本压力十分严峻,所以系统需要充分挖掘用户对响应性的容忍度。通常情况下,人对事件响应的感知能力在500ms左右,利用这一特点可以优化系统调度并节省资源。而在极限压力情况下,没有足够的资源满足所有请求,很多系统开始延长响应时间,然后在持续压力下失去响应直至崩溃。此时,为可服务范围内的请求提供正常服务,并为超过范围的请求提供快速的拒绝响应,将会给用户带来更好的体验,也能提升系统的可用性。到最后,我们会发现在线服务系统应以稳定的极限吞吐(Sustained Throughput)作为首要设计目标。当然,要在一定延迟阈值的前提保证下。

    离线系统主要服务于数据处理类作业,这些作业涉及海量数据,使用者的预期并不会特别高,此时的处理效率更为重要。通常,这些作业将会以批处理的方式合并执行,提升系统的总吞吐率,即资源利用率成为首要调度目标。

    在系统设计时,有一些永恒的矛盾需要做出折中考虑,例如延迟与吞吐、公平与效率。在桌面环境中,我们选择了低延迟和公平,而在数据中心环境中,我们选择了高吞吐(或稳定的极限吞吐)和高效率。在具体实现方案上,也带来了不同的选择,比如同步与异步模型、线程与事件驱动、线程池与队列等。

    从桌面到数据中心,同样发生变化的还有开发模式。PC是一个开放系统,无论软件还是硬件,每个厂商都只负责系统中的一部分,都需要考虑和不同的组件一起工作。由于用户众多,需求各不相同,只能采取按层次组织的系统架构(layered architecture)以及约定俗成的标准化规范。这虽然保证了系统的通用性,以及不同来源的各种组件的有效分工和协同工作,但也带来了一些问题,例如一个功能需要穿透多层才能完成,而每层互不信任,需要执行严格的参数检查等。

    更严重的是,在系统的每一层中,都可能存在一些重复的功能。以存储为例,一次写入需要经历从libc的文件流(FILE stream),到文件系统的缓冲区,再到驱动器中的缓冲区,最后到磁盘上的缓存这样的长调用流程才能完成持久化(persistency)。这个流程从其中的每一层单独来看都是合理的,但从整个系统的角度看来,存在着性能浪费。另外,由于分层带来的透明性使得数据持久化不得不通过额外的fsync操作才得以保证,从而使系统的可靠性保证机制变得更复杂。

    此外,在架构设计时,我们也经常在谈机制(mechanism)与策略(policy)的分离。固定、明确的功能称为机制,通过灵活的可变的策略进行配置,从而使系统具有良好的可扩展性。但实际上,每层独立且透明,且通常也都沿用相同的设计理念,这其实并不能保证机制策略的有效分离,最后的系统往往很难取得可扩展性和性能的良好平衡。

    我们可以发现分层导致了每层都倾向于变得聪明、变得复杂,但综合效果却不如人意。而在今天的数据中心环境中,如前面所说,很多时候我们其实是在做一个超大型应用,应用的特点需要被充分考虑。另外这个系统通常只有一个生产商,可以进行垂直化的设计或整合。此时,由应用层或平台的上层提供策略,而下层只需要考虑机制,这将使系统变得更加简单,从而取得更好的性能,而扩展性也可以得到很好的保证。

    SSD为例,现在的SSD在设计时通常假设由文件系统来使用。由于闪存的擦除特性,需要考虑写缓冲区,而由于缓冲区需要有预留空间也需要有复杂的置换算法和回收机制,这对性能和成本(也包括开发成本)都有很大影响。但在数据中心环境里,我们通常有完整设计的存储系统,数据组织方式和读写流程也被充分优化,对存储设备的需求就是最基本的定长块。这种情况下,SSD的逻辑其实可以做得非常简单,直接对上层暴露内部的状态(如通路、物理块),从而提高性能、降低成本。更重要的是,这将有效提高交付速度——这对于缓解服务器、网络、IDC等硬件系统的长实施周期和业务快速增长的规模需求之间的矛盾至关重要。

    上层对下层的要求是逻辑简单、功能单一,而下层对上层则暴露更多细节,最复杂的逻辑判断由最上层的应用来完成,这是另一种方式的层次化。而且,层次之间也不需要维持一个物理边界(如现在应用和内核之间),可以通过函数调用的方式实现柔性的层次划分。有兴趣的读者可以参考libOS注:Exokernel】或者in-kernel web server【注:khttpd】的一些设计思路。

    从桌面到数据中心的第三个变化是评价体系。一个中等规模的数据中心通常包含数万服务器,在这样的规模下,硬件故障成为家常便饭。一般,我们通过冗余复制或者重复处理来解决硬件故障问题。在习惯了硬件故障之后,我们对软件Bug的态度也会发生变化。软件Bug中有一种偶发性Bug注:也被称为heisenbug,意指海森堡测不准原理】最难发现也最难调试,消除这些Bug需要付出巨大的代价。但考虑到这种Bug的出现概率堪比硬件故障,我们其实可以采用同样的方式来对待。

    规模增长的同时,系统的复杂度也变得越来越高,以至于很多时候已经超过一个人的直接掌控能力。要去理解系统的运行状态以保障其正常运行,在这种情况下变得十分困难。此时,我们可以利用系统冗余的特点,对一些组件进行定期重启(reboot),通过重置状态降低Bug被触发的概率【注:“Recovery Oriented Computing”】。而对于性能上的问题则更是如此,有时还需要采用数据挖掘的方法来进行优化或系统调试【注:M.K. Aguilera, J.C. Mogul, J.L. Wiener, etc., “Performance debugging for distributed systems of black boxes”, in SOSP’03】。

    海量数据以及数据处理应用也带来了很大的影响。由于数据的规模以及处理算法的特点,很多时候系统只需要提供概率意义上正确的结果,不需要保证数据的绝对可靠,也不需要严格保证运行结果的可重复性。

    总而言之,互联网服务规模巨大,对成本很敏感,而且业务需求的变化也异常频繁,这和PC应用的特点截然不同。现在的系统设计原则是在桌面环境中历时30余年发展起来的,但到了今天已经完全不适应数据中心环境,我们需要重新思考并总结出适用的设计原则,这体现在如下三个方面。

    • 从单用户多任务到多用户单任务的环境变化,导致我们在系统设计时重新审视对延迟与吞吐、公平与效率的折中考虑。
    • 自行开发全套系统成为可能,透明性不再是美德,架构由层次化向竖井式演进,系统由需求驱动而定制。
    • 由于规模与复杂度增大,我们不再追求零缺陷,而是与故障和Bug共舞。同时数据也成为系统的一部分,这些都使得以前的确定性系统变得不确定,评价指标也由正确性(correctness)向精确度(precision)转变。

    需要强调的是,这些设计原则的改变并不意味着,我们需要颠覆桌面环境的通用系统,全盘转向专用系统。以前通用系统的设计完全以桌面环境为出发点,现在则是新的环境、新的应用形态和新的业务需求,这时需要有另一种类型的通用系统。这就像现在的NoSQL系统,提出之时是专用的,但正逐渐变得通用。

    总结

    互联网服务区别于传统行业最显著的特点是超大规模的数据以及快速迭代的开发方式,通过数据可以分析用户行为,而快速迭代则使数据分析结果更快生效,从而优化运营或适应用户需求的变化。可以说,数据规模和迭代速度决定了一个互联网公司创新的速度,同时也是它技术水平的标志,而其中最关键的便是云计算技术。

    云计算技术可分解为大数据和数据中心计算。大数据从海量数据的角度看数据分析技术和系统架构支撑,包括软件基础架构与数据智能等相关技术,而数据中心计算则是从体系结构的角度看待软硬件系统。传统的软硬件系统基于桌面环境设计,而今天的数据中心环境有了很多变化,比如应用特点和负载模型、开发模式、评价体系等,这导致了传承至今的设计原则不再适用。

    本文主要从宏观上对数据中心计算的特点进行讨论,旨在理清概念、抛砖引玉,引发业界对系统设计原则的重新思考。对于具体的技术方向如存储、计算以及大规模分布式系统等,文中并没有详细描述,留待日后陆续讨论。


    展开全文
  • 一、云计算数据中心关系 数据中心是全球协作的特定设备网络,用来在Internet网络基础设施上传递、加速、展示、计算、存储数据信息。它不仅包括计算机系统其它与之配套的设备,还包含冗余的数据通信连接、环境...

    随着互联网+的发展壮大,“大数据时代”、“云计算时代”一时受到热捧。那么,这究竟是谁的时代?数据中心碰上云计算,未来该如何?

    一、云计算与数据中心的关系

    数据中心是全球协作的特定设备网络,用来在Internet网络基础设施上传递、加速、展示、计算、存储数据信息。它不仅包括计算机系统和其它与之配套的设备,还包含冗余的数据通信连接、环境控制设备、监控设备以及各种安全装置。而云计算是什么?一般说来,它是基于互联网的相关服务的增加、使用和交付模式,通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。其实一直到现在,云计算仍然没有标准的定义。因为云计算没有统一的标准。生活化一点,包括我们所熟知的搜索引擎、网络视频、电子商务、电子邮件、地图导航等都属于云计算的范畴。

    但有一点不变的是,不管云计算怎样去变化,必然需要依托数据中心实现落地。可以说,数据中心是云计算的根,云计算是数据中心“叶子”,云计算通过“光合作用”促进数据中心的发展,而数据中心得壮大又为云计算发展提供了坚实的基础。两者起到相互依存,互相促进的作用。

    据悉,国内每年数据中心的新增投资规模都在1000亿元人民币左右,而随着国内信息化社会的快速推进,以及云计算、物联网等产业的崛起,数据中心作为终端海量数据的承载与传输实体,每年的投资增速也在日益加快。

    YnU3Qvj_meitu_2

    二、云计算推动数据中心“云”化

    随着云计算应用的迅速普及,传统数据中心也日益暴露出诸多问题:比如建设周期长、投入较大,建成后弹性差,部署密度低,能源消耗较高等。据有关资料显示,云计算的服务效率是传统数据中心效率的5至7倍。加之云计算在绿色节能方面的出色表现,已成为下一代数据中心的发展趋势。

    此外,云箱的诞生彻底改变了数据中心的不良现状,使客户在低投入的情况下,快速、弹性、绿色地部署IT资源并提供服务。这种改变将使中国云计算事业加速发展,让更多的人成为丰富、便捷、绿色云计算服务与应用的直接受益者。

    最后,云计算是显著特点是实现多平台的共享,云计算的规模化应用将促进数据中心内资源的集中、融合,推动数据中心的“云”化。


    作者:何妍 

    来源:51CTO

    展开全文
  • 数据中心、大数据和云计算,这三者并不是同一样东西,但却被很多人混淆了,其实三者之间有本质的不同。 数据中心机房是一整套复杂的设施,而云计算即将成为信息社会的公共资源,不过数据中心和云计算两者之间是...
  • 当前,数据中心的主要客户为互联网客户(含云计算厂商),其次为金融、政企等。云计算的高速发展,致使数据中心的需求量上架率都大幅提升,机柜租金也稳中有升。因此,短期来看,云计算数据中心产业...
  • 浅谈云计算数据中心计算

    千次阅读 2012-07-19 16:26:52
    云计算概念发端于GoogleAmazon等超大规模的互联网公司,随着这些公司业务的成功,作为其支撑技术的云计算也得到了业界的高度认可广泛传播。时至今日,云计算已被普遍认为是IT产业发展的新阶段,从而被赋予了很多...
  • 近几年,互联网技术的蓬勃发展掀起了建设数据中心的高潮,网上银行、证券娱乐资讯等网络服务逐渐普及,特别是云计算?技术的发展为网络服务形式带来重大变革,使数据中心的发展进入了鼎盛时期。  在云
  • 云计算数据中心建设运营分析 摘要通过对...见 1云计算数据中心的定义 1.1云计算与云计算数据中心 云计算的发展与云计算数据中心的建设发展没有必然的联系 是一种松耦合 的关系这一点目前是业界人士对云计算云计算数
  • 不少人把数据中心、云计算数据中心、大数据搞混淆,觉得这三者是一样的产品,其实有显著的区别,数据中心机房是一整套复杂的设施,如今,云计算即将成为信息社会的公共资源,而数据中心则是支撑云计算服务的基础设施...
  • . 云计算数据中心建设运营分析 摘要通过对...云计算数据中心的定义 1.1 云计算与云计算数据中心 云计算的发展与云计算数据中心的建设发展没有必然的联系 是一种松耦合的关系这一点目前是业界人士对云计算云计算数据
  • 不少人把数据中心、云计算数据中心、大数据搞混淆,觉得这三者是一样的产品,其实有显著地区别。数据中心机房是一整套复杂的设施,如今,云计算即将成为信息社会的公共资源,而数据中...
  • 大数据、云计算和物联网的关系 云计算 云计算实现了通过网络提供的可伸缩的、廉价的分布式计算能力,用户只需要在具备网络接入条件的地方,就可以随时随地获得所需的各种IT资源 起源:1996年康柏电脑公司使用...
  • 云计算数据中心运维管理要点doc,提供“云计算数据中心运维管理要点”免费资料下载,主要包括理清云计算数据中心的运维对象、建立信息化的运维管理平台系统、定制化管理、自动化管理、客户关系管理、应急预案管理等...
  • 云计算数据中心网络的关键技术

    千次阅读 2012-05-01 16:59:33
    云计算数据中心网络的关键技术 发表时间:2012-4-24 黄大川 来源:万方数据 关键字:云计算 面向服务的架构 虚拟化 数据中心以太网 信息化调查找茬投稿收藏评论好文推荐打印社区分享 简要介绍了...
  • 王克宁:生态云计算数据中心技术

    千次阅读 2014-05-15 10:58:32
    王克宁:生态云计算数据中心技术 在中国数据中心产业发展大会的主论坛中,来自基能投资有限公司高级副总裁王克宁做了《生态云计算数据中心技术》的主题演讲。在演讲提到这些关键词:生态数据中心的四大标志;...
  • 云计算下的数据中心架构

    千次阅读 2012-01-01 12:35:20
    云计算下的数据中心架构 2011-12-31 11:14 | 69次阅读 | 【已有0条评论】发表评论 来源:机房360 | 作者:程应军 | 收藏到我的网摘 目前最引人关注的的IT 概念非“云计算”莫属,云计算已经...
  • 云计算数据中心运维管理要点

    千次阅读 2012-06-07 21:10:15
    数据中心生命周期中,数据中心运维管理是数据中心生命周期中最后一个、也是历时最长的一个阶段。数据中心运维管理就是:为提供符合要求的信息系统服务,而对与该信息系统服务有关的数据中心各项管理对象进行系统的...
  • 微软云计算与动态数据中心概览 毫无疑问,云计算是微软在新时期的关键战略方向,在云计算及其相关领域微软投入了巨大精力,率先推出了众多的云计算解决方案产品。本次课程中将会向您介绍微软整体的云计算战略...
  • 在本方案建议书中,浪潮公司推荐了一套...浪潮公司凭借先进的技术出色的支持服务,相信通过双方的合作,可使本项目顺利实施,从而为用户提供一个完善、安全、高可用的业务运行环境,并进一步建立长期的友好合作关系
  • 数据中心是一套复杂的设施,数据中心是支撑云计算服务的基础设施,不管云计算怎么去变化,必然需要依托数据中心实现落地; 云计算是一种技术解决方案; 大数据是云计算是一种应用场景
  • 1、云计算数据中心总体架构云计算架构分为服务管理两大部分。在服务方面,主要以提供用户基于云的各种服务为主,共包含3个层次:基础设施即服务IaaS、平台即服务PaaS、软件即服务SaaS。在管理方面,主要以云的管理...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 35,614
精华内容 14,245
关键字:

云计算和数据中心的关系