虚拟桌面中的虚拟应用

简介:

在给用户推荐虚拟桌面时,往往会介绍到应用程序的部署、管理问题。而针对不同的提供商都有不同的解决方法:

CITRIX:
直接植入虚拟桌面OS Base Image之中(适合通用软件类)
Citrix XenApp:应用程序动态交付
优点:
1、可动态按用户需求交付应用,
交付方式:1、应用共享方式(占用服务器资源)
2、脱机(流)应用方式(可选占用客户端、服务器资源,其实还是依赖OS层)
3、VM模式(把应用安装于VMs之上,并把桌面交付,类似虚拟桌面,从来没有用过此方案)
2、可保证数据高安全性 
3、保证应用程序与后端服务器高速连接
4、跨平台访问支持

不足之处:
1、服务器资源成本提高(物理、虚拟服务器)
2、管理及维护成本提高
3、依赖于终端服务,且许可及软件本身成本


4、部署、管理复杂度较高
5、某些特殊应用程序支持有限

VMWARE:

直接植入虚拟桌面OS Base Image之中(适合通用软件类)
VMware ThinApp:应用程序动态交付
 


优点:
1、可动态按用户需求交付应用
交付方式:1、脱机、完全与OS隔离(流)应用方式,仅占用客户端资源。
2、可保证数据高安全性(借助虚拟桌面数据安全控制) 
3、保证应用程序与后端服务器高速连接(借助虚拟桌面与后端服务器的高速连接)
4、跨平台访问支持(借助虚拟桌面对客户端平台的支持)
5、易部署及管理
6、无需额外高配服务器资源
7、无需终端服务许可及软件本身成本
8、可把打包好应用程序运行在USB存储之上

不足之处:
1、某些特殊应用程序支持有限
 

 

本文转自 zhxhua 51CTO博客,原文链接:http://blog.51cto.com/virtualtop/592683 ,如需转载请自行联系原作者

相关文章
|
安全 物联网 网络安全
|
安全 前端开发 Java
Springboot中如何优雅的进行字段以及业务校验
Springboot中如何优雅的进行字段以及业务校验
290 0
|
8月前
|
人工智能 自然语言处理 搜索推荐
GLM-Realtime:智谱推出多模态交互AI模型,融入清唱功能,支持视频和语音交互
GLM-Realtime 是智谱推出的端到端多模态模型,具备低延迟的视频理解与语音交互能力,支持清唱功能、2分钟内容记忆及灵活调用外部工具,适用于多种智能场景。
343 4
GLM-Realtime:智谱推出多模态交互AI模型,融入清唱功能,支持视频和语音交互
|
11月前
|
编译器 C语言
C语言:普通全局变量可以被多个源文件共享吗
C语言中,普通全局变量可以通过extern关键字在多个源文件中声明和共享,实现数据的跨文件使用。但需注意,变量只能在一个文件中定义,其他文件中仅能声明。
417 9
|
12月前
|
安全 网络安全 数据安全/隐私保护
HTTP与HTTPS协议区别及应用场景
在互联网高速发展的今天,HTTP与HTTPS作为数据传输的基石,作用至关重要。HTTP允许客户端与服务器间传输超文本文档,但其数据传输过程未加密,存在安全隐患;HTTPS则在此基础上加入了SSL/TLS协议,实现了数据加密传输,增强了安全性,广泛应用于电子商务、网上银行、政府网站及社交媒体平台等涉及敏感信息传输的领域,有效保护了用户隐私和数据安全。随着网络安全意识提升,HTTPS正逐渐成为主流。
|
监控 安全 物联网
物联网卡应用中一些常见限制
物联网卡(IoT SIM卡)在实际应用中,除了APN配置的多样性外,还受到多种限制和约束。这些限制通常与网络运营商的政策、服务条款、技术实现以及安全需求紧密相关。以下是一些常见的物联网卡限制:
|
11月前
|
传感器 人工智能 语音技术
探索AI技术在智能家居中的应用
【8月更文挑战第78天】本文将探讨人工智能(AI)技术在智能家居领域的应用。我们将从AI技术的基本概念入手,介绍其在智能家居中的作用,并通过代码示例展示如何实现一个简单的智能照明系统。最后,我们将总结AI技术在智能家居领域的优势和挑战。
|
监控 安全 数据管理
如何防止网络攻击?
【8月更文挑战第8天】
384 6
Angular 中的响应式表单:监听变化
Angular 中的响应式表单:监听变化
129 0
|
数据采集 机器学习/深度学习 人工智能
算法金 | 一个强大的算法模型,多项式回归!!
```markdown # 多项式回归简述 - 多项式回归是线性回归扩展,用于处理非线性关系。 - 通过添加高次项来拟合复杂模式,但可能引发过拟合。 - 示例中展示了如何用Python创建模拟数据,使用`PolynomialFeatures`生成多项式特征,训练线性回归模型并可视化结果。 - 优点:灵活捕捉非线性关系,易于理解。 - 缺点:易过拟合,计算复杂度高。 - 相关概念:正则化(岭回归、Lasso回归)及其他非线性模型(如支持向量回归)。 - 注意事项:选择合适阶数,避免过拟合,重视数据预处理和模型评估。 ```
258 0
算法金 | 一个强大的算法模型,多项式回归!!