⑴ 大數據，雲計算中的海量數據是哪裡來的
都是為數據存儲和處理服務的；都需要佔用大量的存儲和計算資源，因而都要用到海量數據存儲技術、海量數據管理技術、MapRece等並行處理技術。因此，雲計算和大數據是一個硬幣的兩面，雲計算是大數據的 IT 基礎，而大數據是雲計算的一個殺手級應用。
⑵ 雲計算的核心技術
1、虛擬化技術
虛擬化是雲計算最重要的核心技術之一，它為雲計算服務提供基礎架構層面的支撐，是ICT服務快速走向雲計算的最主要驅動力。可以說，沒有虛擬化技術也就沒有雲計算服務的落地與成功。
2、分布式數據存儲技術
雲計算的另一大優勢就是能夠快速、高效地處理海量數據。在數據爆炸的今天，這一點至關重要。為了保證數據的高可靠性，雲計算通常會採用分布式存儲技術，將數據存儲在不同的物理設備中。這種模式不僅擺脫了硬體設備的限制，同時擴展性更好，能夠快速響應用戶需求的變化。
3、編程模式
從本質上講，雲計算是一個多用戶、多任務、支持並發處理的系統。高效、簡捷、快速是其核心理念，它旨在通過網路把強大的伺服器計算資源方便地分發到終端用戶手中，同時保證低成本和良好的用戶體驗。在這個過程中，編程模式的選擇至關重要。
4、大規模數據管理
處理海量數據是雲計算的一大優勢。那麼如何處理則涉及到很多層面的東西，因此高效的數據處理技術也是雲計算不可或缺的核心技術之一。對於雲計算來說，數據管理面臨巨大的挑戰。雲計算不僅要保證數據的存儲和訪問，還要能夠對海量數據進行特定的檢索和分析。
⑶ 雲計算的海量數據挖掘工作是怎樣實現的
雲計算屬於新興技術領域，群英雲計算轉一篇關於問題的學術報告吧。對您應該有所幫助。
1引言
目前，人們正處於一個「無處不網、無時不網，人人上網、時時在線」的時代，圖靈獎獲得者吉姆·格雷（Jim Gray）認為，網路環境下每18個月產生的數據量等於過去幾千年的數據量之和。目前互聯網的數據具有海量增長、用戶廣泛、動態變化等特徵。2010年，QQ同時在線的用戶超過1億人，淘寶一年交易次數比上年增長150%，視頻服務Animoto在3天內通過Amazon將其服務能力迅速擴展至75萬用戶。
數據挖掘能夠發現隱含在大規模數據中的知識，提高信息服務的質量。如伊朗事件中twitter快速傳播假消息的識別、Amazon和淘寶網中商品關聯關系分析，以及優酷網中視頻個性化推薦等。海量數據挖掘在國家安全、國民經濟和現代服務業中具有廣泛應用，有助於提升網路環境下信息服務的質量，實現以人為本的信息服務。
從數據挖掘技術的發展歷史看，隨著互聯網的蓬勃發展，數據的規模越來越大，從KB級發展到TB甚至PB級海量數據；數據挖掘的對象也變得越來越復雜，從資料庫、到多媒體數據和復雜社會網路；數據挖掘的需求也從分類、聚類和關聯到復雜的演化和預測分析；挖掘過程中的交互方式從單機的人機交互發展到現在社會網路群體的交互。這種發展給數據挖掘帶來了巨大的挑戰：對於網路環境下產生的TB級和PB級的復雜數據，需要有高效的海量數據挖掘演算法；網路環境下大眾的廣泛參與，需要在數據挖掘演算法中能夠融入群體智慧；同時社會網路的迅速發展使得信息服務的個性化成為必然，要求能夠滿足即時組合的個性化挖掘服務。
雲計算是一種基於互聯網的、大眾參與的計算模式，其計算資源（包括計算能力、存儲能力、交互能力等）是動態、可伸縮、被虛擬化的，並以服務的方式提供 [1] 。具體表現在：雲計算的動態和可伸縮的計算能力為高效海量數據挖掘帶來可能性；雲計算環境下大眾參與的群體智能為研究集群體智慧的新的數據挖掘方法研究提供了環境；雲計算的服務化特徵使面向大眾的數據挖掘成為可能。同時，雲計算發展也離不開數據挖掘的支持，以搜索為例，基於雲計算的搜索包括網頁存儲、搜索處理和前端交互三大部分。數據挖掘在這幾部分中都有廣泛應用，例如網頁存儲中網頁去重、搜索處理中網頁排序和前端交互中的查詢建議，其中每部分都需要數據挖掘技術的支持。
因此，雲計算為海量和復雜數據對象的數據挖掘提供了基礎設施，為網路環境下面向大眾的數據挖掘服務帶來了機遇，同時也為數據挖掘研究提出了新的挑戰性課題。
下面將對並行編程模型、基於並行編程模型高效海量數據挖掘演算法，以及基於雲計算的海量數據挖掘服務相關研究進行綜述。
2並行編程模型相關方法
為了使用戶能夠通過簡單的開發來方便地達到並行計算的效果，研究人員提出了一系列的並行計算模型。並行計算模型在用戶需求和底層的硬體系統之間搭建橋梁使得並行演算法的表示變得更加直觀，對大規模數據的處理更加便捷。根據用戶使用硬體環境的不同，並行編程模型又可以分為在多核機器、GPU計算、大型計算機以及計算機集群上的多種類型。目前比較常用的並行編程介面和模型包括：
pThread介面[2]。pThread是在類Unix系統上進行多線程編程的通用API，為用戶提供了一系列對線程進行創建、管理和各類操作的函數，使用戶能夠方便地編寫多線程程序。
MPI模型[3]。MPI的全稱為消息傳遞介面（Message Passing Interface），它為用戶提供了一系列的介面，使用戶利用消息傳遞的方式來建立進程間的通信機制，從而方便地對各種演算法進行並行實現。
MapRece模型[4]。MapRece模型是由谷歌公司提出的並行編程框架，它首先為用戶提供分布式的文件系統，使用戶能方便地處理大規模數據；然後將所有的程序運算抽象為Map和Rece兩個基本操作，在Map階段模型將問題分解為更小規模的問題，並在集群的不同節點上執行，在Rece階段將結果歸並匯總。MapRece是一個簡單，但是非常有效的並行編程模型。
Pregel模型[5]。Pregel同樣是由谷歌公司提出的專門針對圖演算法的編程模型，能夠為大規模數據的圖演算法提供並行支持。一個典型的Pregel計算過程將在圖上進行一系列的超級步驟（SuperSteps），在每個超級步驟中，所有頂點的計算都並行地執行用戶定義的同一個函數，並通過一個「投票」機制來決定程序是否停止。
CUDA模型①。CUDA是由NVIDIA公司提出的一個基於GPU的並行計算模型。由於GPU在設計需求上與普通CPU不同，GPU通常被設計為能較慢地執行許多並發的線程，而不是較快的連續執行多個線程，這使得GPU在並行計算上有先天的優勢。CUDA為用戶提供了利用GPU計算的各種介面，使程序員能夠像在普通電腦上進行CPU編程那樣進行GPU程序的編寫。
此外還有OpenMP、PVM、OpenCL等各種並行編程模型和方法。這些並行編程和方法一般都提供了主流編程語言的實現，從而使得用戶能根據自身編程習慣來選用。
另一方面，隨著雲計算的不斷推廣，還出現了各種商用的並行計算/雲計算平台，為用戶提供並行計算服務。這其中比較著名的包括微軟的Azure平台、Amazon公司的EC2平台、IBM公司的藍雲平台、谷歌公司的Google App Engine等。各大IT公司也紛紛開發自己的並行計算模型/框架作為自身技術服務的基本平台，這使得並行計算技術得到了更加快速的發展。
3基於並行編程模型高效海量數據挖掘演算法研究
為了實現海量數據上的數據挖掘，大量分布式並行數據挖掘演算法被提出。Bhari et al[6]整理了一個十分詳盡的並行數據挖掘演算法文獻目錄，包含了關聯規則學習、分類、聚類、流數據挖掘四大類分布式數據挖掘演算法，同時還包括分布式系統、隱私保護等相關的研究工作。
MapRece並行編程模型具有強大的處理大規模數據的能力，因而是海量數據挖掘的理想編程平台。數據挖掘演算法通常需要遍歷訓練數據獲得相關的統計信息，用於求解或優化模型參數。在大規模數據上進行頻繁的數據訪問需要耗費大量運算時間。為了提高演算法效率，斯坦福大學Chu et al[7]提出了一種適用於大量機器學習演算法的通用並行編程方法。通過對經典的機器學習演算法進行分析可以發現，演算法學習過程中的運算都能轉化為若干在訓練數據集上的求和操作；求和操作可以獨立地在不同數據子集上進行，因此很容易在MapRece編程平台上實現並行化執行。將大規模的數據集分割為若乾子集分配給多個Mapper節點，在Mapper節點上分別執行各種求和操作得到中間結果，最後通過Rece節點將求和結果合並，實現學習演算法的並行執行。在該框架下，Chu et al實現了十種經典的數據挖掘演算法，包括線性回歸、樸素貝葉斯、神經網路、主成分分析和支持向量機等，相關成果在NIPS 2006會議上發表。
Ranger et al[8]提出了一個基於MapRece的應用程序編程介面Phoenix，支持多核和多處理器系統環境下的並行程序設計。Phoenix能夠進行緩存管理、錯誤恢復和並發管理。他們使用Phoenix實現了K-Means、主成分分析和線性回歸三種數據挖掘演算法。
Gillick et al[9]對單程學習（Single-pass）、迭代學習（Iterative Learning）和基於查詢的學習（Query-based Learning）三類機器學習演算法在MapRece框架下的性能分別做了評測。他們對並行學習演算法涉及到的如何在計算節點之間的共享數據、如何處理分布式存儲數據等問題進行了研究。
Mahout①是APS（Apache Software Foundation）旗下的一個開源數據挖掘項目，通過使用Apache Hadoop庫，可以實現大規模數據上的並行數據挖掘，包括分類、聚類、頻繁模式挖掘、回歸、降維等演算法，目前已經發布了四個版本。
4基於雲計算的海量數據挖掘服務研究
雲計算除了給用戶提供通用的並行編程模型和大規模數據處理能力之外，另一個重要的特點是為用戶提供開放的計算服務平台。在數據挖掘方向，現在也有一系列的系統被開發出來，面向公眾提供數據挖掘服務雲計算平台。
Talia et al[10]提出可以從四個層次提供雲計算數據挖掘服務：底層為組成數據挖掘演算法的基本步驟；第二層為單獨的數據挖掘服務，例如分類、聚類等；第三層為分布式的數據挖掘模式，例如並行分類、聚合式機器學習等；第四層為之前三層元素構成的完整的數據挖掘應用。在此設計基礎上，他們設計了基於雲計算的數據挖掘開放服務框架，並開發了一系列的數據挖掘服務系統，例如Weka4WS、Knowledge Grid、Mobile Data Mining Services、Mining@home等，用戶可以利用圖形界面定義自己的數據挖掘工作流，然後在平台上執行。
PDMiner[11]是由中國科學院計算技術研究所開發的基於Hadoop的並行分布式數據挖掘平台，該系統現在已經用於中國移動通信企業TB級實際數據的挖掘。PDMiner提供了一系列並行挖掘演算法和ETL操作組件，開發的ETL演算法絕大多數達到了線性加速比，同時具有很好的容錯性。PDMiner的開放式架構可以使用戶將演算法組件經過簡單配置方便地封裝載入到系統中。
此外，商業智能領域的各大公司也提供面向企業的大規模數據挖掘服務，例如微策略、IBM、Oracle等公司都擁有自己的基於雲計算的數據挖掘服務平台。
5總結和展望
通過雲計算的海量數據存儲和分布計算，為雲計算環境下的海量數據挖掘提供了新方法和手段，有效解決了海量數據挖掘的分布存儲和高效計算問題。開展基於雲計算特點的數據挖掘方法的研究，可以為更多、更復雜的海量數據挖掘問題提供新的理論與支撐工具。而作為傳統數據挖掘向雲計算的延伸和豐富，基於雲計算的海量數據挖掘將推動互聯網先進技術成果服務於大眾，是促進信息資源的深度分享和可持續利用的新方法、新途徑。
⑷ 關於雲計算
雲計算的基本原理是，通過使計算分布在大量的分布式計算機上，而非本地計算機或遠程伺服器中，企業數據中心的運行將更與互聯網相似。這使得企業能夠將資源切換到需要的應用上，根據需求訪問計算機和存儲系統。
雲計算是下一件大事。大多數大型廠商都以某種方式介入了這個領域。谷歌就是介入這個領域的最明顯的競爭者。谷歌聲稱它的任務是編輯全球的信息，讓這些信息在全球的任何地方都能訪問和使用。
介入雲計算領域的其它廠商還有IBM、惠普、Sun、戴爾和亞馬遜。Red Hat將推出測試版本的基於RHEL和JBoss的解決方案。這個解決方案將由亞馬遜在惠普硬體上運行。甚至微軟也在進入雲計算領域，希望自己不要落後。但是，雖然雲計算也許是下一件大事，可是雲計算的定義仍然含糊不清和朦朧的。
按照運計算的最普通的和最雄心勃勃的解釋，它的目標是把一切都拿到網路上。雲就是網路。網路就是計算機。
當如此眾多的機構分布在全國各地和世界各地的時候，當如此眾多的人在移動中或者在家裡工作的時候，為什麼不把你的一些數據和處理需求交給第三方，使用手機、移動電腦或者其它設備訪問在整個網路上的一切東西呢?你的數據將由口令保護，就像在本地網路上一樣並且能夠在整個網路上加密。這個處理任務能夠讓第三方虛擬化計算機農場完成，最大限度地使用處理器的能力，大量減少機構和更廣泛的團體的碳排放量。
雲計算是使用與日益增長的Linux、高性能計算和虛擬化等有關的技術實現的一個領域。對於IBM和惠普等公司來說，大型計算機的復甦和刀片式伺服器的發展(這兩者都要歸功於Linux的應用)以及數據中心在能力、數據和處理器利用率方面的效率已經使雲計算成為現實。
魔毯
這是一個迷人的想法。在雲中或者在整個網路上的計算能夠帶來許多理論上和實踐上的優勢。數據中心耗費資金可以分別用於企業的其它部門。資金不僅要用於硬體上，而且還要用於系統維護、待機時間、沒有使用的處理和存儲容量、安全的擔心、能源賬單、升級和人員開支。甚至這個機構的每一個員工的辦公桌上的每一個台式電腦都會對這個機構的現金流量產生不成比例的影響，不僅是最初的硬體投資，而且還有軟體許可證開支和升級硬體以便適應軟體要求的開支。跟蹤隨機存儲在機構內部的某一台電腦上的數據也是很困難的，而且這種數據也許會永遠從公司的知識庫中消失。每一台這種台式電腦都消耗一定比例的能源。
雲計算是過去幾年裡許多其它舒適的和愚蠢的概念的合乎邏輯的結論。所有這些概念都是旨在為這個機構的數據的組織帶來一些條理性，如隨需應變的信息、軟體服務、虛擬化、Web服務、瘦客戶機、SOA和Web 2.0。所有這些概念在某種程度上都能夠由雲計算管理。對於雲計算的推廣者來說，雲計算可能是一種魔毯，讓你坐在上面到達一個永遠也無法企及的地方。在那裡，客戶機方面的所有問題都能夠通過瀏覽器解決。
你的數據、你的應用程序和你的處理過程將保留在所有的地方，並且根據需要進行訪問。這個事情能夠在個人或者企業級別上實現。Google Mail、Google Docs和Facebook等應用都展示了這個功能是如何實現的。但是，所有常用的企業應用程序都可以通過這種相同的方式訪問。網路已經從數據中心轉移到了雲計算。每一個用戶的手頭上都有一台潛在的超級計算機。
只要你能夠訪問網路並且有一台連接到網路的設備，你就不需要大型硬體。你能夠在任何時間從任何地點訪問你的數據。你的成本將下降。你只要支付你需要的東西的費用。你的數據保存在一個地方，是密封和安全的。你不必再負責它的安全。你的碳排放量和對於社區的影響將大幅度減少。你的數據、你的應用程序和你的伺服器在你需要的時候都可以使用，沒有基礎設施或者資本開支的限制。雲計算能夠使用其它方法無法獲得的計算能力。
雲計算中的村
谷歌和互聯網已經顯示了這種方法。全世界的數據都能夠或多或少地不斷地在網路上訪問。網路已經成為虛擬實現的Marshall McLuhan所說的地球村。他在60年代寫道：「後文藝時代的人的電子媒介將把世界變成一個村或者部落。在那裡，每一件事情對於每一個人都是同時發生的。每一個人都知道發生的事情，因此將參與這個事情，每一件事情都在它發生的時刻發生。電視把事件同時傳輸到地球村。」
McLuhan受到他所在的時代的限制。他的觀察是提前的，但是，沒有預測到數字計算機和互聯網的興起。但是，他把電子時代的世界看作是地球村的概念仍是對互聯網已經變成的這個樣子的一個有先見之明的預測。互聯網已經變成了一個無以倫比的信息庫 (准確的和不準確的信息都有，關於一切事情的和關於任何事情的信息)，能夠隨意和隨時訪問，是你手頭的網路全書。不過，如果我們訪問的信息並不總是可以信賴的，它怎麼能發展成這個樣子?
電子的地球村是谷歌為我們提供數據服務的更廣泛的野心的更廣泛的背景，是雲計算還沒有利用的潛力。當一個用戶訪問雲計算中的數據時，他或者她需要一種合成的數據格式。這種數據經過處理可以回答具體的要求和優先選擇，就像谷歌處理的互聯網上的信息滿足我們的查詢請求一樣。這將為合並、共享和發布存儲在雲中的信息提供許多機會。
不必說，現實與這個更大的目標還有一些差距。但是，在現實世界中還有一些實際的例子。銀行已經建立了用於識別信用卡的全球網路。在這個網路中，信息必須要共享，安全是有保證的。航空公司訂票系統以同樣的方式運行，用網路訪問中央存儲系統。大多數擁有廣域網的任何規模的機構都能夠在移動中訪問信息。雲計算把這種應用提高到了另一個水平。
作為一個概念證明，位於英國布里斯托市的惠普實驗室早在2004年就發起了一個SE3D計劃。這個計劃允許12個小組的英國動畫製作者自由訪問惠普實驗室的「Maya Rendering Service」(瑪雅繪圖服務)，製作3D短片。參加者獲得了Maya許可證和研討會、公共會議和行業指導的時間表。這項服務提供在整個網路上的公用計算，這是把動畫製作作為一項服務提供的原型。對於商業電影公司來說，動畫製作是需要很高成本的。
目前正在使用的最著名的雲計算的例子是亞馬遜的EC2網格。《紐約時報》最近租用了這個網格創建了數據容量達4TB的PDF文件庫，包含了從1851年至1920年之間紐約時報發表的1100萬篇文章。據《紐約時報》的Derek Gottfrid說，他使用了100個亞馬遜的EC2實例和一個Hadoop應用程序在不到24個小時的時間里就編排完成了全部的1100萬篇文章，並且生成了另外1.5TB數據，累計用了240美元，即使雲計算沒有作為一項主流的服務應用，它能提供這種難得的處理能力也是一種可行的選擇。
一線希望
同計算中的許多技術創新一樣，雲計算的應用遇到了傳統的系統和設想的阻礙。盡管雲計算能夠提供節省成本的好處，但是，「新興市場」的應用將超過在歐洲或者美洲的應用。
這有許多原因。在所謂的發達國家，大多數企業已經擁有依賴於傳統的硬體、軟體和常規的工作方式的基礎設施。在東南亞、印度、中國或者撒哈拉以南的非洲，中小企業很少擁有復雜的客戶機-伺服器基礎設施。政府和研究機構很希望鼓勵應用價格便宜的技術。
IBM已經在中國、南非和越南等國家建立了雲計算中心。那裡的個人、團體和企業能夠立即訪問以前無法接觸到的應用程序。
同雲計算、網路計算和/或者公用計算的其它實例一樣，這些中心以運行在大型計算機或者刀片式伺服器上的虛擬化的Linux實例為基礎，能夠極大地促進這些中心所在地的本地的經濟。
消除自己的困惑
雲計算的概念也許對於IT經理是有魅力的，但是，像許多顛覆當前做事方法的想法一樣，雲計算也存在一些阻力。
你不必因為個人和業務的理由把你的數據放在那裡。你的個人信息、隱私和安全也許會脫離你的控制。你的個人台式電腦給予你控制權利。伴隨者微軟Windows操作系統軟體、病毒漏洞、反垃圾郵件郵箱和「不公開即安全」等成長的用戶幾乎都不相信網路安全。由於所有這些原因，企業要擁有自己的數據，並且經常有充分的理由。
還有許多許可證和應用程序目前可用的問題，還有隱私和控制的問題。我們生活在一個這樣一個世界裡，數據的數量越搜集越多，而管理數據的人越來越少。谷歌也許不願意共享你的數據，但是，政府機構能夠超越法律訪問他們要訪問的東西。政府和企業正在日益為收集有關我們的信息所困擾。在這種環境下，誰願意採用雲計算?這個事情不會發生，或者邏輯就是如此。「老大哥」正在雲中注視著你呢。但是，這種假設的觀點也許假設的集中化和控製程度都遠遠超過了實際的情況。
在當前的氣候中應用雲計算的最誘人的理由是它有可能大幅度減少能源消耗和浪費。耗費能源和浪費正是當前數據中心的特點。
雲計算的價值在於它使我們回到了大型計算機的世界。這個區別是我們使用移動電腦或者掌上電腦放在我們手上的大型計算機比三十或者四十年前像一個倉庫那樣大的大型計算機的計算能力更強大。
企業接受雲計算服務
半年前，電子設備製造商Sanmina-SCI只有很少員工使用Google的雲計算服務Google Apps，Google該服務中包括電子郵件、文檔編輯及日程表等。而目前該公司使用Google Apps的員工已經超過1000人。
該公司首席信息官Manesh Patel表示：「我們的項目組位於全球各地，使用Google Apps能幫助他們有效的合作。」他預計，該公司未來三年Google Apps的用戶數將增加至10000人，占員工總數的25%。
Sanmina和Google是最早在軟體和計算方式上做出改變的公司。目前，亞馬遜、Salesforce、IBM、甲骨文和微軟都開始為企業用戶提供網路存儲和軟體等服務，幫助它們進行客戶關系管理。這種遠程提供的計算服務被稱作「雲計算」。
雲計算實際上包含多種技術，例如軟體即服務（SaaS）和硬體即服務（HaaS）。軟體即服務是Salesforce十年前提出的一種發布軟體的新方式，而硬體即服務則是亞馬遜和其他公司推出的通過網路提供存儲和計算能力的新方式。
雲計算市場將快速增長
一些分析師認為，雲計算代表了企業計算方式的改變。美林預計，未來5年中，雲計算在全球的市場總額將超過950億美元，全球軟體市場的12%將轉向雲計算。
IBM、戴爾和惠普等相關廠商也已經開始轉移自己的產品線，適應雲計算服務的需求。IBM於8月1日宣布，將花費3.6億美元新建一處雲計算數據中心，這使得該公司全球數據中心數達到9處。戴爾則為許多雲計算服務商和Web2.0企業提供設備，包括Facebook、微軟、亞馬遜和雅虎等。
鮑爾默近日的一份備忘錄顯示，微軟也已將雲計算列為09財年的五大工作重點之一。微軟將允許客戶在傳統軟體和軟體服務之間進行選擇。鮑爾默透露，微軟下一代的Live服務和網路技術中將加入更多雲計算功能。高盛一項調查顯示，大約9%的IT經理表示，他們計劃今年開始使用微軟的軟體服務。
可靠性和安全性問題
不過，許多企業首席信息官仍對雲計算的可靠性和安全性存有疑慮。7月20日，亞馬遜S3服務斷網6小時，這加劇了企業的擔憂。咨詢機構Gartner副總裁Daryl Plummer表示：「企業很難在短時間內大規模轉向雲計算。」他指出，企業高科技支出中的80%用戶系統維護，而不是創新。
企業轉向雲計算的速度之慢也引起了業內的擔憂。Google企業服務副總裁Dave Girouard表示：「這樣下去市場將會枯竭。」他透露，目前有50萬機構使用Google Apps，但是超過50%用戶使用的是免費版。
企業正在探索能夠使用雲計算技術的新領域，例如人力資源管理等。Sanmina公司的Patel目前在考慮使用雲計算來進行考勤和費用報告。他同時非常關注亞馬遜提供的網路服務。他表示：「從企業角度來說，很明顯我們只能逐漸起步。我們將首先在低優先順序工作中測試雲計算平台的能力。」
首席信息官擔憂的另一個問題在於雲計算是否符合法律規范，包括《薩班斯法案》和《美國健康保險條例》等。歐洲一家雲計算服務提供商ITricity此前未能使自己的服務滿足這些法律或規定。
尋求折中方案
過去6個半月中，ITricity投入77.9萬美元，將自己的服務升級至IBM的最新技術。IBM技術使ITricity的服務有更大的靈活性。ITricity表示，以往如果用戶希望提升雲計算能力，那麼需等上一周時間。而IBM的新技術可以使這一時間縮短至1小時，甚至更短。
由於很多公司在現有設備上投資很大，因此許多人認為可以採用混合模式來引入雲計算，即在公司內部，或稱為「私有雲」中完成一部分計算需要。
Google預計越來越多的企業將使用雲計算。Google的目標是讓更多人和公司適應Google Apps，並已經向一些大學免費提供Google Apps。
⑸ 大數據雲計算物聯網之間的關系
大數據雲計算物聯網之間的關系如下：
1、雲計算為大數據提供了技術基礎，大數據為雲計算提供用武之地。
2、物聯網是大數據的重要來源，大數據技術為物聯網數據分析提供支撐。
3、雲計算為物聯網提供海量數據存儲能力，物聯網為雲計算技術提供了廣闊的應用空間。
⑹ 雲計算主要是做什麼的
雲計算是基於互聯網的相關服務的增加、使用和交付模式，通常涉及通過互聯網來提供動態易擴展且經常是虛擬化的資源。