第一篇：云计算环境下大规模数据处理技术研究论文
随着计算机技术和互联网技术的发展和应用，网络信息和数据量正在高速增长。传统的并行计算、分布计算等方式由于各种限制，往往都难以满足实际的计算要求。基于此，采用基于云计算环境下的大规模数据处理技术，能够有效的打破这些限制，从而实现更加高效、快速的数据计算。
1云计算环境下大数据处理模式
1.1大规模廉价计算平台
利用虛拟化技术，能够实现大规模廉价计算平台，将存储、应用程序、网络、计算等资源作为虛拟化实体。对闲散的计算资源进行抽象，使之形成相互之间完全独立的虛拟服务器实例，从而独立的完成数据处理和计算。通过这种方式，就能够实现底层硬件的虛拟化。构建可扩展计算节点资源池，并在其中实现集成管理虛拟计算流程和计算节点。这样，大规模数据子处理任务就能够完成实时迁移、资源转换、系统监控和任务部署。
建设大规模计算平台的过程，也是云计算环境下大规模数据处理的一个重要步骤。具体来说，首先要对数据处理需要的资源进行参数化的配置，根据相应的要求进行定制。通过这一过程，用户能够获取自己需要的资源。在不同的操作模式下为用户提供参数服务。在设置参数完成定制之后，以此为基础，在大规模数据处理的时候，部署存储和计算资源，设定计算流程和数据处理方案。将相关参数设置信息在存储和计算资源的配置文件当中进行写入之后，以此对计算流程进行分配，从而在计算节点中启动相关的资源，并且管理和部署计算节点的定制处理服务。
部署工具通过网络连接到目标计算节点和计算流程，然后执行大规模数据处理方案。然后根据相应的方案，通过代码对存储和计算资源进行分配和执行。将部署在计算节点进行进行启动，利用网络在各个计算节点发送数据处理命令，从而完成调度和部署计算流程的工作。
1.2Map Reduce技术的支持
采用Map Reduce分布式和并行式编程模型，从而在模型内部对任务容错处理、计算节点负载均衡、空间局部性优化、并行任务调度等方加以实现。在Map Reduce的开发过程中，只需对Map、Reduce两个接口进行定义，通过计算机集群，对用户编写程序进行运行，拆分大规模数据集合，使之形成若干数据片段，从而得到一系列键值对[4]。然后向一个Map任务中分配一个数据片段，在Map Reduce框架下，向大规模计算集群中的节点进行子任务的分配。最后，结合得到的键值对进行计算，生成键值对集合，向Reduce当中进行输出。
Reduce当中每一个Reduce任务，都会向二元组集合当中进行分配，输入集合片段，运行Reduce函数，输出二元组键值对。如果数据处理任务失败，也能够自动重新进行计算。在大规模数据处理当中，是高度并行操作Map的，这一步骤对于大规模数据的高效处理来说，具有不可忽视的意义。基于云计算环境下，对规模数据信息大都能够达到TB级别或GB级别。在长时间处理大规模数据的时候，如果发生数据处理任务失败的情况，能够防止发生计算任务重新执行的情况。由于数据块是被复制的，因此在容错性方面，还会关系到负载均衡的情况。
2云计算环境下大数据处理的框架模型
在大规模数据资源和计算资源当中，对云计算技术、计算机网络技术进行引入，建立大规模数据处理框架模型。主要包含了两级结构，其一是虛拟资源体系、大规模廉价计算机集群，其二是大规模数据处理分析的处理监测管理体系、数据处理服务请求、以及相应的基础架构。利用限制的计算机资源，对虛拟资源层和物理设备进行构建，从而形成最底层的物理资源，形成同构的数据处理资源池或接近于同构的数据处理资源池。在第二级结构当中，最为重要的就是软件体系，能够为大规模数据处理提供服务。采用Hadoop核心技术，对数据处理接口进行编写。通过这种方式，在不同的学科和领域当中，能够提供相应的大规模数据处理服务，从而使用户能够享有良好的计算平台软件支持。
在这一框架的设计与实现当中，对Hadoop分布式开源计算机框架进行了应用，对其中的HDFS分布式文件系统，以及Map Reduce进行应用，从而对大规模数据处理业务进行处理和协调。在计算节点当中，对放置在Map Reduce任务进行映射，对大规模数据进行划分，使之形成若干子块，并对数据块的数量、规格等参数加以掌握。通过HDFS功能，可以在每一个计算节点当中，对数据块副块进行智能的放置，同时针对各个节点，对具体的角色进行设计。在大规模数据处理的过程当中，需要利用Reduce函数、Map函数、以及相关的程序进行分布化处理。在Hadoop当中，为了对Map Reduce进行运行，提供了一个API进行支持。
3结论
在当前信息化的时代背景当中，计算机和网络的广泛应用，使得各个领域中的数据量和信息量与日倶增。而对于这些海量的大规模数据来说，利用传统的数据处理方式，往往难以取得十分理想的处理效果。基于此，可在云计算环境下，开发和利用相应的大规模数据处理技术，以此来支持社会各个领域当中的大规模数据处理需要，从而数字化的时代当中，始终保持较高的工作效率和良好的工作效果。
第二篇：云计算环境下的网络技术研究
云计算环境下的网络技术研究
摘要：随着互联网的普及应用，使得人们生活内容更加丰富多彩，并且从根本上改变了人们传统的生活习惯，网络已经成为日常生活中不可或缺的组成部分。特别是在云计算环境下，网络技术在国民经济发展、社会进步中所发挥的作用更是与日俱增。如何更好的把握时代脉搏，创新研发符合世界经济发展规律的网络技术成为当前研究领域重要课题之一。为此，本文将针对当前云计算环境下网络新挑战作为切入点，深入分析并探寻未来网络技术发展方向，以丰富现有研究成果，推动相关研究进一步发展。
关键词：云计算；网络技术；国民经济；社会进步；时代脉搏
前言：网络技术的发展可以说是日新月异，自从上个世纪40年代中期计算机诞生以来，网络逐步成为日常生活中的重要娱乐方式。云计算通过虚拟化技术、分布式计算等方式将网络信息资源整合，形成一个资源池，动态的将网络资源分配给具有使用需求的用户，继而创造良好的社会效益及经济效益的一种服务模式，并且随着世界经济一体化趋势不断发展，网络资源在各国竞争中发挥的作用愈加明显。因此，如何应用更新、更具前瞻性的网络技术来抢占市场先机，壮大本国相关产业成为一个不容忽视的问题。1 云计算环境下网络技术面临的新挑战解析 1.1海量数据信息对宽带及延迟提出更高要求
随着互联网的普及应用，网络经济正以飞速发展，人们每天都可以从中感受出网络技术的变化。特别是在云计算环境下，个人信息、企业及政府职能部门敏感数据通过云存储技术进行保存已经成为网络技术发展的主流趋势。然而，由于网络的触角已经延伸至社会经济生产生活的方方面面，每天互联网中都会生成海量的数据信息，并通过网络传输方式上传至云端进行存储。在此过程中，受到网络延迟以及宽带带宽的影响，敏感数据容易发生丢失或者损害，造成用户无法正常使用，并且相关数据恢复难度较大，造成了一定的不利影响。因此，云计算环境下，海量数据面前，网络延迟以及宽带带宽问题已经成为限制网络技术发展的重要因素，由此产生的数据安全数据存储问题亟待解决。1.2二层网络亟待建立
众所周知，由于采用虚拟机动态迁移技术能够使得数据中心的操作具有更大的灵活性及快捷性，大幅提升其工作效率而被广泛认可及接受，成为当前网络技术中应用范围较广的一种应用技术。然而，当前采用的虚拟机动态迁移技术无法改变虚拟机的IP地址、MAC地址，带来的最明显问题即在于当虚拟机发生迁移之后，虚拟机自身原有网络配置将与新环境无法适应，正常通信得不到有效保障，因而最终酿成业务连续性受到影响的不利结果。因而，云计算环境下要想实现跨域场情境下的虚拟机实时运转，就需要将所有发生动态迁移的虚拟机纳入到一个统一的二层网络中，以满足用户的上网需求。而二层网络的建立在目前尚未展开，进一步降低了云计算环境下网络技术所带来的便利性。2 云计算环境下网络技术研究方向
针对云计算环境下网络技术面临的挑战，本文在综合总结了国内外关于该领域及该可以的研究成果后，总结出了如下几方面网络技术研发应用方向，以供相关研究借鉴参考。2.1接入技术
接入技术被业界形象的称之为“最后一公里”技术，意指本地网络运营商与用户之间的一段连接[1]。当前应用前景比较明朗的接入技术如下：
2.1.1ADSL ADSL又被称作为非对称数字用户线，是DSL家族系列中应用范围最广的一种，除了ADSL外，其他DSL接入技术包括：HDSL、VDSL、IDSL等。ADSL主要是利用现有的电话双绞线作为网络传输的介质，具有成本低廉等优势，经过不断丰富及完善，当前ADSL传输峰值已经达到了115Kbps，完全能够满足企事业单位、政府职能部门、个人用户的使用需求。并且ADSL的非对称性与终端用户的网络访问特点具有较为明显的一致性：个人用户多数应用都是以客户方式从网上去获取数据，如WWW、FTP，只在个别时候才向网络大量发送数据，如发送附带多媒体信息的电子邮件，因此下行数据量大、上行数据量小。随着固定电话走入千家万户，ADSL的应用前景将会更加明显，其技术改进方向也集中于提高网络数据传输速率及稳定性等方面。
2.1.2线缆调制解调器 线缆调制解调器的客户群体主要集中于家庭用户，是在当前电缆基础上将分配网络的主干部分改为光缆通信，继而在各个节点位置实现光电转化，再经由通州电缆将网络信号传输至用户家里。线缆调制解调器可以广泛应用于Internet访问、电视节目点播、数据电话等拓展业务，其市场应用前景极其广阔。当前现有技术条件下Internet访问的最高峰值可以达到30Mbps，而上行速率可到到2M左右。尽管线缆调制解调器是一个共享网络，随着用户的增加、宽带及节点数量的激增而会产生网络延迟现象，但是其较高的带宽在目前尚可以满足用户使用需求，其所享受的宽带资源仍然是所有接入技术中最高的网络数据传输方式。
2.1.3无线接入技术（WLAN）
无线接入技术是近些年来随着网络通信技术快速发展而形成的一种新型数据传输、通讯方式。相较于ADSL、线缆调制解调器，无线接入技术是通过无限介质将用户与网络节点相连接，以实现用户与网络间无障碍数据惜惜传递的目的，其需要遵循一定的网络协议，并且该协议内容也成为无线接入技术的核心及关键内容[2]。其最明显的特征即为可以向用户提供实时的移动接入业务，不管用户是在闹市区还是乡村郊外，随时可以将自身感触、心得体会上传至网络空间，网络共享具有极大的便利性，因而该技术成为当下网络技术研究中的重要领域及方向，是今后网络业务开展的重要保障之一。2.2IPv6技术
虚拟机动态迁移技术不能改变IP地址、MAC地址的问题已经困扰人们多时，该问题的存在使得移动网络技术应用受到很大程度影响，加剧了网络服务商与用户之间的对立形势。IPv6技术的出现几乎完美的解决地址不能及时变更的问题，使得网络连接更加快捷。当前IPv6技术为用户提供了128位的IP地址，使得地址数量得到大幅提升，有效的解决了IP地址资源危机。并且其所使用的“可聚集全球统一计算地址”构造与当前网络拓扑结构较为一致，使得线缆调制解调器能够最大化发挥功用[3]。但是当前IPv6技术的应用尚无法广泛推广，主要原因在于其升级存在诸多困难。因此，IPv6技术今后研究的重点方向即为构建以下三种机制：兼容IPv4的IPv6地址、双IP协议栈和基于IPv4隧道的IPv6。结论：综上所述，云计算环境下网络技术研究领域在当前乃至今后一段时期内主要集中于网络数据传输技术及动态地址分配技术两个方面。本文中所分析的网络技术研究内容比较切合实际应用需求，对研究工作能够起到一定的指导作用，希望通过本文能够促使网络技术研究迈上一个更高的发展阶段。参考文献：
[1]周志勇.云计算环境下网络信息安全技术发展研究[J].中国高新技术企业，2014，12（25）:40-41.[2]宋焱宏.云计算环境下的网络安全技术[J].网络安全技术与应用，2014，25（08）:178-179.[3]王丽敏.云计算环境下的网络信息资源管理[J].信息与电脑(理论版)，2014，33（10）:92-93.
第三篇：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．
第四篇：云计算论文
浅谈云计算
白娟
（运城学院 信息管理与信息系统 1106）
【摘要】云计算是当前计算机领域的一个热点。它的出现宣告了低成本提供超级计算时代的到来。云计算
将改变人们获取信息、分享内容和互相沟通的方式。此文阐述了云计算的简史、概念、特点、保护和发展前景，并对云计算的发展及前景进行了分析。
【关键词】云计算特点，云计算保护，云计算发展前景
1.云计算相关知识
1.1简史
1983年，太阳电脑（Sun Microsystems）提出“网络是电脑”（“The Network is the Computer”）,2006年3月，亚马逊（Amazon）推出弹性计算云（Elastic Compute Cloud；EC2）服务。
2006年8月9日，Google首席执行官埃里克·施密特（Eric Schmidt）在搜索引擎大会（SES San Jose 2006）首次提出“云计算”（Cloud Computing）的概念。Google“云端计算”源于Google工程师克里斯托弗·比希利亚所做的“Google 101”项目。
2007年10月，Google与IBM开始在美国大学校园，包括卡内基梅隆大学、麻省理工学院、斯坦福大学、加州大学柏克莱分校及马里兰大学等，推广云计算的计划，这项计划希望能降低分布式计算技术在学术研究方面的成本，并为这些大学提供相关的软硬件设备及技术支持（包括数百台个人电脑及BladeCenter与System x服务器，这些计算平台将提供1600个处理器，支持包括Linux、Xen、Hadoop等开放源代码平台）。而学生则可以通过网络开发各项以大规模计算为基础的研究计划。
2008年1月30日，Google宣布在台湾启动“云计算学术计划”，将与台湾台大、交大等学校合作，将这种先进的大规模、快速将云计算技术推广到校园。
2008年2月1日，IBM（NYSE: IBM）宣布将在中国无锡太湖新城科教产业园为中国的软件公司建立全球第一个云计算中心（Cloud Computing Center）。
2008年7月29日，雅虎、惠普和英特尔宣布一项涵盖美国、德国和新加坡的联合研究计划，推出云计算研究测试床，推进云计算。该计划要与合作伙伴创建6个数据中心作为研究试验平台，每个数据中心配置1400个至4000个处理器。这些合作伙伴包括新加坡资讯通信发展管理局、德国卡尔斯鲁厄大学Steinbuch计算中心、美国伊利诺伊大学香宾分校、英特尔研究院、惠普实验室和雅虎。
2008年8月3日，美国专利商标局网站信息显示，戴尔正在申请“云计算”（Cloud Computing）商标，此举旨在加强对这一未来可能重塑技术架构的术语的控制权。
2010年3月5日，Novell与云安全联盟（CSA）共同宣布一项供应商中立计划，名为“可信任云计算计划（Trusted Cloud Initiative）”。
2010年7月，美国国家航空航天局和包括Rackspace、AMD、Intel、戴尔等支持厂商共同宣布“OpenStack”开放源代码计划，微软在2010年10月表示支持OpenStack与Windows Server 2008 R2的集成；而Ubuntu已把OpenStack加至11.04版本中。2011年2月，思科系统正式加入OpenStack，重点研制OpenStack的网络服务。1.2概念
狭义云计算是指计算机基础设施的交付和使用模式，指通过网络以按需、易扩展的方式获得所需的资源（硬件、平台、软件）。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的，并且可以随时获取，按需使用，随时扩展，按使用付费。
广义云计算是指服务的交付和使用模式，指通过网络以按需、易扩展的方式获得所需的服务。这种服务可以是计算机和软件、互联网相关的，也可以是其他的服务。云计算是并行计算(Parallel Computing)、分布式计算(Distributed Computing)和网格计算(Grid Computing)的发展，或者说是这些计算机科学概念的商业实现。云计算是虚拟化(Virtualization)、效用计算(Utility Computing)、IaaS(基础设施即服务)、PaaS(平台即服务)、SaaS(软件即服务)等概念混合演进并跃升的结果。1.3云计算特点
被普遍接受的云计算特点如下：(1)超大规模
“云”具有相当的规模，Google云计算已经拥有100多万台服务器，Amazon、IBM、微软、Yahoo等的“云”均拥有几十万台服务器。企业私有云一般拥有数百上千台服务器。“云”能赋予用户前所未有的计算能力。
(2)虚拟化
云计算支持用户在任意位置、使用各种终端获取应用服务。所请求的资源来自“云”，而不是固定的有形的实体。应用在“云”中某处运行，但实际上用户无需了解、也不用担心应用运行的具体位置。只需要一台笔记本或者一个手机，就可以通过网络服务来实现我们需要的一切，甚至包括超级计算这样的任务。
(3)高可靠性
“云”使用了数据多副本容错、计算节点同构可互换等措施来保障服务的高可靠性，使用云计算比使用本地计算机可靠。
(4)通用性
云计算不针对特定的应用，在“云”的支撑下可以构造出千变万化的应用，同一个“云”可以同时支撑不同的应用运行。
(5)高可扩展性
“云”的规模可以动态伸缩，满足应用和用户规模增长的需要。(6)按需服务
“云”是一个庞大的资源池，你按需购买；云可以像自来水，电，煤气那样计费。(7)极其廉价
由于“云”的特殊容错措施可以采用极其廉价的节点来构成云，“云”的自动化集中式管理使大量企业无需负担日益高昂的数据中心管理成本，“云”的通用性使资源的利用率较之传统系统大幅提升，因此用户可以充分享受“云”的低成本优势，经常只要花费几百美元、几天时间就能完成以前需要数万美元、数月时间才能完成的任务。
云计算可以彻底改变人们未来的生活，但同时也要重视环境问题，这样才能真正为人类进步做贡献,而不是简单的技术提升。
(8)潜在的危险性
云计算服务除了提供计算服务外，还必然提供了存储服务。但是云计算服务当前垄断在私人机构（企业）手中，而他们仅仅能够提供商业信用。对于政府机构、商业机构（特别象银行这样持有敏感数据的商业机构）对于选择云计算服务应保持足够的警惕。一旦商业用户大规模使用私人机构提供的云计算服务，无论其技术优势有多强，都不可避免地让这些私人机构以“数据（信息）”的重要性挟制整个社会。对于信息社会而言，“信息”是至关重要的。另一方面，云计算中的数据对于数据所有者以外的其他用户云计算用户是保密的，但是对于提供云计算的商业机构而言确实毫无秘密可言。所有这些潜在的危险，是商业机构和政府机构选择云计算服务、特别是国外机构提供的云计算服务时，不得不考虑的一个重要的前提。
2.云计算的隐私保护和发展前景
2.1浅谈云计算环境下的隐私权保护
目前，云计算受到产业界的极大推崇并推出了一系列基于云计算平台的服务。但在已经实现的云计算服务中，安全问题一直令人担忧，以至于使得安全和隐私问题成为云计算普及过程中面临的一个巨大挑战。文章主要探讨云计算的隐私问题。在概述网络隐私权特点的基础上，指出了云计算环境下隐私的特殊性，分别从客户端、网络传输、服务器端三个方面阐述了网络隐私权存在的安全隐患。最后，从法律、技术、监管等方面分析了云计算环境下隐私权保护的方案。
互联网以及与之相关的产业发展日新月异，云计算(Cloud Computing)作为一种新的服务模式，受到各方的关注，特别是在产业界受到极大的推崇。目前，几乎所有著名IT公司的战略重点中都涉及了云计算，并推出了一系列基于云计算平台的服务。Amazon的EC2和Google的Google App Engine都是典型的云计算服务，它们使用Internet来连接外部用户，把大量的软件和IT基础设施作为一种服务对外提供。此外，还有微软的Live Meeting、Cisco的WebEx、IBM的“蓝云”等等。
但是，目前的云计算有其“先天性”不足，对于广大网民来说，首当其冲的就是隐私保护问题。正如美国军事安全专家格雷格?康蒂(GregConti)所担心的：云计算在给人们带来巨大便利的同时，该服务中所存在的不足也将危及企业用户和普通网民的隐私安全。据世界隐私论坛近日发布的一份报告声称，如果企业期望通过利用云计算服务来降低IT成本
和复杂性，那么首先应保证这个过程中不会带来任何潜在的隐私问题。IDC对CIO和IT主管的调查也显示，安全仍是云计算主要关注的问题，大约75%的人表示他们担心云计算安全问题(包括隐私安全)。由此可见，隐私安全问题是云计算发展的最主要障碍之一。2.2云计算的发展前景
云计算被视为科技业的下一次革命，它将带来工作方式和商业模式的根本性改变。首先，对中小企业和创业者来说，云计算意味着巨大的商业机遇，他们可以借助云计算在更高的层面上和大企业竞争。自1989年微软推出Office办公软件以来，我们的工作方式已经发生了极大变化，而云计算则带来了云端的办公室——更强的计算能力但无须购买软件，省却本地安装和维护。
其次，从某种意义上说，云计算意味着那些对计算需求量越来越大的中小企业，不再试图去买价格高昂的硬件，而是从云计算供应商那里租用计算能力。在避免了硬件投资的同时，公司的技术部门可以节省大量的技术维护时间。以亚马逊为例，其云计算产品价格便宜，吸引了大批中小企业，甚至《纽约时报》、红帽等大型公司。
[6] 云计算对商业模式的影响体现在对市场空间的创新上。Google Apps是关于创新的理论中的新市场创新。当互联网变得越来越快和可依赖，用户正从桌面电脑上的软件应用转向基于互联网的应用。同时，云计算开发新产品拓展新市场的成本非常低。比如，如果用户对Gmail的需求突然出现猛增，谷歌的云计算系统会自动为Gmail增加容量和处理器的数量，无需人工干预，而且增加和调整都不增加成本。依赖云计算，谷歌能以几乎可以忽略不计的成本增加新的服务。有观点认为，云计算受到热捧的背后，还反应了超级计算机市场的角力。超级计算机应用一度因需要非常昂贵的硬件投入而面临极高的推广门槛，云计算却宣告了低成本提供超级计算服务的可能，一旦云计算得到了广泛的推广，可以乐观地估计，超级计算机市场的春天即将到来。参 考 文 献
[1]武星,王旻超,张武,李青.云计算研究综述[J].科技创新与生产力,2011,06:49-55.[2]刘晓乐.计算机云计算及其实现技术分析[J].电子科技.2009(12)[3]叶晓勇.简述云计算[J].黑龙江科技信息.2009(24)[4] 王丽安.Internet云计算技术[J].科协论坛(下半月).2011(10)[5]狄明远,周铁城.云计算浅析[J].科技风.2009(13)社，2004年9月出版； [6] 张亚东.浅谈云计算发展现状与趋势[J].科技致富向导.2011(12)[7] 唐红,徐光侠.云计算研究与发展综述[J].数字通信.2010(03)
[8] 李晓伟,沈艳秋.云计算及其发展进程[J].科技信息.2011(15)
第五篇：论文-浅谈云计算环境下的等级保护思路
浅谈云计算环境下的等级保护思路
林XX
（XXX科技有限公司，XXXX 570102）
摘要： 通过对云计算的技术特征与常规网络集成系统的对比分析，结合当前对云计算环境下的信息安全等级保护测评过程中遇到的问题，针对云建设、云转移、云运维过程中数据保护的重要性，找出其中的差异性，从政策、标准等技术层面进行分析，并提出适用于当前环境的参考建议，进一步分析云计算等新技术的出现给目前的等级保护测评体系所带来的冲击，以及在提供相关支撑的政策、标准、法律法规等安全技术的进一步研究完善的必要性。关键字：云计算；虚拟云；云安全
Summary: To reinforce the importance of protecting data in the process of Cloud Construction, Cloud Transfer and Cloud OPS and to highlight the diversity among it, we comparatively analyze differences between technical characters of Cloud Computing and traditional integrated network systems to find solutions based on the consideration of situations that may occur in the process of Measuring of the level protection of Cloud Computing information.From a multi-dimensional and technical perspective, include but no least from policy and standard, we apply analyses and offer advices which suit the contemporary situation most.Furthermore, we’re also devoted to enhancing the necessity of researching and perfecting safe practice in relevant aspects as policies, standards and laws by analyzing forces that affect the stability of the existing Measurement of level protection System with the emerging of new technology like Cloud Computing, and better solving the problems we’re encountering with in building up a safer environment for the development of Cloud Computing.Keyword: cloud computing；virtual cloud；Cloud security
1.引言
随着美国棱镜门等其他泄密事件以来，信息安全受到越来越多的国家和企业的重视，特别是2015年6月，第十二届全国人大常委会第十五次会议初次审议了《中华人民共和国网络安全法（草案）》。并与当年7月6日将《中华人民共和国网络安全法（草案）》向社会公开征求意见，可见国家层面对信息安全的足够重视。
云计算经过一段时间的技术积累和发展，已经在各行各业中广泛推广和应用，并得到业界的普遍认可。作为一项新生事物，云计算的推广刚开始也没有想象的那么顺畅，同样遇到了很多困难，其中遇到的最大困难是如何消除用户对云安全问题的担忧。Gartner、IDC 等专业机构的调研也表明，云安全问题已成为阻碍云计算推广的最大障碍。鉴于云计算的复杂性，它的安全问题也应该是一个涵盖技术、管理，甚至法律、法规的综合体。云计算环境下，信息系统的安全就成了一个不容忽视、不可绕过的严峻问题。如何保障云计算环境下安全问题，依然值得我们深入研究。
2.云计算
当前，IT业界同行对于云计算的解读并未形成统一的意见。简单地讲，云计算可以从技术层面和运营服务层面来分析云计算的概念。从技术层面分析，云计算其实并不是一项技术，而是代表一系列计算方式发展趋势的综合概念，是并行计算（parallel computing）、分布式计算（distributed computing）和网格计算（grid computing）的发展。事实上，云计算不是指一项独立的技术，而是在从C/S 结构、分布式计算到网格计算、效用计算、SaaS 的计算方式发展大趋势下，一系列包括虚拟化、按需服务在内的概念总和。从运营服务层面分析，云计算只是提供了一种按需租用计算能力的服务，对于外部使用者来说，这种服务就像天上的云一样透明，不需要考虑自身服务性能的问题，也不对其背后的实现细节进行过于关注，从而可以集中精力专注于自身业务，有利于企业单位业务创新创新及节约成本。对整个IT行业来说，这是一次革命性的创新。可以说，云计算已经不仅仅只是技术的进一步发展，更是一种业务模式的创新发展。
有一个简单的公式可以很直观地表达云计算的服务关系： 云计算 =（基础设施+平台+ 软件+ 数据）* 服务。
从该公式我们可以很直观地看到，云计算通过基础措施、平台、软件、数据构成技术层面的基础环境，既然有技术，相应的还要具备良好的服务，两者是互利的相乘关系。简单来讲，就是在同等技术条件下，所能提供的服务越好，云计算的价值就会越大。
3.云环境下的等级保护问题探讨
综上所述，云计算在实际的推广中遇到的最大阻碍是用户对云安全问题的担忧。数据依托云端来处理和存储，有利于用户节约成本，但用户本身数据的敏感性及重要程度同样会加深用户对云安全的担忧。所以用户在选择云计算服务的时候首先会考虑其安全性。对于普通用户来讲，云计算的安全性在技术层面因其本身技术能力问题，不会做过于关注，普通用户关注点在于云计算所提供服务的安全合规性是否达到相关政策标准。当前，针对云计算服务的安全合规性规范主要由等级保护、ISO27001、CSA云计算联盟的相关认证。其中等级保护是一项基本政策，但与其他政策规范文件一样，当前的等级保护相关标准面临新的挑战。
传统的等级保护标准主要面向静态的具有固定边界的网络系统集成环境。然而，对于云计算而言，因其技术特点，安全等级保护对象和保护区域边界都具有动态性。在具有动态性的网络环境中如何来确定等级保护对象及保护业务，是当前云计算下的信息安全等级保护需要面临的一个挑战。
云计算环境下，由于等级保护的对象和保护区域边界具有动态性，相应的业务数据可能会在数据中心和物理主机之间移动，导致用户无法知道数据真实存储位置。另外，云平台引入了虚拟抽象层，其覆盖范围可以涵盖不同区域的物理设施，传统的等级保护并没有考虑这种情况。由于云计算的技术特点，在云计算安全保障中，仅仅采用传统的安全技术是不够的，每一项新的技术都会带来新的安全风险，虚拟化也不例外。当前，对云计算技术还不够成熟，在等级保护测评层面缺少针对性的指导性的规范文件，对云计算的安全防护和保障技术测评已成为云环境等级保护的一大难题。
当前，信息系统安全等级保护作为应对云计算安全的重要手段，能一定程度降低云计算所面临的安全风险。对于云计算环境下的等级保护建设问题，可参照GB/T 22239-2008《信息系统安全等级保护基本要求》和GB/T25070-2010《信息系统安全等级保护设计技术要求》，按照传统模式把云计算从用户网络接入、访问应用边界、计算环境和管理平台进行划分，构建在安全管理中心支持下的可信通信网络、可信应用边界和可信计算环境三重安全防护框架，并按照GB/17859《计算机信息系统安全保护等级划分准则》评估准则进行评估。
4.云计算环境下等级保护工作开展
云计算虚拟化技术相对于传统的基于物理计算资源的信息技术而言，在数据备份和快速恢复方面具有很强的优势，通过以上分析得知，每一项新技术的诞生都会带来相应的安全问题，云计算也不例外。按照信息系统安全等级保护测评的基本要求框架，参照传统模式可以将云计算虚拟化新技术所带来的新的安全问题归类到五大技术保障类和五大管理保障类中，根据云虚拟化技术特点增加相应的控制点中的要求项，为虚拟机技术的安全评估提供新的思路。
在物理安全层面，可采用全备份结合增量备份的方式对云计算数据中心的数据、应用、配置等关键资源进行异地备份和恢复校验，确保在异常灾难情况下实现数据中心的数据及服务的快速恢复。在备份冗余层面，可采用冗余设备、冗余链路、准入控制等安全措施保障云计算虚拟化终端接入的链路安全性和可靠性。在物理安全区域规划和数据存放层面，应根据用户等级、数据敏感性、应用重要性、流量特征的不同，对虚拟化环境中的存储区域进行模块化的划分，并在数据的使用、存储和传输过程中，在没有任何加密及控制的情况下与其他客户数据进行隔离控制，以支持虚拟化环境下数据的安全存放及资源的快速分配、调度和回收。
在网络安全层面，应对物理网络和虚拟网络的划分在相关标准文件的规范下提供明确的文档说明，并符合实际的数据传输安全策略。在应用“瘦客户端”的模式下，应在“瘦客户端”与虚拟VM之间，虚拟VM与应用之间部署防火墙，同时采用虚拟防火墙与物理防火墙相结合的方式，并配置严格的安全访问控制策略，确保每个层的网络流量都是可控的并且是安全的。边界完整性检查的范围不仅仅只是物理网络层面，还应包括虚拟网络。在同一台物理主机上的虚拟VM之间的通信进行入侵检测，避免因某一台虚拟机存在高危安全漏洞，被攻击者成功利用并被入侵该虚拟机，并以此为跳板，跳过其他安全防护设备，入侵同一服务器同一网段内的其他重要虚拟机。在用户终端和数据中心虚拟机之间的网络通信过程采用可靠的技术手段进行加密传输，防止通过过程被窃听，造成数据被篡改或破坏。同时，部署相应的网络安全运维平台对整个物理网络和虚拟网络的运行情况进行有效监控和管理，以便及时发现系统异常并及时处理。
在主机安全层面，应根据物理主机性能情况，以及虚拟机实际使用需求，为每一台虚拟机分配适当的资源空间，并设置相应的资源使用上限，避免虚拟机受到拒绝服务攻击（Ddos），影响到其他虚拟机的正常使用。以及应通过相应的备份及更新策略，保障虚拟上的病毒库代码及系统补丁保持最新。最重要一点，针对物理硬盘中的重要镜像文件，要重点保护及数据备份，避免受到恶意代码攻击及破坏。
在应用安全层面，这里要重点说的一点是关于Hypervisor的访问控制。在整个虚拟环境中，Hypervisor是核心的管理控制程序，负责对硬件资源的调度，对整个系统的安全稳定运行至关重要，有必要将Hypervisor作为一个应用进行单独的安全性核查，且Hypervisor本身的安全等级不能低于整个系统的安全等级。
在数据安全及恢复备份层面，针对数据安全的解决方案通常是采取数据隔离、数据加密、数据切分、数据屏蔽、数据删除技术来保障数据的完整性、保密性和可用性。在数据完整性和可用性方面，可重点对虚拟镜像文件进行保护，采取相关可靠技术对镜像文件的完整性进行检测，并在检测发现异常的情况下能及时进行快速恢复。在数据保密性层面，可采用可靠的加密技术手段对虚拟镜像文件进行加密保存及传输，确保镜像文件的安全。
在五个管理安全层面（安全管理制度、安全管理机构、人员安全管理、系统建设管理以及系统建设管理），安全管理体系的侧重点跟传统的等级保护模式无太大区别，可在原来的基础上针对虚拟化的技术特点做进一步的完善和提升，并制定符合用户实际情况的管理制度。最重要的一点是已制定的相关安全管理制度要切实落地执行，不能当成政绩工程，以及要在实际的执行过程中根据记录信息进一步完善制度体系。
5.结论
云计算的发展趋势已经有目共睹，并且已经成为当前IT 界关注的热点话题，但云计算的发展也面临许多关键性问题，而安全问题首当其冲，并且随着云计算的不断普及和推广，其重要性呈现逐步上升趋势，已成为制约云计算发展的核心因素。因此，对云计算的安全进行系统研究显得迫切而重要。
在传统的网络，经过长久发展的网络依然没有绝对安全的网络，“没有绝对的安全，只有相对的安全”，云计算的安全环境也一样，没有绝对安全的网络，但我们需要做的是使用一些现有的有效云安全技术来让我们的云服务能够达到相对的安全。对于云提供商，这是一个值得着重专研的一项技术。通过这些技术来促使信息安全建设与信息化建设同步发展。
云计算仍然是一个不断发展的技术，它在带来我们诸多好处的同时，也带来了不少的隐忧。不过新的云安全技术也在水涨船高，在信息系统安全等级保护测评层面，相关单位也在抓紧制定针对性云计算的等级保护标准，以及去年发布的《中华人民共和国网络安全法（草案）》，从技术及政策标准为云计算环境提供着越来越高级别的防护。从以上种种迹象表明，不论是公用网络还是私用网络，云计算技术带给我们的不仅仅是方便，而且比以往任何时候都更加安全，可以说云计算技术或许是当前乃至未来最好的信息系统安全解决方案。关键在于我们怎么去完善云计算的安全防护体系。
6.参考文献
[1]王春海.VMware虚拟化与云计算应用案例详解[M].北京：中国铁道出版社，2013 [2]马博峰.VMware,Citrix和Microsoft虚拟化技术详解与应用实践[M].北京：机械工业出版社，2012 [3]马博峰.VMware,Citrix和Microsoft虚拟化技术详解与应用实践[M].北京：机械工业出版社，2012 [4] 《虚拟化与云计算》小组.虚拟化与云计算[M].北京：电子工业出版社，2009 [5] [美] Michael J.Kavis（迈克尔·J·凯维斯）著；陈志伟 译.让云落地：云计算服务模式（SaaS、PaaS和IaaS）设计决策[M].北京：电子工业出版社，2016 [6] [美] Thomas ERL，[英] Zaigham Mahmood，[巴西] Ricardo Puttini 著；龚奕利，贺莲，胡创 译.云计算：概念、技术与架构[M].北京：机械工业出版社，2014 [7] 陈驰，于晶.信息安全国家重点实验室信息安全丛书：云计算安全体系[M].北京：科学出版社，2014 [8] 李智勇，李蒙，周悦.大数据时代的云安全[M].北京：化学工业出版社，2016 [9] 赵国祥，刘小茵，李尧.云计算信息安全管理 CSA C-STAR实施指南[M].北京：电子工业出版社，2015 [10] [美] 戴夫.沙克尔福 著；张小云 等 译.虚拟化安全解决方案[M].北京：机械工业出版社，2015 [11] 陈晓峰，马建峰，李晖，李进.云计算安全[M].北京：科学出版社，2016 [12] 李虹，李昊.可信可信云安全的关键技术与实现[M].北京：人民邮电出版社，2010 [13] 邢利荣，何晓龙.从虚拟化到云计算[M].北京：电子工业出版社，2013 [14] Brendan Gregg（布兰登·格雷格）著；徐章宁，吴寒思，陈磊 译.性能之巅：洞悉系统、企业与云计算[M].北京：电子工业出版社，2015 [15] GB/T 22239-2008信息系统安全等级保护基本要求［S］.北京.2008
点击咨询 