前言：中文期刊網精心挑選了云計算服務的特征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。
云計算服務的特征范文1
當然，產生這種現象的原因很多，一方面是大家缺乏對云計算的統一認識和深刻理解，認為使用了某種與云計算相關的技術就是實現了云計算，因而忽視了與云計算有關的更深層次的問題，沒有認識到云計算的更高價值，更沒有把云計算在業務模式上的創新優勢充分發揮出來；另一方面，云計算目前仍處于發展階段，存在許多市場空白，而且沒有現成的可借鑒的經驗，于是大家就有了很多自由發揮的空間。
但是，當一切都被稱之為云時，云計算就失去了原有的意義。如果用戶之前已經在使用所謂的云計算，那么今天的云計算又能帶來什么新的價值呢？使用云和不使用云又有什么區別呢？
在這種混亂的狀況下，對云計算抱有高度期望的用戶就會感覺到困惑，從而對云計算本身產生懷疑，進而影響云計算產業鏈的發展。因此，我們認為，現在是時候探究一下云的本質，看看發展云計算的本意。畢竟，除了純技術愛好者以外，大多數人都希望從云計算這樣的先進技術中獲得實際的價值，從而使人們的生活和工作變得更有價值、更簡單。
就像盲人摸象一樣，我們能夠直接接觸到的東西，最終會影響我們的判斷和決策。但是對于云計算這種革命性的技術理念，我們必須進一步深入研究，而不能只停留在今天能夠看到的或者能夠掌握的層面上。云計算是一個重要的轉折點。2008～2011年是IT與業務融合的一個重要時期。
基于7年云計算技術開發經驗和3年市場拓展經驗，IBM認為，云計算應涵蓋基礎架構即服務（IaaS）、平臺即服務（PaaS）和軟件即服務（SaaS）三個層面，并具備以下特征。
網絡訪問云計算采用分布式架構，通過網絡訪問服務。而現有的大量IT服務和應用都是采用集中式架構，如桌面應用。
資源池云服務的提供由一組資源支撐，資源組中的任何一種物理資源對于服務來講都是抽象的、可替換的。而現有的IT服務的部署是與物理資源綁定的。
用戶自助服務用戶只需具備基本的IT常識，經過業務培訓就可使用云服務，無需經過專業的IT培訓。而用戶在采用現有的IT服務時，必須經過專業的IT培訓和認證。
彈性擴展云服務所使用的資源，其規模可隨業務量動態擴展。這種擴展對用戶是透明的，擴展過程中服務不會中斷，且會保證服務質量。而現有的IT服務的擴展缺乏彈性，且大多會影響服務質量。
資源共享云計算的同一份資源被不同的客戶或服務共享，并非隔離的、孤立的。而現有IT服務的運行模式多為豎井式，是物理隔離的。
資源使用計量在云計算模式下，資源使用計量與資源共享相關，需要通過計量去判定每種服務實際消耗了多少資源。而在現有IT服務管理模式下，用戶缺乏對資源使用的計量。
服務接口標準化云服務提供標準化的接口，供其他IT服務調用。而現有的大量的IT服務并不提供集成接口。
自動化管理云計算可有效降低服務器的運維成本，平均每百臺服務器的運維人員數量不多于1個。而在現有IT服務管理模式下，每百臺服務器的運維人員數量多于5人。
云計算服務的特征范文2
關鍵詞：云計算；可信認證；安全
云計算是繼同構計算、異構計算、元計算、網格計算、普適計算之后最有希望的計算模式。云計算的初始定義來自IBM公司2007底的云計算計劃，在該計劃中將云計算平臺定義為：按用戶的需求動態地部署、配置、重配置以及取消服務等伸縮性平臺。
看到其中蘊含的巨大商機和潛力，一些知名的IT企業相繼推出自己的云服務。典型SaaS如：Google的APP Engine、Microsoft的Live Meeting、Office Live；典型的Paas如：Google Code、Facebook developers以及Saleforce提供的；典型的IaaS如：IBM的“蘭云”，Microsoft的Azure、Amazon的EC2/S3/SQS等等，而且一些新的應用還在不斷的推出。但在這云應用繁榮的背后，隱藏大量以風險。以前的風險依然存在，在新的環境中還可能造成更大的危害。新出現的風險表現在：1）傳統的安全域的劃分無效，無法清楚界定保護邊界及保護設備和用戶；2）用戶的數量和分類不同，變化頻率高，動態特性和移動特性強；3）數據、服務，通信網絡被服務商所控制，如何確保服務的可用性，機密性等，使用戶相關利益得到保護。
可信云是可信技術在云計算中的擴展，相關技術即可信云安全技術。本文對可信云環境中三種關鍵的安全技術即：可信識別技術、可信融合驗證技術做了一些研究。這兩種安全技術不僅把設備作為可信計算根，更把設備使用人作為可信計算的根，以信任根計算為計算手段，達到可信跟計算認證目的?？尚抛R別技術將識別技術和識別行為密鑰技術的相結合，將識別行為產生的密鑰編碼和設定的行為密鑰進行來進行判別，克服誤識率和拒識率的矛盾，增強防范身份假冒，身份偽造能力；可信密碼學技術是對由可信根生成的可信點集矩陣進行基于拓撲群分形變換操作?？尚琶艽a學的密鑰和算法都是隨機可信的生物特征信息，因此密鑰和算法憑都具有可驗證性。采用可信模式識別技術和可信密碼學技術，結合“零知識”，身份無法偽造，一旦應答，雙方均不能否認。
1 可信識別技術
傳統的模式識別技術是指對用戶的生物特征進行測量，和預留的模板數據進行比較，依據匹配結果進行識別。這些生物特征包括指紋、聲音，人臉、視網膜、掌紋、骨架、氣味乃至于簽名筆跡、圖章印痕等等。傳統的識別技術具有“拒識率”和“誤識率”的缺陷，具體說就是：匹配閥值增大，拒識率升高，“誤認率”下降；匹配閥值減小，拒識率降低，“誤認率”升高。生物特征采樣點的數量有限，容易引起誤判。在云計算環境中，其固有的虛擬性特征以及透明性不足，使身份認證，可信登錄更是面臨著比傳統計算環境更大的風險。
可信識別技術是傳統識別技術和識別行為密鑰技術的結合。識別行為或自然形成或人為設定，如人為設定的2次人臉對比規則是先張嘴、后閉嘴，指紋對比規則是先拇指、后食指等。將識別行為編排成組，為每組識別行為秘密設定一個數，該數是該組累積成功識別次數。可信識別失敗并不是以一兩次失敗就斷定此次識別失敗，而是把失敗的次數記錄下來，直到超過預先設定的閥值才斷定識別失敗?？尚抛R別成功也不是依靠一兩次成功就斷定識別成功，而是累計該組的成功識別次數，直到等于該組秘密設定的成功次數為止，才斷定本組識別成功。而非法用戶不能猜出識別的組數以及每組識別的次數，因此不能假冒合法用戶。只有指定的每組識別都達到要求。才能最終判別是真正的合法用戶。
傳統的識別行為征信息的閥值起著關鍵作用，閥值給定，拒識率和誤視率是存在難以克服的矛盾?？尚诺淖R別行為密鑰，并不取決于個別識別行為“誤識率”的高低，而取決于客戶設置的有效識別行為密鑰編碼。
可信識別的技術優勢：可信識別模式在傳統的模式識別的基礎上，結合組間識別行為特征，非識別數，編組識別設定數，各組識別行為總數等措施，從而具有一下優勢：1）可以設置可信識別策略設計；2）具有區別錯誤拒識設置；3）具有區別誤識和仿冒設置；4）具有統計結論模式。從而彌補了傳統識別就“拒識率”和“誤識率”的技術缺陷。
2 可信驗證
可信融合驗證技術采用可信模式識別技術和可信密碼學技術，結合“云端零知識證明”，實現可信云端“零知識”認證，PKI等功能。
本文對云計算的一些關鍵安全技術作了一些探討。可信云計算的識別技術是以可信的特征信息和識別行為相結合，通過判斷對各組識別行為識別的成功數，克服識別模式中的拒識率和誤識率的技術缺陷。可信融合驗證技術是利用可信識別技術和可信加密/解密技術。實現雙方“零知識”。具備身份無法偽造，保密性高，具有不否認性的特點。這些可信云安全技術的進一步研究以及隨之而來的應用的展開。一定可以緩解客戶對云計算的憂慮，催進云計算這種新的計算模式的發展。
[參考文獻]
[1]Weichao Wang，Zhiwei Li，Rodney Owens.Secure and Effcient Access to Outsourced Data.CCSW '09：Proceedings of the 2009 ACM workshop on Cloud computing security，pages 55-65.November 2009.
云計算服務的特征范文3
關鍵詞：云計算；網絡安全；服務提供商
中圖分類號：TP309 文獻標識碼：A文章編號：1007-9599 (2011) 13-0000-01
Analysis of Cloud Computing and Security
Wang You
(Huzhou Tobacco Company,Huzhou313000,China)
Abstract:In this paper,the security issues that caused by cloud computing were discussed.It demonstrated that although the cloud represents the future direction of development,the security risk was still not well resolved,and there were not only some traditional security problems,but also some new problems.
Keywords:Cloud computing;Net security;Service provider
在信息技術不斷發展的今天，云計算作為異軍突起的新型信息管理與資源分配技術，將智能網絡、虛擬技術、資源調度等技術融合，其應用前景和巨大潛力讓各大IT企業紛紛投入了云計算的爭奪戰。與此同時，由于云計算涉及大量的信息管理和服務，使得其安全問題的分析與前瞻性研究也成為業界討論的熱點。
一、云計算的定義
云計算是由分布式計算、并行處理、網格計算發展來的，是一種新興的商業計算模型。目前，對于云計算的認識在不斷的發展變化，云計算仍沒有普遍一致的定義。下面將列舉幾個說法。
中國網格計算、云計算專家劉鵬給出如下定義：“云計算將計算任務分布在大量計算機構成的資源池上，使各種應用系統能夠根據需要獲取計算力、存儲空間和各種軟件服務”。
狹義云計算：是指IT基礎設施的交付和使用模式，通過網絡以按需、易擴展的方式獲得所需的資源（硬件、平臺、軟件）。提供資源的網絡被稱為“云”?！霸啤敝械馁Y源在使用者看來是可以無限擴展的，并且可以隨時獲取，按需使用，隨時擴展，按使用付費。這種特性經常被稱為像水、電一樣使用IT基礎設施。
廣義云計算：是指服務的交付和使用模式，指通過網絡以按需、易擴展的方式獲得所需的服務。這種服務可以是IT和軟件、互聯網相關的，也可以使用任意其他的服務。
二、云計算的特征
雖然云計算定義尚不明確，但毫無疑問，云計算引入的新特征是其未來的發展方向。美國國家標準與技術研究院歸納了云計算的5項基本特征：
（1）按需自助服務，用戶可自行部署計算資源以達到無須服務提供商人的工配合的服務自動化；（2）泛在網絡連接，云計算資源可以通過網絡獲取和通過標準機制訪問，這些訪問機制能夠方便用戶通過異構的客戶平臺來使用云計算；（3）與地理位置無關的資源池，云計算服務商采用的是多用戶模式，根據用戶的需求動態地分配和再分配物理資源以及虛擬資源，用戶通常不必知道這些資源的具體所在位置，資源包括存儲器、處理器、內存、網絡及虛擬機等；（4）快速靈活地部署資源，云計算供應商能夠快速靈活地部署云計算資源，并快速地放大和縮小，對于用戶而言，云計算資源一般可以被認為是無限的，即能夠在任意時間購買任意數量的資源；（5）服務計費，通過服務類型的不同進行計費，云計算系統可以自動控制和優化資源的利用情況。還可以監測、控制資源的利用情況，為云計算提供商和用戶就所使用的服務提供透明性。
三、一些遺留的傳統安全問題
云計算采用與普通計算機網絡相同的方式確認個人及系統的身份信息、訪問與審核權限。因此，數據唯有被置于由加密技術、安全認證和審計等多重保護措施之下，才稱得上安全。事實上，這些問題仍未有效的解決，主要表現在以下方面：
在云計算環境中，網絡接入更加靈活但與此同時也加大了非法入侵的可能。用戶權限控制依舊借助傳統的口令識別機制，應用系統缺少強壯安全機制，訪問控制問題仍然存在。另外在云模式下，用戶已不再是數據的完全所有者，云計算服務提供商同樣可以瀏覽用戶文件，使得用戶隱私十分透明，在隱私保護方面又提出了新的挑戰。還有網絡與用戶終端的各種特性降低了對用戶行為的審查能力，增加了用戶入侵的幾率。在云計算模式下，所有業務都在服務器端完成，若服務器出現問題，將導致所有用戶無法運行，造成各種不良后果。
綜上所述，在云計算模式下，各種傳統安全問題依然存在，仍需解決。
四、云計算引入的新安全問題
云計算的新特征帶來了諸多新的安全問題：
首先，數據位置不清而造成的和數據保護與隔離問題：由于云計算環境下，數據存放地點不再是某個確定的物理節點上，而是由服務商動態地提供存儲空間，數據位置的不確定性勢必給整個安全防護體系帶來重大影響。其次，云計算模式下的用戶隱私保護：由于網絡環境的開放性、虛擬性和匿名性等特點，以及用戶文件控制權限的變化，使得云計算模式下的隱私保護問題更加突出。再次，虛擬平臺的安全性與云計算服務的可度信：“云”中需要大量采用虛擬技術，虛擬平臺的安全性將關系到整個云體系架構的安全，而目前的用戶權限控制技術還沒有達到要求，安全存在隱患也是必然的。最后，云計算條件下病毒、木馬的防護：病毒與木馬的防護始終是網絡安防的重要部分，在云計算環境下，其入侵方法也發生了變化，因此加強云計算下的網絡安全保護還需要進一步研究。
五、結束語
云計算改變了IT企業的服務方式，但并沒有顛覆傳統的安全模式。融合了多項前沿技術的云計算在帶給我們便利、靈活和強大的處理能力以及豐富資源的同時，也引入了新的、潛在的、未知的安全隱患，需要不斷深入地分析研究，使我們成為真正駕馭技術的主宰。
參考文獻：
[1]IBM虛擬化與云計算小組.虛擬化與云計算[M].北京:電子工業出版社,2009
[2]葉偉等.互聯網時代的軟件革命―SaaS架構設計[M].北京:電子工業出版社,2009
云計算服務的特征范文4
摘 要:針對云計算環境下虛擬機部署問題，提出充分考慮了系統負載均衡的PMLB虛擬機部署算法。首先，采用性能向量，規范化地描述虛擬基礎設施性能狀況；然后，通過計算待部署虛擬機和服務器性能向量的相對距離，得到待部署虛擬機的匹配向量；最后，將匹配向量與系統負載向量綜合分析，得到虛擬機部署結果。在CloudSim環境下進行了實驗仿真，實驗結果證明，使用所提算法可獲得較好的系統負載均衡效果和較高的資源利用率。
關鍵詞:云計算；虛擬機；性能向量；性能匹配；負載均衡
中圖分類號:TP302 文獻標志碼:A
Abstract: Regarding the virtual machine deployment issues in cloud computing, the Performance MatchingLoad Balancing (PMLB) algorithm of virtual machine deployment was proposed. With performance vector, the performance standardization of virtual infrastructure was described. The matching vector was obtained by calculating the relative vector distance of virtual machine and the servers, then a comprehensive analysis of matching vector and load balancing vector was done to get the deployment result. The results of simulation in CloudSim environment prove that using the proposed algorithm can obtain better loadbalancing performance and higher resource utilization.
Key words: cloud computing; virtual machine; performance vector; performance matching; load balancing
0 引言
云計算作為一種超大規模的分布式計算系統，對于資源的統一管理是其必須面臨的一個重大問題。而虛擬化是將底層物理設備與上層操作系統、軟件分離的一種去耦合技術，為云計算模型中的資源管理提供了一種有效的解決方案［1］。將上層服務封裝到虛擬機中，通過虛擬機的部署與調度實現對資源的管理，提高了管理的靈活性和可擴展性。因而對于云計算基礎設施層虛擬資源的管理技術研究是保障上層服務可靠性和可用性的基礎［2］。
目前，各云計算提供商都推出了自己的資源自動部署解決方案，針對其自身系統特點，其管理方法也是各有千秋。亞馬遜(Amazon)的基礎設施服務EC2（Amazon Elastic Compute Cloud）［3］由Amazon Machine Image（AMI）、EC2虛擬機實例和AMI運行環境組成，用戶通過自己制定AMI并將其部署在AMI運行環境上，使其成為一個EC2實例，為用戶提供基礎設施服務；IBM［4］為云計算虛擬基礎設施管理提供了以Tivoli Provisioning Manager（TPM）為代表的豐富的管理產品，其虛擬化部署系統由4個核心模塊構成：鏡像模板庫、資源管理模塊、部署引擎和部署調度器，實現了云計算中混合解決方案的自動部署。
在云計算基礎設施資源自動部署中，對虛擬資源進行的初次部署是虛擬機基礎資源管理的一個重要階段，主要是指將未運行的虛擬機部署到一臺物理機上并使其運行的過程。而初次部署需要解決的一個關鍵問題就是合理地選擇目標物理服務器。
在目前虛擬機部署研究中，對于目標物理服務器選擇算法研究相對較少，成熟的云計算IaaS(Infrastructure as a Service)運行商采用的選擇算法都是不公開的，在開源的IaaS解決方案中如EUCALYPTUS［5］、OpenNebula［6］虛擬機部署的服務器選擇算法都是預留給用戶編寫，只給出簡單的擇優選擇服務器的算法，將提交來的虛擬機部署在性能最優的服務器上，沒有在初次部署階段充分考慮系統負載均衡因素。
因此本文在分析虛擬機部署技術基礎上提出了一種在充分考慮用戶體驗前提下，能夠達到很好的系統負載均衡狀態和較高資源利用率的PMLB虛擬機部署算法，能夠很好地適應云計算環境下的多用戶動態需求。
1 云計算虛擬機部署技術
云計算IaaS層中主要采用的虛擬化技術是系統虛擬化技術，系統虛擬化的核心思想是使用虛擬化軟件在一臺物理機上虛擬出一臺或多臺虛擬機［7］，其結構如圖1所示。
傳統的虛擬機部署主要分為4步：創建虛擬機，安裝操作系統及軟件，配置虛擬機，啟動虛擬機。雖然這種方法可以輕松改變單個虛擬機屬性，但部署時間較長，無法滿足云計算彈性需求。因而更為快捷的部署方案――虛擬器件技術［8］,廣泛被云計算所采用。虛擬器件是一個包括了預安裝、預配置的操作系統、中間件和應用程序的最小化的虛擬機。在虛擬器件文件中包涵一個OVF描述文件對本虛擬器件進行描述，包括硬件參數信息、軟件配置參數信息等，運行商通過描述文件可以進行快速部署，簡化了用戶對虛擬機配置的繁瑣過程。
在云計算環境下，虛擬器件模板被存放在模板管理服務器中，進行相應模板部署時，只需要將選定的虛擬器件文件拷貝到目標服務器上，然后啟動相應的虛擬機應用。本文在總結現有虛擬器件部署流程［2］基礎上，加入對虛擬化服務器池整體性能的調用，將系統整體負載均衡情況考慮到虛擬機初次部署中對于目標物理發現決策里去，其工作流程如圖2所示。
其部署過程如下。
1)性能監控。
性能監控服務器實時監控虛擬化服務器池內所有服務器性能狀態，并做規范化處理。
2)虛擬器件封裝與。
云計算中虛擬機及其上操作系統等都封裝在虛擬器件文件中，作為一個模板存儲在鏡像倉庫里，由模板管理服務器管理，并將相關信息給用戶。
3)用戶業務申請。
用戶從模板管理服務器獲取模板信息，根據相應信息選取模板，并配置填寫應用需求、個性配置等信息，將相關信息提交給資源管理服務器。
4)目標服務器選擇。
資源管理服務器從性能監控服務器中調取服務器池中服務器狀態，按照用戶提交的虛擬機部署信息進行匹配運算，選擇部署目標服務器，并把選擇結果告知模板管理服務器。
5)虛擬器件文件拷貝部署。
模板管理服務器將用戶選擇的虛擬器件拷貝部署到資源管理服務器選擇的目標服務器上，為了提高拷貝速度，目前用于虛擬器件鏡像文件拷貝比較成熟的技術有鏡像流技術和快照技術。
6)在目標服務器上啟動虛擬機。
在物理服務器上通過部署工具遠程連接，執行一組命令來啟動虛擬器件中的虛擬機完成虛擬機部署整個流程。
2 基于性能向量的PMLB虛擬機部署算法
在研究部署算法時應充分考慮云計算多用戶多服務環境，根據虛擬機所承載業務對于不同資源依賴程度不同（如：用于科學計算的CPU消耗型，用于網絡服務器的網絡帶寬消耗性），將虛擬機主要依賴的性能稱為用戶偏好性能，在進行資源分配時，給予充分的資源預留空間，以便使用戶獲得更好的用戶體驗。
同時，為節省資源開銷，應盡量少開啟物理服務器，這就需要在部署虛擬機時，在滿足用戶需求前提下，相匹配地放置虛擬機，不刻意尋找性能最優的服務器。這樣同時也避免了熱點現象的出現，使系統達到負載均衡。
2.1 資源性能向量描述
為了更好地描述虛擬機及物理服務器性能，本文使用性能向量概念，性能向量是指由虛擬機或物理服務器多個性能特征規范化（無量綱化和歸一化）［9］處理后組成的特征向量。
進行虛擬機部署首先要對虛擬機性能進行有效監控，虛擬機硬件資源一般主要包括CPU性能、內存利用率、網絡連接和配置狀態、宿主機上虛擬機的基本運行狀態等［10］。為了對性能特征規范化，本文參考微軟Virtual Machine Manager 2008技術報告中對于物理服務器性能評價標準，以CPU、內存、帶寬、硬盤這4個基本性能為例，每10min提取其使用狀況的平均值，按如下的資源特征計算方法處理：
CPU特征=1-CPU已用量/(CPU總量-CPU預留量)
內存特征=1-內存已用量/(總內存-內存預留量)
帶寬特征=1-帶寬已用量/(總帶寬-帶寬預留量)
硬盤特征=1-硬盤已用量/(總硬盤空間-硬盤預留量)
各性能的預留量由云計算運營商配置，是維持服務器中虛擬機監視器、Dom0操作系統等正常運行所需的最低資源量。例如：某服務器總內存為2048MB，內存已被使用了512MB，系統規定應預留512MB的內存，于是其內存特征為1-512/（2048-512）=0.667。
服務器池內的所有服務器通過性能監控結果的規范化處理，便可建立其性能向量(q1,q2,…,ql)，其中：qi表示服務器第i個性能特征，l表示用來描述虛擬機硬件整體性能的指標數。將服務器池中所有服務器的UUID組成向量U=(u1,u2,…,un)T，其中n表示物理服務器數目。整個服務器池的UUID與相對應的性能向量可以建立成為一個類似Key/Value模式的性能矩陣，如式(1)所示：
Q=［U V］
=u1q11q12…q1l
unqn1qn2…qnl(1)矩陣這樣書寫符合您的表達嗎？另外，U與V之間的“|”豎線是什么意思？請說明一下。其中矩陣外面的角括號可以用稍大一點的中括號嗎？請明確?；貜停何闹械木仃嚂鴮懛衔业谋磉_，“|”是為了強調本矩陣是由兩部分組成。用中括號是可以的。
其中：矩陣中每一個行代表一個物理服務器的性能向量，qij表示服務器ui第j個性能特征。
同時根據用戶提交給資源調度管理器的虛擬機性能需求，對應每個服務器進行規范化，得到此虛擬機對每個服務器的性能期望值。本文同樣取CPU、內存、帶寬和硬盤這4個基本性能為例，其資源期望計算方法如下所示：
CPU期望=CPU期望量/(CPU總量-CPU預留量)
內存期望=內存期望量/(總內存-內存預留量)
帶寬期望=帶寬期望量/(總帶寬-帶寬預留量)
硬盤期望=硬盤期望量/(總硬盤空間-硬盤預留量)
待部署虛擬機對于每個物理服務器的期望可以構成期望矩陣：
E=［U E1］
=u1e11e12…e1l
unen1en2…enl
其中eij表示虛擬機對于服務器ui第j個性能指標的性能期望。
同時根據用戶應用需求，還將建立性能權值向量W=(w1,w2,…,wl)，其中wi是第i個性能指標的性能期望ei所對應的權值，∑li=1wi=1(0
2.2 PMLB算法描述
PMLB服務器發現算法，首先計算出單個虛擬機與物理服務器性能的最佳匹配，同時計算系統負載均衡情況，并將上述兩個計算結果進行綜合分析，得出最終服務器選擇結果。其算法主體可以分為以下3部分。
1）匹配向量計算。
每個物理服務器的性能特征與待部署的虛擬機相關性能期望的差值，稱為該服務器對于待部署虛擬機某一性能的匹配量Δqij=qij－eij。資源管理服務器通過用戶提交的虛擬機應用請求得到的期望矩陣，以及從性能監控服務器調取的性能矩陣，可以求得服務器池匹配量矩陣：
ΔQ=［U Q－E1］=［U ΔQ1］=
u1Δq11Δq12…Δq1l
unΔqn1Δqn2…Δqnl
在求得矩陣后，首先對其進行篩選，每一行如果出現負值，說明此項性能無法滿足虛擬機需求，便視為不可滿足節點，從矩陣中刪除。最后將剩下的m個服務器組成可用服務器匹配量矩陣:
ΔQ′=［U′ ΔQ′1］=
u1Δq11Δq11…Δq11
ujΔqm1Δqm2…Δqm1
若得到的矩陣為，便會向管理端發出開啟新服務器請求。
為了更好地滿足用戶應用需求，再對匹配矩陣與用戶設定的權值向量相乘，從而構成匹配判斷向量：
S=ΔQ′1•(w1,w2,…,wl)T=(s1,s2,…,sm)T
其中si=∑lj=1Δqij•wj為服務器性能特征與虛擬機對于該服務器的期望之間的相對距離，用于判斷此物理服務器與待部署虛擬機需求性能的匹配程度，每個si下標對應一個服務器UUID。si值越小說明越適合在此服務器上部署該虛擬機。
在權值向量中，用戶偏好的性能特征賦予較小權值，這是為了在進行距離運算時減少對其約束，從而可以使服務器為偏好特征預留更大性能空間。
2）負載向量計算。
在滿足單個虛擬機部署匹配需求的同時，本文還進一步研究解決整個系統負載均衡問題，提出負載向量計算方法。
將服務器池中所有物理服務器某一性能特征的平均值稱為負載基點值qi。將某一服務器性能與對應基點值的差值稱Δpij=qij－qj為負載偏差，負載偏差的計算主要由性能監控服務器完成。整個服務器池中服務器的各個性能負載偏差組成負載偏差矩陣：
ΔP=［U ΔP1］=
u1Δp11Δp12…Δp1l
unΔpn1Δpn2…Δpnl
矩陣中的負值項說明其負載已經超過此性能系統平均負載，不宜再進行部署；而正值說明服務器此性能還有部署空間。
考慮不同性能的負載情況對于服務器影響不同，云服務提供商可以根據實際情況制定相應權值向量Y=(y1,y2,…,yl)，其中∑li=1yi=1(0
R=ΔP•(y1,y2,…,yl)T=(r1,r2,…,rn)T
每個ri下標對應一個服務器UUID。
3）匹配向量與負載向量綜合分析。
最后，從虛擬機與服務器匹配情況和服務器池整體的負載均衡情況兩方面綜合考慮，以確定部署方案。這就需要參照以上得出匹配判斷向量S=(s1,s2,…,sm)T和負載判斷向量R=(r1,r2,…,rn)T，進行綜合處理。
首先提取出可用服務器的ri值，組成可用服務器負載判斷向量R′=(r1,r2,…,rm)T。并引入γ、η兩個調和參數，其作用是平衡性能匹配與負載均衡對部署影響的比重，可由云計算提供商根據系統情況靈活配置。
如前文所述，si為非負數，其值越小匹配度越高，越適合在此服務器上部署該虛擬機。而ri為負值時說明其負載過大，不宜再部署虛擬機，但若所有服務器ri均為負值時，絕對值越小的越適合部署虛擬機；ri為正值時，其值越大說明剩余性能空間越大，越適宜部署虛擬機。于是，綜合分析公式如式(2)所示：
Ebest=MAXmi=1(ηriγsi)(2)
其中Ebest所對應的服務器便是虛擬機部署的目標物理服務器。
3 分析與實驗
本文采用澳大利亞墨爾本大學的網格實驗室和Gridbus項目提出的云仿真平臺CloudSim［11］對本算法進行仿真實驗。
1)實驗環境。
實驗機操作系統為Windows XP SP3;JDK版本為jdk 1.6.0_10；CloudSim版本為CloudSim2.1.1；編譯工具Ant版本為Ant 1.8.1。
2)CloudSim擴展編譯。
圖3為CloudSim所包涵基本類的總體設計圖。
為了實現本文算法，本文在基本類基礎上編寫相應的繼承類，對CloudSim進行擴展，主要工作如下。
①對Host類擴展，在其中加入服務器（Host）可用性能的規范化處理。
②編寫DatacenterCharacteristics繼承類Datacenterbalance，計算服務器集群的負載向量，得出負載矩陣。
③選擇目標服務器創建虛擬機的過程主要由Datacenter對象負責。VmAllocationPolicy這個抽象類代表虛擬機在選定物理服務器上的部署過程，其中的allocateHostForVm(Vm vm)作用是為指定虛擬機分配目標物理機。編寫VmAllocationPolicy繼承類VmAllocationPMLBPolicy，在方法allocateHostForVm(Vm vm)中計算待部署虛擬機（Vm）的匹配向量，并進行匹配向量與負載向量的綜合分析，選取目標服務器（Host）。
3)實驗仿真。
在完成CloudSim擴展編譯后，編寫仿真程序進行實驗仿真。
本實驗通過兩個參數比較算法性能。
①運行有虛擬機的服務器（視為已開啟的服務器）數量Nact。其值越小，說明開啟服務器數量越少，越節省能源。
②負載均衡系數，通過求負載判斷向量方差來判斷負載均衡情況。如式(3)所示:
DLB=∑ni=1(ri－r)2(3)
其中r為負載判斷向量內所有元素平均值，其值越小越穩定，說明系統負載狀況越良好。
編寫仿真程序，分別模擬一個具有40臺服務器（Host）的數據中心（Datacenter），使用本文算法，添加10,15,20,30,40,50個虛擬機（Vm）的場景，并輸出Nact值和DLB值。
為了對本算法效果有所比較，本文使用CloudSim 2.1.1里VmAllocationPolicy繼承類VmAllocationPolicySimple中所給出的部署算法做同樣場景的模擬，輸出相應的Nact值和DLB值。
4）仿真結果。
實驗結果如圖4~5所示。
通過實驗結果可以看出：PMLB算法可以大大減少系統服務器開啟數量，從而減少系統資源成本；同時能夠使系統負載穩定保持在較低范圍，達到良好的負載均衡效果。因而可以得出結論，本文算法可以很好地滿足云計算環境下虛擬機部署對于資源使用率和系統負載的需求。
4 結語
本文提出了一種虛擬機初次部署的方案和算法。首先將物理服務器和虛擬機抽象為性能向量，之后基于性能向量，分別計算出性能匹配判斷向量和負載均衡判斷向量，通過將上述兩向量進行綜合運算得到最終部署結果。并通過實驗與分析證明，本算法能夠良好解決云計算環境下的虛擬機部署中的系統負載均衡和節省資源問題。
本文算法的特點有：1)加入用戶應用需求權值向量，充分考慮了用戶對于不同應用的不同需求；2)依據系統工程整體最優思想，不對單個虛擬機選擇性能最好的服務器，而從系統角度考慮虛擬機部署的負載均衡和資源最大利用問題。
參考文獻:
[1]
雷葆華，饒少陽，江峰.云計算解碼［M］.北京：電子工業出版社，2011.
[2]
“虛擬化與云計算”小組.虛擬化與云計算［M］.北京：電子工業出版社，2010.
[3]
Amazon. Elastic compute cloud ［EB/OL］. ［2011-06-20］. aws.省略/ec2.
[4]
陳康，鄭緯民.云計算：系統實例與研究現狀［J］.軟件學報,2009,20(5):1337-1348.
[5]
CARON E, DESPREZ F, LOUREIRO D, et al. Cloud computing resource management through a grid middleware: A case study with DIET and eucalyptus ［C］// Proceedings of the 2009 IEEE International Conference on Cloud Computing. Washington, DC: IEEE Computer Society, 2009: 151-154.
[6]
C12G Labs. Private cloud computing with OpenNebula 1.4 ［EB/OL］. ［2011-08-11］.省略/_media/software:ecosystem:private_cloud_computing_with_opennebula_1.4.pdf.
[7]
MENDEL R, TAL G. Virtual machine monitors: Current technology and future trends ［J］. IEEE Computer, 2005, 38(5): 39-47.
[8]
DMTF. Open virtualization format specification, DSP0243 ［S］. Portland, OR: DMTF, 2009.
[9]
程理民，吳江，張玉林.運籌學模型與方法教程［M］.北京：清華大學出版社，2002:50-200.
[10]
袁金艷.多虛擬機快速部署機制的研究［D］.武漢：華中科技大學，2008.
[11]
CALHEIROS R N, RANJAN R, De ROSE C A F, et al. CloudSim: A novel framework for modeling and simulation of cloud computing infrastructures and services, GRIDSTR20091 ［R］. Parkville, VIC: The University of Melbourne Australia, Grid Computing and Distributed Systems Laboratory, 2009.
收稿日期:2011-08-05 修回日期:2011-09-14
云計算服務的特征范文5
由互聯網公司所引發的云計算熱潮，實際上并沒有回答企業信息化建設的實質問題，導致了云計算炒作成分較多且難以在企業落地。筆者認為，企業云計算是有別于互聯網云的?；诨ヂ摼W的云計算，其成功更多地取決于商業模式的創新。而企業云的落地與成功的真正核心在于企業的管理創新、IT治理，本質上是企業信息化建設的新模式。
何謂云計算
云計算這個全球關注度最高的IT詞匯，業界對其有著不同的定義和闡述，但仁者見仁智者見智的表述依然令人們不知所措，更是讓企業管理者和企業IT人，一頭霧水。而筆者基于多年對云計算的研究和實踐，從企業視角以不同維度對云計算進行闡述，可以簡單地概括為云計算的“一二三四五”，讓人們能夠很容易、清晰地理解云計算。
筆者在所著的第一本云計算書中所給出的云計算定義為：“云計算是一種全新的IT資源交付和使用模式，指通過網絡以按需、動態易擴展的方式獲得所需的資源(硬件、平臺、軟件、服務)，提供資源的網絡被稱之為‘云’?！?/p>
那么，如何進一步理解這個定義呢，它對企業到底意味著什么？云計算是“一”個全新的服務交付模式，由“二”層結構組成，提供“三”種服務形式，有“四”種部署配置模式，具有“五”大特征，其實質可以總結為“六”個字。
云計算的“一”。云計算是一種全新的服務交付模式，不僅僅從技術層面是一個企業計算，更重要的是一種商業模式。對企業意味著一個集成的系統、平臺；企業一體化管控、一體化運營的概念，而重點強調企業集成、系統、平臺、協同、服務的概念和內涵。
“二”是指云計算可分為技術和服務兩個層面，分別由云計算平臺和云應用服務兩個體系組成。前者主要承擔的是實現IT資源的整合并動態易擴展地提供給應用開發者，后者則是將云計算提供的資源根據不同需求封裝為各種應用提供給最終用戶。
“三”是從提供服務和用戶體驗的角度來講，云計算可以分為三種服務交付模式。基礎設施作為服務（IaaS），以開發平臺作為服務（PaaS），以及以軟件應用作為服務（SaaS）。
“四”是指云計算四種部署配置模式，包括公有云、私有云、混合云、社區云。社區云也可以稱為行業云，即以行業為中心，將供應鏈上的所有產業群圍繞云共享服務，展開商業活動。
“五”是指云計算應具備五大特征，虛擬化的資源池，基于網絡的訪問，按需自助式服務，快速、彈性，使用成本可計量等。
企業云計算的內涵
在云計算發展過程中，隨著研究的不斷深入，筆者對其在企業的發展趨勢和建設要點逐步明確、清晰，并積累了如下觀點。
首先，企業云平臺的核心要素是“聚合”。規?；?、集團化、專業化的聚合、服務的價值提升、集團化概念下服務關聯對價值的倍增效應。云計算是一種全新的業務模式，通過跨企業的協同，將在一個集團企業內外或專業領域的最佳應用通過云平臺有效地匯聚在一起，以較低的成本實現企業對專業功能/應用隨需使用。
第二，云平臺的價值還體現在“一站式”服務。集團企業云的發展和壯大通常依賴于一套完整的行業環境、業務服務鏈條以及集團內企業所形成的價值網絡。這樣，在云服務平臺上，客戶、員工、供應商和合作伙伴可以享受一站式服務。
第三，PaaS不僅僅限于基礎開發平臺和中間件，對于一個集團企業而言，其包含基礎專業服務的功能平臺，例如可以將主數據相關功能以標準服務的方式在PaaS中提供，而將應用功能以插件的方式與PaaS集成。
第四，面向服務的架構（SOA）是企業云計算技術的重要組成部分，云是SOA的連續。
云計算是SOA由基礎服務化向虛擬化演進的關鍵技術支撐，云計算除了具有典型的SOA服務所有特點外，在服務的虛擬化和可擴展性上又有新的要求。在技術上，企業云計算必須將虛擬化技術與SOA架構結合起來的以虛擬化為核心的IT資源集中管理，降低IT運營成本。SOA架構的PaaS平臺，支持企業的業務、應用、數據的整合，實現應用的靈活性和消除信息孤島，并實現企業內各業務單元的個性化業務的應用開發、部署和管理。
最后，可以把云計算的實質概括為“六”個字，即智慧、資源和模式。
對企業CIO來講，要關注如何利用云計算的智慧、CIO智慧把企業的IT資源整合起來，形成一種服務模式，交付給企業員工、客戶以及供應商使用。對企業CEO來講，要關注如何把企業的資源通過企業的智慧、云計算的智慧與CEO的智慧整合起來，基于云計算平臺來形成一種商業模式，交付給企業及客戶、供應商，提供服務。
科學進行云演進
云計算以其虛擬化、標準化和自動化以及高度聚合的特征，幫助企業可以解決復雜環境下的業務發展對IT帶來的訴求，促使企業重新思考IT建設以及其經濟價值。那么，如何通過云計算改善企業IT應用的速度和敏捷性，提供跨邊界的IT服務，并確保IT應用的整合性和安全性，進而推動企業業務轉型，降低運營成本，提高效率，使企業快速進入市場？這是企業IT人和云服務廠商設計、實施企業云計算的目的、意義所在，也是對云計算有效落地的一個挑戰。為此，我們一定要有一個科學的企業向云演進的策略和路徑。
通過上述闡述，可以認識到企業云代表著企業管理模式的變革、業務模式的變革以及技術的創新。為此，要有以下的策略考慮：關注云計算技術的發展尤其是企業云計算的技術發展；了解成熟和能夠落地的技術和服務商；基于業務需求，規劃構想集團企業云的概念；開展云計算的治理模式和管理模式以及企業架構方法；從集團管控、業務協同、供應鏈管理、共享服務等業務需求考慮；商業組件化——逐步構建集團內商業組件，商業組件可以重復交替地建立一系列職能程序和服務模塊。商業組件化、標準化、服務化，最終通過統一界面封裝后提供服務；企業云計算從一體化數據中管理開始向云演進。對集團企業內IT資源進行集中、整合，標準化、虛擬化、自動化、云化。
最后，可以總結出企業向云演進或云計算落地的三要素：一是支持云計算的IT治理、企業管理和企業架構方法；二是SOA架構的PaaS平臺，支持企業的業務、應用、數據的整合，實現應用的靈活性和消除信息孤島，并實現企業內各業務單元的個性化業務的應用開發、部署和管理；三是IT資源整合的動態易擴展數據中心的動態資源池建設，實現IT資源集中管理，服務的提供能力。
云計算服務的特征范文6
1 當前電大遠程教育現狀分析
電大教育給更多的人能夠接受高等教育提供了機會，但由于各方面的原因，使得遠程教育網絡和資源存在著諸多不足，其主要表現在以下幾個方面：
1.1 網路資源缺乏，未能實現資源共享
電大教育作為高等教育的補充，給許多人提供了接受高等教育的機會，但是由于學習資源非常多，另外一些學習視頻資料也比較多，這就導致在當前條件下，遠程傳輸比較困難。這樣的一個后果就是各個服務器的資源不能夠及時的得到更新。在一些地方，由于資源比較缺乏，學生想找資料，卻找不到。在市級服務器上找不到資料的話，就訪問省級的，省級沒有在訪問中央服務器，這就會導致訪問量過大，訪問通路不暢通。一些省級電大或者市級的電大即使有豐富的資源，但一般是不對外開放的，這樣一來，就不能實現資源的共享。
1.2 重復建設導致資源浪費
各個地方的電視大學為了能夠滿足本部地區的教育需要，投入大量的資金進行建設，這樣雖然使得學習資源豐富起來。但總的來說，許多地方的電大遠程教育資源規劃不明晰，最突出的問題就是重復性建較多。與此同時，網上資源由于重復性的上傳，導致網路寬帶比較緊張，接收資源的效率非常的低。再者，由于學習資源更新不及時，使得優質教育資源不能實現共享，給電大的教育質量造成了很大的影響。
1.3 登陸頻繁，效率低下
當前，學生在登陸遠程教育資源服務器的時候，需要登陸許多次。學生要想瀏覽相應的資源，就必須先登陸中央電大服務器，然后登陸省級服務器，最后登陸市級服務器，這樣多次登陸好、使得網絡資源的使用非常繁瑣，效率低下。
1.4 技術服務支持相對落后
電大教育作為開放教育，其技術環境建設，最為重要的是對硬件和軟件系統進行建設。這些系統包括天地網合一遠程教育平臺以及網路教學支撐軟件等等，這些軟件和硬件是確保遠程教育良好發展的關鍵，但當前由于資金以及技術方面的原因，使得軟硬件建設上還比較落后，遠遠不能滿足當前的需求。
2 云計算技術的含義與特征分析
在對云計算技術在遠程教育中的應用進行探討之前，有必要對云計算的概念以及特征進行闡述。
2.1 云計算含義
當前，云計算技術的發展在我國呈現出方興未艾之勢。對于云計算的含義，現在存在著諸多不同的說法。一些學者將云計算定義為：把數據儲存在云端服務器上面，用戶如果需要使用，就可以直接從客戶端進行訪問。這個定義是從云計算的操作方式上來進行定義的。另外，還有一些專家學者從計算模式方面對云計算進行定義：云計算是一種以虛擬技術為核心的計算模式，它是在分布式處理以及并行處理和網格計算的基礎上發展而來的，與此同時，它將基礎設施、開發平臺以及軟件當作一種服務，用戶在使用的時候，需要交納一定的費用。從這個概念看的話，云計算是對所有的用戶開放的，用戶可以使用各類客戶端實現對資源的訪問。
2.2 云計算的主要特征
云計算的主要特征可以分為以下六個方面：
2.2.1 云計算的虛擬性
對于云計算來說，其最為主要的特征就是其虛擬性。虛擬性包括兩個方面：資源的虛擬化以及應用的虛擬化。云計算的運行環境與承載運行的物理平臺是沒有關系的，通過虛擬的環境就能實現對不同應用的操作。
2.2.2 云計算動態的可擴展性
云計算對于用戶來說，資源是可以不斷擴展的，隨著用戶的增多，資源可以相應的進行擴展。除此之外，對于應用來說，也是可以進行擴展的。如果用戶在不斷的增加，已有的服務器群里可以隨著用戶數量的增加不斷加入新的服務器，通過這樣的方式，云計算的服務能力就得到了很大的提升。
2.2.3 云計算的有效性
云計算的用戶可以按照自己的需要對存儲的資源以及計算能力進行使用，與此同時，還可以根據用戶需求的不同隨時的進行調整，這樣一來，就可以使得資源的利用達到最大化，也就防止了資源的浪費。
2.2.4 云計算具有可靠性
使用云計算能夠在不同的位置，運用不同的服務器給用戶提供服務，這種分布式的方式使得云計算的可靠性大大增加。另外，云計算能夠很快的將一些功能向其它的服務器節點上擴展，這樣就能非常有效的確保用戶正常的使用云端的資源。
2.2.5 云計算具有非常高的性價比
對云端資源的管理采取的是虛擬資源池的方式。運用這種方式能夠提供非常強大的處理能力，與此同時，這種方式對物理資源的要求不高，投入成本也很少，但獲得利益比較大。
2.2.6 云計算具有很高的安全性
當前電大遠程教育采用的是集中模式，而云計算采用的是分布式模式，這種分布式模式顯然就有非常高的安全性，它有效的解決了集中式所具有的單點失效的弊端。云計算的處理能力非常的強，因而服務提供商也能夠對數據的安全進行強有力的維護。
3 云計算技術在電大遠程教育中的應用
隨著云計算的不斷發展，在電大教育中引入云計算技術，能夠實現資源的共享，同時還能方便學習，促進電大教育教學質量的不斷提高。其應用主要表現在以下幾個方面：
3.1 云計算技術在教師隊伍建設上的應用
電大教育主要是遠程網絡教育，因此，電大教師資源分布的范圍比較廣，不能集中起來。如果將云計算技術引入教師隊伍建設就能形成教師資源云，它的主要作用是能夠將優質的教師資源進行互聯，實現共享。原來的遠程教育師資都是以本地為主，學生不能享受到一些教學水平較高的師資教育。通過云計算技術實現優質教師資源共享，不但能夠提升教師的教育教學水平，同時還有利于電大整體師資水平的建設。
3.2 云計算技術在學生群體上的建設
電大遠程教育的本質就在于能夠充分的發揮出學生的個性，而通過云計算技術建立學生云，就能夠很好的將學生的個性體現出來。云計算的運用，使得學生能夠自主的進行課程的選擇和學習。在學習地點以及學習時間上，不受任何限制，這大大提升了學生自主學習的能力。在云計算的環境下，學生可以對云端的各種資源進行充分的利用，與此同時，學生如果遇到問題也可以和優秀的教師進行溝通交流。
3.3 云計算技術在學習資源上的建設
（1）在云計算的環境下，電大的教育資源完全可以整合到云端里，同時學校的服務器也可以隨時的加入到云中去，這樣一來，就真正的實現了教育教學資源的共享。由于每個學校的圖書資源以及教師資源都被整合在一起，實現了共享，那么學生在學習的時候，就可以根據自己的需要進行視頻課程的觀看、資料的查找，同時還能夠隨時的向教師進行提問。
（2）電大采用云計算技術能夠充分的實現對教育資源的利用，避免資源浪費現象的發生。在云計算的環境下，由于所有的資源都已經被存儲在云端，學生可以不受任何時間地點的限制，隨時的進行學習，隨時的根據自己的需要獲得資源。學生在學習中，不再受客觀條件的制約和限制，能夠充分的發揮自己的自主性。另外，在進行課程設計的時候，需要注意兩點：首先就是要對學生的情況進行了解，然后來確定教學目標；其次，電大遠程教育的課程設置要簡單，體系要條理，同時還應該有一定的趣味性，這樣才能實現對學生學習的有效引導。
（3）學生在學習的時候，勢必會碰到難題，需要教師的解答。因此，在云計算的環境下，要建立“答疑云”?！按鹨稍啤钡男问接泻芏嘀校渲械囊环N是將學生所有的疑問進行匯總，然后儲存在云端，然后對這些疑問進行解答，將答案也儲存在云端。原來有疑問的學生可以登陸客戶端尋找答案。另外，其它存有同樣疑問的學生，也可以很快的得到問題的答案。除此之外，還有一種就是在線向教師提問，獲得答案。