云计算概述|学习笔记

开发者学堂课程【高校精品课-中国传媒大学 -云计算技术：云计算概述】学习笔记，与课程紧密联系，让用户快速学习知识

课程地址：https://developer.aliyun.com/learning/course/8/detail/26

云计算概述

 

内容介绍：

一、云计算

二、大数据

三、人工智能

四、云计算的发展

本节讲解云计算的基础概述

目前为止，大家已经听过了很多云计算、大数据和人工智能的概念，并且也学习了很多知识，那么云计算、大数据和人工智能或者并行根目录系统都是什么关系呢？

 

一、云计算

云计算的本质：资源到架构的全面弹性

阿里云曾出版过《弹性计算》，可以进行了解，讲述了整个阿里云是如何实现弹性的。在2020年初大家深有体会，在新冠疫情期间像教育、直播类的公司出现爆发类增长。只要使用了云计算的公司业务发展比较顺利，因为主要在于它的计算、存储、网络资源。使用云计算可以轻易获得计算、存储、网络资源。

相反，若没有使用云计算的公司，遇到很多困难，想要买服务器很难买到，买到的服务器无法搬入图管数据中心，所以云计算不仅解决的是弹性问题，而且解决了公司的业务连续性问题。

弹性计算解决了服务器宕机的问题，使用了云计算的公司，可以将宕机的概率降低到物理机的十分之一甚至更低。弹性体现在例如火车票购票：在之前买火车票需要在火车站进行排队，需要排很长时间，而现在只需要几分钟即可。

可以思考是什么样的服务器可以支持春运抢票时访问的请求，也是由云计算支持；例如某明星新闻爆出，国内微博网站短时间转发四十多万次，评论也是上百万条，点赞也是上百万个，所以微博的服务器迅速过载，工程师不得不进行紧急扩容，扩到了一千台的服务器来应对流量高峰，也是弹性的例子。所以云计算的本质为资源到架构的全面弹性。

原来的物理机面临的问题是：采购不灵活、粒度不灵活、复用不灵活、运维不灵活；到了虚拟化时就可以：点即可得、可大可小，人工调度、即创即销，规模有限、通过一个界面搞定；到了云计算层次后可以：自动调度，并且规模巨大。

而且在云计算的层面，时间和空间都非常灵活，真正实现了资源的弹性。既然弹性主要体现在计算资源、网络资源和存储资源，思考什么是计算资源？计算资源都有哪些呢？

计算资源一般指计算机程序运行时所需的 CPU 资源、内存资源、硬盘资源和网络资源。例如需要买一台电脑，需要关心是什么 CPU 以及多大的内存，CPU内存就可以被称为计算资源。硬盘属于存储资源。至于网络资源例如电脑需要上网，需要一个可以插网线的网口或者可以连接路由器的无线网卡，比如家里电脑需要上网，需要运营商联通电信等开通网络，此时需要一个100兆带宽，运营商会将我们的路由器与公司网络连接进行配置，即可上网，这就是网络资源。

家里需要使用这三种资源，同样，数据中心运营也需要使用这三种资源。

数据中心是如何将三种资源统一管理起来呢？首先目标是要达到灵活性、弹性，需要达到时间和空间两方面的灵活性。例如需要一个特别小的电脑，只有一个 CPU，只有1G 的内存，10G 的硬盘，1兆的带宽（目前基本上家中的电脑拉带宽都需要100兆），但是这么小的资源在云计算中只需要一点就有该资源。

例如在平时做课程作业，可以在云计算上加一点，即可有需要的多少资源（可能有些资源免费，有些进行付费）。之前有同学在自己电脑上做 hadoop 实验，无法完成，不能安装，此时即可在云计算上阿里云、百度云等申请一部分空间在上面安装hadoop，需要多少申请多少，此时就体现了灵活性，达到了时间灵活性：什么时

候需要，什么时候点击。

空间灵活性是需要多少可以拥有多少，需要一个特别小的电脑可以满足，需要一个特别大的空间，云盘用来放视频，云盘提供的空间很大，可以随时上传视频，随时都有空间，使用不完，可以满足。所以时间灵活性和空间灵活性就是云计算的弹性。

云计算经历阶段

但是解决弹性的问题经历了漫长时间的发展，下文会给出事件发展的年限的图。

最早的阶段是物理设备时期，物理设备时期需要一台电脑就买一台电脑，而物理设备进行发展，发展到100G，网络端口发展到几十 G 甚至上百 G，存储也越来越大。数据中心至少为 PB级别，一个 P 为1024个T，一个 T 为1024G。最初的物理设备不能做到很好的灵活性，不能做到时间灵活性，什么时候需要什么时候提供。买一台笔记本比较方便，在京东上今天下单明天就可以收到，但是在企业单位不能

够实现。例如学校老师使用科研经费购买电脑，首先需要上网申请再等各领导审批，若没有想要的型号还需要进行等待，手续需要一周，学校采购中心会通知供应商什么时候有货什么时候到达，有可能等待一个月，最快也可能需要等待一两周。企业采购类似不容易，不比自己在京东上下单购买简单。即便送达也需要在电脑上部署自己的应用，所以时间灵活性非常差。此外，空间灵活性也不够，例如企业需要一个很小的电脑有专门用途，但是很难买到。

相比虚拟化技术会非常灵活。针对之前的灵活性不够，出现了虚拟化技术。虚拟化技术在云计算概念在没有出现前已经存在。用户需要很小的电脑，数据中心一般物理设备很强大，可以从 CPU 硬盘中虚拟出一块给客户，也可以虚拟出一小块给其他客户。每个客户只能看到自己的一块，但实际上都是整个大的设备上的一块。电脑上安装虚拟化的一些软件可以体会到虚拟化技术。所以有了虚拟化后灵活性更好。最早做虚拟化技术的为 Vmware 公司，该公司性能非常好，但是费用贵，最终被做存储的EMC公司收购，最关键的为该公司是闭源的，别人看不到源代码，看不到是什么技术。目前很多软件都是有闭源就会有开源的，Vmware是闭源的，后来出现 Xen、KVM 为开源的。互联网领域中有一个程序员蒂姆伯纳斯李，在2017年获得计算机界的诺贝尔奖图灵奖，发明了万维网的基本协议和算法，将万维网的3W技术免费对全世界使用。

开源和闭源不仅仅是在虚拟化领域，在其他领域也有很多例子。云计算的第一 AWS

为闭源，行业排名第二的公司为开源 OpenStack。

上述讲解了虚拟化，之后会有单独一章虚拟化技术进行讲解。虚拟化仅仅可以实现半自动，只有云计算可以实现全自动。

因为虚拟化软件一般创建一台虚拟化的电脑过程很复杂，需要人工配置，例如Vmware 使用虚拟化软件能够为别人服务要求考证，很困难。而且虚拟化软件能够管理的物理机的集群规模不大，一般为几十台，十几台，最多为百台规模，如果集群的规模越来越大，那么人工配置的过程越来越复杂，会更耗时，影响了时间灵活性和空间灵活性。因为规模比较小，所以达不到需要多少提供多少的程度，很可能这些资源会快速用完，还需要进行采购。

目前例如 BAT 公司、网易、谷歌等服务器数量都很巨大，一般都为上百万台，所以这么多机器只通过虚拟化技术通过人去选择放置虚拟化的电脑并且做相应的配置，基本上不可能。所以还需要机器来完成，最后出现了调度算法。存在一个调度中心，将几千台服务器放入一个池子中即池化，无论用户需要多少的 CPU 硬盘虚拟电脑等，调度中心都会在池子中自动寻找，找到满足用户需求的然后将该虚拟电脑进行启动做好配置，可以让用户直接使用。这就是池化或云化，该阶段才称为是云计算，之前内容都为虚拟化。

OpenStack

云计算大致分为两种：私有云、公有云（之后会讲解混合云等）。私有云是将虚拟化和云化的这套软件部署在别人的数据中心里面。公有云是将虚拟化和云化软件部署在云厂商自己的数据中心里面。私有云一般是自己买服务器，数据中心中的东西都属于自己，让云厂商进行部署到自己的数据中心中。

而公有云用户则不需要做很大投入，只需注册一个账号然后创建一台虚拟机即可。例如国内的阿里云、腾讯云、网易云等都是公有云，一般私有云是企业政府部门中，大多数为私有云。

做的最早的公有云是亚马逊，是美国比较大的一个电商，国外也会遇到类似双十一的场景购物，所以当遇上大量购物时就会创建大量的虚拟电脑来支撑电商的应用，当过了双十一后会将资源都释放掉，所以亚马逊需要一个云平台。最早亚马逊使用Vmware，但是 Vmware 费用太高，所以自己使用开源的其它技术开发了一套云化软件，很快发展成云计算的第一品牌。

亚马逊云计算一年利润可以达到几十亿美元，不仅是电商利润。

AWS是云计算中的第一，在物联网领域，往往是第一和第二的差别特别大，例如第一是做电商淘宝，目前京东与淘宝差别不大，但是之前第一与第二差别很大，例如是社交的工具微信，第二名则差距很大，还有做视频的抖音和第二差别也非常大。

在互联网领域像AWS云计算的年利润非常高，而第二名 rackspace 在美国与 AWS

则相差太多，因为在互联网领域是赢者通吃，所以基本没有听说过第二名。

而且亚马逊云化的代码是闭源的，其它企业无法知晓。而第二名 rackspace 则将源代码公开，整个行业一起做该平台，公开后就整合成了一个计算、网络存储的云化管理平台即 OpenStack。因为是开源，所以很多大的厂商例如惠普、联想等全部加入社区中，一起为云平台做贡献，然后包装成自己的产品，与自己的硬件设备一起售卖，有厂商做了私有云，有厂商做了公有云。所以 OpenStack 成为了开源云平台的标准，即云时代的 Linux。

以上就是 Open Stack 的来源。

随着 OpenStack 技术的越来越成熟，可以管理的规模更大，可以使用 OpenStack部署多套，所以基本上可以做到想什么时候需要什么时候要，需要多少提供多少。

本节内容讲解云计算、大数据和人工智能三者的关系，讲解三者关系前先来了解云计算的相关技术，上半节课内容讲到 OpenStack，OpenStack 是开源云平台的实施标准，所以很多公司都在使用开源的标准 OpenStack 来封装成自己的应用来进行云计算技术的一些使用。随着 OpenStack 技术的越来越成熟，可以管理的规模越来越大，云计算的规模越来越大，并且它可以有多个 OpenStack 来集群部署多套，例如北京部署一套，广州部署一套，洛杉矶部署一套，可以用 OpenStack 来进行统一的管理，这样整个规模更大。

在该规模下，对于普通用户来讲，可以基本上做到想什么时候要就什么时候要，想要多少要多少。例如大家都很熟悉的云盘或者百度网盘都为大家分配了5T 或者更大的空间，但是例如国家现在使用电脑的有一亿人，如果都申请了百度云盘，那么空间需要多大呢，但是其实背后机制是：分配给你的空间可能只用了一点，例如分配了5T，那么这么多的空间仅仅是你看到的，并不是实际上提供给你的，其实只使用了50G，实际上真实提供给你的就是50G，随着文件的不断上传，分给你的空间会不断变多。

但是当大家都上传，云平台空间快满时就会采购更多服务器扩充背后的资源，但是用户并不能看到。从感觉上来讲，这实现了云计算的弹性例如银行储户，什么时候

取钱都有，但是大家不能一起取钱。

以上这个阶段实现了云计算的时间灵活性和空间灵活性，实现了计算、网络、存储

资源的弹性。

那么计算、网络、存储，我们就常称为是基础设施。这个阶段的弹性我们称为是资源层面的弹性。管理资源的云平台称为基础设施服务即 IaaS 基础设施即服务，提供的是计算、网络、存储，资源层面的弹性。云计算不仅管理资源，还需要管理应用，因为仅仅有资源层面的弹性不足够，例如实现一个电商的应用平时十台机器即可，那么双十一期间需要一百台，有了 IaaS 在云平台上创建九十台机器，这九十台机器中有计算、存储、网络资源，但是电商的应用没有放上去还是不能使用，还是需要很长的时间才能安装好，所以仅仅实现了资源层面的弹性而没有应用层面的弹性也不行。

所以出现了 PaaS，平台即服务，在 IaaS 平台上增加了一层，该层称为 PaaS。该层

的应用可以实现两种：自己的应用自动安装、通用的应用不用安装

自己的应用自动安装：电商应用是由自己开发，除了自己他人不知道如何安装，例如自己做电商，一些账号不想让他人知道，那么这种私密性的东西他人无法帮忙，但是希望云平台可以做到自己的应用自动安装。最新的容器技术 Docker 可以做

到。因为手动安装十分麻烦，而 Docker 可以做到，之后会讲解到。

通用的应用不用安装：通用的应用指复杂性比较高但是大家都在使用，例如数据库，所有的应用一般都会使用到数据库，数据库的安装与维护一般比较复杂，但是无论由谁安装都是一样。那么有人就希望可以自己进行安装，不用花钱在云平台上购买。

学习过数据库，都了解数据库非常难，例如 Oracle 公司通过做数据库得到很大利润，但是数据库并不容易。像 MySQL 这种开源数据库若需要维护就需要有很大的团队。能够支撑春运火车票、双十一电商应用的数据库需要维护不能在短时间内完成，所以云计算上部署一些通用的应用也是非常必要的。像共享单车公司并不需要特别大的数据库团队，只需要将数据库团队交给云平台，自己做单车应用即可。所以通用的应用有并行分布式系统中的 Spark、Reduce、Hadoop，数据库中的MySQL 等。自己的应用是一些电商自己的可能涉及到人工脚本多、环境差异大、

跨云迁移比较难，此时就可以使用 Docker 容器来操作。容器可以解决这些问题。

容器 Container 是集装箱，特点是封装、标准，没有集装箱时如图，左图每辆车上装的货物很散乱，例如货物从 A到 B，中间经过三次码头需要换三次船，每次都需

要先卸下货物再装上船。

所以没有集装箱时船员需要在岸上待很久才能走。而集装箱存在后，所有货物都被打包到一起，此时集装箱尺寸全部一致，所以换船时只需要将一个箱子整体搬下即可，很快可以完成，所以船员不用上岸长时间耽误。以上就是集装箱的封装标准在生活中的应用。

那么 Docker 容器如何进行打包呢？如何有一个封闭的环境将货物进行封装，货物之间互不干扰互相隔离来达到装卸方便呢？右图就是 Docker 技术，将软件的架构、数据库的环境、运行环境、缓存环境全部进行封装。所以集装箱技术的特点一个是封装，一个是标准，之后会有一章对容器进行讲解。它的两大技术是 Namespace 和

Cgroups，此处简单介绍，之后会详细讲解。

以上就是大致的云计算的发展：从虚拟化到云计算，从 OpenStack 到容器。

 

二、大数据

大数据是融入到了云计算中，大数据是如何一步步融入到云计算中呢？大数据中的数据其实分为三种类型：结构化数据、非结构化数据、半结构化数据。那么什么是

结构化的数据、非结构化的数据和半结构化的数据呢？

结构化数据，简单来说是数据库。结合到典型场景中更容易理解，比如企业ERP、财务系统；其它核心数据库等。基本包括高速存储应用需求、数据备份需求、数据

共享需求以及数据容灾需求。

非结构化数据是数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑来表现的数据。包括所有格式的办公文档、文本、图片，HTML、各类

报表、图像和音频/视频信息等。

半结构化数据和普通纯文本相比，半结构化数据具有一定的结构性。

数据本身不是一定都有用，都需要经过大数据一定的处理，数据例如每天跑步戴手环收集的数据，网上很多网页收集的也是数据，数据叫 data。

数据本身并没有什么用处，数据中包含了一种很重要的东西叫信息 information。数据需要经过梳理和清洗才能称为信息。

信息中会包含很多规律，规律总结出来就是知识，知识可以改变命运，有知识的人并不一定有智慧，例如一些学者、股票分析师，都有知识，可以将事情从各个角度进行分析，但是不能够实干，不能够转换为智慧。例如一些企业家可以将知识应用于实践。所以数据的应用分为四个步骤：数据、信息、知识、智慧。但是最终的阶段是很多商家都需要的，需要通过挖掘出的东西帮他做决策，例如做推荐系统、做

挖掘等等都属于最后的知识升华出的智慧。

那么数据如何升华为智慧呢？

第一个步骤：数据的收集；

第二个步骤：数据的传输；

第三个步骤：数据的存储；

第四个步骤：数据的处理和分析；

第五个步骤：对于数据的检索和挖掘。

以上讲解的都为大数据和云计算的关系，并不是单独讲解大数据，与云计算没有关系。那么经过了数据的收集、传输、存储、处理和分析、检索和挖掘应用这样的阶

段，下图是一张 hadoop 中的 map Reduce 数据处理的图。

继续讲解数据收集，数据收集会涉及到例如检测的设备外面会有检测的温度、湿度、电力等数据都要进行收集，至于网页的搜索引擎如下图，是一张网络搜索引擎爬取数据的图，需要将所有的网页进行下载，所以会构成一个网络的爬虫系统，每台机器都会下载一部分同时工作来下载。一台机器无法完成，所以需要多台机器同

时工作。

数据的传输 zookeeper 主要使用分布式队列，可以在多台机器上进行同时传输，所以采用了分布式队列，数据量无论多大，只要管道足够粗都可以支撑。

数据存储如下图，是一张 HDFS 的架构，有名称节点、数据节点，数据存储需要一个很大的分布式文件系统来完成即 HDFS，可以将多台机器的硬盘做成大的文件系统。

数据分析需要对数据做分解统计、汇总等，一台机器无法完成。右图为 HDFS，hadoop 中的 map Reduce 来进行处理。左下图为Spark，使用 Spark 的 RDD，使用 DAGS 有向无关图来进行处理。

以上是整个大数据处理的过程。那么什么是大数据，直白讲就是一台机器无法完成，大家一起完成。

随着数据量越来越大，很多不大的公司需要处理相当多的数据，这些小公司没有太多的机器，此时就需要云计算的机器。这些数据分析小公司想要做就需要放到云计

算上完成。所以大数据需要云计算，云计算需要大数据。

 

三、人工智能

接下来讲解人工智能与大数据的关系。人工智能中有两个特别重要的方面：机器学习和人工神经网络。

机器学习例子：

知名歌手在大陆发行的9张专辑中117首歌曲的歌词，同一词语在一首歌出现只算一

次，形容词、名词和动词的前十名如下表所示（词语后面的数字是出现的次数）

随便写一串数字，然后按照数位依次在形容词、名词和动词中取出一个词，连在一起会怎么样呢？例如取圆周率3.1415926，对应的词语是：坚强，路，飞，自由，

雨，埋，迷惘。稍微连接和润色一下：

坚强的孩子，

依然前行在路上，

张开翅膀飞向自由，

让雨水埋葬他的迷惘。

人工神经网络

人工神经网络可以模拟大脑的工作方式。每个神经元有输入有输出，输入与输出之间有公式，输入会根据一些不同程度的权重来影响输出，例如是否参加聚会有三个参数：天气、有喜欢的女孩、距离，影响是否参加聚会。

一般人工智能中例如图中写有2的图片，是人工智能中的数字识别，是一个特别热门的领域。如果让计算机进行识别，不知道输入的是2，也不能保证输出的是2。需要不断的训练和学习，比较流行的为梯度下降算法，使用一个算法不断进行调整最

后得到想要的结果。

如何进行调整呢？一般都是每个神经元的每个权重向目标进行微调，但是大脑的神经元的复杂程度可以和银河系相比，所以它的神经元和权重非常多，所以整张网络最后很难表现出非此即彼的结果，只能是微调最终达到目标结果，最终能够输出是2.人工智能需要大数据，因为人工智能不仅为机器学习和人工神经网络，人工智能算法大多依赖于大量数据，所以人工智能程序是作为 SaaS 平台软件即服务进入云计算的。使用软件即服务进入了云平台。人工智能算法依赖于大量数据，所以就可以让云计算来操作，例如人工智能目前能完成很多事情如鉴别垃圾文件、鉴别暴力文字图片等都可以交给人工智能程序，但是如果不使用云计算，即不使用大数据，没有大量的数据只有人工智能算法，将人工智能程序为每个客户都安装一套让客户使用，因为客户没有相关的数据做训练，所以结果往往很差。

一般云计算厂商积累了大量数据，所以在云计算厂商中安装一套，然后暴露出接

口，就可以直接使用在线服务。所以在云计算中就是软件及服务即 SaaS 形式存在。以上就是云计算、大数据和人工智能三者之间的关系。三者之间互相成全，是一个相遇相识相知的过程，所以一般在一个云计算平台上，云、大数据、人工智能等都可以找到。一个大数据公司积累了大量的数据，会使用一些人工智能的算法提供一些服务，一个人工智能公司不可能没有大数据平台来支撑，所以三者需要整合。三者关系讲解完后来讲解云计算中需要重点掌握的内容。上述大数据中讲解的数据的收集、传输、存储、处理分析是在 PaaS 平台上的，是平台即服务。数据传输、数据存储需要云平台，可以作为平台即服务放在云计算平台上。

 

四、云计算的发展

上述讲解云计算的产生背景、云计算与大数据，接下来介绍云计算的发展。

云计算的发展分为三个阶段：

第一个阶段：2006年之前属于发展前期。虚拟化技术,并行计算,网格计算等与云计算密切相关的技术各自发展（有了虚拟化技术并不等于云计算阶段），其商业化和

应用也比较单一和零散（此时比较侧重于物理机的发展）；

第二个阶段：2006年到2009年属于技术发展阶段。云计算,云模式，云服务的概念开始受到各个厂家和各个标准组织的关注，认识逐渐趋同，并结合传统的并行计

算、虚拟化以及网格计算等业务，使得云计算的技术体系日趋完善；

第三个阶段：2010年至今云技术与应用得到高度重视和飞速发展的阶段。

这一阶段非常重要的是云计算得到各个政府，名各级企业的高度重视和逐步认同。其技术和应用得到了一个飞速的发展。

云计算的基础为并行计算、分布式计算和网格计算，最后发展为云计算。

云计算发展的5大契机：在1995年-2000年期间，1998年，VMWare 公司成立并首次引入x86虚拟化技术；贝尼奥夫离开Oracle,创建Salesforce，在网络端向客户提供软件服务；

在2000年-2005年期间，Google 发表学术论文，详细论述 GFS 文件系统和

MapReduce 框架（进行公开，被 Apache 公司使用形成 hadoop）；

在2005年-2010年期间，亚马逊依次推出S3、EC2服务，开创IaaS服务先河（可以

做简单存储，提供基础设施的服务）；

从2008年开始，Googlc、Microsoft、IBM 分别推出自己的云计算服务。

云发展的环境：3G、4G、5G的发展，三网联合，移动互联网和物联网的发展。三网融合是指电信网络、有线电视网络和互联网。三网融合的出现是云计算发展的一个契机。

国外云计算的先行者主要是 amazon 亚马逊、Google 谷歌、Microsoft 微软。亚马逊是云计算的第一 AWS，谷歌是最大的云计算技术的使用者（谷歌与百度都做搜索，主要使用云计算技术），微软Azure操作系统也是云操作系统。

Amazon：率先在全球提供了弹性计算云 EC2 (Elastic Computing Cloud）和简单存储服务S3(Simple Storage Service)，为企业提供计算和存储服务。（最早提供基础设施级服务，主要是计算和存储）

收费的服务项目包括存储空间、带宽、CPU资源以及月租费。（都可以放在云平台

进行收费，类似交水电费，用多少收多少）

AWS服务的种类非常齐全:计算、存储、传输、数据库、安全、分析等

全球用户数量已经超过100万

Google：

• 最大的云计算技术的使用者
• 谷歌搜索引擎就建立在分布在200多个站点、超过100万台的服

务器的支撑之上，而且这些设施的数录正在迅猛增长

• 采用 Google Docs 之类的应用，用户数据会保存在互联网上的某

个位置，可以通过任何一个与互联网相连的终端十分便利地访问

和共享这些数据

• 谷歌已经允许第三方在谷歌的云计算中通过 Google App

Engine 运行大型并行应用程序

• 发表学术论文的形式公开其云计算三大法宝:GFS、MapReduce

和 Bigtable,并在美国、中国等高校开设如何进行云计算编程的课程

Microsoft：

微软于2008年10月推出了 Windows Azure操作系统。Azure(译为“蓝天”)是继

Windows 取代 DOS 之后，微软的又一次颠覆性转型。

微软的云平台包括几十万台服务器. Azure 的底层是微软全球基础服务系统，由遍布在全球的第四代数据中心构成。

微软将为 Windows Azure 用户推出许多新的功能，不但能更简单地将现有的应用程序转移到云中，而且可以加强云托管应用程序的可用服务，充分体现出微软的“云”+“端”战略。

在中国，微软2014年3月27日宣布由世纪互联负责运营的 Microsoft Azure 公有云服务正式商用，这是国内首个正式商用的国际公有云服务平台。（给用户、企业提

供服务，用户进行付费的云平台）

本节内容先讲解了云计算、大数据和人工智能的关系，开始讲解了云计算的一些重

要技术，最后讲解了云计算的发展。