科学网

 找回密码
  注册
科学网 标签 云计算 相关日志

tag 标签: 云计算

相关日志

云计算、人工智能背后的意义——人类社会的自我进化
shaopenghan 2020-1-31 07:30
细胞进化由DNA主导,人类社会体系的进化由社会信息系统主导。 在人的进化中,大脑结构上的进化是很重要的一部分,大脑信息层面的进化是不能忽视的另一部分。人们学习各种技能、知识,接受教育,提高竞争力,更好地适应社会和环境,大脑通过学习思考表现在人的行为上,这也是进化。 信息系统的进化包含结构层面的进化和信息层面的进化。一个是硬件,一个是软件。 在人类文明漫长的历史演变中,社会信息系统有许许多多的进步,每次信息技术的提升都在推动着人类社会体系的进化,其中比较大的有三次。第一次是语言、文字的出现,第二次是纸张、印刷术,第三次是计算机、手机和互联网。现在我们仍处在社会信息系统的第三次进化中,曾经的电报、无线电仅仅是前奏,计算机、手机、互联网推向高潮,当下如火如荼的大数据、云计算、物联网、人工智能、量子计算是继续。 信息技术的进步是结构层面的进化,而知识、思想的进步则是信息层面的进化。历史中基督教、佛教等一神教取代旧社会的多神教,近代的文艺复兴,科学技术的崛起,民主自由思潮的兴起,这些是思想层面的进步。进步思潮的不断涌现,信息技术的突飞猛进,作用在社会中,工业革命、技术革命高潮迭起,让人类社会体系的进化步入快车道。 在人的进化中,有很长一段被大脑的进化所占据,人类社会体系的进化也是如此。技术层面,物联网、大数据、人工智能、量子计算还有很大的拓展空间。信息层面,知识思想的进步会是无止境的。社会信息系统的进化还有很大发展空间,它将是未来人类社会体系进化的重要一部分。 随着人类社会体系的进化,中级文明乃至高级文明或许会变成可能。 未来将来。Future is comin
1536 次阅读|0 个评论
云计算时代,我的数据安全“云”做主?
热度 1 bonjourgl 2019-10-21 13:32
中国云计算产业现处于一个很特殊的阶段: 在市场教育中的快速增长期 。 这是因为,相比美国,中国的云计算产业规模还很小,只相当于美国的8%左右;中国企业上云率也不高,美国80~85%的企业已经云化,中国可能只有40%甚至更低。 一句话, 中国云计算产业规模与中国经济发展水平不匹配 。 但是,中国云计算产业的确也在快速增长。这不仅体现在头部的几家云服务商年报都非常漂亮,还有类似银泰商业这样的案例—— 10月12日,银泰商业CEO陈晓东发博称,银泰百货已经送走了“银泰最后一台服务器”,自此银泰百货100%实现了“云化”。 陈晓东在银泰最后一台服务器上签名 银泰百货也创了一项行业纪录:“全国首家完全架构在云上的百货公司”。 银泰百货本是一家很传统的零售商,他们能从0到1完成全面的云化,也从侧面说明, 当前云计算服务的成熟度已经到了很高的水平 。 不过,在当前政府政务、企业业务等加速上云的阶段,有个问题总也困扰着那些还“没上车”的机构: 云上,安全吗? 云上安全的三个方面 先看看刚刚100%实现了云化的银泰百货的看法。 在接受媒体采访时,银泰商业CTO鄢学鵾说了啥?他说:“ 从常识性来说,云上的数据安全和系统安全一定比传统线下好 。” 鄢学鵾是个典型的互联网技术专家 (不然你看他发型) ,他的“常识性”也是技术层面的。 鄢学鵾 从技术层面,鄢学鵾说了三个方面。 第一层面,数据安全。 用户“上云”最大的顾虑,是不相信云服务商足够尊重他们的数据,担心数据上云后,自己失去了对数据的管控。 这其实是个信任问题。银泰百货采用的阿里云,面对这一问题的做法是:给予用户数据足够的透明和可控。 阿里云安全团队搭建了一套层层递进且严密的数据保护体系,为用户提供了全链路数据加密服务,而且密钥只有一把,交由用户自己保管,除用户以外没有人可以解密数据;同时,阿里云将云平台的运维操作日志透明化给用户,杜绝暗箱操作,让用户更安心。 这样一来,底层清晰透明,云上安全可控,用户的顾虑和诉求就得到了尊重和满足。 第二层面,网络安全。 自古攻防不停歇,网络安全是无论云计算还是传统数据中心都要面临的问题。相比传统IDC,云厂商对网络安全问题的防范肯定更为系统、全面。鄢学鵾也举例说明了这一点:之前WannaCry勒索病毒,阿里云提前一个月就做好了默认防护。 第三层面,系统安全。 系统安全可以认为是在运维中要面临的种种安全保障,这涉及系统的更新、维护等的集中化管控。鄢学鵾说,现在银泰百货在云上可以把这些系统重组,“打造成一个整体,进行一体化的安全保障。” 集中化管控也好,一体化安全保障也好,说的其实就是“ 补丁漏洞不操心 ”。 正如鄢学鵾所说,对一个致命的漏洞而言,如果没有及时修复1~3天内就有可能被入侵,风险非常大。这种事情如果发生在上云之前,让OA系统或ERP系统供应商去修复、测试,整个周期至少1~2周。真遇到致命漏洞,那真就game over了。 其实,可以想象,如阿里云这样有着10年经验的云服务厂商,安全层面踩的坑儿,大大小小也踩遍了,上阿里云肯定比自建IDC更安全。 这里也是有数据支撑的——Gartner数据显示,传统数据中心出现的安全事件是云上的三倍。 这个数据背后,是阿里云每天为全国超过40%网站抵御50亿次攻击,仅2018年一年就曾帮助云上用户修复734万次漏洞。目前,阿里云是亚太合规资质最全的云服务商。 如果没有这个数据支撑,相信阿里云也不会抛出“全面上云拐点已现”的观点。 张建锋提出all in Cloud 不仅安全,更要稳定 还记得云计算那句口口相传的宣传语吗?像用水和电一样使用云计算。 这是一句非常贴切的比喻:算力作为基础设施,就要像水力和电力那样,即用即得。 事实上,企业上云和自建IDC,恰似选择接入电网和自建发电站一样。从故障率上来说,自建发电站肯定比接入电网高得多。 这背后的潜台词是,云计算要像电网、水站那样稳定。 云计算发生宕机等故障,就像今天突然停电一样不可理喻。 熟悉IT硬件的一定知道这个数字: 万分之三 。这是硬件的宕机率,因为只要是硬件,磁盘、闪存、主板等都是有寿命的,用的久了都可能会坏掉。 这是个传统IDC、云服务商都要面临的问题。面对它,可以有三种方案:自救、他救、上云。 自救 的思路很简单,就是需要非常优秀的工程师,通过软件设计的分布式架构来解决。这对工程师素质要求非常高,一般的初创公司不太容易兼顾到此。 他救 的思路,其实就是传统的冗余做法。这种就比较费资源:提前做好冗余,硬件坏了之后通过冗余直接切到新的设备上去。 上云 之后,用户不必操心这个问题了。云服务商通过大规模的运营,可以提前预测硬件故障,比如了解到哪块硬盘可能会在那个时间点发生损坏。预测到一点,提前把用户业务迁移到新的服务器上。 笔者在今年的阿里云栖大会上的采访中得知,目前阿里云可以把用户业务迁移做到毫秒级,整个迁移过程,用户无感。 基于出色的预测能力,阿里云服务器硬件的故障率低至万分之零点六,比硬件自身故障率还低了5倍,稳定性比传统IDC提升10倍以上。 典型案例的启示 云上的安全性和稳定性共同构筑了用户上云的基础。 我听过一位运维人员讲述他的 亲身经历 : “8年前我在广州一个网页游戏公司做技术总监时,服务器全是自己采购放到机房去。 每个月硬件设备、带宽、CDN等要花费20~30万元,同时需要5个运维人员。” “而现在,同样的需求搬到阿里云上,要50万元左右,贵了一倍以上。 ” “但是! 只需要1个运维人员就够了!!为什么需要的运维少了那么多?因为运维流程简单了,而且不会出错,大量工作程序员自己就能做。” “当年我们的运维工作压力大到吐血,因为新买的一批服务器网卡驱动程序与CentOS版本不匹配,服务不断宕机,我们一整晚上没睡觉。 上了云,类似的问题完全不会出现,工作压力轻了80%。” “还有报警系统、扩容流程等等,阿里云后台都一键搞定。 ” “ 小公司注意力放在业务上,值得在云上花钱买稳定性安全性 。”这位运维说。 这位运维人员的经历可以代表很多企业的情况。云计算作为计算力的进阶,就是 让 专业的人做专业的事 。至少在眼下来说,用户上云之后,不必关注安全性和稳定性,可以更专注于业务本身的创新。 这不正是云计算的伟大之处?
个人分类: 科技杂谈|3255 次阅读|1 个评论
一文看懂阿里云“神龙架构”:集齐上云需求召唤神龙
bonjourgl 2019-9-30 15:25
在我国云南东巴圣地玉水寨,有一处神泉。传说这神泉的泉眼处,是玉龙神出没的地方。 每年玉龙神都要出来巡视丽江坝子,但见那神龙戏水而出、带风而下,轻盈灵动间把水翻折成三叠。水流的哗哗声跟神泉的安宁、祥和相映成趣,玉水寨美景“神龙三叠水”的美名便得乎于此。 玉水寨美景“神龙三叠水” 传说总是美丽而虚幻,但是我们今天要说的“神龙三叠(迭)”,则是真真切切发生着的科技创新故事。 一、神龙3·献礼阿里云10年 从2009年到2019年,阿里云(也即“阿里云智能”)十岁了。 回首当年IT领袖峰会,BAT掌门人分别就“云计算”发表观点。在“旧瓶新酒论”和“为时过早论”面前,只有“不懂技术”的马云坚定要做云计算。 2009年9月,阿里云正式成立。 事实证明,抢跑了两年的阿里云真正掌握了先机,此后的阿里云在中国云计算市场一骑绝尘,丝毫不亚于亚马逊AWS 在海外的风头。 阿里巴巴这个世界最大的数字经济体,从来不会躺在功劳簿上睡大觉或是沾沾自喜。尽管云计算越来越成为一门以规模取胜的生意,但阿里云并没有停下寻找新的(除规模外)核心竞争力的脚步。 苦心人,天不负。 2017年10月,阿里云“神龙架构”横空出世。 代表云数据中心虚拟化技术变革、致力于以软硬协同设计提升虚拟化效率的“X-Dragon”,与被称为“裸金属虚拟化的先行者”的第一代神龙服务器,双剑合璧,踏歌而来。 2017年10月神龙架构面世 此后的2018、2019年,神龙架构一年一个台阶,第二代、第三代神龙服务器接踵而至。 在今年的阿里云栖大会上,阿里云智能基础产品事业部总经理蒋江伟(小邪)透露,神龙架构已大规模应用于淘宝、天猫、菜鸟等业务;未来,阿里云遍布全球的百万服务器将全面升级至第三代神龙架构。 神龙,真有这么神? 二、神龙架构·缘起 如果将“2006年亚马逊推出EC2和S3(以租赁计算力来为企业运行业务应用)”视为云计算商业化的起点的话,2015年前后,云计算市场已经网罗了大部分的互联网企业。 这些“云原生企业”,对云这一弹性计算服务用得非常好,云计算也能很好地满足这些企业的需求。 其实自云计算商用以来,在IaaS(基础设施即服务)层面,云计算的底层技术并没有根本性的变化:大规模标准化的X86服务器+(可以将这些资源池化并提供虚拟机服务的)Hypervisor系统软件。 Hypervisor系统通过管理标准X86计算机集群,为用户提供虚拟机服务;用户因此得到弹性的计算资源,也不需运维复杂的底层硬件,可以专注于业务创新。 然而,小邪、阿里云弹性计算技术负责人张献涛(旭卿)他们逐渐发现了一个问题—— 那些非云原生企业,他们的软件栈构建在传统的物理机上,在上云的过程中,很多不愿意做架构改造或者无从改起。这样一来,就导致超过一半(50%~60%)的用户只能“部分上云”,甚至百分之七八十的业务仍然在线下。 针对这个痛点,阿里云的技术专家们开始思考:如何打造一款既能够接入云基础设施,又能够提供类似物理机服务的计算产品? “这就是我们当时做神龙的初衷。”小邪告诉《本来科技》。 其他云厂商也有所行动,但他们当时提供的是一种如今可称作“托管云”的服务——将传统的物理机买回来放到云数据中心,提供用户“租赁服务”。 小邪觉得这种模式行不通。 “它没办法持续:一千台服务器还能吃得消,一万台、三万五万台的时候呢?” 机器自己买,硬盘坏了算自己的、数据丢了用户找你算账,这么做云服务,早晚被拖垮。小邪说,国内一家这么做的云计算厂商,已经濒临崩溃了。 客户真正想要什么? “要的是物理机的资源,弹性的服务。其实就是‘定制化的物理机’——既能够享受物理机的性能,又能发挥云计算的优势。” 旭卿说,这在那时,是个“太过理想化的东西”。 三、虚拟化·“黑洞” “阿里的工程师有个特点:遇到问题就兴奋。”旭卿告诉《本来科技》,当时想到要实现这个理想化的产品时,阿里云技术团队也是“抓瞎”:没有产品可以模仿,没有现成的芯片、板卡等硬件可以支撑。 但这确是一个从需求出发驱动的技术实现。 大型业务上云,容器化是最热门的,它也代表着趋势,因为它解决了运维的标准问题。但是,跑容器性能最好的是物理机(裸机服务器)。一旦上云,容器本身也要一次虚拟化,加上上云的虚拟化,就是两层虚拟化,虚拟化本身就有性能占用,虚拟化的嵌套,更是不可避免地带来新的性能损耗。 “技术人员都是有洁癖的。”小邪说:“这种性能的消耗会让他们不爽。” 这个性能消耗其实是可以量化的。“差不多10%。”小邪说。 10%的消耗意味着什么?意味着如果有1亿的预算,什么都没干,1千万就没了。 另外,在同一物理机上的虚拟机之间,也会存在资源抢占的情况,这样一来,虚拟机的性能就会产生波动,影响计算的稳定性。 用户会说:“既然如此,我为什么不用物理服务器?” 虚拟化,从来就是云计算的基础。数十年前诞生的虚拟化技术,通过软件定义的方式来管理数据中心的计算资源,让云计算厂商可以根据企业需求输出计算能力,收放自如。 然而,云计算的弹性能力是以牺牲性能损耗的形式来换取的。 总结来说,资源损耗来自于虚拟化自身的性能开销、虚拟机之间资源抢占造成的性能波动、虚拟化嵌套造成的效率下降等等。 因此,虚拟化就像黑洞一样,吸走了机器的部分性能。 举例来说,在一台96核的服务器上运行云服务系统,可能需要占用8核32GB内存来提供虚拟化的开销,用户得到的只有88核和剩余内存。 四、阿里云·“造龙术” 面对虚拟化这些从娘胎里带出来的缺陷,在2016年“双十一”复盘会上,阿里巴巴集团CTO兼阿里云智能总裁张建锋(行癫)专门就此讨论过。 他提出:业务应用上云之后虚拟化相关的性能开销,能不能解决掉? 旭卿回顾那段历史时说:最初研发神龙架构的目的,就是为了应对虚拟化带来的资源损耗。 “从那开始,我们就尝试着从服务器架构优化的角度,把容器迁移上云后的开销抵消掉。”小邪说。 从架构优化出发,可不是谁都能干的出来的事儿。 但阿里云可以。 还记得阿里云那时的核心竞争力吗?规模。作为云计算市场的头部,阿里云服务器部署的规模是百万级别的。这个级别,允许阿里云的技术专家们用全新的软硬件技术,变革服务器架构,改善现有云计算的性价比。 旭卿介绍说,在2016到2017年的一年多的时间里,阿里云做了架构的研发和产品的研发,并在2017年正式推出了X-Dragon Hypervisor。 “它和一般的虚拟化技术不太一样,它做的是裸金属的虚拟化,要做的是性能超越物理机的虚拟机。”旭卿介绍,为了实现这个目标,阿里云研发了神龙系统。 从神龙X-Dragon架构来看,阿里云研发了专用的芯片、定制的专用主板,开发了专用的MOC卡,甚至开发了整套配套的软件——从BIOS到应用层支撑软件,再到整体调度软件等一整套复杂的系统。 这是非常巨大的投入,目前世界范围内有能力开发这样系统并投入使用的企业,只有两家。(点击链接发现另外一家) 五、三年·三代“神龙” “加了X-Dragon Hypervisor之后,它可以把物理机变得像虚拟机一样灵活。”旭卿说,它可以使用弹性计算的OpenAPI直接去购买,直接去释放,而它的性能,比如性能关联的存储、网络,数据面全部进行加速,得到更高的性能、更低的资源利用率。 这就是阿里云神龙一代的“裸金属服务器”。 在X-Dragon Hypervisor的调度下,裸金属服务器就像漫威英雄“绿巨人”一样,兼具物理博士班纳的高智商和浩克的超强战斗力。 神龙一代经发布后,在2018年初就实现了全面的商业化。旭卿介绍说,神龙架构满足了企业无顾虑大规模上云的需求,“以前上不了云的用户都能上了”。 在实际应用中,他们又发现了另一个问题: “在云数据中心,传统的虚拟化产生虚拟机,因为与神龙服务器不同的计算架构,会形成两个资源池,这导致成本大幅度上升。” 可不可以让一套架构既支持裸金属服务器,又支持传统的虚拟机? 这很快成为阿里云技术团队升级神龙架构的目标。 阿里云技术专家是想让虚拟机在神龙架构下,也能“飞起来”。 大规模部署的实践显示,第二代神龙做到了“一套软硬件,三种服务(裸金属服务器+虚拟机服务+容器)”,实现了“虚拟机性能接近裸金属”。 并且,在这一代神龙架构上,阿里云实现了神龙架构的全组件“热升级”(FPGA毫秒级热升,业务零感知)——此中意义更大,可大大加速神龙的迭代蜕变。 “第二代神龙是阿里云融合虚拟化的重要实践。”旭卿说。 第三代神龙对各项性能指标和参数进行了更极致的升级。小邪在云栖大会上发布第三代神龙架构时,介绍了它的威力: 通过硬件加速虚拟化,神龙Hypervisor性能进一步提升,损耗接近零; 神龙芯片IO加速,云盘读写速度达到100万IOPS,网络收发包能力达到2500万PPS,相较第一代神龙提升5倍; 统一的弹性计算平台架构全面支持ECS虚拟机、裸金属、云原生容器; 成为容器最佳载体,计算性能零损耗,计算成本下降50%; 软硬一体化的安全,端到端的安全防护。 可以说,在历经软件虚拟化、通用硬件虚拟化、专用硬件芯片虚拟化三个阶段后,第三代神龙架构实现了裸金属服务器、ECS虚拟机等计算平台的架构统一,用户将得到更高性能、更稳定、更便宜的高质量弹性计算资源。 需求迁移,技术驱动。从第一代神龙到第三代,阿里云面向用户上云痛点,逐步帮助用户:全面上云、上高性能云,兼容上云、上可靠云,加速上云、上低成本云、上安全云。 “集齐7大上云痛点,召唤神龙。” 六、重新定义·云 马云接班人、逍遥子张勇说: “阿里巴巴的云,是我们重新定义的云。” 从两层虚拟化做成“0层虚拟化”,从虚拟化抢占资源到把所有调度offload到一张MOC卡上,神龙架构的优势不仅是解决虚拟化开销“黑洞”。 小邪告诉《本来科技》,它还通过“硬件隔离”让业务之间不再争抢资源,通过让用户“无感”的热迁移让整体计算服务稳如磐石,真正做到了让计算像电一样成为基础设施。 2016年双十一期间,淘宝曾一度不能下单,这源于不同系统业务“打架”争抢资源。在阿里云上,“争抢资源”可能永远不会再有了。 “12306”每逢佳节倍“死机”,这源于大规模并发需求给服务器造成的压力使CPU负荷激增,计算机群性能损耗过半,无法正常发挥计算性能。在阿里云上,“CPU过载”也不会再有了。 如果用一句话总结神龙架构的创新,那就是:神龙架构实现了软硬件的深度结合,通过专用芯片来抵消虚拟化技术带来的性能损耗问题,完全发挥处理器和内存等计算资源的性能。 在这个过程中,阿里的技术团队自研了X-Dragon虚拟化芯片、X-Dragon Hypervisor系统软件、X-Dragon服务器硬件架构等等。 这是一个系统的、颠覆式的创新。部署神龙架构的云计算,不再是过去相互独立的“标准硬件+分布式系统软件”,而是转变成为一个软硬件融合的系统架构。 七、神龙·未来10年 三代神龙架构,生动诠释了阿里巴巴“需求迁移,技术驱动”的可持续发展理念。 图灵奖得主、加州伯克利大学计算机科学教授David Patterson曾表示:“随着摩尔定律的终结,为了获得更高性能的计算机,唯一方法就是改进计算机的设计或‘架构’。” 阿里云在云计算上实现了。 在此次云栖大会上,行癫在其演讲中总结数字经济的四大技术要素时,第一个点出阿里云: “我们十年坚持下来做云计算,使得现在IT设施云化。原来都是单个服务器,我们叫做信息化、自动化,到今天我们第一次进入云的时代。” “云第一次把整个IT设施从端到端的部件,变成归集在云端的基础设施,这和当年工厂自己发电变成提供完整的电网变革是一样的。”行癫说,云就是打基础,就是建设高楼大厦要打的地基,“必须精确规划”。 可以说,这是神龙架构带给阿里云的自信,神龙架构不仅正在帮助阿里云做到了“用一朵云,实现万种数智场景”,还在为云计算谋划未来十年。 作为计算机史上发展的一大步,云计算发展至今并非终点,云的未来依旧拥有极大的想象空间,新一轮创新已经开始。 毕竟,接下来阿里云遍布全球的百万服务器就将全面升级至第三代神龙架构,最好的迭代,就蕴藏在规模最大的部署之中。 彩蛋时间!! 阿里云操作系统叫“飞天”,存储系统叫“盘古”,网络管理叫“洛神”,资源管理叫“伏羲”,飘在天上的这群阿里工程师,大概跟天庭打交道比较多,不约而同地想到,要让龙族的人来做“维稳部队”。 喏~神龙系统,稳稳地镇压着水面下的千年妖兽。 就像神龙阵一样,神龙架构也稳稳地“镇压”着云计算平稳运行背后的“幺蛾子”。 听说《大圣归来2》将创新演绎“大闹天宫”,大圣将会抽走龙王盘踞着的那根“定海神针”。难以想象,没有了神龙架构的云计算将会面临什么?
个人分类: 科技杂谈|5795 次阅读|0 个评论
云计算的虚实
caozhengjun 2019-9-27 12:59
云计算的虚实 Ø 新闻回顾 目前仍在向个体用户提供网络存储服务的知名品牌还有腾讯微云和百度网盘。 Ø 云计算的前生 分布式计算研究如何把一个大问题分解成若干个小问题,以及如何把这些小问题分配出去,让若干终端计算资源分别求解这些小问题,最后再把有关结果综合起来得到原问题的解。其构想来自于计算机学科中基本方法 --- 分治法 (divide-and-conquer) 。分布式计算的历史可以追溯到半个世纪前,现代电子计算机的发展初期。 网格计算 (Grid computing) 是利用互联网上闲置的计算资源来解决大型问题的一种计算模式,这就意味着应用程序不再受限于具体的物理系统和平台软件,数据和程序能够在各个计算节点间“流动起来”。网格计算主要被各大学和实验室用于高性能计算项目。关于网格的定性和发展前景,有如下一些说辞。 “网格是继传统因特网、 Web 之后的第三次互联网浪潮,可以称之为第三次因特网的应用。传统因特网实现了计算机硬件的连通, Web 实现了网页的连通,而网格则试图实现互联网上所有资源的全面连通,其中包括计算资源、存储资源、通信资源、软件资源、信息资源、知识资源等。”美国《福布斯》杂志预测,网格技术将在 2004 年至 2005 年出现一个高峰,推动信息产业市场的持续高速发展,在2020年将产生一个年产值为20万亿美元的大产业。 在网格计算上发力最狠的是大名鼎鼎的 Sun 公司,其主要产品是工作站及服务器。目前最流行的编程语言 Java 就是该公司在研发中产生的副产品。但该公司没能熬到瓜熟蒂落的时候, 2009 年 4 月 20 日甲骨文公司收购了 Sun 公司。 Ø 云计算的今生 云计算 (cloud computing) 的正式定义,且看下面截图 : 与网格计算不同,云计算更多的是由工业界主导发展的一套技术和标准。云计算和网格计算都能够提高 IT 资源的利用率,但是云计算依靠 IT 资源供给的灵活性,革新了 IT 产业的商业模式,侧重于资源与技术的 外包服务 。网格计算是拥有计算能力的节点自发形成联盟,共同解决涉及大规模计算的问题,侧重于资源与技术的 联合共享 。 1996 年,康柏公司的一群技术主管在讨论计算业务的发展时首次使用了 Cloud Computing 这个词,他们认为商业计算会向 Cloud Computing 转移。 1997 年,美国的 Chellappa 教授把“ Cloud Computing ”这个词定义为:“计算边界由经济而并非完全由技术决定的计算模式”。 2000 年, Sun 公司发布了太阳云 ( Sun cloud) 。 2006 年,贝索斯发表了关于云计算的著名演讲,并向世界宣布亚马逊将投资和创立云计算 AWS 的宏大计划。同一年, Google 首席执行官施密特在搜索引擎大会上,首次正式提出“云计算”的概念。将计算、服务和应用作为一种公共设施提供给公众,这正是“云计算”的初衷和动力。 2007 年, IBM 推出蓝云 (Blue Cloud) 服务。 2008 年,微软在其开发者大会上发布了一个全新的云计算平台── Azure Service Platform 。 2010 年,华为公司正式公布了云计算战略。华为表示:“要让全世界所有的人,像用电一样享用信息的应用与服务”。 2013 年 9 月,就在阿里云宣布突破 5K 测试的三个月后,腾讯云宣布正式面向全社会开放。 Ø 外包计算 云计算侧重于外包服务,而不是资源共享, 它必须追求利润,那么这种商业服务的模式是啥呢?是百度的竞价排名、超速下载,淘宝的竞价推广,网易的云音乐?这些面向市民的商业模式与外包计算有什么关系呢? 严格说来,计算机表示的底层数据只有两种形式,一是数值型的,二是字符型的。这两种数据在计算机内部的表示方法是不一样的,为此键盘上也分出两部分,数字键和字符键。数值的表示范围取决于浮点数系统,字符的表示范围取决于编码方法 ( 如通常的 Unicode 编码 ) 。因此计算机处理的实际对象可分为两种,一是数值计算 ,二是文本处理。 最初计算机的设计目的就是为了数值计算,但现在几乎所有的家用电脑都是用来做信息处理的,写文章、 P 图像、听音乐、看视频。即便是理工类的大学生,也只习惯于用计算器来做些数值计算。 学术界讨论的云外包计算有哪些内容呢? 2015 年秋天,笔者针对这一问题做了些功课,研读了一些文献。归纳起来主要有: l 大规模的数值计算 --- 矩阵乘法,矩阵求逆,线性回归,线性规划,这些都涉及到数值误差,但至今还没有切实可行的外包方案。这类问题面向的应该是团体用户。相关文献中常见的错误 ( 见后面已经发表的系列论文 ) 包括: 2 在加密时忽视了相容性,把一个可解的问题变换成一个不可解的外包问题; 2 忽视了浮点数系统和有限域的差别,错误地把有限域上的运算当成了数值运算; 2 混淆了计算任务的复杂性,把一个自身就能完成的任务强行外包出去; 2 加壳、脱壳时忽视了数值误差分析; 2 忽视了外包交互过程的通讯成本; 2 应用场景过于理想化,很难产生实际需求。 l 文件的安全存储、匿名访问等,这些可能会涉及到数值误差。这类问题面向的可以是个体用户。 l 一些特殊的计算任务,如密码学上的模指数及双线性映射计算,这些不涉及误差问题。面向的只是一些假想的客户。顺便说一下,公钥密码算法主要利用模指数运算来混淆和扩散冗余,不是普通的数值计算,本质上做的是文本变换。 外包计算可以帮助客户完成自身不可能完成的任务,还能保护客户的隐私,但应用场景真的有学术论文描述的那么多吗?一些科研机构或许会有这样的需求,但实际外包成本还涉及到主、客之间的交互问题、信任问题,这是无法用计算复杂度来衡量的。 Ø 云计算的来生 免费的面向个体用户的 360 网盘和 163 网盘的相继关闭,说明云存储服务没有企业当初设想的那么美好。那些还在收费的云服务项目发展结果又将如何呢?云计算的来生是充塞了大数据的物联网?是正在孕育中的某个概念? We are not sure. ----------------------------------------------------------------------------------------- 相关工作: Zhengjun Cao, Lihua Liu: Comment on “Harnessing the Cloud for Securely Outsourcing Large-Scale Systems of Linear Equations”. IEEE Transactions on Parallel and Distributed Systems , Vol.27, No.5, 1551-1552 (2016) Zhengjun Cao, Lihua Liu, Zhenzhen Yan: An Improved Lindell-Waisbard Private Web Search Scheme. International Journal of Network Security , Vol.18, No.3, 538-543 (2016) Zhengjun Cao, Lihua Liu, Olivier Markowitch: On Two Kinds of Flaws in Some Server-aided Verification Schemes. International Journal of Network Security , Vol.18, No.6, 1054-1059 (2016) Zhengjun Cao, Lihua Liu: A Note on Two Schemes for Secure Outsourcing of Linear Programming. International Journal of Network Security , Vol.19, No.2, 323-326 (2017) Zhengjun Cao, Lihua Liu: The Paillier's Cryptosystem and Some Variants Revisited. International Journal of Network Security , Vol.19, No.1, 89-96 (2017) Lihua Liu, et al.: Anonymity and Certificateless Property Could Not Be Acquired Concurrently, International Journal of Electronics and Information Engineering , Vol.7, No.2, 61-67 (2017) Lihua Liu, Zhengjun Cao, Chong Mao: A Note on One Outsourcing Scheme for Big Data Access Control in Cloud, International Journal of Electronics and Information Engineering , Vol.9, No.1, 29-35 (2018) Zhengjun Cao, et al.: Analysis of One Dynamic Multi-Keyword Ranked Search Scheme over Encrypted Cloud Data, International Journal of Network Security , Vol.20, No.4,683-688 (2018) Zhengjun Cao, et al.: Ruminations on Fully Homomorphic Encryption in Client-server Computing Scenario, International Journal of Electronics and Information Engineering , Vol.8, No.1, 32-39 (2018) Lihua Liu, et al.: A Note on One Secure Data Self-Destructing Scheme in Cloud Computing, International Journal of Network Security , First Online June 14, 2019 (Doi: 10.6633/IJNS.881) Zhengjun Cao, Lihua Liu, Olivier Markowitch: Comment on Highly Efficient Linear Regression Outsourcing to a Cloud, IEEE Transactions on Cloud Computing , Vol.7, No.3, pp.893 (2019) 曹正军,刘丽华 : 现代密码算法概论 , 哈尔滨工业大学出版社, 2019/5.
个人分类: 计算机科学|4469 次阅读|0 个评论
分布式QEMU在KVM Forum 2018 进行展示
qizhwei 2018-11-3 22:37
在KVM Forum 2018 大会上,KVM 主要维护者 Paolo Bonzini 介绍了 KVM 开源项目的当前进展,来自国内的云计算厂商阿里、腾讯、华为等派人介绍各自的技术, 腾讯云向 KVM 内核贡献了 40 个 patch, 新闻站点 ,显示了目前国内在这块不断上升的研发实力。 我们实验室育彬和卓成在大会上介绍了分布式QEMU的研发进展,虽然是初次登台,而且是在行家面前,经过精心准备,顺利完成了介绍,并引起了与会者的极大兴趣,展开了深入交流。分布式QEMU的目的通过构造跨物理节点的虚拟机,使得虚拟化资源能够跨机器配置,资源分配更加弹性,可构造聚合更多资源的巨型虚拟机。我们的PPT也发布在官网上, KVM Forum 2018 PPT (并非最终版本),如果有兴趣,欢迎进行讨论。
个人分类: 学术探讨|3375 次阅读|0 个评论
【原创】Rancher2.0离线部署详解
limx59 2018-9-28 17:06
作者简介 李铭轩: 中国联通云数据有限公司技术工程师,牛人实验室包容万象小组组长,电子学会会员,美国 IEEE 会员,长期关注云计算和大数据开源技术以及社区动态,主要从事技术研发,标准研究等工作。 1 Rancher技术架构 自从2017年底开始,开源容器云管理平台Rancher从原有的1.6版本全面升级到2.0版本,目前最新推广的是2.0.8版本。不仅仅是功能的更新,而且在整体架构方面也做了重大的调整。从原先的1.6版本支持Cattle、Kubernetes、Mesos等多种管理环境,转变为全面支持Kubernetes。同时在部署方式上也提供了RKE等多种部署方式,其总体技术架构如下图所示【1】: 图1 Rancher2.0总体技术架构 Rancher 2.0主要软件都运行在Rancher Server上,Rancher Server包含了用于管理部署Rancher集群的软件组件。 Rancher API Server Rancher API Server是构建在嵌入式Kubernetes API Server和etcd数据库之上,实现了以下功能: 用户管理 Rancher API服务器管理与外部身份验证提供程序(如Active Directory或GitHub)对应的用户身份。 授权 Rancher API Server管理访问控制和安全策略。 项目 项目是集群中一组多个命名空间和访问控制策略的集合。 节点 Rancher API Server跟踪所有集群的所有节点的标识。 Cluster Controller and Agents 集群控制器和集群代理实现管理Kubernetes集群所需要的业务逻辑。 集群控制器实现全局Rancher安装的逻辑需求,它执行以下操作: ① 为集群和项目配置访问控制策略 ② 通过调用来配置集群: ⅰ 所需的Docker 机器驱动程序; ⅱ Kubernetes引擎,如:RKE【2】和GKE【3】 独立 的集群代理实例实现相应集群所需的逻辑。 它执行以下活动: ① 工作负载管理,例如每个群集中的pod创建和部署。 ② 在每一个集群的全局策略中定义应用角色和绑定。 ③ 集群与Rancher API Server之间的通信:事件、统计信息、节点信息和健康检查。 Authentication Proxy Authentication Proxy转发所有Kubernetes API调用。它集成了身份验证服务,如本地身份验证、Active Directory和Github。在每个Kubernetes API调用中,Authentication Proxy会对调用方进行身份验证,并在将调用转发给Kubernetes主节点之前设置正确的Kubernetes标识头。Rancher使服务账号与Kubernetes集群进行通信。 2 部署拓扑图 依据上述Rancher2.0的技术架构,在部署Rancher集群过程中,选取一台服务器作为Rancher Server,一台服务器作为私有镜像仓库,其他服务器作为Node节点。其具体信息如下所示: 服务器 INSIZE:5台;DMZ:5台 硬件 HP BL685C 操作系统 CentOS 7.0.4 DOcker版本 1.12.6 其拓扑图如下图所示: 图2 部署拓扑图 依据上述拓扑图,考虑到安全和访问性能等问题,在部署过程中将Rancher平台的核心组件放到INSIDE区,保证其安全性;而将业务节点以及Harbor(单节点)部署到DMZ区,以方便外部访问。 两侧区域通过防火墙进行了打通,根据Rancher集群的访问策略实现了有限端口的开通和目的IP地址可达。从而在安全性方面最大程度保证INSIDE区的核心业务系统和数据库系统免受攻击。而在业务性能方面,在后期的Rancher平台业务部署策略方面( 两侧分配的IP地址属于不同的地址段 ),将应用型和前端型平台部署到DMZ区,以方便外部用户访问。 3 私有镜像库部署 考虑面向内部环境的平台和容器部署,尤其是生产系统环境下网络和外部是完全隔离的情况,以及从DockerHub上下载镜像所消耗的时间会是一个比较漫长的过程,因此在内网环境下部署私有镜像库。私有镜像库的部署还是采用目前比较流行的开源解决方案Harbor来实现。 Harbor的部署分为Harbor单节点部署和Harbor HA来实现,因为考虑到本身资源有限和目前镜像存储容量较小等情况采用的是单节点方式来部署;而HA的方式主要是多节点Harbor实现负载均衡,同时指向共享存储(Ceph或者Swift)等方式来实现。 Harbor单节点安装 1、环境准备 依据Harbor部署所需要软件环境,需要Python2.7版本以上,Docker等,在此就不再赘述。 其中由于开源的Harbor是基于Docker-compose来启动的,因此需要下载安装Docker-compose。其安装部署是基于python-pip来实现的,具体可以参考文献【4】。 Python-pip安装: Docker-compose安装: 2、Harbor软件包下载 可以通过Harbor在Github下载页面下载离线文件包,具体的下载链接如下所示: https://github.com/goharbor/harbor/releases 选择相应的版本下载。并通过以下命令进行解压缩 tar zxvf harbor- version .tar.gz 3、修改配置文件 解压压缩包会得到harbor文件夹,harbor.cfg配置文件位于文件夹根目录。在harbor.cfg中有两类参数,必需参数和可选参数。 - 必需参数 :需要在配置文件中设置这些参数。如果用户更新harbor.cfg并运行install.sh脚本以重新安装Harbor,更改的参数将生效; - 可选参数 :这些参数对于更新是可选的,即用户可以将它们保留为默认值,并在启动Harbor后在Web UI上更新它们。如果已经配置harbor.cfg,这些参数只会在首次启动Harbor时生效。harbor.cfg将忽略对这些参数的后续修改。 必需参数 hostname :目标主机的主机名,用于访问UI和Harbor服务。它应该是目标计算机的IP地址或域名(FQDN),例如, 192.168.1.10 或 reg.yourdomain.com 。不要使用localhost或127.0.0.1作为主机名,因为外部客户端需要访问Harbor服务! ui_url_protocol :( http 或 https 。默认为 http )用于访问UI和令牌/通知服务的协议。如果启用了公证,则此参数必须为*https*。默认情况下,这是*http*。要设置https协议,请参阅 使用HTTPS访问配置Harbor 。 db_password :用于 db_auth 的MySQL数据库的root密码。 生产环境请修改此密码 max_job_workers :(默认值为 3 )作业服务中的最大复制工作数。对于每个镜像复制作业,程序将存储库的所有标记同步到远程目标。增加此数量可以在系统中实现更多并发复制作业。但是,由于每个复制进程都消耗一定的网络/CPU/IO资源, 请根据主机的硬件资源仔细选择该参数的值 。 customize_crt :( on 或 off ,默认为 on ),如果此属性 on ,准备脚本创建私钥和根证书,用于生成/验证 registry 的令牌。当外部源提供密钥和根证书时,将此属性设置为 off 。有关详细信息,请参阅 自定义密钥和harbor令牌服务证书 。 ssl_cert :SSL证书的路径,仅在协议设置为https时应用 ssl_cert_key :SSL密钥的路径,仅在协议设置为https时应用 secretkey_path :用于加密或解密复制策略中远程Harbor密码的密钥路径。 log_rotate_count :日志文件在被删除之前会被轮转 log_rotate_count 次。如果count为0,则删除旧版本而不是轮转。 log_rotate_size :仅当日志文件大于 log_rotate_size 字节时才会轮转日志文件。如果大小后跟k,则假定大小以千字节为单位。如果使用M,则大小以兆字节为单位,如果使用G,则大小为千兆字节。尺寸100,尺寸100k,尺寸100M和尺寸100G都是有效的。 可选参数 Email settings :Harbor需要这些参数才能向用户发送“密码重置”电子邮件,并且仅在需要该功能时才做配置。另外, 请注意 ,在默认情况下SSL连接 没有启用 ,如果你的SMTP服务器需要SSL,那么你应该通过设置 email_ssl = TRUE 参数来启用SSL,但 不支持STARTTLS 。如果电子邮件服务器使用自签名证书或不受信任证书,则需要设置 email_insecure = true 。有关 email_identity 的详细说明,请参阅 rfc2595 harbor_admin_password :管理员的初始密码。此密码仅在Harbor首次启动时生效。之后将忽略此设置,并且应在UI中设置管理员密码。 请注意 :默认用户名/密码为 admin/Harbor12345 auth_mode :使用的身份验证类型。默认情况下,它是 db_auth ,即凭据存储在数据库中。对于LDAP身份验证,请将其设置为 ldap_auth 。 重要信息: 从现有Harbor实例升级时,必须确保在启动新版本的Harbor之前, harbor.cfg 配置文件中 auth_mode 相同。否则,用户可能无法在升级后登录。 ldap_url :LDAP连接URL(例如 ldaps://ldap.mydomain.com )。 仅在**auth_mode**设置为ldap_auth时使用 。 ldap_searchdn :具有搜索LDAP/AD服务器权限的用户的DN(例如 uid=admin,ou=people,dc=mydomain,dc=com )。 ldap_search_pwd : ldap_searchdn 指定的用户密码。 ldap_basedn :查找用户的基本DN,例如 ou=people,dc=mydomain,dc=com 。 仅在**auth_mode**设置为ldap_auth时使用。 ldap_filter :用于查找用户的搜索过滤器,例如 (objectClass=person) 。 ldap_uid :用于在LDAP搜索期间匹配用户的属性,它可以是uid,cn,email或其他属性。 ldap_scope :搜索用户的范围,0-LDAP_SCOPE_BASE,1-LDAP_SCOPE_ONELEVEL,2-LDAP_SCOPE_SUBTREE。默认值为2。 self_registration :( on 或 off 。默认 on )启用/禁用用户自助注册功能。禁用时,新用户只能由管理员用户创建,只有管理员可以在Harbor中创建新用户。 * 注意:当 auth_mode 设置为 ldap_auth时 , 始终* 禁用自助注册功能,并忽略此设置。 token_expiration :令牌服务创建的令牌到期时间(以分钟为单位),默认为30分钟。 project_creation_restriction :用于控制用户有权创建项目的设置。默认情况下,每个人都可以创建一个项目,设置为“adminonly”,只有管理员才能创建项目。 3、参数修改 针对harbor.cfg的必需参数,需要根据现有的部署情况这是hostname,比如本次harbor部署在10.10.13.1的服务器上,那么hostname的设置为: hostname = 10.10.13.1 如果有域名的话,可以将IP直接换成域名。这样harbor启动以后可以直接按照域名方式来访问。 【注意】 由于节点访问镜像仓库是默认按照5000端口来进行访问,而源代码文件中的docker-compose.yml文件并未将此端口暴露出来,从而会造成外部访问失败,其具体的配置位置如下图所示: 针对此部分在官网的文献中并没有体现,导致后续节点访问镜像仓库时一直出现访问被拒绝的情况。如下图所示: 查看harbor进程会发现,5000端口未暴露出来: 当在docker-compose.yml文件中添加port暴露,再重新启动harbor,再次检查进程会发现如下图所示: 从上图可以看出,仓库的端口已经暴露。 4、节点Docker引擎修改 由于Docker引擎默认是基于HTTPS进行访问的,因此在访问私有镜像仓库下载镜像时会提示安全被拒绝。需要在节点的Docker配置脚本上增加安全访问策略参数,即--insecure-registry. 不同的操作系统可能docker引擎的配置脚本文件所在的位置可能有所不同,本文仅以CentOS7.0.4为例进行阐述。参考文献【5】的指导,在CentOS7系统中,默认安装的docker引擎,在其下文件系统中存在如下文件: cd /usr/lib/systemd/system vim ./docker.service 其文件内容如下所示: 其中在变量ExecStart后面增加:--insecure-registry 10.10.13.1:5000 强制将私有镜像仓库设置为安全访问端口。 4、Harbor安装 经过上述环境部署和参数修改,在Harbor源文件的根目录下面有install.sh脚本,执行该脚本就可以镜像Harbor安装。请注意,在线安装需要一段时间从Docker hub下载Harbor镜像,具体根据实际网络情况。也可以打包下载镜像包导入到本地服务器上进行安装。 Harbor安装提供了三种模式: ⑴ 默认安装(没有Notary/Clair) sudo ./install.sh 该模式属于普通安装模式,不带有漏洞扫描,因此默认不安装其他服务 ⑵ 使用Notary安装 sudo ./install.sh --with-notary 该模式安装,需要配置参数ui_url_protocol为“https”. ⑶ 使用Clair安装 sudo ./install.sh --with-clair 本文采用默认安装方式操作。其具体界面如下所示: 访问UI地址,即可展现Harbor的界面: http://10.10.13.1 至此,单节点的私有镜像仓库部署完成。剩下的工作就是在镜像仓库中创建项目以及导入镜像的过程。相关的步骤就在安装部署过程中进一步阐述。 4 Rancher离线部署(生产系统) 由于Rancher全程都是镜像方式安装,因此从Rancher Server到Rancher Agent都是镜像,如果需要离线部署Rancher,需要事先将Rancher集群的相关集群都从Docker上下载下来,并且导入到事先搭建好的镜像库中。依据参考文档【6】下载Rancher离线安装包。其安装过程如下图所示: 其中离线安装包包括如下几个文件: - rancher-save-images.sh:该脚本主要负责从Docker Hub中下载Rancher所有相关的镜像,并且打包成一个本地压缩包(rancher-images.tar.gz) - rancher-load-images.sh:负责将本地镜像压缩包(rancher-images.tar.gz)导入所有镜像库中 在导入本地镜像时,由于镜像专属的项目,本文以limx59创建小编名下的镜像库。如图所示: 由于本地私有镜像库的地址为:10.10.13.1:5000 因此在执行脚本时,需要将私有镜像库的地址作为参数传入到脚本中,具体执行命令如下所示: sudo ./rancher-load-images.sh 10.10.13.1:5000/limx59 注意:需要将本地镜像压缩包和上传脚本放在同一个目录下面。 1、Rancher Server安装 依据前述的部署拓扑图,在Rancher Server服务器上执行,docker命令,从私有镜像库中拉起Rancher Server,其具体的执行脚本如下所示: sudo docker run -d --restart=unless-stopped \\ -p 80:80 -p 443:443 \\ 10.10.13.1:5000/limx59/rancher/rancher:latest 经过上述执行命令,可以在Server上拉起Rancher Server容器进程。登录界面可以访问UI界面: 全新的Rancher界面,小清新风格,小编还是蛮喜欢的!😀 2、创建集群 当建立Rancher Server以后,后续的集群创建就简单的多了,基本上就可以通过图形化的界面来一步步操作了。具体的各种参数配置自然也可以中文提示进行相关的修改和配置。 不过由于是在离线环境下进行集群部署,因此在部署集群前需要将原先我们创建的私有镜像库的地址配置到Rancher Server里面去,也就是需要给参数system-default-registry进行赋值。 有两种方式将该值传递给Rancher-Server,一种方式是在执行Rancher-Server拉起的过程时,通过外部参数进行传递,即如下命令: sudo docker run -d --restart=unless-stopped \\ -p 80:80 -p 443:443 \\ CATTLE_SYSTEM_DEFAULT_REGISTRY 10.10.13.1:50000 \\ 10.10.13.1:5000/limx59/rancher/rancher:latest 从而可以将参数传入到server中。另一种图形化方式配置就是如下图所示: 在Rancher的全局变量下面,有一个“系统设置”,进去以后可以找到一个变量“system-default-registry”,如下图所示: 即可设置成私有镜像仓库地址。 3、节点添加 当在Racher-Server环境下创建集群以后,通过编辑集群可以添加节点,如下图所示: 依据上图所示,在配置好集群的环境参数等以后,在下方的自行添加节点方面,为主机角色提供了三种模式,etcd、Control、Worker等。根据不同的角色选择,会在下面的执行命令自动添加不同的参数,并在后续执行过程中,拉起相关的容器。一般部署集群时可以设置两个etcd,一个control,其他的节点作为worker。至于为什么?小编没试过,大家可以多试一下。当设置好参数后,需要将黑框中的命令复制下来,在对应的节点系统执行该命令。从该命令中可以看出,镜像名称已经改成私有仓库的镜像了。 经过节点添加,可以顺利拉起相关的镜像,因为离线环境下下载量较小,因此创建集群的速度还是挺快的。原来在公网环境下创建一个集群可能需要一晚上的时间,在离线环境下,不一会儿就创建完成。 从集群中可以看见每一个主机节点的角色是什么。也可以从全管检查主机运行状况。
11131 次阅读|0 个评论
JCSS的论文获ESI 高被引
qizhwei 2018-8-24 18:34
永强的这篇JCSS 2013 的论文“A Multi-objective Ant Colony System Algorithm for Virtual Machine Placement in Cloud Computing”被ESI高被引, “根据对应领域和出版年中的高引用阈值,到 三月/四月 2018 为止,本高被引论文受到引用的次数已将其归入Computer Science学术领域同一出版年最优秀的 前1% 之列。” 论文这几年的引用一直在增加,不少学者来信咨询相关问题,说明这个问题大家还是比较关注的。这个论文可能是较早在这个领域做了一些探索,这个资源配置问题在云里面还是比较重要的问题。
个人分类: 学术探讨|2367 次阅读|0 个评论
农业资源与环境还需要做哪些研究?
热度 3 csiro 2018-5-25 09:42
最近参加了几场博士生和硕士生的论文答辩。我思考一个问题,就是我们在选题上应该考虑哪些研究更有意义? 1. 当前的问题 (1) 科学问题不明确。基本方法就是实验 + 模拟,看不到创新性,有结果没有结论。这些结果不做实验也会知道。 (2) 脱离实际。研究的问题不是当前农村农业的当解决的问题。即使是农业院校的学生,工作太偏重模型,也不是针对现实要解决的问题,研究结果没有直接的用途。 (3) 工作思路太传统。跟踪模仿的多,原始创新少。我们在农业资源与环境、农业水利工程等专业的学生,从学科基础来看,都习惯于从农田尺度研究作物与环境的关系,以及农业管理措施的效益(如水分利用效率)。当前我们西农这么多人,集中在这一领域,重复太多,又是单枪匹马地做,研究工作单一。成果水平不高。现在计算条件和模型拿来太容易,很多研究就是转出来一个结果。 2. 应该关注什么研究? 我们的研究应该:从实际问题出发、从多学科综合研究出发、从科学问题出发;关注新技术、新方法的应用,着力挖掘和利用前人已有数据。 (1) 区域粮食生产问题与资源约束。农田是开放的系统,农业生产靠天吃饭,资源与灾害是并存的。所以粮食生产、粮食安全问题不仅仅需要从农田水平去分析,还要看有多少农田、分布在什么地方(土地利用),在这些地方对应的气候条件,以及有没有水做灌溉等。这样需要对作物生长的气候、土壤、水文水资源条件做系统的分析。这才是农业资源与环境研究。 (2) 数据问题:数据在快速增加,要加大对农业资环数据的利用的程度,包括遥感数据、土壤水分数据等。 (3) 技术方法的创新:新的观测手段,如荧光、如植物的 CT ;新的分析方法,如 AI 的机器学习等在产量预报。 (4) 社会需求:为农业保险服务的气候风险、农业干旱指数与监测、土地管理(退耕还林评估与环境影响)。 (5) 基础科学问题:生理生态、植被 - 气候 - 水相互作用等。 好消息是,我们已经成功把 ChinaAgrosys 整合到阿里云的计算平台上。下一步是把国际上几个知名的作物模型都集成到阿里云上。再下一步是希望大家能够应用模型,解决我国(甚至国外主要粮食产区)不同区域的粮食生产问题。 我们强调大科学,是做一个团队联合才能做出来的事情,但是也要鼓励小科学,是独立的个体对于具体的问题做深入的研究。我们代表性的东西,就是这个平台。 6 月下旬暑期学校期间,我们集中研讨一下这方面的工作。
个人分类: 创新篇|11560 次阅读|4 个评论
社会云计算的节点:心理活动的网络本质——禅的行囊(之七十八)
罗非 2018-2-1 09:57
导读:人类社会的本质,就是人与人之间的关系。而人与人之间的关系,并没有表面上看似的那样孤立。和老虎那样的独行猎手不同,人类是依靠群体的力量站上地球的统治地位的。单个的人类放在荒野中,只能占据食物链的中游。遇到一匹狼时,胜负尚在两可之间,如果遇到两匹狼,肯定是有多远要跑多远。但如果两个人联手,就可以对付至少三匹狼。如果是一百多人有计划地出击,足以把一个地区的狼群通通灭了。 由于这种合作产生力量的特性,人类在进化之中形成了超强的关系运作能力,这就是人类社会形成的心理根源。这种能力,决定了人类个体的心理其实并不像物理的身体看起来的那样彼此独立,而是相互之间有密切的心理联系。从心理上,我们其实并不是独立的个体,而是社会心理网络中的节点。如果用现代计算机网络来比拟,人类个体的心理并不是独立不联网的计算机,而是在高速互联网中彼此互联的云计算节点。 因此,我们对任何一件事物的感知、判断和行为反应,其实并不真的是我们自己以为的那样,是我们自己的感知、判断和行为反应,而是整个云计算网络计算的结果。换句话说,我们的每一个感知、判断和行为,其中都包含了人类社会的感知、判断和行为反应在内。我们甚至无法确定所谓 “ 自己的 ” 贡献究竟是什么。正如在神经科学研究中,我们无法确定大脑中一个指定的单个神经细胞在一个指定的感知、判断和行为中的贡献究竟是什么一样。 当一个人像大胡子比尔那样,在山里连续居住数年,远离任何人群,他就很容易误以为,自己是一个独立的个体。但是,如果他肯深入观察,就会发现即使在这种情况下,他的每一个感知、判断和行为,仍然是过去在人类社会中生活时所留下的影响的结果。同时,他还会发现,自己因独居所产生的与以往不同的感知、判断和行为方式,其实是独居环境影响的结果。也就是说,这样的 “ 隐居 ” 进一步揭示出,我们的生命运作不仅包含了与他人的关系,其实还包含了与环境的关系。也就是说,我们不仅在社会中时不是独立的个体,而且在单独生活时也不是独立的个体。我们的内心运行,其实从来都离不开环境的影响。我们与环境其实是一体。 所以,如果我们真的在观察,就会发现,其实我们平时认为的 “ 我 ” ,只是一个 “ 虚拟 ” 的计算单位,是整个世界计算能力的节点和投射区。每个这样的虚拟节点,都在收集数据,参与计算并且同时投射计算结果。如果我们认清并且安于这样的事实,我们就能最好地发挥整个计算网络的功能。如果我们能进而不断地升级这个节点的性能,我们就能收集更多数据,参与更多计算,投射出更多的计算结果。这样,我们就能在整个计算网络中发挥更大的作用。这大约就是老子所说的 “ 人法地,地法天,天法道,道法自然 ” 。 ******** 看了一会儿报纸,我把注意力转向车窗外的景色。在旅程的第一个小时里,窗外纷至沓来的尽是典型的水乡风光,河汊纵横,池塘密布,除此之外便是连绵不尽的农田。水稻田已经开耕了,水牛在田间辛勤劳作,油菜花和桃花怒放着。所有的画面都是一闪而过。突然之间,远处出现了一个流浪汉,他肩扛铺盖卷,正在田间独自跋涉。二十世纪八十年代,我刚开始在中国旅行的时候,这样的人曾经有很多,有男有女,他们沿着铁路线扒货车四处流浪,但最近这些年已经很少能看见他们了。可能是因为货运列车越来越多地采用集装箱运输,也可能是货场的管理越来越严,谁知道。但偶尔你还是能在乡间看到这样衣衫褴褛的流浪者,惊鸿一瞥,转瞬即逝。 旅程进入第二个小时,大洪山开始出现在北方的地平线上。水乡平原逐渐演变成丘陵山地,稻田和水塘纷纷让位给交错分布的密林和梯田,人烟稠密的乡村也被孤零零的农家代替。 沉默的姑娘在钟祥站沉默地下了车。列车继续前行,跨过汉江,开始转向西南方向。读报的小伙子在荆门站也下了,一直坐在我旁边的女大学生于是过去坐了他的位置。起初我以为她是为了看车窗外的景色,但没过多久便意识到她这么做是为了看我。这让我觉得既奇怪又别扭。在接下来的时间里,她把一只胳膊撑在小桌子上,托着下巴,就这么盯着我看了四十多分钟。我不知道是怎么回事,也不明白她为什么这么大胆。再和她说话的时候,我就跟心虚似的躲避着她的目光,老是不自觉地向窗外看。 两个小时之前,当我还在吃着她那几块难吃的小蛋糕的时候,她告诉我说下个月学校有一次很重要的英语考试。然而整个旅途中她连一个英文词也没跟我说过。后来,当邻座纷纷下车之后,她又向我倾诉了她对美的热爱:她喜欢旅游,喜欢追求美的事物,而且当她说到这些的时候,还奇怪地压低了声音(尽管这完全没必要,但好像很多中国人都有这种习惯)。她还说,到了宜昌,她会跟朋友一起去看新建成的三峡大坝,并问我是否愿意一同前往。我婉谢了她的邀请,并告诉她,我在当阳约了几个和尚见面。她对佛教一无所知,但又觉得佛教一定很有意思。她想知道我看起来这么愉快,是否跟佛教有关?我回答说,那可能是因为我对自己的要求比较低,而且遇到麻烦时知道绕着走(上学的时候,我最擅长的运动就是闪避球)。终于,在离开武汉四个小时之后,当阳到了。我跟女大学生互道珍重,然后下了车。 下车后第一件事便是查看返回武汉的列车车次。我已经买好了两天后从武汉去韶关的火车票,所以必须及时赶回去。不幸的是,去武汉的火车每天只有一班,而且时间不好。如果后天走,将赶不上去韶关的火车,而明天走又太早,留给当阳的时间太少。所以,我不得不考虑坐长途车回去。
个人分类: 科普|2056 次阅读|0 个评论
[转载]量子计算开启云计算新世界
quantumchina 2018-1-8 09:58
随着数据的海量增长,机器处理数据所需的时间也越来越多。增强现实、虚拟现实、人工智能、 机器人 、实时分析和机器学习算法都需要 云计算 提供无限快速且无限计算能力和无穷大的存储空间。有趣的是,这些都是在摩尔定律显示的发展速度放缓之后发生的,摩尔定律在几十年来几乎每个工程和技术的重大进步中发挥了作用。   到2025年,云中对传统计算功能的需求将会非常大,以至于云计算无法满足这些计算需求。量子计算的到来有望彻底改变云计算,量子计算提供的是大规模并行处理,原子级存储和试用物理定律而不是外部加密的安全性。云很快会被量子计算驱动,软件将会以全新的方式被写入。   虽然量子计算的概念已经提出了50多年,但是真正取得进步却是在最近5年以内,2017年可以说是量子计算的一年。    IBM 、 微软 、谷歌、Intel、D-Wave今年取得了巨大的进步,量子计算正在进一步推动计算机性能的发展。   什么是量子计算   量子计算就是利亚原子例子的量子态来执行记忆和处理任务,经典的计算机交换晶体管将信息编码为表示“0”或“1”的单位。相比之下,量子计算机本身使用原子(如电子、质子和光子)的基本构建模块,这些亚原子例子是自旋的。   根据量子物理的定律,粒子是否有上升或下降可能并不清楚。这些亚原子粒子同时拥有所有这些性质。 这被称为叠加。 一个量子位(一个与经典位不同的称为量子位的新术语)可同时存在为零或一个。叠加允许量子比赛一次执行多个计算,而不像传统机器那样按顺序进行。两个量子位可以同时存在四个可能的两位数(00,01,10和11)。这些叠加使得量子能够一次执行多个计算,而不像传统机器那样按顺序进行。   量子计算给用户带来的是大规模并行处理,可以类比为Grover搜索算法。想象一个奖品藏在四扇门后面的游戏,你必须在尽可能少的开门的情况下找到奖品。传统的电脑平均需要做两次以上的操作才能找到奖品,因为它必须连续打开每扇门。然而,量子计算可以一次找到奖品,因为它可以一次打开所有的门。这种计算的数量是每个额外量子的两倍,因此计算速度呈指数级加倍。由500个量子组成的量子计算机可以进行2 ^ 500个计算。   量子计算必须知道的五大问题   我们将以不同的方式编写程序,新的编程范例和语言,新的算法以及编写逻辑的新方法。   量子计算比传统计算快数千倍,谷歌宣布有一台量子计算机,比任何传统的实验室计算机都要快一亿倍。   量子计算革新了我们接近机器学习和人工智能的方式,将显着加速机器学习。由于使用量子遂穿,量子计算机将减少100到1000倍的功耗。   量子计算将破坏今天的互联网安全,它可以在几天之内破解今天的一些加密技术,如RSA何ECC。在这方面,量子计算就像是发现锁定在原子中的巨大能量的应用。核裂变发生在1938年,是二战开始前的九个月,它改变了世界。量子计算可能是一个原子弹的IT等价物。现在,我们正在与时间赛跑,准备现代密码技术才能被打破。新的安全方法,使我们能够使用物理定律而不是使用外部加密方法来保护数据。   量子计算不能适用于所有问题。在一些传统的任务中,川通服计算机仍然比量子计算机更实用。而量子计算解决的是新兴的业务问题,如自动驾驶汽车的协同、财务建模、天气预报和粒子物理等领域。   量子计算革新了处理计算机科学和逻辑的方式,很多算法将需要重新设计并重新编写使用量子计算的范例。 来源链接: http://www.iot-online.com/art/2018/010779513.html
个人分类: 量子计算|1141 次阅读|0 个评论
浅议物联网、大数据、云计算、人工智能的关系
lhj701 2017-11-10 23:19
浅议物联网、大数据、云计算、人工智能的关系 最近10多年,随着实体经济的阶段性饱和,信息技术迅速被推到前台,扮演着拯救实体经济与社会经济更新换代的“蜘蛛侠”。 无疑, 物联网、大数据、云计算、人工智能,作为当今信息化的四大侠,尽管表面扮演着不同的角色,它们其实都是人类智慧物化的代言人, 共同努力着拉近人类虚拟智慧物化世界与人类社会生活的距离 ,因此,它们之间有着本质的联系,具有融合的特质和趋势。 物联网试图将人类生活所需的物体进行智慧化的连接;大数据正是越来越多的智能物体对大自然和生活空间智慧感知和交互的信息的汇集;云计算是应对大数据量运算采取的一个应对办法(机群);而人工智能在今天正是借助了物联网、大数据和云计算的翅膀,在具体而相对闭环系统应用中,将人类智慧应用得更加淋漓尽致 。 因此,从一个广义的人类智慧拟化的实体的视角看,它们是一个整体:物联网是这个实体的眼睛、耳朵、鼻子和触觉;而大数据是这些触觉到的信息的汇集与存储; 人工智能未来将是掌控这个实体的大脑 ;云计算可以看做是大脑指挥下的对于大数据的处理并进行应用。 而它们本质上, 是人类持续将人类智慧企图物化到周围世界的不懈的尝试。
个人分类: 物联网|8152 次阅读|2 个评论
“云计算与大数据国家重点研发专项专题”出版
sciencepress 2017-9-8 17:44
当前以信息技术为基础的数字空间急速扩张, 其信息量已经远远超过人类所能接受的能力, 如何通过更为自然、智能的方式提升人类对海量信息的理解能力和利用效率已经成为当前信息领域必须解决的关键问题. 云计算和大数据是推动信息技术普惠服务和数据资源充分利用的信息科技与产业新兴方向, 是人类社会信息化和智能化发展的重大变革和必然趋势. “云计算和大数据” 国家重点研发计划研发具有自主知识产权的云计算和大数据基础理论、技术方法、应用示范, 培育我国云计算和大数据的技术链、产业链、价值链, 抢占国际信息产业发展的制高点, 对于提升我国科技和产业竞争力意义重大. 作为我国首批国家重点研发计划重点专项, “云计算与大数据” 于2016年启动. 该重点专项汇聚了国内学术界和工业界在云计算和大数据领域的顶尖研究力量, 按照全链条创新设计、一体化组织实施的总体思路, 对照专项总体目标, 分成3个层次完成研究部署: 基础研究、关键共性技术研究、集成平台与示范应用. 基础研究 构建原创性理论体系与计算模型, 重点围绕信息感知融合与理解、智能决策原理; 复杂推理与计算中的心理逻辑模型和问题求解模型; 软件定义统一理论和方法; 多源异构大数据的表示、存储、度量、语义理解和基于认知的分析方法等基础科学问题开展研究, 为建立云计算与大数据的科学体系提供理论依据. 关键共性技术研究 包括软件定义的云计算支撑平台技术; 云计算核心软件开发和装备研制; 数据采集、交换、传输、存储与计算技术; 大数据分析与无障碍呈现技术; 智能基础软件技术; 云端融合的感知认知和自然交互计算技术; 类人计算与理解技术等核心技术. 集成平台与示范应用 构建数据共享、交换和开放云平台, 实现大数据交换和分析, 开展面向社会治理、国家安全、教育、环境、健康、金融证券等领域的云计算与大数据集成平台与应用服务. 研制安全可控的开源项目支撑系统, 支持企业主导创建开源软硬件项目并建设相应的生态系统. 为反映我国在云计算与大数据领域的最新研究进展,《中国科学: 信息科学》组织了云计算与大数据国家重点研发专项专题, 旨在展示国家重点研发计划重点专项的最新研究成果. 经过严格的同行评议, 专题共收录了4篇论文. 这4篇论文各代表了一个独立的亮点成果, 内容详实, 逻辑清晰, 有较强的系统性和概括性. 前两篇论文主要论述软件定义的云计算基础理论和方法. “ 面向云际计算的自主对等协作环境 ” 针对在云际计算中实现云服务交易的关键难题, 提出支持不同云交易参与者之间自主对等交易资源和服务的支撑环境——云际协作环境, 并从云服务消费者、提供者和代理3个视角出发, 提出了该协作环境的消费服务模式、供给服务模式和磋商服务模式, 并阐述了环境中有关价值交换支撑服务的运行机理. 图 1. 云际计算记账场景 “ 低熵云计算系统 ” 针对当前的云计算系统难以同时满足用户体验和系统效率需求的关键难题, 归纳了云计算系统中存在的4类无序现象, 提出了低熵云计算系统的学术概念, 刻画了其主要特点, 比较了低熵云计算系统与虚拟化云和分区云在用户体验、开发效率、运行效率、资源适配方面的区别, 并讨论了低熵云的新概念和新技术. 图 2. 分区云与低熵云的应用相空间比较 接下来的两篇论文主要论述了云端融合的自然人机交互关键技术. “ 云端融合的神经系 统疾病多通道辅助诊断研究 ” 面向神经系统疾病辅助诊断与早期预警, 针对传统疾病检测系统通道单一的问题, 提出了一种基于多通道的疾病辅助诊断方法, 进行不同通道交互信息的获取、分析和融合, 通过云端融合框架对海量用户生理信息进行存储、分析和辅助诊断, 有效提升了方法的精确性与鲁棒性. 图 3. 语音通道数据采集与基于笔的连线测试 “ 多模态力触觉交互技术及应用 ” 针对虚拟现实中力触觉这一重要交互通道, 从虚拟对象和力触觉表达方式的差异出发, 综述了力触觉建模技术和力触觉再现设备的研究现状, 分析了各种模态的力触觉交互技术, 提出了基于云端的力触觉人机交互信息感知系统框架, 介绍了东南大学的研究进展和应用, 并进行了展望. 图 4. 力觉反馈手控器 由于篇幅所限, 除了上述成果之外, 本重点专项还有许多研究成果未能在本专题中予以发表, 包括: 新型大数据存储技术与平台、基于数据流的大数据分析系统、面向云计算的网络化操作系统、面向特定领域的大数据管理系统、基于大数据的软件智能开发方法和环境、大数据知识工程基础理论及其应用研究、面向大范围场景透彻感知的视觉大数据智能分析关键技术、跨时空多源异构数据的融合、开放共享技术与平台、人机交互自然性的计算原理、支持大数据理解的头戴式无障碍呈现技术等, 感兴趣的读者可继续关注本刊的后续论文. 特约编辑: 金海 华中科技大学 王涌天 北京理工大学 第9期 目录 云计算与大数据国家重点研发专项专题 编者按 金海, 王涌天 面向云际计算的自主对等协作环境 史佩昌, 王怀民, 郑子彬, 尹浩 低熵云计算系统 徐志伟, 李春典 云端融合的神经系统疾病多通道辅助诊断研究 李洋, 黄进, 田丰, 韩冬奇, 范俊君, 陈辉, 彭晓兰, 戴国忠, 王宏安 多模态力触觉交互技术及应用 宋爱国, 田磊, 倪得晶, 秦欢欢 评述 导航制导与传感技术研究领域若干问题的思考与展望 郭雷, 房建成 基于方向调制的物理层安全无线传输原理、关键技术与未来应用 束锋, 吴肖敏, 尤肖虎, 陆锦辉, 胡锦松, 朱伟, 余海, 许正文, 陈日清 论文 一种基于忆阻激活函数的递归神经网络及其联想记忆 郭腾腾, 王丽丹, 周梦哲, 段书凯 解码转发中继选择系统的安全性能分析 雷宏江, 张环, 刘俊杰, 潘高峰
个人分类: 《中国科学》论文|5217 次阅读|0 个评论
【小编探会】之25:2017 CCTC 中国云计算技术大会
Chenfiona 2017-6-1 16:09
5 月18日,IJAC小编参加了如火如荼的中国云计算技术大会(以下简称CCTC,Cloud Computing Technology Conference), CCTC由国内最大开发者社区CSDN主办,是业内极具影响力的云计算和大数据技术年度盛会,会议解读本年度国内外云计算技术发展最新趋势,深度剖析云计算与大数据核心技术和架构,聚焦云计算技术在金融、电商、制造、能源等垂直领域的深度实践和应用。 会议具体日程和信息参见 http://cctc.csdn.net/ IJAC 在云计算方面不仅发表过 Special Issue on Cloud Computing,近期也发表了系列云相关的论文,具体下载信息如下,欢迎阅读! Recent Articles on Cloud Computing The Interaction between Control andComputing Theories: New Approaches MagdiS. Mahmoud, Yuanqing Xia FullText: https://link.springer.com/article/10.1007/s11633-017-1070-2 Or: http://www.ijac.net/EN/abstract/abstract1920.shtml Security Analysis Model, System Architectureand Relational Model of Enterprise Cloud Services Dang-Dang Niu, Lei Liu, Xin Zhang, Shuai Lü, Zhuang Li FullText: https://link.springer.com/article/10.1007/s11633-016-1014-2 Or: http://www.ijac.net/EN/abstract/abstract1841.shtml Hybrid Collaborative Management Ring onMobile Multi-agent for Cloud-P2P Xiao-Long Xu, Nik Bessis, Peter Norrington FullText: https://link.springer.com/article/10.1007/s11633-016-1002-6 http://www.ijac.net/EN/abstract/abstract1837.shtml Optimal Content Placement and RequestDispatching for Cloud-based Video Distribution Services Zheng-Huan Zhang, Xiao-Fen Jiang, Hong-Sheng Xi FullText: https://link.springer.com/article/10.1007/s11633-016-1025-z http://www.ijac.net/EN/abstract/abstract1837.shtml Special Section on Cloud Computing ( IJAC , August2011 ) IC Cloud: Enabling Compositional Cloud Yi-Ke Guo (帝国理工大学郭毅可教授) , Li Guo 10.1007/s11633-011-0582-4 https://link.springer.com/article/10.1007/s11633-011-0582-4 http://www.ijac.net/EN/abstract/abstract817.shtml A Method for Trust Management in Cloud Computing: Data Coloring byCloud Watermarking Yu-Chao Liu, Yu-TaoMa, Hai-Su Zhang, De-Yi Li ( 李德毅院士 ) , Gui-Sheng Chen https://link.springer.com/article/10.1007/s11633-011-0583-3 http://www.ijac.net/EN/abstract/abstract818.shtml An Automatic Intrusion Diagnosis Approach for Clouds Junaid Arshad ( University of Leeds ) , Paul Townend, JieXu https://link.springer.com/article/10.1007/s11633-011-0584-2 http://www.ijac.net/EN/abstract/abstract820.shtml Trustworthy Assurance of Service Interoperation in Cloud Environment Bing Li, Bu-QingCao, Kun-Mei Wen, Rui-Xuan Li https://link.springer.com/article/10.1007/s11633-011-0585-1 http://www.ijac.net/EN/abstract/abstract821.shtml
个人分类: 小编探会|497 次阅读|0 个评论
共同的历史记忆--经典2016
热度 1 lichunjie08 2017-2-1 22:00
2016应该是也必须是全新世历史上的重要节点,已经载入了史册,在这一年发生了许多大事件,人工智能、VR、AR、自动驾驶、机器学习、遗传算法、深度学习、认知科学、 α 狗、脑科学、大数据、云计算、微软小娜等等。如果具有智能和自我意识可以定义人的话,今后的将是人脑和机器大脑并存的一个时代,机器大脑的数量和IQ可能呈现指数性增长,超过人类是早晚的事,今后我们所认为的世界上最聪明的大脑可能是一台云服务器。 如果我们今后过得好也不必感谢这一年,如果过得不好也不必责怪这一年,毕竟人生是一场愿赌服输的悲壮旅程。不想被强大的机器智能吊打,只能发挥我们的特长------创造力和想象力了。
2079 次阅读|1 个评论
[转载]看看国内云计算的大佬江湖
gongkong 2016-12-20 16:56
世界正处于重大的技术变革之中,特别是一场数字变革。我们的研究模型和分析显示,数字化正在主导经济的各个领域。2015年,全球数字经济占全球经济总量的22%,并且在继续迅速增长。我们预计,这一比例将从2005年的15%,增长到2020年的25%。这是埃森哲对企业数字化转型前景的乐观预测。而推动这次号称第四次“工业革命”的数字化转型潮的原动力则来源于三个相互依存、相互促进的技术趋势:云计算、 大数据 、人工智能。尤其是云计算,作为这次“变革”的基础设施,正在爆发出令人炫目的“光彩”。 主打场景化 云服务 的网易云 对于网易发力云计算业务这件事,丁磊有着自己的逻辑。在丁磊看来,网易作为中国最早的互联网企业之一,有着深厚的技术积累,尤其是网易云在面向市场推出之前,就已经支撑网易内部众多过亿用户的互联网产品。比如网易邮箱服务8亿用户,近百万的企业,十多年一直很稳定,用户口碑非常好。除此之外,还有考拉海购、网易云音乐、网易云课堂以及一些游戏产品等都运行在网易私有云之上,经受过市场和用户的考验,如今将之形成体系面向市场推出,正是水到渠成。 网易杭州研究院执行院长汪源曾经在对外交流中指出,目前市场对云计算的理解仍然侧重于基础技术,绝大多数云计算供应商提供的是我们所熟知的主机、数据库(只有10%的用户用RDS)、缓存、云存储等服务。但其实云计算包含的内容很丰富,除了服务端架构服务,还需要测试、Bug分析、各类专有SDK、数据分析工具、推广平台、反馈与客服平台等垂直领域的服务。这些需求正在逐渐被释放出来。相对于BAT,网易是一个容易被忽略的存在,源于其近几年在云计算上并无动静,掌舵者也不喜欢到处宣讲。直至今年,网易才悄悄上线了网易云信、网易七鱼、网易视频云等产品。从产品的思路上可以看出网易的精心选择:以时下需求强劲的即时通讯功能、客服系统、视频云服务为切入点,专注PaaS、SaaS级纯技术服务,避开竞争激烈的IaaS领域。总结起来,网易云的破局思路就是以IM云服务切入,以网易蜂巢容器云带动,转化技术实力,输出场景化云服务。 “生态梦云先行”的乐视云 真正让行业内见证乐视云力量的应该算今年乐视在美国旧金山举行的BigBang发布会上,乐视云对那场发布会进行了全程直播。作为全球第一大视频云平台,乐视云凭借此次直播实现了行业内首次真正意义的全平台、全终端、全球化直播。发布会启用四路信号、全屏覆盖、三国语言立体直播,并采用卫星专线护航,在中国、香港、美国、俄罗斯、印度等全球各地同步直播,乐视云也成为首家做多语言全球实时直播的云服务平台。截止目前,乐视云拥有全球750个CDN节点,30Tbps出口带宽,覆盖超60多个国家和地区,是全球最大规模的视频CDN商业平台。 在全球化战略上,乐视云已先后与微软、英特尔、 爱立信 、戴尔及全球主要运营商展开深入战略合作,在最新的海外计划中,乐视云将持续加快对欧洲、美洲、澳洲的市场拓展步调。 今年3月,乐视云完成A轮融资10亿元人民币,估值超70亿,不到半年又启动A+轮融资,引入多元化战略投资人。有业内人士表示,在国内云计算市场相对保守的投资环境下,乐视云能一枝独秀,估值走高,已实属不易,而乐视登美后,乐视云的市场前景将更开阔,有效催化乐视云A+轮融资发酵,投资价值全面利好。乐视云当下的商业模式,在技术层面实施“全云布局”,打造出IaaS、PaaS、SaaS三层,能够围绕6大VaaS场景,衍化出21款VaaS产品。与其他云服务商的模式不同之处在于,乐视云试图做的是“EaaS(生态即服务,Eco-as-a-Service)云模式”,即重新构建搭载在云上的内容、发行乃至用户的商业价值链和生态系统。如今在行业内,乐视云的商业格局已独树一帜,自成体系,被定义为是全球最强视频云生态的“新物种”。 引入“小米模式”的金山云 在今年的十一月份,金山云推出了自己的大米云主机和米仓解决方案,不管是从产品的命名上还是企业的渊源上,似乎都和小米有着千丝万缕的联系。“小米”之所以能够快速占领消费级市场,除了超高性能、强悍配置、高性价比的一炮即红“爆款”产品之外,还有精准直击用户痛点、在线发售、定制创新的营销模式。而从金山云推出的新品可以看出,金山云正试图以超高性能+强悍配置+高性价比的一炮即红“爆款”产品和量身订制,有的放矢的全平台解决方案,加之把握市场+精准营销+在线销售+量身定制营销方案,势必要在云计算市场“大动干戈”,给人的感觉是,金山云试图成为云计算市场中的“小米”。 在对云市场进行深入分析之后,金山云明确表示要在两大市场寻求突围:中小企业和初创型企业,以及企业级混合云市场。来自金山软件有限公司2016年上半年及第二季度财报显示,2016年上半年,来自云服务、办公软件及其他业务的收入为人民币4.837亿元,较去年同期增长124%。第二季度的收入为人民币2.742亿元,较上季度增长31%,较去年同期增长123%。今年第二季度,云业务、办公软件及其他业务产生的收入分别占金山集团总收入的16%,而去年同期这一数字为11%,虽然目前金山集团并未单独披露云业务业绩,但是从第三方权威机构的报告可以看出该板块的持续强劲成长。根据IDC发布的“China Public Cloud Services - Analysis Report 2015”,2015年金山云成为中国IaaS市场TOP5中增长最快的服务商,增速达到251.6%。如果单从互联网公司层面看,金山云在中国IaaS市场份额已经仅仅落后于阿里云,领先其他国内外云服务商。由此可见,在国内云计算行业,金山云已成一支不可忽视的力量。
个人分类: 工控新闻|659 次阅读|0 个评论

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-5-19 06:13

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部