2、云计算平台:功能、服务与应用指南

云计算平台:功能、服务与应用指南

一、云计算平台应用前的考量

在将应用迁移到云计算平台之前,需要全面考量多个方面。首先是成本问题,强化应用会增加成本,所以要对项目的整体成本有清晰的把握,并充分了解其中的风险。其次,并非所有应用都适合部署在云平台上,例如可口可乐不会将其秘方放在云端,这可能与云平台的安全性和访问权限无关,而是为了对核心资产保持完全控制。

判断云平台是否适合企业级应用,要考虑以下“必备要素”:
1. 集成性 :与现有应用和基础设施(通常是本地和私有数据中心)集成。
2. 异构支持 :继续支持多种框架、语言和操作系统。
3. 安全性 :确保应用安全可靠地运行。
4. 可管理性 :通过用户界面(如管理门户)、脚本语言和 REST API 对云平台进行管理。
5. 服务完整性 :具备满足软件应用需求的功能、特性和接口。

Microsoft Azure 和 Amazon Web Services 都能满足这些需求,下面将详细介绍。

二、本地与云平台集成

最常见的项目类型是云平台与本地基础设施在应用、身份和数据库等方面的集成,这种场景也被称为混合云。例如,将本地 ERP 应用与基于云平台的零售店集成,或者利用云环境扩展本地现有应用,又或者将云平台作为企业数据中心现有应用的灾难恢复站点,都属于混合云模式的应用。

支持本地应用和云平台需要网络连接选项、虚拟化、消息传递、身份验证以及数

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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