大数据云服务技术

简介: 知网

一、云计算的基本概念
  "云"这个词已经被说得烂到不能再烂了。云计算,云平台,云+端,云服务,云……但与很多行业里的朋友聊天发现,其实大家对云计算到底是怎么个玩意,并不是太了解。作者今天为大家梳理一下,各种各样的“云”,葫芦里都在卖什么药。

  云是网络、互联网的一种比喻说法,计算可以理解为计算机,因此云计算的基本模型,就是远程计算服务:用户通过网络连接到计算机上,获取计算服务。而远程计算机,因为规模效应,可以提供比个人计算机强大若干个数量级的计算能力,可以根据用户需求提可供弹性伸缩的计算资源,可以大大降低用户获取相同计算结果花费的成本。这三点其实都很容易理解。

  1.计算能力。用户的个人计算机一台智能配置一颗CPU,但云计算远程调用的计算机集群可能有成百上千颗CPU,计算能力天壤之别。

  2. 弹性的计算资源。个人电脑想要增加内存,只能重新买一根内存条来安装。而云计算的弹性伸缩能力,可以做到点下鼠标,内存就变成了8G。

  3. 低廉的使用成本。由于规模效应,以及按需使用的分配原则,硬件成本低,资源闲置率也低,所以也进一步降低了云计算的使用成本。

二、云计算的服务形式
  其实这是作为普通用户,或者从业人员更关心的话题:使用云计算的正确姿势是什么?

  云计算提供的服务目前有三种方式:IaaS层,PaaS层以及SaaS层。

  IaaS(Infrastructure-as-a- Service):基础设施即服务,常见形式是硬件服务器租用。阿里巴巴、腾讯、京东云鼎提供的就是IaaS层为主的云计算服务。IaaS层的云服务配置 灵活,但使用起来更为复杂,适合大型的、后台处理业务复杂的项目选用。IaaS层的服务目前基本已全面收费。

  PaaS(Platform-as-a- Service):平台即服务,常见形式是提供Web托管的应用引擎(App Engine)。我估计PaaS层是大家最不熟悉的一类服务,但恰好,PaaS层是最适合多数开发者选用的云计算服务。PaaS层可以被理解为在IaaS 层提供的硬件服务之上,还额外搭建好了服务器环境、中间件、数据库等。开发者用户只需要将网页代码上传部署,网站就可以运行起来了,既降低了IT运维成 本,还省去了大量的开发与运维工作量。PaaS平台目标的产品包括:京东云擎(JAE)、BAE、SAE,目前京东JAE是全免费,BAE、SAE是收费的,BAE根据每日收费,SAE是根据使用服务来收费。稳定性都存在一些问题,JAE、SAE相比而言较为稳定。

  SaaS(Software-as-a- Service):软件即服务,常见的形式是提供Web端应用,按需购买使用,著名的CRM服务提供商Salesforce就是此类代表。国内提供 SaaS服务的包括阿里云、京东电商云、新浪云商店等。SaaS层服务目前收费与免费模式平分秋色,还暂无定论。

三、个人云服务
  个人云服务,其实谈不上真正的“云计算”,因为它只有“云”,没有“计算”。再退一步讲,所谓“云”,其实也就是一个移动网络而已,没有任何可值得神秘的地方。典型案例便是网易(有道)旗下多款产品:网易云相册、云音乐、云阅读、云阅读等等。

  甚至有人称,QQ早年与ICQ竞争的时代,ICQ只能将联系人保存在计算机本地,而QQ可以将联系人保存到服务器上,因此QQ是最早的云计算厂商。 诸如此类的说法, 都是由于对云计算知识的极度贫乏而衍生出来的误读。真正的云计算是技术门槛、资金投入、回报周期、现金流等问题都很突出的行业,只有土豪玩家敢全面布局。 稍有实力的玩家可以做一两个点,多数玩家被排除在门槛之外。

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
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 
目录
相关文章
|
1月前
|
Cloud Native 数据处理 云计算
探索云原生技术在大数据分析中的应用
随着云计算技术的不断发展,云原生架构作为一种全新的软件开发和部署模式,正逐渐引起企业的广泛关注。本文将探讨云原生技术在大数据分析领域的应用,介绍其优势与挑战,并探讨如何利用云原生技术提升大数据分析的效率和可靠性。
|
3月前
|
数据采集 传感器 人工智能
大数据关键技术之电商API接口接入数据采集发展趋势
本文从数据采集场景、数据采集系统、数据采集技术方面阐述数据采集的发展趋势。 01 数据采集场景的发展趋势 作为大数据和人工智能工程的源头,数据采集的场景伴随着应用场景的发展而变化,以下是数据采集场景的发展趋势。
|
3月前
|
数据采集 搜索推荐 大数据
大数据技术在电商平台中的应用
电商平台是当今社会最为普及的购物方式之一,而大数据技术则成为了众多企业的强有力竞争力。本文将介绍大数据技术在电商平台中的应用,包括数据采集、预测分析、用户画像等方面,并探讨其对电商平台的价值和意义。
|
3月前
|
机器学习/深度学习 数据采集 算法
大数据分析技术与方法探究
在当今信息化时代,数据量的增长速度远快于人类的处理能力。因此,如何高效地利用大数据,成为了企业和机构关注的焦点。本文将从大数据分析的技术和方法两个方面进行探究,为各行业提供更好的数据应用方向。
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
大数据分析的技术和方法:从深度学习到机器学习
大数据时代的到来,让数据分析成为了企业和组织中不可或缺的一环。如何高效地处理庞大的数据集并且从中发现潜在的价值是每个数据分析师都需要掌握的技能。本文将介绍大数据分析的技术和方法,包括深度学习、机器学习、数据挖掘等方面的应用,以及如何通过这些技术和方法来解决实际问题。
52 2
|
13天前
|
分布式计算 Hadoop 大数据
大数据技术与Python:结合Spark和Hadoop进行分布式计算
【4月更文挑战第12天】本文介绍了大数据技术及其4V特性,阐述了Hadoop和Spark在大数据处理中的作用。Hadoop提供分布式文件系统和MapReduce,Spark则为内存计算提供快速处理能力。通过Python结合Spark和Hadoop,可在分布式环境中进行数据处理和分析。文章详细讲解了如何配置Python环境、安装Spark和Hadoop,以及使用Python编写和提交代码到集群进行计算。掌握这些技能有助于应对大数据挑战。
|
3月前
|
机器学习/深度学习 存储 人工智能
大数据处理与分析技术:未来的基石
在信息化时代,数据已成为企业发展和决策的基础。而随着数据量的不断增长,传统的数据处理方法已经无法满足现代企业的需求。因此,大数据处理与分析技术的出现成为了新时代的必需品。本文将介绍大数据处理与分析技术的概念,意义、应用场景以及未来发展趋势。
50 3
|
22天前
|
NoSQL 大数据 数据挖掘
现代数据库技术与大数据应用
随着信息时代的到来,数据量呈指数级增长,对数据库技术提出了前所未有的挑战。本文将介绍现代数据库技术在处理大数据应用中的重要性,并探讨了一些流行的数据库解决方案及其在实际应用中的优势。
|
27天前
|
机器学习/深度学习 人工智能 数据可视化
基于Python的数据可视化技术在大数据分析中的应用
传统的大数据分析往往注重数据处理和计算,然而数据可视化作为一种重要的技术手段,在大数据分析中扮演着至关重要的角色。本文将介绍如何利用Python语言中丰富的数据可视化工具,结合大数据分析,实现更直观、高效的数据展示与分析。
|
1月前
|
存储 NoSQL 大数据
新型数据库技术在大数据分析中的应用与优势探究
随着大数据时代的到来,传统数据库技术已经无法满足海量数据处理的需求。本文将探讨新型数据库技术在大数据分析中的应用情况及其所带来的优势,为读者解析数据库领域的最新发展趋势。