2.1.3数据管理技术
云计算具有计算能力可变、数据储存在不信任的主机上、数据是远程复制等3个特点。从这3个特点分析而出，只有两种数据管理应用程序可能适合部署到云计算中：一是和事务处理相关的数据管理系统；另一种是和分析相关的数据管理系统。前者未采用共享的体系结构，在进行远程数据复制时很难满足ACID 的需求，同时在不信任的主机上存储数据也有比较大的风险。ACID 要求对于基于分析的数据管理系统来说不是必须的，同时可以保证敏感数据在分析之外，从而保证其安全。因此，基于分析的数据管理系统应该很合适部署到云计算环境中去。
计算系统对大量数据集进行处理、分析，并向用户提供高效的服务，因此，数据管理技术必须能够高效地管理大量的数据。
2.1.4编程模型
为了使用户能更轻松地享受云计算带来的服务，让用户能利用该编程模型编写简单的程序来实现特定的目的，云计算上的编程模型必须十分简单，必须保证后台复杂的并行执行和任务调度向用户和编程人员透明。适合云计算的编程模型必须满足一下条件：一适合于大规模数据集的并行计算；二适合于多虚拟机的任务调度；三能够构建新型的云计算应用程序，可在网络上提供更加丰富的用户体验。
当前比较有代表性的是Google 和Hadoop 项目。Google开发了java、Python、C++ 编程工具Map/Reduce。MapReduce模式的思想是将要执行的问题分解成Map(映射)和Reduce(化简)的方式，先通过Map程序将数据切割成不相关的区块，分配（调度）给大量计算机处理，达到分布式运算的效果，本文来自辣%文~论.文/网，
毕业论文 www.751com.cn再通过Reduce程序将结果汇整输出，它不仅仅是一种编程模型，同时也是一种高效的任务调度模型，主要用于数据集的并行运算和并行任务的调度处理。这种编程模型并不仅适用于云计算，在多核和多处理器以及异构机群上同样有良好的性能。目前该编程模式仅适用于编写任务内部松耦合、能够高度并行化的程序。如何改进该编程模式，使程序员得能够轻松的编写紧耦合的程序，运行时能高效的调度和执行任务，是Map-Reduce编程模型未来的发展方向。
2.1.5云计算平台管理技术
云计算资源规模庞大，服务器数量众多并分布在不同的地点，同时运行着数百种应用，更何况云计算属于新兴行业，要做好这门技术，必须使大量的服务器协同工作，计算系统的平台管理技术，方便的进行业务部署和开通，快速发现和恢复系统故障，通过自动化、智能化的手段实现大规模系统的可靠运营。
2.2云计算面临的技术挑战
2.2.1高可靠的系统技术
当云计算系统规模增大后，就需要保证其可靠性和稳定性。另外，系统级的容错技术也是一个难点。大量服务器在进行同一个计算时，单个节点的故障不应该影响应用的正常运行。对比较简单的应用程序来说，这一点容易实现。但对于那些紧耦合类应用来说，当前仍无有效的系统级容错方案。目前主要还是依赖应用层面的检查点和重启技术，一方面增加了开发的难度和工作量，另一方面对运行性能也有一定的影响。
2.2.2可扩展的并行计算技术
并行计算技术是云计算的核心技术。多核处理器的出现增加了并行的层次性，使得并行程序的开发比以往更难。可扩展性是云计算时代并行计算的主要特点，应用程序必须能随着用户请求、系统规模的增大而有效扩展。当前大部分并行应用程序在多个处理器上都难以获得有效的加速性能，未来的并行应用程序必须能有效扩展到成千上万个处理器上。这对开发者来说是一种巨大的挑战。
2.2.3海量数据的挖掘技术
云计算面对的是TB 乃至PB 级的海量数据，如何从数据中获取有效信息，决定了云计算应用成败的关键。除了利用并行计算技术加速处理数据外，还需要有新的算法来完成更精确的数据挖掘。除了数据挖掘，海量数据的存储和管理也将是一个难题。
上一页 [1] [2] [3] [4] [5] [6] [7] [8] 下一页
云计算研究现状综述+云计算展望 第6页下载如图片无法显示或论文不完整，请联系qq752018766
