一文看懂云计算和大数据到底是什么！

怎么用通俗的语言解释大数据和云计算？

云计算

1、云计算产生的背景

传统的应用正在变得越来越复杂：需要支持更多的用户、需要更强的计算能力、需要更加稳定安全等等。

而为了支撑这些不断增长的需求，企业不得不去购买各类硬件设备（服务器，存储，带宽等等）和软件（数据库，中间件等等），另外还需要组建一个完整的运维团队来支持这些设备或软件的正常运作，这些维护工作就包括安装、配置、测试、运行、升级以及保证系统的安全等。

便会发现支持这些应用的开销变得非常巨大，而且它们的费用会随着你应用的数量或规模的增加而不断提高。

这也是为什么即使是在那些拥有很出色IT部门的大企业中，那些用户仍在不断抱怨他们所使用的系统难以满足他们的需求。

而对于那些中小规模的企业，甚至个人创业者来说，创造软件产品的运维成本就更加难以承受了。

云计算是将我们传统的IT工作转为以网络为依托的云平台运行，NIST（美国国家标准与技术研究院）在2011年下半年公布了云计算定义的最终稿，给出了云计算模式所具备的5个基本特征（按需自助服务、广泛的网络访问、资源共享、快速的可伸缩性和可度量的服务）、3种服务模式（SaaS（软件即服务）、PaaS（平台即服务）和IaaS（基础设施即服务））和4种部署方式（私有云、社区云、公有云和混合云）使用和收费层面而言，云计算遵循按需使用，按需付费的规则。

2、分享几种关于云计算的通俗观点

1.水龙头论：

当需要的时候，扭开水龙头，水就来了，我只需要操心交水费就是了！

当你需要用一个软件时，你不用跑去电脑城，打开应用商店，它就下载下来了，你只需要交钱就是了；

当你想看报纸的时候，你不用跑去报刊亭，只要打开头条新闻，新闻唾手可得；

当你想看书的时候，你不用跑去书城，只需要打开阅读软件，找到这样的一本书，在手机上阅读；

当你想听音乐的时候，你不用再跑去音像店苦苦找寻CD光碟，打开音乐软件，就能聆听音乐；

云计算，像在每个不同地区开设不同的自来水公司，没有地域限制，优秀的云软件服务商，向世界每个角落提供软件服务——就像天空上的云一样，不论你身处何方，只要你抬头，就能看见！

2.段子论：

网上很流行的一种比喻：男人找个女友或老婆是自建私有云，单身约炮或者到娱乐场所消费是公有云服务，按需使用并可弹性扩容，已婚男人找二奶小蜜则属于混合云。

这种解释方式对男人比较适用，通常稍微一解释就心领神会！

3.共享论：

出行需要用车，云计算或者云服务好比乘坐出租车或专车快车共享单车，随时需要随时用，按用量（路程）付费即可。

自己买车开车是混合云，车是自己的，出去付费停车或加油相当于部分使用公有云，而亚马逊或微软云在国内跟黑车差不多被政策限制。

4.三餐论：

饿了要吃饭，在家里自己做饭属于自建私有云，需要建造厨房购买锅碗瓢盆柴米油盐等，吃完饭还需要自己刷锅洗碗等运维工作，费时费力；

外面餐馆提供的就相当于公有云服务，按需胡吃海塞吃完结账抹嘴走人，餐馆后厨如何安排做菜顺序并加快出菜速度就是负载均衡和虚拟化概念；

请厨师到家里上门做饭则属于典型的混合云，在资产安全的情况下有限使用公有云。

3、云计算的五大特点：

1.大规模、分布式

“云”一般具有相当的规模，一些知名的云供应商如Google云计算、Amazon、IBM、微软、阿里等也都拥能拥有上百万级的服务器规模。而依靠这些分布式的服务器所构建起来的“云”能够为使用者提供前所未有的计算能力。

2.虚拟化

云计算都会采用虚拟化技术，用户并不需要关注具体的硬件实体，只需要选择一家云服务提供商，注册一个账号，登陆到它们的云控制台，去购买和配置你需要的服务（比如 云服务器，云存储，CDN等等），再为你的应用做一些简单的配置之后，你就可以让你的应用对外服务了，这比传统的在企业的数据中心去部署一套应用要简单方便得多。

而且你可以随时随地通过你的PC或移动设备来控制你的资源，这就好像是云服务商为每一个用户都提供了一个IDC(Internet Data Center)一样。

3.高可用性和扩展性

那些知名的云计算供应商一般都会采用数据多副本容错、计算节点同构可互换等措施来保障服务的高可靠性。基于云服务的应用可以持续对外提供服务（7*24小时），另外“云”的规模可以动态伸缩，来满足应用和用户规模增长的需要。

4.按需服务，更加经济

用户可以根据自己的需要来购买服务，甚至可以按使用量来进行精确计费。这能大大节省IT成本，而资源的整体利用率也将得到明显的改善。

5.安全

网络安全已经成为所有企业或个人创业者必须面对的问题，企业的IT团队或个人很难应对那些来自网络的恶意攻击，而使用云服务则可以借助更专业的安全团队来有效降低安全风险。

大数据

何为大数据？

虽然很多人将其简单理解为“大数据就是大规模的数据”。

但是，这个说法并不准确！

“大规模”只是指数据的量而言。

但是数据量大，并不代表着数据一定有可以被深度学习算法利用的价值。例如：地球绕太阳运转的过程中，每一秒钟记录一次地球相对太阳的运动速度、位置，可以得到大量数据。可如果只有这样的数据，其实并没有太多可以挖掘的价值！

大数据这里我们参阅马丁•希尔伯特的总结，今天我们常说的大数据其实是在2000年后，因为信息交换、信息存储、信息处理三个方面能力的大幅增长而产生的数据：

• 信息交换：

据估算，从1986年到2007年这20年间，地球上每天可以通过既有信息通道交换的信息数量增长了约217倍，这些信息的数字化程度，则从1986年的约20%增长到2007年的约99.9%。在数字化信息爆炸式增长的过程里，每个参与信息交换的节点都可以在短时间内接收并存储大量数据。

• 信息存储：

全球信息存储能力大约每3年翻一番。从1986年到2007年这20年间，全球信息存储能力增加了约120倍，所存储信息的数字化程度也从1986年的约1%增长到2007年的约94%。1986年时，即便用上我们所有的信息载体、存储手段，我们也不过能存储全世界所交换信息的大约1%，而2007年这个数字已经增长到大约16%。信息存储能力的增加为我们利用大数据提供了近乎无限的想象空间。

• 信息处理：

有了海量的信息获取能力和信息存储能力，我们也必须有对这些信息进行整理、加工和分析的能力。谷歌、Facebook等公司在数据量逐渐增大的同时，也相应建立了灵活、强大的分布式数据处理集群。

大数据在应用层面：

大数据往往可以取代传统意义上的抽样调查、大数据都可以实时获取、大数据往往混合了来自多个数据源的多维度信息、大数据的价值在于数据分析以及分析基础上的数据挖掘和智能决策。

现在，你是不是彻底理解云计算和大数据了呢？不能说二者毫无联系，其实之间是存在相关联性的，而且可以肯定的说，未来就是数据时代，云计算和大数据势必将成为互联网必不可少且极具竞争的技术！