第一篇：云计算在教育中的应用
云计算在教育中的应用
(文献汇编)
Hanchangqing 摘要：传统的教育系统，在教学资源的分配分配上存在共享程度不高、使用效率低下、资源浪费严重、系统扩充性差等缺陷。云计算在教育领域的应用对于促进教育公平、降低教育成本、变革教学活动方式，提高管理效率、教育服务能力，创新教育方式等方面产生了巨大的影响。
关键词：云计算 ；互联网；教育
一、引言
互联网数据量成指数增长，原来的计算模式和数据中心将面临困境，如何应对当前互联网数据量高速增长的势头以及提高数据存储和计算的能力，是目前互联网界亟待解决的题。正是在这样的发展背景下，云计算应运而生。在2008年9 月，美国著名的民意调查机构“佩尤研究中心”发布了一份关于“使用云计算的应用软件和服务”的调研报告。调查数据显示，69%的在线美国用户在网络上存储数据或使用基于Web 的应用软件。使用Web 电子邮件服务的用户占56%；34%的用户在互联网上存储照片；使用网络应用软件的用户占29%；7%的用户在网络上存储视频；使用付费网络存储服务的用户占5%；使用网络硬盘备份服务的在线用户占5%。这些用户未必熟悉“云计算”这个术语，但当他们正在逐渐使用在线产品替代传统的桌面软件，将数据资料从自己的电脑上转移到网上时，他们正在使用着“云计算”种新兴的架构，数据和应用软件都在网络上，用户能够通过任何网络连接设备访问它们。
二、什么是云计算
云计算的定义目前尚未形成定论。微软把未来的计算定义在云+端、软件+服务上； 谷歌认为，云计算就是以公开的标准和服务为基础，以互联网为中心，提供安全、快速、便捷的数据存储和网络计算服务； IBM 则认为，云计算是一个虚拟化的计算机资源池，一种新的IT 资源提供模式。虽然他们对云计算的定义不同，但认识较一致的地方是: 云计算即“计算服务”，将数据存储和计算能力作为可以通过互联网来获取的“服务”向客户提供。
云计算工作的基本原理是，用户所处理的数据并不存储在本地，而是保存在互联网上的数据中心里。提供云计算服务的企业负责管理和维护这些数据中心的正常运转，保证足够强的计算能力和足够大的存储空间供用户使用。用户只需要在任何时间、任何地点，用任何可以连接至互联网的终端设备访问这些服务即可，而不需关心存储或计算发生在哪“云”上。
三、云计算的特点
从理论层面上来说，云计算是互联网的延伸，它虽然依托于互联网，却独具特色。其功能特点可以归结为4 点。
3.1 安全性
云计算提供了最可靠、最安全的数据存储中心。在“云”的另一端，有专业的团队来管理信息，有最先进的数据中心来保存数据，用户不用担心数据丢失、病毒入侵等麻烦。
3.2 共享性
云计算可以轻松实现不同设备间的数据与应用共享。在云计算的网络应用模式中，数据只有一份，保存在“云”的另一端，用户终端只需要连接互联网，就可以同时访问和使用同一份数据，并可与他人共享这份数据。
3.3 网络化
云计算依托于互联网而生，从而继承了互联网的网络性，并在此基础上进行了扩展与丰富。比如360的云查杀、百度的搜索服务等，它们的大平台载体都是互联网。因此，网络化也是云计算的根本特性。
3.4 个性化
云计算是一个庞大的资源库，并能够动态伸缩。远程教学、柜台服务、网上交易，越来越多的服务以一种全新的模式渗透到人们最日常的生活中去。有网的地方就有云服务，用户可以在任何时间、地点进行自由选择。
3.5 低成本
云计算时代，学校无需购买昂贵的服务器，也无需为服务器的维护与更新而感到烦恼，只需要把电脑接入互联网，把任务交给云端来处理即可，从而大大降低了成本。
3.6 高性能
每个人都有电脑中毒而不得不反复重装系统的经历，都遇到过某软件版本低而无法打开重要资源的尴尬。云计算时代，这些问题将不再成为困扰，全世界最专业的团队将会为您解决难题，仅360云安全计算中心就投入了数千台服务器、上百GB互联网带宽、上百名样本分析工程师。
四、目前教育领域云计算发展状况
国外也有服务于教育的云计算应用，常见的云计算教育项目有IBM 的“蓝云”、亚马逊（Amazon）的“云计算开放式基金”、Google 协作平台,多是服务功能单一的系统，没有真正具备平台效能，且与我国的教育国情不完全相符。
云教育网(http: / /www.xiexiebang.com)由云未科技公司开发建设，是全球第一个专用于教育领域的云计算应用平台,2010 年12 月正式上线。该平台覆盖了教学、管理、学习、娱乐、交流等众多服务领域，用户包括管理者、教师、学生、家长、教育工作者等不同类型。目前有近550 所中小学校已经注册使用该系统。该平台不需要在客户端安装软件，仅通过浏览器，用户即可使用系统已授权的各种功能。云教育平台上提供近百万册电子图书供在线阅读，教学信息资源囊括小学一年级至高中三年级所有学科的教案、课件和习题，可在线观看特级教师授课视频，可谓是教学资源一应俱全：丰富的在线辅助学习工具，包括图片编辑、翻译、词典与计算器等，让学习变得轻松简单； 让学生放松休闲的益智类游戏，可寓教于乐； 博客、相册、社团、聊天和投票等信息交流子系统，供用户了解他人，展示自我，实现了教师、学生、家长的零距离交流。值得一提的是，该平台还提供应用程序调用(APl)接口，使其真正成为一个名副其实的开放性平台，让全球范围内的软件开发人员都能开发基于“云教育”的应用程序，融入平台运行。
该平台的核心理念是提供了一个“一站式”的教育信息化平台，让教育部门管理者、学校管理者、教师、学生、家长及其他教育工作者可以在同一个平台上，依据权限去完成不同的工作．平台冲破了传统的教育信息化边界，集教学、管理、学习、娱乐和交流于一体，推出了全新的教育信息化理念，使整个教育信息化领域感受到一股扑面而来的新风。
五、云计算在教育中的应用
5.1 建设大规模共享教育资源库
目前的资源库存在着教学资源分布不均、教学资源共享程度低、教学资源孤岛现象严重、缺乏相互协作等问题。云计算使用的是集中存储方式，所有数据被存储在规模庞大的数据中心，它们有先进的技术和专业的团队负责数据的管理和安全工作，能满足资源库规模扩大和数据安全的要求。另外，云计算能跨设备跨平台，用户可轻而易举地在各种终端之间同步获取数据，并可随时与任何人分享，具备良好的开放性和共享性，使资源共享成为可能，避免形成一个个资源库孤岛。
5.2 构建新型图书馆
目前，每个学校图书馆都有自己的服务器，用于日常图书管理、数字资源检索下载等服务。为确保服务器内数据资源的安全性及服务器的可靠运行，图书馆对服务器的最大服务响应数量及接入终端数量等都进行了一定的限制。在云计算模式中，“云”端拥有超大的服务器群，具有良好的容错性、强大的计算能力和几乎无限的带宽，能保证数据的安全和高并发性，用户的请求也可迅速获得响应。此外，云计算模式具有虚拟性，用户可以通过电脑、手机、PDA 等多种终端访问图书馆提供的电子资源服务，用户甚至可以定制服务，建立符合自己需要的个人图书馆，实现移动学习，使图书馆资源中心的作用得到最大限度的发挥。
5.3 打造高校教学科研“云”环境
现在的科研、实验环境越来越复杂，信息越来越多，部分高校受资金、时间、资源以及系统负载等因素的限制，导致一些项目和研究计划无法实施。采用云计算技术，将有助于打造高校教学科研“云”环境，使这些项目和科研计划顺利进行。在这方面，IBM 已经与全球的6所大学在云计算项目上进行了合作，这些大学利用IBM“蓝云”解决方案加速推进科研项目的实施。卡塔尔云计算计划在搜索、数据挖掘、科学建模与模拟、计算生物学以及金融建模与预测等方面展开研究；东非“健康联盟”云计算项目通过虚拟计算实验室来拓展可供学生远程访问的教学资源。IBM 在教育和云计算领域的远见卓识将对全球教育机构现有的IT 服务模式产生积极的影响。
5.4 创设网络学习的平台
随着云计算模式的逐渐发展和普及，学校、教育机构和个人的信息处理会逐渐迁移到“云”上，这将对网络学习带来积极的影响。云计算将有助于构建学校教学环境（SLE）、群体学习环境（CLE）、学生个人自主学习环境（PLE）三类教学环境和教学信息自动传递系统、教师指导调控系统、学生自主学习系统三类教学系统。学习者则可以通过云计算提供的环境、资源和服务，自由地选择学习内容和学习方式，实现网络学习。比如Google 云计算服务———Google Site（Google 协作平台），可以将文本、Google 文档、电子表格、演示文稿、文件附件、视频、照片和其它类型的信息，以及Google 云服务完全组合在一起，为网络学习者提供丰富的网络学习资源和良好的学习的平台，便于网络学习的开展。
5.5 实现网络协作办公
软件即服务（SaaS）是云计算提供的一种服务类型，它将软件作为一种在线服务来提供，这为学校提供了一个信息化建设参考方案。一些常用的应用软件如办公软件、电子邮件系统等可以采用云计算服务，学校接入这类云计算服务后，降低了信息系统建设的成本，也减少了学校为维护和升级软件而投入的费用。采用云计算模式提供的云服务，如利用类似Google Calendar 的日历管理工具和Google Docs 的在线文档编辑工具，用户只需联网打开浏览器，即可使用这些云服务，实现在线日程协作安排、学习项目协作规划、教学活动协作管理、师生人员协作管理以及文档、表格、演示文稿的共享与协作编辑，完成网上协作办公。
六、云计算对教育的影响
6.1 促进教育公平
教育公平是关注民生在教育领域内的具体要求，是构建和谐社会的重要支撑和重要标志。我国教育中城乡、地区之间存在的不公平现象，影响到国民素质的整体提高，进而加剧了城乡、地区之间的经济和社会差别。为保证社会稳定，促进经济和社会的协调发展，必须重视并力争消除教育不公平现象。教育不公平是指包括师资、信息、设备和基础设施等教育资源分布不均衡的社会现象。目前，我国教育发达地区的教育部门、学校和教育企业已经建设了大量的教育信息资源以及承载这些资源的设备设施，而教育欠发达地区很少
拥有教育信息资源及相应的基础设施。云计算应用于教育时，教育信息资源存储在“云”上，只要有了连接网络的终端设备和信息资源访问权限，无论身处偏僻的山区，还是繁华的城市，人人都拥有公平使用这些优质信息资源的权利。由众多优秀教师提供的教育信息资源可以被教育欠发达地区的师生所共享，这也在一定程度上缓解了优秀教师资源分布不均的矛盾。
6.2 降低教育成本
云计算大大降低了学校教育资源建设中的软硬件成本。目前，各级各类学校都配备数量不等的计算机和网络设备。但是随着设备的更新换代，学校常常要花大笔经费去购买新的计算机。这样就有很多早期的存储容量比较小的计算机被淘汰下来。有了云计算，学校就可以继续使用这些旧的计算机，从而可以大大降低学校教育资源建设中的硬件成本。没有计算机设备的学校在采购机器设备时，也大可不必采购高性能的计算机设备，只要性能够用即可，可以缓解贫困地区学校经费不足的矛盾。云计算的优势是把成本和效益紧密捆绑在一起。对于原来需要提供信息存储服务的教育部门或学校，当把信息资源转移到云上之后，可以不用或少用服务器，降低了服务器及所需基础设施的更新维护费用、人工管理费用和能源消耗费用。对于一个大的区域或高层教育部门，可以集中租用云服务，以减少重复投资，提高信息资源利用率，倡导“绿色教育”。
6.3 变革教学活动方式
教育信息化系统迁入“云”之后，师生可以随时随地进行教学活动，促进移动学习。移动学习是在任何时间、任何地点，以任何方式学习任何内容的一种新的学习方式。它主要利用无线移动通信网络技术以及无线移动通信设备(如手机)、掌上电脑(PDA)等获取信息和反馈信息。有了云计算教育平台，学生在任何时间、任何地点，想学习教师讲过的知识，就可以打开手机、掌上电脑(PDA)或者笔记本电脑，在线查看教师的电子教案或教学视频，提交作业。学生可以隔空与同学、老师进行信息交流。在移动学习过程中，交互性、协作性与自主性通过云服务得以实现，凸显了学生在教学活动中的主体地位。在云教育平台上，只要打开可以上网的终端设备，教师也可以“随时随地”开展教学工作。利用云教育平台，教师可以方便地构建个人的生活情感圈，文化圈和业务交流圈。“云服务”的便捷性、交互性和海量信息的易检索性对教师的业务进修、成果共享、专业发展和科学研究都会产生重大影响，有助于教师教学水平的提高，进而提高学校教学质量。
6.4 提高管理效率
云计算在学校的应用将进一步推动教育信息化的深入实施。通过云教育平台，学校管理者可以向师生发布各种信息，及时获得师生的信息反馈。信息的快速、便捷、廉价传递有助于提高管理效率，降低管理成本。管理者也可以借助平台了解学校教学和管理工作的状态，及时发现问题，提出改进办法和措施。在云教育平台上，教育管理的理念和途径也将随之发生变化，管理就是服务的理念可以进一步得到落实。
6.5 助推终身教育
所谓终身教育也称继续教育，是相对于全日制教育而言的，它是针对知识更新的要求提出来的。为此社会应该提供条件，使任何年龄阶段的人在生活中的任何阶段，都能接受各种非正规教育形式，即终身教育。终身教育主张在每一个人需要的时刻以最好的方式为其提供必要的知识和技能。这就对国民的终身教育提出更高的要求。政府的人力资源和社会保障部门、工会、妇联以及各种行业协会可以组织各类专业技术人员开发高质量的培训、教育信息资源，在云平台上发布。属于不同行业、不同群体的个体可以根据需要自由选单，按需学习。覆盖国民的公共云教育平台可以在终身教育领域发挥重要的作用。
七、结束语
云计算作为一种新的计算技术，它宣告了低成本提供超级计算服务的可能。云计算技术的不断成熟与应用，给教育带来了新的机遇，作为整合教育资源的有力手段，云计算必然会在教育领域得到越来越多的应用。
参考文献
[1] 朱敏.浅谈“云计算”对教育的影响［J］.教育研究.教育教学论坛，2010（21）: 66-67.[2] 邹艳，李鸿科.云计算及其在教育中的应用［J］.软件导刊(教育技术)，2009（08）：71-72.[3] 孔令旗.云计算对教育影响的探讨［J］.焦作师范高等专科学校学报，2011（01）：77-79.[4] 贺小华.云计算在教育中的应用—以Google 协作平台为例［J］.软件导刊(教育技术)，2009（09）：71-74.[5] 刘晓刚，徐红丽.云计算在远程教育系统中的应用探索［J］.现代远距离教，2010（05）：64-67.[6] 孙洪林.浅谈云计算在图书馆中的应用［J］.网络财富，2010（09）：118-119.2011年8月17日
第二篇：云计算发展关键在应用
云计算发展关键在应用
摘要：正值我国云计算产业逐渐进入理性发展阶段，第五届中国云计算大会昨日在北京开幕。此次大会受到领导与专家的高度重视。陕西省省长娄勤俭、工业和信息化部副部长刘利华、原信息产业部部长吴基传等出席会议。与会的领导与专家一致认为，应用是云计算产业发展的关键，整个产业在网络基础设施建设、产业布局、发展环境等方面还需努力完善。
正值我国云计算产业逐渐进入理性发展阶段，第五届中国云计算大会昨日在北京开幕。此次大会受到领导与专家的高度重视。陕西省省长娄勤俭、工业和信息化部副部长刘利华、原信息产业部部长吴基传等出席会议。与会的领导与专家一致认为，应用是云计算产业发展的关键，整个产业在网络基础设施建设、产业布局、发展环境等方面还需努力完善。
面临扩大信息消费难得机遇
我国云计算产业正面临难得的发展机遇。对此，娄勤俭指出，一方面“四化”同步发展战略将推动一大批行业转型升级、催生企业多样的信息化应用，对云计算的需求快速增加。另一方面，民生的建设与内需的扩大需要资金流、信息流、物流融合发展，从而催生新的产业和具有竞争力的企业。云计算产业正迎来难得的发展机遇。
作为信息消费的重要组成部分，云计算将有望在国家鼓励信息消费的大潮中“闻„机‟起舞”。刘利华认为，我国信息技术资源分布不均匀，市场需求复杂多样，发展云计算对提升我国信息化水平、推进信息消费有着促进作用。
此外，被认为是信息通信行业新的增长点的云计算，正受到越来越多的关注。对此，刘利华强调，我国云计算产业发展迅速，技术和应用创新活跃，商业模式逐渐成熟，其便捷、高效、集约的优势日趋明显，云计算已经成为信息通信行业新的增长点。随着移动互联网、大数据的兴起，云计算市场需求还将进一步增长。
基础设施支撑不够
尽管我国云计算产业取得了长足进步，但整个产业存在的问题也在发展中显露出来。吴基传认为，基础设施支撑不足、宽带不宽，服务种类有限、服务规模不大，产业链不全、商业模式不成熟、政策法规环境不完善以及用户对云计算安全仍有担心等问题正困扰着我国云计算产业的健康发展。针对这些问题，包括政府等各方正在积极把脉、寻求解决之道。在网络等基础设施建设上，刘利华表示，要加快提升宽带接入普及率、速率和传输网交换能力，加强农村地区宽带网络覆盖，加快发展移动通信网络，提高移动宽带接入水平。
在产业布局上，娄勤俭认为，要合理布局云计算数据中心，统筹考虑能源供给、气候环境、地质灾害、网络设施、产业配套、人力资源、交通和物流能力、能源供应等方面的条件，引导大型云计算数据中心建在能源丰富、气候条件好、地质灾害少、土地较为充裕的地区，从而提高云计算数据中心的使用效率。
谈到营造安全的发展环境时，娄勤俭提出“三要”：一要高度重视标准和安全问题，加快研究制定我国云计算标准化发展战略，积极参与国际标准的制定；二要加强云计算安全风险分析，完善个人信息保护、跨境数据流动等制度的建立；三要推进云计算诚信体系建设。吴基传则提出，要建立和完善云计算安全防护与评价体系，让所有使用云服务者放心，让用户能够对存放在云端的信息放心。在推广应用实践中，逐步完善云间交付的接口标准，完善和健全云服务行业的自律与管理制度。
推进应用是发展关键
对于云计算产业的未来，关键在于应用成为与会领导专家的共识。娄勤俭认为，云计算必须建立在技术基础和商业应用的基础上，依靠技术创新引领市场应用，通过扩大应用推动技术创新。云计算让计算能力像水电一样按需供应，形成高效的现代信息服务体系，这一体系可在智慧城市建设、精细化管理、社区管理、食品药品监管等方面大展身手，并推动社会资源的共享，为百姓提供更加便捷、高效的服务。同时，要利用云计算强大的数据存储和数据挖掘、分析处理能力，从海量数据中提炼出有用的信息进行专业化处理。然后，将处理后的信息应用于城市管理、智能交通管理、环境监测等领域，通过这些更加真实准确的决策分析依据，推动社会资源配置的优化，提升社会管理和公共服务的水平。
对推进云计算应用，刘利华特别强调，加强云计算应用示范推广具有重要意义。要面向具有迫切应用需求的重点领域，积极组织实施试点示范工程，带动产业链上下游协调发展。另外，吴基传也提出两点建议：首先，要依靠国家已出台的云计算、物联网、数据中心建设的政策和指导方针，积极鼓励有能力的企业放手大胆地推进应用，优化数据中心布局、加快宽带战略实施，鼓励国有大型电信企业及互联网企业通过云计算提供各种有特色的公众信息服务。其次，要重点推动基础性、系统性的各类信息服务先行如位置云、物流云、医疗卫生云等，从应用的角度去推进云服务的实践。
第三篇：云计算应用实例
IBM“蓝云＂云计算平台应用实例
IBM的“蓝云”计算平台是一套软、硬件平台，将Internet上使用的技术扩展到企业平台上，使得数据中心使用类似于互联网的计算环境。“蓝云”大量使用了IBM先进的大规模计算技术，结合了IBM自身的软、硬件系统以及服务技术，支持开放标准与开放源代码软件。“蓝云”基于IBM Almaden研究中心的云基础架构，采用了Xen和PowerVM虚拟化软件，Linux操作系统映像以及Hadoop软件(Google File System以及MapReduce的开源实现)。IBM已经正式推出了基于x86芯片服务器系统的“蓝云”产品。
“蓝云”计算平台由一个数据中心、IBM Tivoli部署管理软件(Tivoli provisioning manager)、IBMTivoli监控软件(IBM Tivoli monitoring)、IBM WebSphere应用服务器、IBM DB2数据库以及一些开源信息处理软件和开源虚拟化软件共同组成。“蓝云”的硬件平台环境与一般的x86服务器集群类似，使用刀片的方式增加了计算密度。“蓝云”软件平台的特点主要体现在虚拟机以及对于大规模数据处理软件Apache Hadoop的使用上。Hadoop是开源版本的Google File System软件和MapReduce编程规范。
“蓝云”计算平台中的虚拟化技术：“蓝云”软件的一个重要特点是虚拟化技术的使用。虚拟化的方式在“蓝云”中有两个级别，一个是在硬件级别上实现虚拟化，另一个是通过开源软件实现虚拟化。硬件级别的虚拟化可以使用IBM P系列的服务器，获得硬件的逻辑分区LPAR(logic partition)。逻辑分区的CPU资源能够通过IBM Enterprise Workload Manager来管理。通过这样的方式加上在实际使用过程中的资源分配策略，能够使相应的资源合理地分配到各个逻辑分区。P系列系统的逻辑分区最小粒度是1/10颗中央处理器(CPU)。Xen则是软件级别上的虚拟化，能够在Linux基础上运行另外一个操作系统。
虚拟机是一类特殊的软件，能够完全模拟硬件的执行，运行不经修改的完整的操作系统，保留了一整套运行环境语义。通过虚拟机的方式。在云计算平台上获得如下一些优点：
(1)云计算的管理平台能够动态地将计算平台定位到所需要的物理节点上，而无须停止运行在虚拟机平台上的应用程序，进程迁移方法更加灵活;(2)降低集群电能消耗，将多个负载不是很重的虚拟机计算节点合并到同一个物理节点上，从而能够关闭空闲的物理节点，达到节约电能的目的;(3)通过虚拟机在不同物理节点上的动态迁移，迁移了整体的虚拟运行环境，能够获得与应用无关的负载平衡性能;(4)在部署上也更加灵活，即可以将虚拟机直接部署到物理计算平台上，而虚拟机本身就包括了相应的操作系统以及相应的应用软件，直接将大量的虚拟机映像复制到对应的物理节点即可。
“蓝云”计算平台中的存储体系结构：“蓝云”计算平台中的存储体系结构对于云计算来说也是非常重要的，无论是操作系统、服务程序还是用户的应用程序的数据都保存在存储体系中。“蓝云”存储体系结构包含类似于Google File System的集群文件系统以及基于块设备方式的存储区域网络SAN。
在设计云计算平台的存储体系结构时，不仅仅是需要考虑存储容最的问题。实际上，随着硬盘容量的不断扩充以及硬盘价格的不断下降。可以通过组合多个磁盘获得很大的磁盘容量。相对于磁盘的容量，在云计算平台的存储中，磁盘数据的读写速度是一个更重要的问题，因此需要对多个磁盘进行同时读写。这种方式要求将数据分配到多个节点的多个磁盘当中。为达到这一目的，存储技术有两个选择，一个是使用类似于Google File System的集群文件系统。另一个是基于块设备的存储区域网络SAN系统。
在蓝云计算平台上，SAN系统与分布式文件系统(例如Google File System)并不是相互对立的系统，SAN提供的是块设备接口。需要在此基础上构建文件系统，才能被上层应用程序所使用。而Google File System正好是一个分布式的文件系统，能够建立在SAN之上。两者都能提供可靠性、可扩展性，至于如何使用还需要由建立在云计算平台上的应用程序来决定，这也体现了计算平台与上层应用相互协作的关系。
第四篇：应用实例——云计算
云计算
Applogic以Application为单位向用户交付，在一个网格(你也可以说成是集群，包括主机和存储以及网络)上运行多个用户的多个应用程序，比如，Exchange，CRM等，每个应用程序会被分配一个一次性基础设施，每个一次性基础设施又包括了多个角色，比如Gateway/Firewall、负载均衡器、Web和数据库服务器、NAS存储器等等，每个角色就是一个虚拟机。每个Application创建好之后，就是一个Package，可以独立操作，与底层硬件无关，你可以将它带走，在另外一个Applogic网格内导入，便立即可用。
配置实例
下图为整个网格系统的Dashboard监控界面。
下图为网格中所有已创建的Application的列表。
云计算
下面我们通过创建一个带有Gateway防火墙、一个负载均衡器、两台Web服务器、一台数据库服务器的简单的Infrastructure来体验一下Applogic最终交付给用户的接口。
第一步，先从左边的Gateway类别中拖拽一个简单的入方向的Gateway/Firewall。然后再其上点右键，选择Property Value。
云计算
在出现的窗口中可以定义这台Gateway的一些属性。
云计算
第二步，加入一个8 Out口的负载均衡器。然后点右键选择Resources来配置这台均衡器所使用的资源。
云计算
可以配置CPU、内存、网络带宽这三种资源。
第三步，拖入两台Web服务器，并在这个Application的主界面中点击“Manage Volume”来创建这个Application所需要的存储空间。
云计算
这个列表列出了分配给当前Application的所有volume，整个网格中的volume都是按照Application相互隔离的，不同的Application只能看到自己的volume。
点击“Add”来添加一块存储空间。名称、大小、文件系统格式。
云计算
第四步，将Volume分配给需要使用存储空间的服务器，比如Web服务器，在Web服务器图标上右键选择“User Volume”。
里面默认有一项“content”卷，我们将上文定义好的“code”卷映射给这台Web服务器的content卷。
云计算
第五步，拖入一个数据库服务器，将上文定义的“data”卷映射给它的data卷。
防火墙、负载均衡器和Web server以及数据库服务器之间的互联时使用的IP是用户不用关心的，系统会自动分配，一切力求简化、快捷。唯一需要配置的是整体Application的IP地址等信息。
可以针对每台服务器进行各种属性的配置。
云计算
云计算
我们还可以登录到这台服务器上，如图所示。
云计算
此外，还可以监控服务器的各种状态信息。
云计算
最后一步就是登录到相应的服务器，安装相应的软件，启动应用软件。
Applogic带来的革命在于它把复杂的底层硬件变得非常简单，通过拖拽对象的方式来装配自己的Infrastructure，并最终以一个适合于某种Application运行的整体服务器+存储+网络环境来交付给用户，佐以底层丰富的附加功能比如snapshot，migrate等，为用户提供了一个专业而且方便的程序运行硬件平台，让用户彻底脱离了苦海。
其他提供商的方案与3tera如出一辙，不管是IAAS、PAAS或者是SAAS，其不同的只是交付方式的区别。读者可以从本案例中窥见一斑。
云计算
云计算
云计算
想象一张图，在国家地理版图上，分布着十几个大云团，周围佐以一些零散的小云
云计算
团，整体形成一个云网络，形成一个计算的脉络。这是何等壮观之景象？
不知道至此您是否还会看云而晕呢？
“
在云端 遇见你的地方
在生命的转弯 你让我有天堂能想像
在云端 你深邃的目光
从世界另一端 最神秘的磁场在远方
”
哼唱着这首歌，好像早就有人暗示了云的兴起。写这篇文章的时候也一直在听，还真挺好听。。
云计算/云存储/云服务，是否真能成为IT发展的天堂？让我们拭目以待！
第五篇：云计算中MapReduce技术研究
云计算中MapReduce技术研究
孙香花
（长江师范学院数学与计算机学院，重庆，408100）
摘要： MapReduce是云计算的核心技术之一，它为并行系统的数据处理提供了一个简单、优雅的解决方案。其主要目的是为了大型集群的系统能在大数据集上进行并行工作，并用于大规模数据的并行运算。本文首先介绍了MapReduce的相关知识，然后对目前MapReduce的国内外研究状况进行了介绍与评析；并总结了目前MapReduce模型的相关研究问题；最后进行总结并展望了未来发展的趋势。
关键词：MapReduce技术；云计算应用；云计算；并行计算；
MapReduce technology of cloud computing
SHUN Xiang-hua（1、College of Mathematics and Computer Science，Yangtze Normal university, Chongqing,，410081）
Abstract: MapReduce is one of the core technology of cloud computing, which is parallel data processing system provides a simple, elegant solution.Its main purpose is to a large cluster of systems in large data sets in parallel, and parallel computing for large-scale data.This paper focus on the cloud of MapReduce technologies.MapReduce first introduced the relevant knowledge, the current research situation of MapReduce are introduced and Analysis;MapReduce model put forward the current research issues;Finally, the summary text and the future trends.Key words: MapReduce technology;cloud computing applications;cloud computing;parallel computing;
1、引言
随着数字技术和互联网的急速发展，特别是随着Web2.0的发展，互联网上的数据量高速增长，也导致了互联网数据处理能力的相对不足。由于待处理数据越来越多，多到了很难在一台或有限数目的存储服务器内容纳，且更无法由一台或数目有限的计算服务器就能处理这样的海量数据。因此，如何实现资源和计算能力的分布式共享以及如何应对当前互联网数据量高速增长的势头，是目前互联网界亟待解决的问题。正是在这样一个发展背景下，云计算应运而生[1]。
云计算是由并行计算(Parallel Computing)、分布式计算(Distributed Computing)和网格计算(Grid Computing)发展而来[2，3]。云计算的核心技术之一是MapReduce，它为并行系统的数据处理提供了一个简单、优雅的解决方案。其主要目的是为了大型集群的系统能在大数据集上进行并行工作，并用于大规模数据的并行运算[4-6]。
近几年来由于数据的大量增长，Mapreduce受到了较多的关注，获得了较大的发展，但还没有形成成熟的、系统化的理论体系[7]。目前国内外进行MapReduce分析技术研究的机构都显示了对MapReduce的高度关注,并在不同的体系结构上都进行了实现，尤其是在开源hadoop平台上对其所做的研究提供了更多的研究机遇。因此对MapReduce的研究不仅具有收稿日期：
基金项目：教育部“春晖”计划科研合作项目(Z2005—1-55003)作者简介：孙香花（1977-），女，山西朔州人，硕士,讲师，主要从事数据库、网络方面的研究．
重要的应用价值，更具有重要的学术意义[8，9]。本文首先介绍了MapReduce的相关知识，然后对目前MapReduce的国内外研究状况进行了介绍与评析；并总结了目前MapReduce模型的相关研究问题；最后进行总结并展望了未来发展的趋势。2、MapReduce相关研究
目前国内外文献中对MapReduce模型都有相应的研究。主要体现在以下几个方面： 基于MapReduce的初等研究及改进：在Goole提出的原始模型的基础上提出一些新的改进方法，或是对怎样提高MapReduce算法的效率上去进行研究。如：文献[10]提出了一种改进型的MapReduce编程模型，该模型继承了传统的MapReduee模型对map函数和reduce函数的定义．对map和reduce过程进行了改进优化。文献[11]中的HPMR是建立在多核集群上的高性能计算支撑平台。它继承并改进了MapReduce并行编程模式，使其适合高性能计算需求。并让并行程序的编写和运行变得非常简单，同时又保持很高的性能。
对大规模的数据挖掘：利用MapReduce模型对于云平台的海量数据进行挖掘，抓取网页相关数据，或是对网页内容去重等到相关的大规模数据的研究等。如：文献[12]详细描述SPRINT并行算法在HadooP中的MapReduce编程模型上的执行流程，并利用分析出的决策树模型对输入数据进行分类。
基于MapReduce并行模型的一些设计方法与实现或是计算方法的实现，如：文献[13]结合MapReduce的长处，提出研究和实现一个完整的高性能并行计算系统，以GPU为硬件基础并配合基于MapReduce并行计算模型平台进行大规模数据处理。文献[14]提出了基于MapReduce架构实现分布式光线跟踪渲染的方案。该方案基于Hadoop实现，利用MapReduee架构简化了分布式程序设计。
MapReduce的综述：文献[15]重点讨论了MapReduce模型的相关研究，并对采用或是实现了这些模型的相应公司的技术进行了探讨，是一篇综述类型的学位论文。MapReduce模型的研究与应用：文献[16]介绍开源并行系统Hadoop的体系结构以及基于Hadoop的MapReduce编程框架，并在Hadoop基础上提出一种通过多重MapReduce操作，实现海量共现矩阵的生成方法。
当前的研究中，对于云计算中并行计算模型的研究主要是针对于MapReduce模型，而对于MapReduce模型的研究主要在两个方面展开，一个方面为对MapReduce模型的改进，但是对于改进后的模型的实现平台没有研究；另一个方面为MapReduce模型的应用，也是当前的主要研究方向。
3、MapReduce相关研究问题
MapReduce是由Google提出的一种并行分布式编程模型[17-19]。在MapRedcue 模型中用户只须指定一个map函数来处理一个输入的key/value对，产生中间结果key/value对集，再通过一个由用户指定的reduce函数来处理中间结果中具有相同key值的value。适合用 MapReduce 来处理的数据集(或任务)有一个基本要求: 待处理的数据集可以分解成许多小的数据集，而且每一个小数据集都可以完全并行地进行处理[20-21]。
图1说明了用 MapReduce 来处理大数据集的过程,MapReduce 的计算过程很简单，计算利用一个输入key/value对集，来产生一个输出key/value对集[22]。MapReduce库的用户用两个函数表达这个计算：map和reduce。首先，用户自定义的map函数，接受一个输入对，然后产生一个中间key/value对集。然后，MapReduce库把所有具有相同中间key I的中间value聚合在一起，然后把它们传递给reduce函数。最后，用户自定义的reduce函数，接收稿日期：
基金项目：教育部“春晖”计划科研合作项目(Z2005—1-55003)作者简介：孙香花（1977-），女，山西朔州人，硕士,讲师，主要从事数据库、网络方面的研究．
受一个中间key 和相关的一个value集。它合并这些value，形成一个比较小的value集[23-25]。
图1、Mapreduce的计算流程
随着数字技术和互联网的急速发展，特别是随着Web2.0的发展，互联网上的数据量高速增长，也导致了对MapReduce这种并行计算模式的研究变得越来越重要，由此也产生了一系列的相关研究问题，分别如下所列出[26-28]：
1、MapReduce模型只需执行简单的计算，对于隐藏并行化、容错、数据分布、负载均衡的那些问题是如何实现的。
2、Google的MapReduce执行流程。
3、对MapReduce模型的实现。
4、对MapReduce模型进行改进。
5、提高Mapreduce的运算效率的方法。
6、基于MapReduce模型的应用。
7、基于MapReduce模型的设计方法及实现 对于以上所列出这些研究问题，目前国内外都有相关的研究，对于这些研究问题在很大程度上仍然有可研究性。
4、未来研究趋势
MapReduce作为一个通用可扩展的并行计算模型，它用来有效地处理海量数据,不断地从中挖掘出有价值的信息,成为互联网企业发展的必然选择。很多现实世界对海量数据的处理,都可以用这种模型来表示。当前在云计算中使用的分布式并行运算基本上是采用的MapReduce计算模型，不过国内的研究仍然有点滞后，同时，当前的主要研究都放在其应用上，比如说网页抓取等，真正去研究算法本身的并不多，尤其是在提高算法本身的效率上，以及算法的优化等都研究较少。
根据上面的论述和分析可以看出，对于云计算中并行计算模型的研究和应用主要是对于MapReduce模型的，而对MapReduce模型的应用是当前的主要研究方向。本课题在分析MapReduce模型的基础上,提出了如下的研究内容：
1、利用MapReduce强大的计算能力，把MapReduce模型应用到一些经典的算法中。所要解决的主要问题是经典的算法的选取，即要满足利用MapReduce模型的条件，还要解决的是两个算法的比较及评价问题；
2、利用MapReduce强大的计算能力，把MapReduce模型应用到一些数值计算问题中去，所要解决的主要问题是数值计算问题的分解和结束条件，还要解决的是两个算法的比较问题及新算法的评价问题。
收稿日期：
基金项目：教育部“春晖”计划科研合作项目(Z2005—1-55003)作者简介：孙香花（1977-），女，山西朔州人，硕士,讲师，主要从事数据库、网络方面的研究．
4、结束语
本文首先介绍了MapReduce的相关知识，然后对目前MapReduce的国内外研究状况进行了介绍与评析；并总结了目前MapReduce模型的相关研究问题；最后进行总结并展望了未来发展的趋势。参考文献 [1] [2] [3] [4] [5] 张建勋,古志民,郑超.云计算研究进展综述[J].计算机应用研究,2010,27(2):429-433 金海，漫谈.云计算[J].中国计算机学会通讯，2009，5(6):22-25 吴吉义,平玲娣, 潘雪增等.云计算：从概念到平台[J].电信科学,2009,12:23-30 陈康, 郑纬民.云计算：系统实例与研究现状[J].软件学报.2009,20(5):1337-1348 尹国定,卫红.云计算—实现概念计算的方法[J].东南大学学报：自然科学版,2003,33(4):502-506 [6] 武永卫，黄小猛.云存储[J].中国计算机学会通讯，2009，5(6)：44-52 [7] Lamel.R Google’s Mapreduce Programming Model-revisited [J].Science of Computer Programming, 2008, 7(1): 208-237.[8] 万至臻.基于Mapreduce模型的并行计算平台的设计与实现[I].浙江大学.2008 [9] 吴晓伟.MapReduce并行编程模式的应用和研究[I].中国科学技术大学.2009.[10] 周锋,李旭伟.一种改进的MapReduce并行编程模型[J].科协论坛.2009.2（11）：11-12 [11] 郑启龙,王昊,吴晓伟等.HPMR:多核集群上的高性能计算支撑平台[J].微电子学与计算.2008，25(9)：21-23 [12] 王鄂,李铭.云计算下的海量数据挖掘研究[J].现代计算机.2009，22(11)：22-25 [13] 瞿李峰.基于GPGPU的MapReduce高性能并行计算模型研究与应用[I].桂林理工大学.2009.[14] 郑欣杰,朱程荣,熊齐邦.基于MapReduce的分布式光线跟踪的设计与实现[J].计算机工程.2007，33(22)：83-85 [15] 周敏.MapReduce综述[I].暨南大学.2008.[16] 杨代庆,张智雄.基于Hadoop的海量共现矩阵生成方法[J].现代图书情报技术.2009, 25(4)23-26 [17] Luis M V, Luis Rodero Merino, Juan Caceres, Maik Lindner.A break in the clouds: toward a cloud definition.ACM SIGCOMM Computer Communication Review, 2009,39(1):50-55 [18] Robert L G，Gu Yunhong，Michael Sabala，Zhang Wanzhi。Compute and storage clouds using wide area high performance networks。Future Generation Computer Systems，2009，25(2)：179-183 [19] Daniel J A.Data management in the cloud: limitations and opportunities.Bulletin of the IEEE Computer Society Technical Committee on Data Engineering, 2009,32(1):3-12 [20] 郑启龙.HPMR在并行矩阵计算中的应用[J].计算机工程.2010(8).[21] 徐志伟,廖华明,余海燕.网络计算系统的分类研究[J].计算机学报.2008,31-9:1509—1515.[22] M.Kruijf and K.Sankaralingam.MapReduce for the Cell B.E.Architecture[J].Technical Report No.TR1625,Computer Science Department,University of Wisconsin,Madison,2007.[23] Colby Ranger,Ramanan Raghuraman,Arun Penmetsa,Gary Bradski,Christos Kozyrakis.Evaluating MapReduce for Multi-core and Multi-processor Systems,Proceedings of the 13th Intl,Symposium on High-Performance Computer Architecture(HPCA).收稿日期：
基金项目：教育部“春晖”计划科研合作项目(Z2005—1-55003)作者简介：孙香花（1977-），女，山西朔州人，硕士,讲师，主要从事数据库、网络方面的研究．
Phoenix,AZ, February 2007.[24] J.Dean and S.Ghemawat.Mapreduce:Simplified data processing on large clusters.In OSDI,pages 137-150,2004.[25] D.V.Kalashnikov,S.Prabhakar,and S.E.Hambrusch.Main memory evaluation of monitoring Queries over moving objects.Distributed and Parallel Databases,15(2):117-135,2004.[26] J.Dean.Experiences with mapreduce,an abstraction for large-scale computation.In Proc.IEEEP ACT,2006.[27] 钟伟彬，周梁月，潘军彪等.云计算终端的现状和发展趋势[J].电信科学,2010,3:22-26 [28] 陈国良，孙广中，徐云.并行计算的一体化研究现状与发展趋势[J].科学通报，2009，54(8)：1043-1049
地址：重庆市涪陵区李渡聚龙大道98号长江师范学院数学与计算机学院办公室
孙香花 邮编: 408100
收稿日期：
基金项目：教育部“春晖”计划科研合作项目(Z2005—1-55003)作者简介：孙香花（1977-），女，山西朔州人，硕士,讲师，主要从事数据库、网络方面的研究．
点击咨询 