扫盲-我说云计算

OpenStack 和云计算(扫盲篇) 背景:工程尾期,将全套应用服务部署到OpenStack上。没用过,于是抽丝剥茧,研究研究啥是OpenStack What is OpenStack OpenStack是一个可以管理整个数据中心里大量资源池的云操作系统,包括计算、存储及网络资源。管理员可以通过管理台管理整个系统,并可以通过web接口为用户划定资源。 基于Iaas(Infrastructure as a Servic,基础设施即... 阅读详情
 我是一个经常逛cnBeta的人,有时也投递一些消息,不过今天在落伍者论坛看到网友自创的漫画,也许就是随笔画画吧, 且不说这位网友是否真的理解云计算(老实说,我也不清楚云计算是什么。),但确实是这位网友还是很有才的,能把自己的看法用这种形式表达出来,已经很难为可贵了。

扫盲加扯淡 我说云计算

http://freeeim.bokee.com/

“我看了N多的相关介绍也找不到一个好的解释,应该说是我看不懂吧。
谁给个简单通俗点的解释啊
我看了大概就像是网络硬盘吧可以上传电脑备份和文件的还可以在线编辑本人啥的,没啥特别的啊不是已经实现了,只觉的现在大头就是想把他们规划下罢了,
没啥特别的怎么那么多公司参与呢”

网络硬盘不是云计算。
————————
什么是云计算呢?

最开始,人们使用算盘。


后来,人们用电脑。


再后来,人们有了网络。


再后来,中国人口大爆炸,男女比例男的比女的多3700万,这三千多万人没事干,都去上网。于是服务器吃不消了。


于是人们就发明了牛逼的技术,用更好更多的服务器。


再后来,人更多了,于是服务器也更多了。


但事实上这样的效果并不好,过度繁重的结构加大了网站设计和构架的难度,而且越是复杂的系统越是不稳定。有可能一个出问题,这样一个完整的系统就彻底挂 掉。如果考虑到系统的崩溃情况,那势必要引入一个更复杂的方案来保证不同的服务器可以做不同的支援。 这是一个无解的循环,大量的计算资源被浪费在无限制的互相纠结中,很快到了瓶颈。


人们想,那我不用这么乱七八糟复杂的系统,我上个极其牛逼的服务器不就好了?可是,太贵了……而且最牛逼的也还没制造出来……


于是人们突然想到了一个好办法。将服务器不是简单的链接起来,说你是缓存,我是数据库。
而是并发使用系统资源,每个操作请求都可以按照一定的规则分割成小片段,分给不同的机器同时运算,每个机器其实只要做很小的计算就可以,这是哪怕286机器都轻松完成的。最后将这些机器的计算结果整合,输出给用户。
对用户看来,他其实根本面对的不是许多机器,而是一个似乎真正存在的计算能力巨大无比的单个服务器。
事实上这个服务器是不存在的。但它拥有着成千上万台服务器的能力。
下面来看实例。





实际上过程没这么简单。哪怕是统计收集资料的过程也会占据可怕的处理时间。这就将云计算的任务进一步划分下去,哪个服务器的CPU干什么,处理哪个任务 段。 这个其实可以由算法安排成自动分配的。 总之,压榨每一个步骤的潜力,让一个任务被服务器集群们一起上,自然能飞速达成。
别忘了,云计算不是弄个两三台服务器就可以达成的。云计算虽然和分布式计算有着深厚的渊源,但我们现在说的云计算基本上还是海量级别的服务器基数才能达成的。说成千上万台服务器绝不夸张。
过去我们做的是乘法。用户请求多,计算任务重,那么就把服务器叠加,这是一个计算能力的加法。
云计算走的另一个方向。我们在已有的计算资源的基础不变的情况下,我们把用户的任务请求做除法,一个请求进来,我们把它变成许多个小任务段,最后汇总出去给用户一个完整的结果。

对用户来说,他根本感觉不到里面哪个cpu做了什么处理,哪部分是哪部分拼接起来的,他就感觉自己面对一台5亿内存3亿GHZ的巨无霸电脑一样。
用户对这样的计算莫名其妙,云里雾里的,于是他就把这个东西,叫做云计算。



上面对百度的例子其实连雏形都不算。实际上照样有许多的节点在里面。但总的意思上没错。工程师主要潜心的是算法,提高输出速度这些方面的考虑。 除了初期架构和部署的麻烦外,以后考虑到主要还是搜索引擎本身的功能实现了。
+++++++++++++++++++++++++++++
PS:以上纯为扯淡。我说的是真是假,哪里可信哪里可以嘲笑,你自己看着办。

【2026OD新机考】【不定滑窗】20260415-API请求日志去重分析【Py/Java/C++/C/JS/Go六种语言OD真题】【欧弟算法】全网注释最详细分类最全的华子OD真题题解 中找到所有的连续的相同元素,同时统计对应的连续相同元素对应的值的平均值。:当右指针为第一个元素(没有前一个元素),或者右指针对应的元素。某微服务系统的日志监控平台需分析API调用记录,日志含大量。相等,说明当前元素仍然属于同一个相同元素窗口,将当前元素值。中的所有元素均相等,并且计算窗口和情况即可。请实现一个函数,对给定的日志数据去重合并处理。位置,表示开启一个新的窗口,此时需要重置窗口和。,为了优化重复的请求记录,存储和后续分析需对。:对应的响应时间数组(毫秒)。重新置为当前右指针的元素值。 阅读详情

相关推荐

GOM引擎单机传奇架设全攻略——从DBC2000配置到登录器生成

本文详细解析了使用GOM引擎架设单机传奇的完整流程,从DBC2000的安装配置、服务端部署、引擎控制器设置,到登录器生成与客户端补丁放置。文章重点解决了单机架设中的常见问题,如数据库路径配置、IP地址设置及Key.lic文件处理,旨在帮助玩家快速搭建稳定的个人游戏环境,体验GM乐趣。

weixin_28318011的博客 639

专科生学习云计算的就业前景如何?

由于云计算的发展还处于野蛮生长阶段,中小企业都在从传统的办公模式向云上办公转型,建立自己的网络办公平台,这就需要更多的云计算技术人才的支持。综上所述,专科生学习云计算的就业前景很好,云计算行业是一个发展前景广阔的行业,而且就业市场竞争也不算激烈,尤其是在中小企业向云上办公转型的背景下,云计算行业的就业机会更多。而最好的学习方式也是跟着专业的技术大佬做项目,通过5、6个月左右的时间,进行系统化的学习,基本就能掌握好相关的技术,顺利就业。当然,这些问题并不是绝对的,不同的人有不同的看法和经验。

kgccd的博客 5176

微信小程序scroll-view,点击menu,滚动到锚点;滚动到锚点,激活menu。

首先看看效果图1、首先是点击菜单,滚动列表,这个实现比较简单。直接使用scroll-view 的 scroll-into-view属性,小程序文档。<view class='container'> <!-- 菜单 --> <view class='menu'> <ul> <!-- scrollList 修改cate --&g...

weixin_39834214的博客 1万+

专科生建议学云计算吗?云计算未来发展前景如何?专科学云计算怎么样?

云计算行业正处在快速成长阶段,人才需求量大。据行业统计预测,未来五年云计算相关岗位人才缺口将达到150万,而目前大学云计算专业学生还很少,无法满足市场的人才需求,这无疑是给了咱转行人员一个进入云计算行业的好机会

kgccd的博客 2973

免费搞定DWG转DXF:ODA File Converter保姆级配置指南(附常见报错解决)

本文详细介绍了如何使用ODA File Converter免费工具实现DWG到DXF的格式转换,包括环境配置、命令行参数解析、编程集成方案及常见问题解决。特别针对网络访问异常、参数配置等实际痛点提供应对策略,帮助用户高效完成工程设计文件的格式转换。

weixin_29291185的博客 6072

AWD线下攻防赛总结

在本地组策略编辑器里面,依次展开计算机配置—>管理模板—>Windows组件—>远程桌面服务—>远程桌面会话主机—>连接—>限制连接的数量。8.Web目录环境查找相关可疑文件:jpg/png/rar,属性、解压。进程线程:netstat / ps -aux/netstat -apt。4.查看/etc/init.d/rc.local中启动服务有无异常。1.不使用默认口令,修改成复杂的,并确保和web环境连接。5.使用脚本开启进程监控、目录监控、流量监控。文件操作监控.exe/御剑文件监控.exe。

XuJL89的博客 631

大专云计算是计算机吗,[扫盲加扯淡,我说云计算]大专学云计算很扯淡吗

如今互联网上冒出的科技新词都有一个普遍特色,就是即便给你准确的名词解释,即便你能看懂每一个汉字所代表的意义,依旧不太明白其到底是个什么意思,比如最近非常热门的新概念“云计算”(Cloudcomputing)就是其中之一。云计算,简单来说是指基于互联网的超级计算模式。即把存储于个人电脑、移动电话和其他设备上的大量信息和处理器资源集中在一起,协同工作。这个解释感觉比较抽象?那么就来看看落伍者论坛里的网...

weixin_28366353的博客 1800

什么是华为OD?怎么才能通过华为OD机试?华为OD机试怎么刷题?(2024最新华为OD机试E卷更新中)

华为OD是Outsourcing Dispacth模式,是华为和外企德科联合招聘的简称。目前华为大多数是OD招聘。OD模式也是华为提出的一种新的用工形式,每年都会从OD项目挑优秀员工转为正编。所有OD和正式员工一样对待,没有差别,部门平时开会、评审等活动都是一起参加的,是同薪同酬,都是由华为的HR直接定的薪资,看的是我们技术能力。华为是大企业,能到华为上班也是有能力的,每个部门都有好多职位,是金子,在哪都会发光。

KJ.JK 11万+

大专学云计算很扯淡吗_云计算有什么了不起,我苏大强也在学!

近段时间,电视剧《都挺好》热播,苏大强也时不时冲上热搜榜。但是,这里多得是你不知道的事儿:苏大强也加入了云计算的学习队伍。诶,这会是怎样一个唯美的场景?大家好!我叫苏大强,一年前明玉叫我来学云计算。现在一年过去了,在这里,我想和大家聊聊。我知道大家都挺关注我的,首先和大家聊聊我为什么要学习云计算。先说说私人原因:我大儿子苏明哲虽然是名校毕业,但是做的是程序员的工作,以他的性格又做不到管理...

weixin_39895995的博客 4354

AUTOSAR模式管理-EcuM多核处理及其他概念

因此,EcuM不请求状态。因此,BswM必须确保,例如,在调用EcuM_GoHalt或EcuM_GoPoll之前,必须将关机目标从其默认值更改为ECUM_STATE_SLEEP。对于ECU的关闭,BswM(位于主EcuM的同一个分区中)最终调用主核上的GoOff,该GoOff将请求分发给所有的从核。在ECU Manager模块的早期版本中,睡眠目标被特殊处理,因为在ECU中实现的睡眠模式取决于ECU的功能。在使用了外部的SBC控制相关的MCU的下电的时候,在OFF阶段最后调用SBC进入到Sleep的指令。

m0_49148264的博客 1342

【AIGC】Qwen3-Embedding:Embedding与Rerank模型新标杆

Qwen3-Embedding:文本嵌入与重排序模型的技术解析与应用实践

一个内容严谨、方向前沿、极具实践价值的AI大模型技术分享站 3103

大专学云计算很扯淡吗_二级建造师报名工作年限怎么算?我的工作年限够吗?...

二级建造师报名工作年限怎么算?我有资格报名吗?许多刚毕业一两年的朋友是不是都有这个疑问?关注二建考试的人都知道,二建报名要求报考人至少有中专以上学历,是工程类或工程经济类专业,以及2年以上施工管理方面的经验。那么这个工作年限是到底是怎么计算的呢?别着急,小编这就来给大家伙儿解惑!工作年限的计算方法,大致分为三类:1、统招类学历如果你是正规院校毕业生,就需要按毕业证上的时间去计算毕业年限和工作年限,...

weixin_39840235的博客 442

基于Qt C++开发一套大疆农业无人机的AI飞控系统

如果需要补充**多机协同作业代码**、**农田测绘数据导出**、**作业数据统计大屏**或**移动端地面站适配**功能,可以告知具体需求,我会针对性完善。"开启" : "关闭") << "喷洒,流量:" << flowRate << "L/min";emit errorOccurred(QString("SDK初始化失败,错误码:%1").arg((int)ret));report += QString("问题区域数量:%1\n").arg(info.problemAreas.size());

寒寒豆豆软件公司的博客 388

云计算扫盲:20位国外IT专家对云计算的定义

云计算扫盲:20位国外IT专家对云计算的定义   中国IDC圈6月13日报道:尽管人们对云计算(cloud computing)仍然没有统一的定义,在 Enterprise IT 界,至少有20种关于云计算的声音。让我们一起听听业界人士对云计算不同的看法。   Markus Klems 云计算是一个囊括了开发,负载平衡,商业模式,以及架构的时髦词,是软件业的未来模式(Software...

iteye_5465的博客 348

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

云计算扫盲

云计算:“始作俑者”是sun公司在24年前,发扬广大者却是Google无疑。谷歌“云计算”的雄心壮志是:Google一下,所有问题都能得到解决。  什么是云计算? 通俗的讲,就是你不用在自己的个人计算机里安装任何的办公、游戏、杀毒、财务等软件,所有这些应用都放在互联网的“巨型服务器”中,无数用户只是通过最简单的、作为巨型服务器的客户端的模式,来进行操作和工作就ok啦。  问题:什

身是菩提树、心是明镜台、时时勤拂拭、莫使惹尘埃 884

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

[学习笔记]云计算扫盲

个人小站,正在持续整理中,欢迎访问:http://shitouer.cn 小站博文地址:[学习笔记]云计算扫盲 何为云计算?最简单最形象的一句话:Anyone, anytime, anywhere, any channel, with any devices, accessing any services. Forrester对云计算的定义:A standardized IT c...

depe16540458的博客 229

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

小猴课堂之:云计算 扫盲篇

导语 小猴今年24岁,大学刚毕业, 目前在一家互联网M公司实习, 昨晚他肝了一晚上, 不为别的, 就因为公司昨晚新到500台服务器, 要求让小猴以及其他新人安装系统, 对, 安装了1整天+1个通宵... 最终晚上因为一道闪电 机房断电... 还得重新安装 今天小猴找到了他猴哥——数据猿温大大 找他诉诉苦 1. 云计算 1.1 云计算本质:随时随地+任性的部署资源 最初通过物理机对资源管理,它非常不灵活: 采购不灵活粒度不灵活复用不灵活运维不灵活 后面各大服务器厂商为了让其灵活好用,在物理

u011493462的博客 391

云计算术语扫盲

本文首发于我的公众号 Linux云计算网络(id: cloud_dev),专注于干货分享,号内有 10T 书籍和视频资源,后台回复「1024」即可领取,欢迎大家关注,二维码文末可以扫。 资源 在云计算中,资源和服务本质上是一样的,服务可能更泛一些,资源一般特指 CPU(计算)、Mem(存储)和 IO (网络)三大资源,云计算的做法就是将闲置的这些资源充分利用起来,租给用户使用。我觉得这也有点...

weixin_30810583的博客 177

扫盲加扯淡——网友随笔画之云计算

扫盲加扯淡——网友随笔画之云计算    今天在论坛看到网友自创的漫画,也许就是随笔画画吧, 且不说这位网友是否真的理解云计算(老实说,我也不清楚云计算是什么。),但确实是这位网友还是很有才的,能把自己的看法用这种形式表达出来,已经很难为可贵了。     “我看了N多的相关介绍也找不到一个好的解释,应该说是我看不懂吧。     谁给个简单通俗点的解释啊    

Wonder专栏 1468

云计算及数字化转型领域涉及概念扫盲

toB:面向企业 toC:面向普通用户 #云计算: 云计算是一种按照需求通过Internet获取计算资源的形态。这些计算资源被包装成为服务,提供给用户。而提供这些服务的主体,我们称之为云服务供应商(Cloud Service Provider)。 任何一个在互联网上提供其服务的公司都可以叫做云计算公司。其实云计算分几层的,分别是Infrastructure(基础设施)-as-a-Service,Platform(平台)-as-a-Service,Software(软件)-as-a-Service。基础设施

富贵的博客 931

云计算语言扫盲

作者:Nari Kannan    译者:张培颖   来源:TechTarget中国 【TechTarget中国原创】关于云计算,我们听得太多了,尽管身计算产业的人们知道我们并不是在谈论天气,然而,任何技术、术语都令人困惑。在这篇文章中,我们一起来看一下云计算中一些常用术语和定义。   云计算:云计算指的是交付计算即服务(或者交付结果中包括计算架构),而不是产品。资源共享,软件和信息通

虫虫的专栏 918

Cloud_01云计算术语扫盲

资源 在云计算中,资源和服务本质上是一样的,服务可能更泛一些,资源一般特指 CPU(计算)、Mem(存储)和 IO (网络)三大资源,云计算的做法就是将闲置的这些资源充分利用起来,租给用户使用。我觉得这也有点共享经济的意思,大家把自己身边闲置的资源拿出来,分享给别人使用,我为人人,人人为我。只不过云计算这种资源比较奢侈,一般人还提供不起,只有那些大企业,在满足自己业务需求之余,还空闲着很多资源,所...

分享各种网络协议知识 425

什么是云计算? 我来帮您扫盲!

云计算[1](cloud computing)是基于互联网的相关服务的增加、使用和交付模式,通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种比喻说法。过去在图中往往用云来表示电信网,后来也用来表示互联网和底层基础设施的抽象。因此,云计算甚至可以让你体验每秒10万亿次的运算能力,拥有这么强大的计算能力可以模拟核爆炸、预测气候变化和市场发展趋势。用户通过电脑、笔记本、

阿龙_的专栏 1323

Openstack 云计算管理平台“扫盲“ 学习笔记

过自己想要的生活不是自私,要求别人按自己的意愿生活才是。 ----王尔德

山河已无恙 958
上一篇: 本周Web2.0小工具推荐[2008-08-24]
下一篇: Windows 7 仅是Windows Vista SP2?
普通网友
博客等级 码龄22年 1万+粉丝 3156原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值