前言：中文期刊網精心挑選了云計算的相關概念范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
云計算的相關概念范文1
關鍵詞：云計算；教學；分析
云計算是繼大型機、PC、互聯網之后的第四次IT產業革命。自2006年谷歌第一次提出云計算的概念以來，經過短短幾年的發展，云計算儼然成為互聯網公司、IT企業以及商業的最大熱詞。云計算就像法國大餐一樣，正被人們津津樂道。中國第一次引入云計算是在2008年。2011年我國“十二五”規劃提出了教育產業與信息化產業相結合的指示方針，云計算也將成為教育人才培育與創新教育理念的核心技術。
一、云計算教學的概念
目前，業界對云計算（cloud computing）一直沒有形成一個統一的概念。但是從對云計算的定義中可以獲得這樣的共識：首先，云計算不是一項新技術，而是一種計算理念或計算模式[1]。它是基于分布式處理、并行計算、網格計算等發展而來，同時由這些技術加以實現。云計算強調商業模型，所以能更廣泛地被市場接受。
教學是教師的教和學生的學所組成的一種人類特有的人才培養活動。通過這種活動，教師有目的、有計劃、有組織地引導學生積極自覺地學習和加速掌握文化科學基礎知識和基本技能，促進學生多方面素質全面提高，使他們成為社會所需要的人。
二、云計算教學分析
（一）文獻計量分析
通過對中國期刊全文數據庫的檢索，發現國內對云計算教育應用的文獻從2008 年開始出現。而對云計算教學應用的文獻在2009年只有3篇。但自從2009年開始，每年與云計算教學應用相關的學術論文數量呈現出倍數攀升。云計算教學應用的中文文獻數量整體上呈現逐年上升的趨勢。這一趨勢表明，專家學者們對于云計算教學應用的關注度逐年上升。究其原因有兩點：第一，源于國家政策的支持。在這些政策的指引下，2012年云計算教學應用的文獻新增23篇，數量增長最多。第二，源于科學技術的飛速發展。新型的、易操作的、低成本的新技術設備使得很多教育機構能夠輕易購買和使用。因此，隨著技術的發展，對其的研究也就會越來越多，越來越容易，預計未來相關研究還會不斷地增加。
（二）研究主題分析
國內云計算教學應用研究主要集中在教學方式、教學平臺設計與開發、教學資源建設及輔助教學方面。究其原因，主要是由云計算教學應用的研究角度決定的，國內大多數學者都致力于研究利用云計算技術來改善現有的教學方式與學習方式，希望通過構建各種云資源庫來實現不同地區、不同學校之間的優質資源共享，并試圖通過搭建云計算服務平臺來充實其服務功能以提高教與學的質量[2]。因此，云計算在教學方式、教學平臺設計與開發、教學資源建設及輔助教學等的應用是當前我國云計算教學研究的主要內容和方向。
（三）研究機構分析
根據數據庫檢索文獻的實際情況，云計算教學應用的研究機構以暨南大學、南通大學、長沙民政職業技術學院、河南師范大學和浙江工貿職業技術學院為主，這五個研究機構發表文章數量最多。
（四）資助基金分析
在云計算教學應用的相關文獻中，僅有13.3%的文章受資助，其中受國家級資助的文章有9篇，剩下3篇是受省部級資助。這說明國家對云計算教學應用研究的撥款還不到位，一定程度上制約了云計算教學應用的相關研究的進展。
（五）關鍵詞分析
在與云計算和教學相關的文獻中，出現最多的詞是云計算。另外，教育信息化、云服務、教學資源、云計算輔助教學都是該領域最重點關注的領域。除此之外，遠程教育、輔助教學、云平臺、教育云平臺和深度融合也在眾多關鍵詞中脫穎而出。從整體來看，除了云計算，其他排名靠前的關鍵詞，頻數最高不過10次，大多集中在3次，這說明在云計算教學領域應用的相關研究文獻中，研究范圍不夠集中，研究領域比較松散，整體上來說研究規模不夠理想。
三、云計算教學應用研究存在的問題
（一）理論概述研究較多，實用技術開發較少
由于云計算概念在全球范圍內的炒作，各國家、各領域的研究學者紛紛關注，其在教育領域的應用已被大家普遍接受。但目前針對云計算教育應用的研究仍處于初級階段，大部分學者對其研究仍限于理論層面的概述，云計算教育應用的實用技術開發層面的研究較為薄弱，對云計算技術的創新性應用的開發研究相對缺乏，如在選定的樣本文獻中，多數文章都對云計算的定義、特征和服務體系進行大篇幅的描述，而真正涉及實用技術開發和實踐教學的內容卻顯得外強中干。
（二）高等教育研究多，基礎教育研究少
目前國內學者針對云計算技術應用及其模式的研究大多集中于高等教育領域，其次是通用教育，而對于基礎教育的應用研究相對較少。分析其原因可知，一方面是中小學研究云計算教育應用的硬件設備和技術人員比較缺乏，他們對云計算平臺以及輔助教育等前沿信息關注不夠。另一方面，就是教師較多關注書本的教學內容和教學方式的改變，對一些新興的技術或者教學模式關注相對較少，更不用說將其有效地應用于教學實踐中。
（三）研究機構較為單一
通過以上分析，我們認識到高校院系是研究云計算教學應用的中堅力量，但因為研究人員和機構比較單一，所以也容易導致研究單一、難以突破等。具體表現為以下三點：第一，從云計算研究方向的視角分析可知，多數研究者是結合云計算概念、服務理念以及教育原理進行應用模式的探討，局限了研究者的開拓、發展和創新思維，讓其很難做到更深層次的突破；第二，從云計算研究力量的視角分析可知，力量單薄，尚未取得社會各界力量的支持，以至于除高校院系外，社會各界的其他研究力量非常微弱；第三，從云計算專門的研究組織出發分析可知，相比國外的多個組織致力于研究云計算及其在教育中的應用，我國僅有中國電子學會云計算專家委員會等少數幾個專門的組織機構在從事云計算方面的工作，而側重于研究云計算教育應用的組織則更是少之又少。
參考文獻：
云計算的相關概念范文2
【關鍵詞】云計算;數據;安全
引言
云是一種比喻的說法，指的是網絡、互聯網。目前，云計算主要指計算機的各種能力通過網絡以按需、易擴展的方式提供給所有需要的用戶。它意味著遠程用戶可以以低廉的價格獲得強大的各種計算機服務，而不用去考慮自己電腦的配置問題。云計算以其高效、經濟、便利、可擴展等諸多因素吸引著越來越多的企業、高校、政府機構的目光。它使這些部門從繁重的計算機升級維護中解放出來，有更多的時間和精力去關注核心業務的發展。
但是，云計算在發展過程中也遇到了很多問題，而安全問題首當其沖。并且隨著云計算的發展，安全問題也越來越成為困擾云計算規模繼續擴大的首要因素。
1.云計算的相關概念以及特征
對云計算的概念進行了闡述，一直都沒有一個更為明確的概念界定，直到2011年，美國同家標準與技術研究院（NIST）才進一步給出明確定義，指明云計算是一種按使用量付費的模式，這種模式提供可用的、便捷的、按需的網絡訪問，進入可配置的計算資源共享池（資源包括網絡，服務器，存儲，應用軟件，服務），這些資源能夠被快速提供，只需投入很少的管理工作，或與服務供應商進行很少的交互。
從云計算的執行過程看，其中的數據生命周期可以大致劃分為六個階段，即明確數據所有權和保證其安全屬性的數據生成階段;針對數據進行加密并且執行傳輸的數據遷移過程;被PaaS以及SaaS等模型調用并且實現索引以及查詢等功能的數據使用階段;而后是擴大數據使用范圍使其提升價值的數據共享階段;為數據完整性和再次遷移做出必要準備的數據存儲工作;以及最后經常被忽視的數據銷毀過程。云計算領域數據的安全挑戰主要來源于如下3個方面。
（1）由邊界不確定引發安全隱患。云計算過程中所涉及到的資源池技術，能夠有效地將網絡中所涉及到的運算存儲能力以及其他硬件基礎性資源整合成為一個有機整體為網絡成員提供服務，及大地提升了相應資源的利用效率，同時也為用戶提供更快的響應，但是這種做法卻模糊了傳統意義上網絡的邊界，使得以往以網絡邊界作為安全保護重要手段的安全技術也隨之褪色。
（2）數據本身面臨的風險，通常指數據處于傳輸以及存儲狀態下面臨的風險，這兩類風險對于傳統網絡而言同樣存在，但是在云計算背景之下更為突出。由于在云計算環境下所有的數據處理和存儲都是借由云端完成，因此數據必然會面臨更為頻繁的傳輸，以及非本地存儲，尤其是當數據需要進行集中存儲的時候，一旦產生數據遺失或者泄露事件，勢必會比傳統網絡產生更大的危機，傷害到更多用戶的利益。
（3）云服務器自身安全是云計算環境下的又一種新的危機。在云計算的實施執行過程中，整個網絡環境中需要處理和共享的數據都需要由云服務器進行統一的安排和調度，因此云服務器的健康與否直接影響到整個云計算環境的安全以及云計算的展開的有效性。而且同時必須注意到在多用戶多終端的開放性網絡環境中，云服務器比常規服務器面對更多的安全隱患。
2.切實提升云計算數據安全
目前云計算應用水平的不斷提升，應用領域逐漸拓寬，其安全性越來越關系到更為廣泛的用戶利益。針對于此種情況，結合云計算環境自身的顯著行為特征，可以重點從如下幾個方面進行安全度的提升。
2.1 邊界安全
云計算環境中，其工作方式模糊了傳統網絡中邊界的概念，因此既有的硬件安全手段也隨之削弱甚至失效，包括網關在內的安全手段都難以依賴，而相應的網絡安全手段應當向軟件方向傾斜。包括防火墻以及入侵檢測和病毒查殺在內的諸多軟件層面的安全防范手段必須予以充分重視和加強。與此同時，還應當根據網絡本身的特征展開相應的安全工作，對于安全度要求比較高的數據使用而言，可以考慮構建起網內網，借此實現網絡邊界概念和傳統網絡安全，在必要的情況下，還可以考慮針對網絡用戶展開必要的培訓，降低病毒等安全威脅的存在可能。
2.2 傳輸安全
在云環境中，傳輸成為安全防范的重點工作，無論是用戶端到云端的數據傳輸，還是云端內部不同云服務器之間的數據傳輸，都相對于傳統網絡環境更為頻繁，也必然會面臨更大的安全隱患。針對于此類問題，應當著力于加強傳輸過程中的數據加密，必要的時候可以建立起相應隧道借以增強安全性能。如果出現對于安全級別要求較高的應用環境，還應當考慮同臺加密機制提升用戶終端通信安全，即不對用戶加密數據進行解密，而直接對密文進行相應的處理，最終返回密文處理結果給用戶，這種數據加工方式目前并不十分成熟，當時其安全性能已經得到廣泛認可。數據安全體系結構如圖1所示。
2.3 存儲安全
在云環境中存儲的數據，面臨多用戶網絡環境，因此更需要注重安全問題。加密作為有效提升云環境存儲安全的手段，主要有兩種，即對象存儲加密以及卷標存儲加密。對象存儲加密相當于專用的文件服務器，其將對象存儲系統配置為加密狀態，借以實現其中全部數據的加密。如果用戶還需要更高級別安全，則可以南用戶自行加密并上傳到云存儲設備中。而對于卷標存儲加密而言，具體可以通過串行在計算實例和存儲卷標之間的加密設備進行加密，也可以僅對實際的物理卷標數據進行加密。
2.4 服務器安全
云服務器關系到整個云計算環境的安全以及T作能否順利展開，事關重大，因此其安全必須引起重視。但是究其安全防范手段而言，云服務器與傳統服務器有著很多共同之處，對于其操作系統的以及病毒防范軟件等，同樣需要及時的更新和補丁。除此以外，云服務器通常還需要為防范病毒配置虛擬服務器，允許在系統需要的時候通過當地引擎向云服務器提 病毒查殺請求并完成相應動作。
3.結論
云計箅是當前網發展的趨勢所在，并且隨著云計算應J}1的不斷深入，其安全相關 題也必將日益突。針對于這一情況，必須深入分析當前環境下存存的數據安全特征，有針對性的改進建議，及時關注相關技術進展，才能獲取到良好效果，為用戶提供安全穩定的云計算環境。
參考文獻
云計算的相關概念范文3
凈利潤大幅下滑
規模較大的云計算企業，凈利潤出現下降。其中中興通訊實現營業總收入862.54億元，同比增長了23.39%；實現凈利潤20.6億元，同比下降36.62%。浪潮軟件實現營業總收入5.54億元，比上年同期增長23.57%；凈利潤為1215.34萬元，比上年同期降59.74%。東軟集團實現營業總收入57.51億元，同比增長16.48%；凈利潤為4.17億元，同比下降了13.95%。
2011年，華勝天成營業總收入首次突破50億元，達到50.8億元，與上年同期比增長24.74%。凈利潤達到2.29億元，同比增長10.42%。在業務結構方面，系統產品和系統集成業務依然占總收入的55.97%；軟件與軟件開發、專業服務等業務的份額從44.39%降到44.03%。在毛利率方面，華勝天成2011年毛利率為17.95%，低于上年同期的19.46%。三大塊主營業務中，系統產品及系統集成業務毛利率由2010年的10.42%增長到10.53%，軟件及專業服務均出現了下滑趨勢。軟件業務毛利率從2010年的21.99%降至18.91%，專業服務毛利率從2010年的38.23%降至
35.56%。華勝天成財報說明，基于云計算、移動互聯網等技術的軟件業務正處于前期的投入期，產品成熟度和規模效益有待提高。
2011年華東電腦向云計算解決方案和服務提供商轉型的一年，營業總收入未達到預期目標，營業利潤同比下降了62.48%。華東電腦營業總收入達到18.56億元，與上年同期相比增長了22.82%，與年初預期的19.86億元收入相比，缺口6.5%。華東電腦實現凈利潤1933.73萬元，同比增長了35.95%；但是營業利潤為637.38萬元，比去年同期下降了62.48%。
此外，2011年浪潮信息實現營業總收入12.33億元，同比增長了14.01%；實現凈利潤7556.09萬，同比增長120.26%。但是，扣除出讓土地收益后，浪潮信息的凈利潤實際下降了29.22%。
云轉型剛剛開始
行業普遍認為，我國云計算的發展正進入成長期，預計2015年正式進入成熟期。在當前階段，云計算服務模式尚未被用戶接受，企業的產品、服務和解決方案尚處于培植期。從財報來看，加速向云計算轉型依然是云計算概念股的經營策略。
華勝天成判斷，云計算的基礎設施建設依舊是 2012 年的市場熱點。在2008年借“凌云計劃”向IT綜合服務商轉型，2010年以“攬勝行動”為契機推進云計算戰略之后，華勝天成將進一步加大對云計算業務的投資。華勝天成財報顯示，截至2011年底，“云計算環境下的信息融合服務平臺建設及市場推廣項目”已完成累計投資7476萬元，累計實現收益3964萬元。華勝天成已相繼承擔了一些地方省市電信運營商的云計算項目。“面向‘服務型城市’的新一代信息整合解決方案”項目已完成投資2999萬元，累計實現收益316萬元。華勝天成承接了四川省農業廳、北京市平谷國際港等項目。
華東電腦在2011年組建了咨詢解決方案事業部和云計算事業部，確立了“以業務應用拉動產品技術”的云業務發展思路。華東電腦連續三年提高資產負債率，從2009年的57.65%已經提高到2011年的63%，加快食品安全云及相關云計算產品的開發成為企業投資的重點策略。而且，華東電腦重大資產重組事項獲得了中國證監會有條件通過，開展云計算基礎研究、拓展云計算業務，成為公司重組的重要內容。
東軟集團公告顯示，自2011年起，東軟集團進一步加大了對云計算、物聯網、汽車信息技術、健康管理服務、醫療設備和智能電網等領域的研發和市場投入。
面對2011年的凈利潤下滑，中興通訊將2012年確立為“利潤年”，并提出了由電信設備提供商向通信綜合服務提供商的轉型。浪潮信息提出了向技術要效益、發展云操作系統等核心產品、建設云計算銷售網絡的經營策略。
依賴“有形的手”
云計算是新一代信息技術的重要組成部分，是加快培育和發展的戰略性新興產業的重要分支。在國家政策、地方支持和企業投入等多方力量的推動下，我國云計算產業區域布局正在形成。各級政府應用示范項目和專項基金支持，增強了云計算概念股對未來市場的信息。
云計算的相關概念范文4
1 云計算的概念及其特點
由于研究角度不同，因此對于云計算的概念有不同的觀點，根據維基百科上對于云計算技術的定義，云計算是一種能夠將動態伸縮的虛擬化資源，并且通過互聯網以服務的方式提供給用戶的計算模式，用云計算技術的用戶不需要了解如何管理那些支持云計算的基礎設施。[ ]因此，云計算技術從根本來說是一個全面解決方案，是在接受命令后，運用所有計算資源，將這些命令和指示給予相關用戶，并管理所提供的資源或服務，保證工作效率。具體來說，云計算技術有著以下三個方面的優點：首先，云計算技術通過僅在需要資源時獲取資源并僅為所需的資源付費，能夠有效減少IT服務相關成本；其次，通過減輕整個企業中與管理各種資源相關的某些負擔，企業相關員工能夠將更多的精力投入到價值創造和技術更新上，第三，云計算技術能夠提供更為靈活的業務，尤其是通過擴展或收縮整個IT基礎結構來滿足要求，通過這種方式能夠幫助客戶處于領先地位。
目前，亞馬遜、谷歌、微軟等許多公司提出的具有商業化性質的云計算基礎設施和云計算平臺，這對于云計算研究來說具有一定的實際意義，根據實際運用，總體來說，云計算技術具有以下特征：
（1）云計算技術以互聯網傳播的方式將服務傳遞給相關用戶；（2）資源以分布式共享的形式存在，以單一整體的形式呈現；（3）資源可以根據需要進行動態的擴展和配置。（4）用戶根據自身需求使用相關資源，無須對資源進行管理。
2 云計算在圖書館中的應用
云計算技術在推出后，便受到各方面的廣泛關注，在很大程度上我們可以說，云計算技術也必將在作為數據中心之一的圖書館中得到廣泛的應用，而圖書館也必將在即將到來的云時代中獲益。圖書館之于云計算技術來說，首先，圖書館是云計算技術的重要用戶，并從云計算技術當中受益良多，其次，圖書館事業的發展更是為云計算技術的提升提供了巨大的空間，根據上述對云計算技術的相關概述，并且結合筆者在圖書館的相關工作經驗，筆者認為，在建設現代數字圖書館的過程當中，云計算可以充分發揮其作用，推動現代化圖書館的建設。
2.1 確保圖書館服務器的正常運行
信息化時代的圖書館運作在很大成都市依賴于本館服務器，若服務器在運行過程中出現問題，圖書館不僅不能為讀者提供相應服務，甚至會導致數據的丟失，而云計算技術的推廣，便有效的避免了這類問題，在“云”中有上百萬臺服務器，因此即使“云”中的某臺服務器出現問題，其他的服務器也能夠很快將某臺服務器中的數據復制到有故障的服務器當中，并啟動新的服務器來提供服務，保證了服務器的安全有效。
2.2 成本較低，有效克服服務器訪問限制
普通的服務器的相關硬件資源都有一定的限制，若服務器同時響應用戶的數量超過了自身的限制將導致服務器的癱瘓。因此，為確保服務器內數據資源的安全性及服務器的可靠運行。圖書館對服務器的最大服務響應數量及接入終端數量等都進行了一定的限制，如果有數萬用戶同時使用圖書館中的電子資源，有的用戶的訪問將由于安全方面的原因未能得到回復。在傳統模式下，如果想滿足這部分用戶的需求，圖書館只有通過增加投入的方式來改善硬件設施，而云計算技術的運用卻有效減少了這部分成本，圖書館就可獲得云模式中百萬臺服務器提供的服務，用戶的請求便可快速得到回應，保證圖書館的運營效率。
2.3 信息資源共享活動更加有效
在云計算模式的指引下，加大了圖書館之間的合作，圖書館可以建立共同的信息共享平臺，并通過這種方式，分享由大量系統連接在一起而形成的基礎設施，而不必更新相關的硬件，圖書館的運行成本在大大降低的同時效率卻大幅度的提高。在“圖書館云”中，通過云計算技術，可以隨時地獲得其他圖書館的資料，最大程度上滿足讀者和用戶的需求，近年來流行的“館際互借”，便是通過云計算模式，實現信息資源的共享。
2.4 降低有關設備的維護成本
云計算對用戶端的設備要求最低，使用起來也最方便。為了確保圖書館工作的正常運行，其硬件設備需要經常進行維護和升級。而云計算技術在圖書館的運用當中，對于用戶終端的配置沒有限制。因此，圖書館不需要擔心需要升級圖書館的相關硬件，因為云計算技術有專業化的管理團隊進行支持，這在很大程度上減少了用戶的成本。
2.5 信息資源更新速度快、更新效率高
在傳統的圖書館服務模式下，用戶一般必須使用計算機才能利用圖書館的電子資源。而運用云計算模式，用戶使用智能手機、平板電腦等設備也可以使用圖書館提供的電子資源服務。圖書館數據庫經常重新配置，存在合作關系的圖書館每天都會增加新的信息進入到數據庫當中，用戶通過數據庫可以檢索到最新的信息。只需圖書館按照周期進行付費便可實現使用。
云計算的相關概念范文5
中國作為一個發展中大國，企業對云計算服務和業務的需求可謂雨后春筍，這也決定了云計算在中國的發展有著別樣的特色。中國式云計算的發展現狀如何？面臨哪些挑戰？未來趨勢何去何從？
民需公推 云計算蓬勃發展
云計算的概念在2007年之后就沸沸揚揚了，也是在此背景下我國第一個企業“云落地”。2010年發改委不僅設立云計算專項基金，同時開展了面向城市的試點示范，確定了5個云計算試點城市。在此之后更多廠商進入云計算領域。2010～2014年迎來了云計算的成長期。進入2015年，云計算提供商的解決方案更加成熟，涉及的領域更加廣泛，創新不斷產生，產業鏈基本形成，國辦還專門印發文件引導云計算的創新發展，這是云計算的黃金發展期。
近年來，我國云計算產業發展呈現出低總量、高增速的特點，年復合增長率達33%。而隨著云計算服務、云計算軟硬設備廠商以及相關支持服務的發展，多地紛紛上馬云計算中心等建設，對云計算的發展起到了良好的推動作用。在此過程中互聯網廠商、基礎運營商以及傳統IT產業也積極參與，加速了“云”在我國的“落地”。
在云計算發展過程中，政府的推動作用不可忽視，支持力度也在不斷加大。早在2012年之前，云計算產業就被列為國家重點培育發展的七大戰略性新興產業之一，之后陸續在上海等地開展試點；2013年工信部確定了首批電子政務公共平臺建設和應用試點地區單位，推動電子政務向集約、高效、安全和服務方面發展；2014年國家發改委聯合相關部門組織實施2014年云計算工程，重點支持公共云計算服務平臺的建設；2015年初，國務院專門印發了《關于促進云計算創新發展培育信息產業新業態的意見》（即2015年5號文），促進云計算在重點領域的深化應用，提升公共云計算服務能力。
同步推進的還有云計算的標準規范。國家網信辦正在推進信息安全技術云計算服務安全指南，目前已經開始進入到了相關標準的試點工作階段；公安部目前也正在圍繞著云計算的等級保護與有資質的廠商共同編制相應的標準規范，云計算標準規范即將落地。
商用道遠 云落地面臨挑戰
從運營模式上講，云計算分私有云、公有云、混合云三種運營模式。然而，在我國實際的云平臺建設中，仍然以自建私有云為主――私有云年復合增長率為100%，多數部門、地方、大型企業紛紛搭建自己的云平臺來支撐內部使用，甚至縣級建云的現象也比較普遍。
這實際上是重復建設。資源利用率低是我們當前面臨的主要問題。 云計算不光是一個技術，更是理念的轉變，是提供和使用云服務，希望大家都把系統構建到云平臺上，由云服務商來給大家提供服務，而不是每個單位都自建系統。相比之下，目前成熟的公有云的平臺還比較少。周民以較為成熟的阿里云為例，它目前也僅支持其電商等傳統業務，而對于要滿足其他部門或企業使用其平臺中提出這樣那樣的要求，阿里云也存在一定的困難：目前的云服務提供商建成的公有云距離商用還有一定差距。作為云計算應用最重要的形式之一，我國混合云的建成量也非常少。
統計數據顯示，云計算的三種服務模式――IaaS、PaaS、SaaS，在我國分別占到88%、11%和1%。可以說在我國IaaS還是占據云計算市場的主導地位，SaaS從市場整體情況看應該說還可以，但是中高端服務應用還比較少；PaaS更多的是面向開發者，成熟應用平臺還寥寥無幾。
IaaS、PaaS、SaaS分別是“基礎設施及服務”“平臺及服務”“軟件及服務”的簡稱，對于用戶而言，應用的復雜程度依次降低。
此外，我國云計算技術和產品與國外先進水平相比，仍存在較大差距，一些重要的信息系統還無法從國外產品遷移到國產。
盡管國內有諸如華為、曙光等能支持大規模資源管理與調度的產品，但類似的廠商還較少。由于云計算領域門檻較低，國內涌現出眾多中小云廠商，主要提供云計算管理軟件方面的產品，但難以提供規模化的云服務。這些中小廠商的生存狀況并不樂觀，面臨著被整合或兼并的處境。
安全也是中國云計算領域需要克服的一大挑戰。云的安全性和可靠性是云計算能否成功應用的關鍵。然而，由于使用規模仍然太小，我國在云安全方面的進展比較緩慢，標準規范建設雖然已經起步，但仍然任重而道遠。相關安全標準規范的缺乏、云計算安全等級保護標準尚未正式以及云的安全檢測審查能力尚未形成，這些都給信息安全以及隱私保護帶來了挑戰。此外，從服務安全的角度，云服務商是否可靠、其服務行為有無漏洞，這些也需要建立相關的審查審計制度。
迎頭趕上 云產業未來利好
中國式云計算距離國際先進水平有多遠？能否趕上巨人的腳步？中國云計算產業正迎來重大利好期，未來縮小與國際巨頭之間的差距乃至后來而上，幾率都將大大增加。
從產業角度講，未來5年云計算發展將步入快速發展期。云計算將成為我國“大眾創業、萬眾創新”、全面深化改革、大力推進政府簡政放權的重要技術支撐。
而從云計算的應用角度，未來云計算將會發生一些更加順應市場發展規律的變化。
目前存在無數的‘小云’、分散的云，這不是我們的發展方向，未來這些‘小云’會逐漸匯聚、遷移到‘大云’上去，在這個過程中政府將成為領軍者、先行者。橫向協同、縱向貫通的“政府大云”，才能全面支撐政務部門之間的跨層級、跨地區的互聯互通、信息共享與業務協同。其他應用也將如此。以私有云為主導的運營模式也將逐步過渡到以公有云與混合云應用為主。SaaS服務模式將會得到廣泛推廣。SaaS服務模式將從消費領域逐步滲透到各個服務領域，這將是中高端的云應用逐步深化的突破口。
屆時，云服務提供商的服務能力和水平將成為它們能否在競爭中勝出的關鍵因素。而伴隨著我國云計算產業鏈的迅速壯大，自主可控的云計算產品將成為今后云計算發展的主流。自主可控云計算品牌將壯大成為云產業的中堅力量，而不能適應這一變化的中小廠商則很有可能“在未來被兼并掉”。
云計算的相關概念范文6
【 關鍵詞 】 云計算；關聯規則；Apriori Map/Reduce
1 引言
隨著我國開放大學建立及網絡學院的發展，高中起點升本科，專科起點升本科，高中起點升大專三個層次的多個不同專業吸引了更多的人選擇參加遠程教育完成學習，網絡學習云平臺上及網絡考試系統中也就保存了大量數據，在這些數據中隱藏很多對遠程教學有價值的信息，有助于教學管理人員及時分析學生學習情況，更好地整合網絡學習平臺上的教育資源。如果僅使用傳統數據挖掘方法，就會由于數據量巨大而導致系統處理速度緩慢，頻繁的輸入輸出會影響系統響應時間，節點效率不同也會出現挖掘效率不高的情況。為此在對網上考試系統所存儲的海量數據信息進行挖掘時，引入能夠在云計算環境下運行的數據挖掘算法，利用云計算環境中分布的計算節點，來支持數據挖掘算法的并行執行，彌補傳統數據挖掘算法的不足，能從海量的考試數據資源中找出有價值的數據信息。
2 云計算與數據挖掘相關概念
2.1 云計算下MAP/REDUCE并行編程模型介紹
云計算的概念最先由Google埃里克·施密特在2006年首次提出，其基本原理是將大的海量數據的計算任務分割成小的微量的計算任務，將計算任務細分后由分布在網絡上的計算節點通過并行計算實現，最后將細化的計算結果數據匯總，得到最后的計算結果。在當前的網絡教學平臺中就已經開始引入云的概念，將優質的教學資源作為云，學習者只訪問自己學習相關的資源而不用考慮該資源所在位置，學習結束后通過網上考試系統完成測試。
MapReduce 是 Google 發明的并行分布式編程模型，被廣泛應用于云數據計算中，用MapReduce來處理的數據任務必須能分解成獨立的小數據集，而且各個小數據集能夠并行處理，通過 Map階段將待處理數據分割成小的獨立數據塊，分別讓不同的空閑計算節點來進行計算，達到分布式運算的效果，再通過 Reduce 程序將計算結果匯總輸出。
2.2 關聯規則及Apriori算法介紹
數據挖掘目前公認的定義是：數據挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。
關聯規則由Agrawal 等于1993年首先提出，就是要從當前數據庫中挖掘出各個項集間存在的某種規則，形成關聯規則的項目集必須是頻繁項目集，也應滿足最小支持度和最小可信度。
對于云計算平臺上的海量考試數據進行挖掘，主要目的之一就是希望能通過挖掘大量的考試信息發現試題之間隱藏的內在聯系，這在功能上屬于關聯分析。例如，關聯規則可以表示為“答對了題目3的考生中有80%的人也答對了題目9”。從這些規則可找出試題中題目之間的關聯性，幫助教師分析學生知識掌握情況以及分析題目之間的互相影響性，以便幫助提高教學質量。
Apriori算法的基本思想是找出所有的頻繁項集，這些頻繁項集出現的頻繁性要大于等于預先定義的最小支持度，由找出的這些頻繁項集產生同時滿足最小支持度和最小可信度的強關聯規則。
3 云計算環境下Apriori算法的Map/Reduce模型化設計
要在云計算環境下應用Apriori算法，要將算法按照Map/Reduce的編程模型并行化設計并執行，然后由主控程序控制算法應用云存儲環境中的數據運行。主程序按照使用者指定的數據塊大小將云存儲中數據分成獨立的N個數據塊，并將這些數據塊分發到云平臺中各個空閑的計算節點去運行，在進行數據預處理后，Map進程對處理好的目標數據進行計算，得到局部的頻繁候選項集，再由Reduce進程對Map過程產生的局部候選頻繁項目集做歸并處理，產生總體的全部候選項目集，然后按照給定的最小可信度和最小支持度找出全局的頻繁候選項目集，得到有關的關聯規則。
云計算環境下的 Apriori 算法Map/Reduce化包括3個過程，首先是數據準備過程；其次是Map函數過程找到各個獨立數據塊的局部頻繁項集；最后由Reduce過程通過歸并處理接收Map過程得到的局部頻繁項集，從中找出全局頻繁項集，得到所需要的強關聯規則。
Map/Reduce 化后 Apriori 算法的執行步驟如下：
（1） 數據庫中待處理數據首先要按照要求分割成相對獨立的N個小數據塊，并按照所需要求進行數據清理處理和篩選處理，得到處理后的N個候選數據項集。
（2） 由Master將N個候選數據項集分派給不同的工作節點，每個節點執行不同的Map進程，利用參數KEY，產生的VALUE，按照系統設定的最小支持度和最小可信度要求計算出局部的頻繁項集。
（3） 由Map過程得到的局部頻繁項集保存到本節點硬盤上，準備交給Reduce過程處理歸并。
（4） Map過程結束后，由Master主程序將本次硬盤存儲的局部頻繁項集具置信息傳遞給Reduce歸并過程，由主程序決定讓云計算環境中的空閑計算節點來運行完成Reduce過程。
（5） Reduce過程主要是從存儲區讀取局部頻繁項集數據，然后通過歸并處理得到全局的數據候選項集，再找出滿足大于系統給定的最小可信度和最小支持度的頻繁項目集。
（6） Reduce過程得到的數據傳遞給用戶，由用戶對數據進行整理找出符合要求的強關聯規則。
4 實驗過程及分析
4.1 MapReduce化的Apriori算法考試數據挖掘應用
網上考試系統中保存海量的學生考試信息，其中學生考試成績是很重要的一項數據信息，利用MapReduce化的Apriori算法對海量考試數據信息進行挖掘，主要是對學生成績信息進行挖掘，找出所學課程之間的相關性，可以更科學地幫助教師制訂合理的教學計劃進程，以指導學生順利完成學業。
如在對網絡云平臺上考試系統中的數據信息挖掘時，要找出學生的學習課程之間的相互關聯性，可以從學生的課程考試成績入手。首先要處理數據，將學生課程成績92分以上的設置為1，表示該門課程成績為優秀，其它低于該分數的成績設置為0，表示該門課程成績不優秀。該數據庫表中有三門課程，包括程序設計基礎，計算機基礎和VB課程，選取部分學生成績數據，要對上述優秀課程進行云計算環境下的關聯規則挖掘，假定最小支持度為40%、最小可信度為60%時，設定key和value參數值，首先由Master分配數據塊給各個Map，找出局部的頻繁項目集，再由Reduce過程歸納局部頻繁項目集得到全局候選項集，根據設定的最小支持度和最小可信度，找出全局頻繁項目集。可以得出如下規則：
（1）程序基礎成績優秀，VB成績優秀=〉計算機基礎成績優秀的可能性大于100%；
（2）VB成績優秀，計算機基礎成績優秀=〉程序基礎成績優秀的可能性大于100%。
根據以上挖掘得到的規則可以得知，VB程序設計課程與程序設計基礎課程之間有某種聯系，能夠相互影響，程序設計基礎這門課程成績會影響到VB課程成績，計算機專業責任教師在設計教學計劃時，可以將程序設計基礎課程作為VB程序設計課程的先修課，這樣學生成績為優秀的可能性就更大。
同樣的可以利用MapReduce化的Apriori算法在網絡考試數據信息中挖掘出相關學科之間不同知識點的影響程度，以實現在教學中在講授某一知識點時的知識擴展和準備。我們設定最小支持度為96% 最小置信度為97%
通過挖掘后，得到如下的規則：
站點顏色與主題 =〉網站風格的設計 96.8% 98.3%
網站風格的設計=〉站點顏色和主題 96.8% 97.2%
網頁信息的強勢 =〉頁面設計 97.6% 96.5%
其中，每一行為一條關聯規則，數字分別表示他們的支持度和可信度。如第2條規則表示，網站風格設計的知識點與站點顏色和主題的知識點有很強的關聯性，由于有96.8%的學生對這兩個知識點的掌握都比較好，同時有97.2%的學生屬于對網站風格設計知識點掌握的好也對站點顏色和主題知識點掌握的好。這就說明網站風格設計的知識點可以作為站點顏色和主題知識點的知識準備，教師在講解網絡信息制作與時要重點強調該部分內容，也可以在講解DREAMWEAVER課程中將網站風格設計的相關概念給出，這對學生學習會有很大的幫助。同時，該規則可以幫助教師在進行試卷設計時，將這兩個知識點的內容同時考察，這樣學生的得分率會更高。
4.2 MapReduce化的Apriori算法和傳統的Apriori算法挖掘效率對比
為了驗證使用基于云計算環境的Apriori算法與傳統的Apriori算法在對海量的考試數據信息挖掘方面的優越性能，進行數據實驗測試。本測試環境是在局域網范圍內配置一定數量節點的集群環境，每個單一節點的軟硬件配置都統一，利用Hadoop 自帶的 MapReduce Tools for Eclipse ，配置好 MapReduce分布式編程環境。測試數據來源于網上考試系統保存的學生考試數據信息。設定最小支持度為0.2，最小可信度為0.1。通過使用MapReduce化的Apriori算法和傳統的Apriori算法對海量的考試數據信息進行挖掘，將得到的測試結果進行比較，得到的結果是在數據規模比較小的情況下，傳統的挖掘方法和云計算環境下的挖掘方法耗費的時間差別并不大，但是隨著數據規模的增大，使用傳統的Apriori算法進行的單節點數據挖掘所耗費的時間越來越多，而使用MapReduce化的Apriori算法則顯現出了更好的計算效能，在對網絡考試系統的大規模數據信息進行挖掘時系統性能表現很好，解決了傳統數據挖掘在面對海量數據信息進行挖掘時的系統響應速度慢，各個節點的輸入輸出量巨大時負載不均衡，挖掘效率不高的問題。
5 結束語
通過對網絡考試系統的海量考試數據信息進行挖掘，驗證了云計算環境下應用基于Map/Reduce編程模型的Apriori算法進行數據挖掘，能夠解決傳統數據挖掘算法在對大規模數據挖掘時出現的系統響應速度慢，整體挖掘效率不高的問題，希望在數據量越來越多的云教育時代，基于云計算環境的數據挖掘能發揮出更大的作用。
參考文獻
[1] 陳嘉恒.分布式系統及云計算概論.清華大學出版社， 2011.5.
[2] 趙虎.云計算環境下的關聯數據挖掘算法實現.電子科技大學，2011.6.
[3] 蘇海英.數據挖掘中關聯規則算法的分析與優化研究.吉林大學，2006.
[4] 孟小峰.數據挖掘：概念與技術（M）.機械工業出版社， 2001.
[5] 安淑芝.數據倉庫與數據挖掘.清華大學出版社，2005.6.
[6] 戎翔.基于MapReduce的頻繁項集挖掘方法.西安郵電學院學報，2011.7.
[7] 謝桂蘭.基于Hadoop模型的應用研究.微型機與應用， 2010.8.
[8] 季一木，康家邦，潘俏羽等.一種云計算安全模型與架構設計研究[J].信息網絡安全，2012，（06）：6-8.
[9] 胡春輝.云計算安全風險與保護技術框架分析[J].信息網絡安全，2012，（07）：87-89.
[10] 江偉玉，高能，劉澤藝等.一種云計算中的多重身份認證與授權方案[J].信息網絡安全，2012，（08）：7-10.