雲端計算的六大技術
| 導讀 | 雲端計算是一種新型的業務交付模式，同時也是新型的IT基礎設施管理方法。通過新型的業務交付模式，使用者將通過網路充分利用優化的硬體、軟體和網路資源，並以此為基礎提供創新的業務服務。 |
雲端計算是一種新型的業務交付模式，同時也是新型的IT基礎設施管理方法。通過新型的業務交付模式，使用者將通過網路充分利用優化的硬體、軟體和網路資源，並以此為基礎提供創新的業務服務。新型的IT基礎設施管理方法讓IT部門可以把海量資源作為一個統一的大資源進行管理，支援IT部門在大量增加資源的同時無需顯著增加相應的人員進行維護管理，雲端計算的相關技術如下：
虛擬化可大幅度提高組織過程中資源和應用程式的效率和可用性。虛擬化把物理資源和最終呈現給使用者的資源進行了分離，實際上是一個替代過程，在具有統一良好架構設計的物理資源上創建出多個替代資源(即虛擬資源)，替代資源和物理資源具有相同的介面和功能，對使用者來說虛擬資源具備與物理資源相同的使用功能，同時還可以有不同的屬性，如價格、容量、可調整性等。
自動化部署雲端計算的一個核心思想是通過自動化的方式儘可能地簡化任務，使得使用者可以通過自助服務方式快捷地獲取所需的資源和能力。部署是基礎設施管理中十分重要，也是需要花費很大工作量的一部分，包括作業系統、中介軟體和應用等不同層次的部署。自動化部署可提供簡化流程，使用者提出申請後由自動化部署平臺根據排程和預約自動完成相應的部署，因此使用者只需花十幾分鍾，甚至幾分鐘就可以得到一個完整的環境，極大地提高了工作效率。
雲端計算提供了一個巨大的資源池，而應用的使用又有不同的負載週期，根據負載對應用的資源進行動態伸縮可以顯著提高資源的有效利用率，即高負載時動態擴充套件資源，低負載時釋放多餘的資源，這就是應用規模擴充套件技術所解決的問題。該技術以應用為基本單位，為不同的應用架構設定不同的叢集型別，每一種叢集型別都有特定的擴充套件方式，然後通過監控負載的動態變化，自動為應用叢集增加或者減少資源。
分散式檔案系統分散式儲存的目標是利用雲環境中多臺伺服器的儲存資源來滿足單臺伺服器所不能滿足的儲存需求。其特徵是，儲存資源能夠被抽象表示和統一管理，並且能夠保證資料讀寫與操作的安全性、可靠性等各方面的要求。
雲端計算催生了一些優秀的分散式檔案系統和雲端儲存服務。最典型的雲平臺分散式檔案系統是Googie的GFS和開源的Hadoop。這兩種可伸縮的分散式檔案系統利用容錯和故障恢復機制，有效地克服了單節點故障導致的系統故障，實現了大規模海量級的檔案儲存。以Hadoop檔案系統為例，Hadoop檔案系統(HDFS)是一個執行在普通硬體之上的分散式檔案系統，它和現有的分散式檔案系統有著很多相似性。然而，與其他分散式檔案系統的區別也是很明顯的：HDFS是高容錯性的。可以部署在低成本的硬體上，HDFS高吞吐量地對應用程式進行資料訪問，它適合大資料集的應用程式，HDFS放開一些POSIX的需求去實現流式地訪問檔案資料。
分散式資料庫與非結構化資料儲存在分散式檔案系統上。典型的儲存海量結構化資料的分散式儲存系統包括Google的BigTable、開源的HBase等。這些系統可將非結構化資料(如網頁等)儲存為分散式的、多維的、有序的圖。HBase是Apache的Hadoop專案的子專案，是一個分散式的、面向列的開源資料庫，不同於一般的關係資料庫，它是一個適合於非結構化資料儲存的資料庫，並且採用的是基於列的而不是基於行的模式。其使用者儲存資料行在一個表裡，一個數據行擁有一個可選擇的鍵和任意數量的列;表是疏鬆儲存的，因此使用者可以給行定義各種不同的列。HBase主要用於需要隨機訪問，實時讀寫大資料。
分散式計算基於雲平臺的最典型的分散式計算模式是Map Reduce程式設計模型。Map Reduce將大型任務分成很多細粒度的子任務，這些子任務分散式在多個計算節點上進行排程和計算，從而在雲平臺上獲得對海量資料的處理能力。“Map(對映)”和“Reduce(化簡)”的主要思想都是從函數語言程式設計語言裡借來的：當前的軟體實現是指定一個Map(對映)函式，用來把一組鍵值對對映成一組新的鍵值對，指定併發的Reduce(化簡)函式，用來保證所有對映的鍵值對中的每一個共享相同的鍵組。
簡單說來，一個對映函式就是對一些獨立元素組成概念列表的每一個元素進行指定的操作。事實上，每個元素都是被獨立操作的，而原始列表沒有被更改，因為這裡建立了一個新的列表來儲存新的答案。也就是說，Map操作是可以高度並行的，這對高效能要求的應用以及平行計算領域的需求非常有用。Reduce操作指的是對一個列表的元素進行適當的合併。雖然它不如對映函式那麼並行，但是因為化簡總是有一個簡單的答案，大規模的運算相對獨立，所以化簡函式在高度並行環境下也很有用。