澄清云计算概念 解析云计算现状

本文涉及的产品
全局流量管理 GTM,标准版 1个月
云解析 DNS,旗舰版 1个月
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
简介: 本文讲的是澄清云计算概念 解析云计算现状,如果你询问6个人关于如何来定义云计算的问题,你可能会得到至少一打数量的答案。而如果你询问他们软件即服务(SaaS)和云计算之间到底有怎样的关系时,你得到的答案可能就会更加多种多样。

本文讲的是澄清云计算概念 解析云计算现状,【IT168 资讯】如果你询问6个人关于如何来定义云计算的问题,你可能会得到至少一打数量的答案。而如果你询问他们软件即服务(SaaS)和云计算之间到底有怎样的关系时,你得到的答案可能就会更加多种多样。
  当前,那些使用软件即服务的公司都通过基于订购的价格模型来获得应用软件,这也被大家普遍意义上称为按需软件。这种应用一般在公司外部进行部署(和公司内部安装的软件相反)。这样所获得的结果就是获得软件和硬件成本的减少,并且初始的成本比较低,或者极大地减少了随之而来的维护成本。尽管软件即服务方面的经典案例来自于Salesforce.com提供的CRM和销售自动化软件,但众多的其它厂商也已经采用了这种销售途径。
  软件即服务已经不是一个新的概念了,在90年代中期很多的应用服务提供商(ASP)都如雨后春笋般崛起,他们提供了应用软件的互联网客户访问方式,而这些ASP则在远端自己的数据中心上放置软件。
  公司可以使用云技术来远程访问硬件计算资源,这包括计算机供电、存储以及相关的虚拟化和所提供的功能。尽管很多用户和厂商都认为这就是云计算的本质,但它仅仅是云计算的一部分而已,我愿意把这部分看作是硬件即服务(HaaS),这个词汇我认为比起平台即服务(PaaS)来讲听起来更加确切,因为有一些厂商使用PaaS来包括他们远端的按需软件。
  这一市场上的主导厂商是Amazon和Google。尽管云几乎被很多人认为是通过互联网提供的服务的同义词,它可以至少追述到70年代早期,那时候计算机的资源是可用的,通过拨号电话线就可以在分时共享提供商那里得到。除了这些硬件资源,很多分时共享的公司都提供应用软件服务给他们的用户。
  云计算从广义上讲包括硬件和软件两个组件
  针对服务(比如远程会议以及其它协作的工作)所使用的云技术看起来很像另外一类,但是这些服务是通过硬件和软件服务组合而成的。软件和硬件在按需的基础上可以作为云服务来使用。
  很多的公司都使用硬件即服务来扩大它们自己的计算资源,尤其是针对那些高峰期计算机需求或者特殊的一次性工程;大多数使用软件即服务应用的公司都将它们的应用软件放在外部。从使用者公司的角度来看,该软件存在于云中,尽管站点很有可能是厂商自己的数据中心或者第三方的站点,而软件即服务的厂商使用该站点,它们看起来好像拥有硬件即服务的厂商资源。我相信这对于用户描述它们的云计算需求非常有帮助,而且厂商也可以更好地普及他们的云计算特性,通过把这些资源归为软件即服务、硬件即服务还是两者都有。
  云计算吸引着不同规模大小的公司,它可以让小公司和中型公司使用他们根本无法担负并且维护的资源,仅仅依靠他们自己。甚至带有大量数据中心的大型公司也把云计算看成是一种扩大它们已有资源的方式,来满足新的用户需求,它们是可操作的或者是可以分析的。很多的创业者都看到了他们项目的推迟或者不能开始,仅仅是因为它需要其它的硬件或者软件资源以及随之的管理方面的工作,而这些并不能立即得到。而提供这些资源即使是在非常好的经济环境下也需要多个参与者的同意,而基于按需的云技术则可以让他们非常容易地获得这些资源。
  而且,按需的云服务实现起来也比较快速,比起那些获得硬件和软件然后再安装的方式。从用户的角度上来看,云技术实际上就是一种介质,让他们可以采用那些原来公司不可能使用的方案,至少以一个相关的架构使用。
  云计算当前扩展地非常快速,使得更多的公司都使用云服务来扩大它们公司内部的功能,而且在某些案例中已经取代了公司内部的资源。很多商业智能(BI)厂商都已经认识到了这一点,并且也开始把它们的触角伸向了云计算这个领域。这其中包括SAP BusinessObjects,该公司在2007年首次发布crystalreports.com——一个基于云技术的按需水晶报告,另外还有商务智能 OnDemand公司,该公司是一个数据仓库提供商,可以通过BusinessObjects Web智能来从salesforce.com分析数据。
  数据库厂商Kognitio提供了基于云的数据仓库,它的品牌名称为“数据仓库即服务”,而且数据仓库应用的先驱者Netezza公司最近也和 AppNexus一起合作发布了一个基于云的数据仓库服务,后者是一个硬件即服务云计算厂商。除此之外,IBM和微软都已经在云计算方面采取了很多的手段。
  云计算,无论是软件即服务、硬件即服务还是两者都有,无疑都不仅仅是一时兴起的技术。用户公司和厂商都必须要认清这一点:它已经作为公司未来整体计算架构不断增长的一块而存在。

原文发布时间为:2009-08-03
本文作者:IT168.com
本文来自云栖社区合作伙伴IT168,了解相关信息可以关注IT168。
原文标题:澄清云计算概念 解析云计算现状

目录
相关文章
|
14天前
|
运维 持续交付 云计算
深入解析云计算中的微服务架构:原理、优势与实践
深入解析云计算中的微服务架构:原理、优势与实践
43 1
|
11天前
|
调度 开发者
核心概念解析:进程与线程的对比分析
在操作系统和计算机编程领域,进程和线程是两个基本而核心的概念。它们是程序执行和资源管理的基础,但它们之间存在显著的差异。本文将深入探讨进程与线程的区别,并分析它们在现代软件开发中的应用和重要性。
26 4
|
25天前
|
网络协议 网络安全 网络虚拟化
本文介绍了十个重要的网络技术术语,包括IP地址、子网掩码、域名系统(DNS)、防火墙、虚拟专用网络(VPN)、路由器、交换机、超文本传输协议(HTTP)、传输控制协议/网际协议(TCP/IP)和云计算
本文介绍了十个重要的网络技术术语,包括IP地址、子网掩码、域名系统(DNS)、防火墙、虚拟专用网络(VPN)、路由器、交换机、超文本传输协议(HTTP)、传输控制协议/网际协议(TCP/IP)和云计算。通过这些术语的详细解释,帮助读者更好地理解和应用网络技术,应对数字化时代的挑战和机遇。
68 3
|
2月前
|
机器学习/深度学习 自然语言处理 JavaScript
信息论、机器学习的核心概念:熵、KL散度、JS散度和Renyi散度的深度解析及应用
在信息论、机器学习和统计学领域中,KL散度(Kullback-Leibler散度)是量化概率分布差异的关键概念。本文深入探讨了KL散度及其相关概念,包括Jensen-Shannon散度和Renyi散度。KL散度用于衡量两个概率分布之间的差异,而Jensen-Shannon散度则提供了一种对称的度量方式。Renyi散度通过可调参数α,提供了更灵活的散度度量。这些概念不仅在理论研究中至关重要,在实际应用中也广泛用于数据压缩、变分自编码器、强化学习等领域。通过分析电子商务中的数据漂移实例,展示了这些散度指标在捕捉数据分布变化方面的独特优势,为企业提供了数据驱动的决策支持。
103 2
信息论、机器学习的核心概念:熵、KL散度、JS散度和Renyi散度的深度解析及应用
|
1月前
|
算法 Java 数据库连接
Java连接池技术,从基础概念出发,解析了连接池的工作原理及其重要性
本文详细介绍了Java连接池技术,从基础概念出发,解析了连接池的工作原理及其重要性。连接池通过复用数据库连接,显著提升了应用的性能和稳定性。文章还展示了使用HikariCP连接池的示例代码,帮助读者更好地理解和应用这一技术。
47 1
|
1月前
|
消息中间件 存储 负载均衡
Apache Kafka核心概念解析:生产者、消费者与Broker
【10月更文挑战第24天】在数字化转型的大潮中,数据的实时处理能力成为了企业竞争力的重要组成部分。Apache Kafka 作为一款高性能的消息队列系统,在这一领域占据了重要地位。通过使用 Kafka,企业可以构建出高效的数据管道,实现数据的快速传输和处理。今天,我将从个人的角度出发,深入解析 Kafka 的三大核心组件——生产者、消费者与 Broker,希望能够帮助大家建立起对 Kafka 内部机制的基本理解。
71 2
|
2月前
|
存储 应用服务中间件 云计算
深入解析:云计算中的容器化技术——Docker实战指南
【10月更文挑战第14天】深入解析:云计算中的容器化技术——Docker实战指南
71 1
|
2月前
|
存储 NoSQL MongoDB
MongoDB 概念解析
10月更文挑战第12天
28 0
MongoDB 概念解析
|
2月前
|
Cloud Native 持续交付 云计算
云端新纪元:探索云原生技术的奥秘在当今数字化时代,云计算已成为推动企业创新和增长的关键动力。随着云平台的不断成熟,云原生技术应运而生,以其独特的优势引领着一场新的技术革命。本文将深入探讨云原生的核心概念、主要特点以及它如何改变现代软件开发和部署的方式,为您揭开云原生这一神秘面纱。
云原生是一种构建和运行应用程序的方法,充分利用了云平台的弹性、分布式本质以及声明式基础设施。本文将解析云原生的十二要素,微服务架构的优势,以及容器化、持续集成与持续部署(CI/CD)等核心技术的实践应用。通过深入浅出的方式,让读者理解云原生不仅是一种技术,更是一种文化和方法论,它正在重塑软件开发流程,提高资源利用率和应用系统的可扩展性与容错性。
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
Transformer图解以及相关的概念解析
前言 transformer是目前NLP甚至是整个深度学习领域不能不提到的框架,同时大部分LLM也是使用其进行训练生成模型,所以transformer几乎是目前每一个机器人开发者或者人工智能开发者不能越过的一个框架。接下来本文将从顶层往下去一步步掀开transformer的面纱。 transformer概述 Transformer模型来自论文Attention Is All You Need。 在论文中最初是为了提高机器翻译的效率,它使用了Self-Attention机制和Position Encoding去替代RNN。后来大家发现Self-Attention的效果很好,并且在其它的地