【云计算与大数据技术】云交付模型、云部署模型、云计算优势与挑战、应用的讲解(超详细必看)

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介: 【云计算与大数据技术】云交付模型、云部署模型、云计算优势与挑战、应用的讲解(超详细必看)

一、云交付模型

云计算主要分为三种交付模型,而且这三种交付模型主要是从用户体验的角度出发的,分别是软件即服务(SaaS),平台即服务(PaaS),基础设施即服务(IaaS),对于普通用户而言,他们主要面对的是SaaS这种服务模式,而且几乎所有的云计算服务最终的呈现形式都是SaaS。

 

1:软件即服务(SaaS)

 SaaS是Software as a Service(软件即服务)的简称,它是一种通过Internet提供软件的模式,用户无需购买软件,而是向提供商租用基于Web的软件。用户只需要拥有接入互联网的终端,即可随时随地使用软件,SaaS软件被任务是云计算的典型应用之一 它有如下几个优点

随时随地访问 :在任何时候和地点,只要接上网络 用户就能够访问SaaS

支持公开协议 :通过支持公开协议,能够方便用户使用

安全保障  :SaaS供应商需要提供一定的安全机制,使用户数据处于绝对安全的境地

多用户机制:通过多用户机制,不仅能更经济的支持庞大的用户规模,而且能提供一定的可指定性以满足用户的特殊需求

2:平台即服务(SaaS)

PaaS(Platform as a Service):是将服务器平台或者开发环境作为服务进行提供。开发简单、部署简单、维护简单

PaaS的主要功能如下

有好的开发环境  

丰富的服务  

自动的资源调度  

精细的管理和监控

PaaS应用包括Google App Engine、Microsoft Azure、Force.com、Heroku、Engine Yard等等。

3:基础设施即服务(IaaS)

 IaaS (Infrastructure as a Service):服务提供商将多台服务器组成的“云端”服务(包括内存、I/O设备、存储和计算能力等等)作为计量服务提供给用户。

IaaS的主要功能如下

资源抽象  

负载管理  

数据管理  

资源管理  

安全管理  

计费管理

以前如果用户想在办公室或者公司的网站上运行一些企业应用,需要去买服务器,或者别的高昂的硬件来控制本地应用,让业务运行起来,但是使用IaaS,用户可以将硬件外包到别的地方去,IaaS公司会提供场外服务器,存储和网络硬件,用户可以租用

4:基本云交付模型的比较

从用户体验角度而言,它们之间的关系是独立的,因为它们面对的是不同的用户

从技术角度而言,它们并不是简单的继承关系,首先SaaS可以是基于PaaS或则直接部署于IaaS之上,其次,PaaS可以构建于IaaS之上,也可以直接构建在物理资源之上

云交付模型

服务对象

使用方式

关键技术

用户的控制等级

系统实例

IaaS

需要硬件资源的用户

使用者上传数据、程序代码、环境配置

虚拟化技术、分布式海量数据存储等

使用和配置

Amazon EC2、Eucalyptus等

PaaS

程序开发者

使用者上传数据、程序代码

云平台技术、数据管理技术等

有限的管理

Google App Engine、Microsoft Azure、Hadoop等

SaaS

企业和需要软件应用的用户

使用者上传数据

Web服务技术、互联网应用开发技术等

完全的管理

Google Apps、Salesforce CRM等

5:容器即服务(CaaS)

CaaS( Container as a Service )也称为容器云,是以容器为资源分割和调度的基本单位,封装整个软件运行时环境,为开发者和系统管理员提供用于构建、发布和运行分布式应用的平台。

二、云部署模式

1:公有云

公有云,是指为外部客户提供服务的云,它所有的服务是供别人使用,而不是自己用。      

在此种模式下,应用程序、资源、存储和其他服务,都由云服务供应商来提供给用户,这些服务多半都是免费的,也有部分按需按使用量来付费,这种模式只能使用互联网来访问和使用。

问题:  

安全性  

可用性

2、私有云

私有云,是指企业自己使用的云,它所有的服务不是供别人使用,而是供自己内部人员或分支机构使用。

优点是安全性、可用性相比公有云好一些;  

缺点是成本较大。

3、混合云

混合云,是指供自己和客户共同使用的云,它所提供的服务既可以供别人使用,也可以供自己使用。      

混合云是两种或两种以上的云计算模式的混合体,如公有云和私有云混合。

相比较而言,混合云的部署方式对提供者的要求较高

三、云计算的优势与挑战

1、云计算的优势    

超大规模  

虚拟化  

高可靠性  

通用性  

高扩展性  

按需服务  

极其廉价  

2、 云计算所面临的挑战

服务的持续可用性  

服务的安全性  

服务的迁移  

服务的性能

四、典型云应用

1:云存储

云存储是是一种新兴的网络存储技术,是指通过集群应用、网络技术或分布式文件系统等功能,将网络中大量各种不同类型的存储设备通过应用软件集合起来协同工作,共同对外提供数据存储和业务访问功能的一个系统。典型的应用有百度云,百度网盘等

2:云服务

云服务主要以邮箱为账号,实现用户登陆账号后,内容在线同步的作用。          典型的云服务包括了微软“Hotmail”、谷歌“gmail”、苹果“iCloud”等。

3:云物联

物联网就是物物相连的互联网,物联网有两种业务模式:

(1)MAI(M2M Application Integration)和内部MaaS;

(2)MaaS(M2M as a Service)、MMO和Multi-Tenants(多租户模型)。

随着物联网业务量的增加,对数据存储和计算量的需求将带来对“云计算”能力的要求。

五、云计算与大数据

云计算和大数据是一个硬币的两面,云计算是大数据的IT基础,而大数据是云计算的一个杀手级应用

创作不易 觉得有帮助请点赞关注收藏~~~

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
2天前
|
存储 大数据 定位技术
大数据 数据索引技术
【10月更文挑战第26天】
10 3
|
2天前
|
存储 大数据 OLAP
大数据数据分区技术
【10月更文挑战第26天】
11 2
|
4天前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
29 1
|
6天前
|
存储 人工智能 大数据
物联网、大数据、云计算、人工智能之间的关系
物联网、大数据、云计算、人工智能之间的关系是紧密相连、相互促进的。这四者既有各自独立的技术特征,又能在不同层面上相互融合,共同推动信息技术的发展和应用。
47 0
|
6天前
|
存储 分布式计算 Hadoop
数据湖技术:Hadoop与Spark在大数据处理中的协同作用
【10月更文挑战第27天】在大数据时代,数据湖技术凭借其灵活性和成本效益成为企业存储和分析大规模异构数据的首选。Hadoop和Spark作为数据湖技术的核心组件,通过HDFS存储数据和Spark进行高效计算,实现了数据处理的优化。本文探讨了Hadoop与Spark的最佳实践,包括数据存储、处理、安全和可视化等方面,展示了它们在实际应用中的协同效应。
33 2
|
7天前
|
存储 分布式计算 Hadoop
数据湖技术:Hadoop与Spark在大数据处理中的协同作用
【10月更文挑战第26天】本文详细探讨了Hadoop与Spark在大数据处理中的协同作用,通过具体案例展示了两者的最佳实践。Hadoop的HDFS和MapReduce负责数据存储和预处理,确保高可靠性和容错性;Spark则凭借其高性能和丰富的API,进行深度分析和机器学习,实现高效的批处理和实时处理。
27 1
|
4天前
|
存储 安全 网络安全
云计算与网络安全:技术融合的未来之路
【10月更文挑战第30天】在数字化浪潮的推动下,云计算已成为企业信息技术架构的核心。然而,随之而来的网络安全问题也日益凸显。本文将探讨云计算与网络安全的关系,分析云服务中的安全挑战,并提出相应的解决方案。我们将通过实例展示如何在云计算环境中实现网络安全的最佳实践,以期为读者提供一条技术融合的未来之路。
|
1天前
|
存储 安全 网络安全
云计算与网络安全的融合之路
【10月更文挑战第32天】随着云计算技术的飞速发展,越来越多的企业和个人选择将数据和应用程序迁移到云端。然而,云服务的安全性问题也日益凸显。本文将从云服务的分类、特点出发,探讨如何保障云环境下的网络安全和信息安全。通过分析常见的网络威胁和攻击手段,提出相应的防护策略和建议,旨在为读者提供一条云计算与网络安全融合的实践路径。
|
2天前
|
存储 安全 云计算
云上防线:云计算时代的网络安全策略
云上防线:云计算时代的网络安全策略
13 4
|
5天前
|
存储 安全 网络安全
云计算与网络安全:技术融合的双刃剑
【10月更文挑战第28天】本文旨在探索云计算在提供便利和效率的同时,如何成为网络安全领域的一大挑战。我们将从云服务的基本架构出发,分析其在信息安全中的关键作用,进而讨论当前网络安全面临的主要威胁及防御策略。文章还将探讨云计算环境中的数据保护、身份验证和访问控制机制,以及如何通过加密技术和安全协议来增强安全性。最后,我们将展望未来云计算与网络安全的发展趋势,并思考如何平衡技术创新与安全需求。