1、云计算
根据美国国家标准与技术研究院（National Institute of Standards and Technology，NIST）的定义，云计算是指能够针对共享的可配置计算资源，按需提供方便的、泛在的 络接入的模型。上述计算资源包括 络、服务器、存储、应用和服务等，这些资源能够快速地提供和回收，而所涉及的管理开销要尽可能小。
具体来说，云模型包含五个基本特征、三个服务模型和四个部署模型。
五个基本特征：
-
按需自助服务（on-demand self-service）
-
广阔的互联 访问（broad network access）
-
资源池（resource pooling）
-
快速伸缩（rapid elasticity）
-
可度量的服务（measured service）
三个服务模型：
-
软件即服务（Software as a Service，SaaS）
-
平台即服务（Platform as a Service，PaaS）
-
基础设施即服务（Infrastructure as a Service，IaaS）
四个部署模型：
-
私有云（private cloud）
-
区云（community cloud）
-
公有云（public cloud）
-
混合云（hybrid cloud）
一般来说，云计算可以被看作通过计算机通信 络（例如互联 ）来提供计算服务的分布式系统，其主要目标是利用分布式资源来解决大规模的计算问题。
云中的资源对用户是透明的，用户无须知晓资源所在的具体位置。这些资源能够同时被大量用户共享，用户能够在任何时间、任何地点访问应用程序和相关的数据。
云计算的体系结构如图1-3所示，还对三个服务模型进行了阐述。
▲图1-4 物联 的技术栈
在物/设备层，诸如传感器、执行器等物联 特定的硬件可以被添加至已有的核心硬件中，嵌入式的软件可以被修改或集成进已有的系统，以便管理和操作具体的设备。
在连接层，由通信协议来实现单个物/设备与云之间的通信，例如消息队列遥测传输（Message Queuing Telemetry Transport，MQTT）协议。
在物联 云层，设备通信协议和管理软件用来协调、提供和管理互相连接的物/设备，由应用平台来实现物联 应用程序的开发和执行。此外，物联 云层还引入了分析与数据管理软件来存储、处理和分析由物/设备产生的数据。针对跨物/设备、人员和系统的过程监测，引入了过程管理软件来进行定义和执行。对于给定的目的，由物联 应用程序软件来协调物/设备、人员和系统之间的交互。
在上述三层的全域范围内，还存在特定的软件构件来对物联 体系整体的身份和安全进行管理，以及提供与商业系统和外部信息源的集成，常见的商业系统和外部信息源类型有企业资源计划（Enterprise Resource Planning，ERP）系统和客户关系管理（CRM）系统，外部信息源通常是指来自第三方的信息。
在谈论物联 技术时，“物联 平台”（IoT platform）是一个提及频次很高的概念。在计算领域，术语“平台”是一个相对广泛的概念，有些文献将平台定义为一组有机结合起来的技术，基于这些技术，能够开发其他的应用程序。
物联 平台本质上是软件产品，其提供大量与应用程序无关的功能，利用这些功能可以构建物联 应用程序。对于各种不同的物联 平台，其提供者所侧重的物联 技术不同，因此所提供的功能集合也是不同的。
换言之，物联 平台的配置没有统一的标准，但是存在众多针对不同领域特定需求的物联 平台，例如ThingSpeak、DeviceHive、Xively、WSO2以及海尔COSMOPlat等。
将云计算与物联 进行对比分析，给出了两个技术领域的互补方面，详情如表1-1所示。
1. 三类定义
当前大数据在各个领域的广泛普及使得学界与业界对大数据的定义很难达成一致。不过有一点共识是，大数据不仅是指大量的数据。通过对现有大数据的定义进行梳理，我们总结出三种对大数据进行描述和理解的定义。
1）属性型定义（attributive definition）
作为大数据研究与应用的先驱，国际数据公司（International Data Corporation，IDC）在戴尔易安信（DELL EMC）公司的资助下于2011年提出了如下大数据的定义：
大数据技术描述了技术与体系结构，其设计初衷是通过实施高速的捕获、发现以及分析，来经济性地提取大量具有广泛类型的数据的价值。
该定义侧面描述了大数据的四个显著特征：数量、速度、多样化和价值。由Gartner公司分析师Doug Laney总结的研究 告中给出了与上述定义类似的描述，该研究指出数据的增长所带来的挑战与机遇是三个维度的，即显著增长的数量（Volume）、速度（Velocity）和多样化（Variety）。
尽管Doug Laney关于数据在三个维度的描述最初并不是要给大数据下定义，但包括IBM、微软在内的业界在其后的十年间都沿用上述“3V”模型来对大数据进行描述。
2）比较型定义（comparative definition）
Mckinsey公司2011年给出的研究 告将大数据定义为：
规模超出了典型数据库软件工具的捕获、存储、管理和分析能力的数据集。
尽管该 告没有在具体的度量标准方面对大数据给出定义，但其引入了一个革命性的方面，即怎样的数据集才能够被称为大数据。
3）架构型定义（architectural definition）
美国国家标准与技术研究院（NIST）对大数据的描述为：
大数据是指数据的数量、获取的速度以及数据的表示限制了使用传统关系数据库方法进行有效分析的能力，需要使用具有良好可扩展性的新型方法来对数据进行高效的处理。
文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树首页概览211863 人正在系统学习中
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！