简述云计算的基本特征范文

关键词：曲率；主分量分析；数据压缩；三维数据

中图分类号：TN91134文献标识码：A文章编号：1004373X(2011)22000103

CurvaturebasedPrincipalComponentAnalysisandApplication

TANGMinli,WANGWei,WUHengyu

(HainanSoftwareVocationalAndTechnicalCollege,Qionghai571400,China)

Abstract：Aprimarycomponentanalysisalgorithmonaccountofcurvatureispropsedtocompressthedataof3Dpointcloud.Theprimarycurvature,Gaussiancurvatureandaveragecurvatureofeachpointiscalculated.Thepointclouddataismappedtothecurvaturespacetoextracttheprimarycomponentofthecurvaturespace.Thepointclouddataiscompressed.Testresultsshowthatthisalgorithmhasaperfectcompressionperformance.TheinnovationofthepaperisthatPCAalgorithmisintroducedintocompressionof3Dpointclouddata.ThealgorithmconqueredthedisadvantagesofthetraditionalPCAmethod.

Keywords：curvature;PCA(primarycomponentanalysis);datacompression;3Ddata

收稿日期：20110711

基金项目：国家自然科学基金资助项目（60963025）；海南省自然科学基金资助项目（610230）0引言

主分量分析PCA(PrimaryComponentAnalyze)是统计学中一种根据数据的统计分布特性提取数据主要成分的数据处理方法。由于它能减少数据的维数,并能使提取成分与原始数据的误差在均方意义上达到最小,所以常被用于数据的压缩和模式识别的特征提取。在反求工程中，三维激光扫描点云数据处理的一般流程为点云数据获取、噪声去除、点云数据过滤和平滑、数据压缩、点云特征提取与分割、曲线拟合、表面重建。其中，数据压缩是后续表面重建的关键步骤。

一般而言，三维散乱点云数据具有较大噪声，数据概率分布不一定符合高斯分布，这限制了PCA在点云数据压缩中的使用。鉴于此，本文基于KernelPCA的思想，尝试将三维点云数据映射到曲率空间，然后再用PCA进行处理。

关于点云数据的曲率估算方法,国内外已有一些研究。Milroy等采用局部坐标系内的二次参数曲面逼近点云［1］,利用曲率的微分性在OSC(OrthogonalcrossSection)模型上估算点云数据的曲率值。Huang和刘胜兰是在三角网格模型上进行曲率估算的［23］。以上几种是采用其他模型代替原三维点云模型来估算曲率的方法。胡鑫采用图像处理中梯度求解法,对点云中每一点处的曲率进行估计［4］，它对噪声没有抑制作用,同时对点云数据的组织方式有要求。Yang的方法直接以点云模型为研究对象,但却局限于对规则点云进行曲率计算［5］。对于散乱点集模型进行曲率估算目前还缺少有效的方法。本文尝试着直接在散乱点集模型上计算曲率，然后再做PCA压缩。

1基于曲率的主分量分析

1.1曲率的计算

具体步骤如下：

（1）对点云进行空间划分和K擦诮计算［6］，把每个点xi的K擦诮包括该点记为N(xi)，每个N(xi)的隐含曲面用一个切平面逼近［7］。N(xi)在切平面上的投影记作N(xi′)，各点的切平面计算可以通过各点的邻近点关系和最小二乘原理［1］求得，且xi与xi′必须满足一一映射关系。

（2）以xi′为基点，求出距离xi′最远的点xj′,xj′∈N(xi′)。连接xi′，xj′两点的直线方向作为u方向，垂直于u方向的直线方向作为v方向。

（3）将N(xi′)的每点都与xi′相连，得到k个有向线段，把这些线段在u方向上的投影记为di,1≤i≤j。将di进行排序，最大的记为dmax，最小的记为dmin，则N(xi)每点对应的u参数值由下式得出：uj=dj－dmindmax－dmin（1）式中：2≤j≤k+1；u1=0。

（4）为计算每一顶点的曲率,运用Yang所形成的二次参数曲面逼近法，求得较为精确逼近散乱数据点的二次参数曲面。利用顶点xi的N(xi)建立二次参数曲面:r(u,v)=［1uu2］Q1

v

1.2基于曲率的PCA

PCA具体步骤如下：

（1）计算采集到的点云数据曲率，得到矩阵K=［k1，k2，…，ki］。

（2）令k=∑ki/i，矩阵K中的每个值减去k，得到矩阵X=［k1－k，k2－k，…，ki－k］。

（3）对XXT进行特征值分解，求取特征值，根据数据具体特征确定阈值。

2实验

高斯曲率K及平均曲率H是分析三维表面的2个重要的几何特征，通过二者的组合可以得到，局部表面的几何特征［10］。在Matlab平台上实现了上述基于曲率的PCA算法。为了验证算法的有效性，在隧道三维扫描点云数据上进行了验证。直接用Imageware软件获取原始点云数据的基本信息，得到x，y，z方向的最小值xmin，ymin，zmin和最大值。其中，任意截取两段点云数据，形成区域1和区域2。做曲率分布直方图，如图1和图2所示。

图1区域1曲率直方图分布图1中区域1为(x>xmin&xymin+8&yzmin&zxmin+10&xymin+12&yzmin+6&z

图2区域2曲率直方图分布显然，曲率分布概率满足高斯分布，曲率主元之间具有线性关系，这些满足了PCA使用的基本条件。基于曲率的PCA对点云数据压缩后的结果如表1所示。

3数据压缩

本文以基于曲率的PCA算法,提出一个海量数据压缩方案,对所求得的点云数据的曲率进行PCA计算，保留较大特征值所对应的点，删除较小特征值所对应的点。具体方案步骤如下：

（1）确定原始点云数据最外区域；

（2）区域细化；

（3）细化区域内点云高斯曲率的计算；

（4）对求得的所有点云高斯曲率进行PCA求解；

（5）确定求得特征值的阈值，保留较大特征值的对应点，删除较小特征值的对应点；

（6）压缩结果不满足要求时，循环步骤（4）和步骤（5），第二次压缩；

表1区域1与区域2数据压缩比

对象压缩前点云数量压缩后点云数据压缩比/%区域14576392785.8区域28790670776.3

运用本文的数据压缩方案对隧道表面三维扫描点云数据进行了简化。该原始数据是由德国GOM公司的光学测量仪atos测量所得的38645个散乱点，点云数据预先已经进行去噪，空间划分和K擦诮计算（K=10），可满足后续实验的需要。该实验是在CPUcoreTM2，内存2GB，硬盘250GB，Matlab7.0.1和Imageware12平台环境下进行的。数据压缩结果如表2所示。

表2数据压缩结果

对象点云数量压缩比/%原始点云数据38645-第一次压缩3224983.45第二次压缩2751571.2

压缩前后的点云分别在Matlab平台里，显示结果如图3~图5所示。对压缩前与压缩后的点云变化进行比较，可以发现点云数量减少了，但是仍然能够清楚地表现整个隧道的情况。

图3数据压缩前4结语

本文给出了一种三维点云数据压缩方法。实验表明，这种方法可以达到较小的压缩比，同时尽可能地保留了细节特征。由于该算法对曲率估计的精度要求不高，提高了曲率计算的速度，具有更好的实用性。当数据样本比较大时，该算法效果更为明显。基于曲率的PCA数据压缩算法，对于目前三维扫描仪所测量的数据点云，能保留模型的特征信息，同时去除噪声，这对后续模型重建具有重大意义。

图4第一次数据压缩图5第二次数据压缩参考文献

［1］MILROYMJ,BRADLEYC,VICKERSGW.Segmentationofawraparoundmodelusinganactivecontour\[J\].ComputerAidedDesign,1997,29(4):299320.

［2］HUANGJ,MENQCH.Automaticdatasegmentationforfeometricfeatureextractionfromunorganized3Dcoordinatepoints\[J\].IEEETransactionsonRoboticsandAutomation,2001,17(3):268279.

简述云计算的基本特征范文篇2

关键词：智能电网，云计算，资源池，云桌面

中图分类号：TP311.52

随着智能电网技术的不断发展，未来电力系统中数据和信息将呈现爆炸性地增长，这无疑为系统的运行和高级分析带来巨大的挑战。电力系统现有的硬件设施和计算能力已难以适应未来电力系统在线分析和实时控制所要求的计算能力和存储要求。因此，迫切需要引入新的计算技术，在维持现有硬件设施不变的情况下，充分整合系统内部的计算能力和存储资源，提高电网的在线分析和实时控制能力，为智能电网提供有效的技术支撑[1，2]。

作为一种崭新的计算模式，云计算将一组分布式计算机系统相关的能力以透明服务的方式提供给用户或应用，允许用户或应用在不了解提供服务的技术、没有相关知识以及设备操作能力的情况下，通过网络获取所需的服务[3]。

由于云计算具有分布式的计算和存储特性，易扩展和管理，特别适合解决智能电网技术带来的一系列新问题，因此，在智能电网技术领域引入云计算，在保证现有电力系统硬件基础设施基本不变的情况下，对当前系统的数据资源和处理器资源进行整合，从而大幅提高电网实时控制和高级分析的能力，为智能电网技术的发展提供有效的支持，无疑具有极其重要的研究价值和意义[1]。

1云计算概述

云是一种容器，它能够存放各类IT资源（如服务器、存储等）并对外提供统一入口，且无需用户关心其具体细节（如存放模式等），这样既能保证资源大小可动态伸缩，又降低了使用资源的成本。云计算是将广义上的计算资源（硬件设备、软件平台、应用系统）放入云中，使资源使用者在不关心这些资源具体形态（物理集中或逻辑集中）的情况下，可以按自己的需要去使用它们，保障资源的利用率得到最大化的体现，同时使整个IT架构变得更加的柔性。一般认为，云有3种形态：私有云、公有云和混合云。私有云，是大型集团企业按照云计算的模式搭建信息系统架构，面向企业内部需求提供云计算服务；公有云，是面向外部用户需求，通过开放网络向一般大众或中小企业群体提供云计算服务；混合云，是私有云和公有云的结合，企业信息资源一部分满足内部业务需求，一部分用于为公众提供服务。混合云中的内部服务部分和外部服务部分之间通过安全装置进行隔离，以保护企业信息的安全。

云计算自下而上分为三层，分别是基础设施即服务（IaaS）、平台即服务（PaaS）、软件即服务SaaS），实现其中一层或几层都是云计算的体现。云计算的核心是虚拟化。虚拟化允许云计算系统根据服务提供商和客户之间协商好的服务等级协议动态提供计算资源。本质上，云计算就是将数据，应用和服务存储在云端，充分利用一组内部互连的虚拟机组成的并行和分布式计算系统强大的计算能力，实现用户业务系统的自适应性。

2基于云计算的电网信息化建设

对于电网企业而言，智能电网以及集中式数据中心等重点发展方向都对云计算提出了大量的需求，总体来说就是要通过云计算的虚拟化、分布式、并行计算等技术手段来打造更加柔性、简便、安全的信息化支撑平台，实现硬件、软件向集中服务方向逐步演进。

2.1云的构建

建成内网云（企业私有云）与公共服务云，对内实现企业软硬件资源集约化管理，对外为社会公众提供电网业务服务。首先在企业内网建设内网云，整合电网内部信息资源，发挥集团化规模效益；然后逐步建设电力营销、客服中心、电子商务、电动汽车网络运营、电网规划计算等公共服务，实现公共服务云。

一是实现IT基础架构的革新：基础设施即服务方面，整合企业的硬件资源，以硬件资源池形式支撑IT系统的资源需求，具备根据需要分配资源和弹性扩展的能力；平台即服务方面，实现开发工具等基础平台组件的统一，提升其服务能力，按需为业务应用的开发测试提供公共服务；软件即服务方面，实现业务应用系统集中部署与运行，为企业业务人员提供服务；二是提升IT服务创新的能力：基于云计算，实现IT基础设施、软件平台和业务应用的服务化，实现业务应用的快速开发与统一融合；基于智能电网互动化服务需要，快速构建各类电网增值服务，打造电网特色公共服务体系。

2.2云计算的应用

2.2.1信息系统硬件资源池

数据（灾备）中心的服务器、存储、网络等硬件资源进行虚拟化和整合，实现硬件资源的集中管理和按需分配，提高硬件基础设施的利用效率和业务承载能力，减少未来30%至40%的硬件采购投入，同时实现快速响应业务上线或扩容的需求。

2.2.2云桌面

为员工配备瘦终端设备，推广建设基于瘦终端的云桌面，替代传统的PC桌面机，通过远程利用硬件资源池中的服务器资源为员工提供桌面资源。所有办公数据全部保存在资源池服务器上，并通过行为安全审计实现操作升级。进一步实现硬件集中，提高信息安全保障机制，实现桌面部署、使用、运维的标准化、规范化。

3结束语

云计算是分布式计算、并行处理和网格计算的进一步发展，是基于互联网的计算，是能够向各种网络应用提供硬件服务、基础架构服务、平台服务、软件服务、存储服务的系统。云计算技术的引入，通过改造、新建进行有效的资源整合，有效提升了系统利用率、扩展性与集成应用能力，降低研发、建设与运营成本，增强了电网公司研发设计创新能力、生产集约化和管理现代化水平，以支撑智能电网时代所带来的业务和数据压力，为建成电网公共服务体系，实现公共事业企业增值服务提供了强有力的技术支持。

参考文献

[1]潘睿，刘俊勇，郭晓鸣.电力系统云计算初探[J].四川电力技术，2010（03）：71-76.

简述云计算的基本特征范文篇3

关键词云安全模型信息系统保护测评

中图分类号：TP3文献标识码：A

文中以云安全服务模型为研究依据，从云计算信息系统的安全特性入手，提出建立云安全服务模型及管理中心，介绍了云安全等级保护模型的建立情况。

1简述云计算信息系统安全特性

以传统的互联网信息系统相比较，云计算信息系统把全部数据的处理与存储都放在服务端，终端用户根据网络可以及时获取需要的信息和服务，没有必须在本地配置的情况下进行数据的处理和存储。根据网络中所设置的网络安全防护设施，可以在服务端设置统一的身份兼备与安全审计系统，确保多数系统出现的安全问题得到有效解决，但此时新的设计服务模式又会带来新的安全问题，例如：滥用云计算、不安全的服务接口、数据泄露、安全管理等多个方面的问题。

2建立云安全服务模型及管理中心

现实中的不同云产品，在部署模型、资源位置、服务模型等各个方面都展现出不一样的形态和模式，进而形成各不相同的安全风险特征及安全控制范围。所以，必须从安全控制的角度创建云计算的模型，对各个属性组合的云服务架构进行描述，从而确保云服务架构到安全架构的合理映射，为设备的安全控制和风险识别提供有效依据。建立的云安全服务模型如图1所示。

3云安全模型的信息安全等级测评办法

云安全信息安全保护测评的办法就是根据云安全服务模型与云安全中心模型，考察用户在云安全方面的不同需求，安全模型处在安全等级保护体系下的不同位置。安全模型一端连接着等级保护技术，另一端连接着等级保护管理的要求。根据云安全信息中心的建模情况，对云安全模型下的核心基础、支撑安全展开分析，获取企业在云安全领域的信息安全等级测评模型，依照模型开展下一步的测评工作。

3.1分析等级测评云安全模型下的控制项

根据上述分析情况，可以把云安全模型嵌套在云安全等级保护模式中，从而展开与云安全有关的信息安全等级评价，并对安全模型下的有关控制项展开分析。首先察看云认证及授权情况，对是否存在登陆认证、程序授权、敏感文件授权等进行测评。依照不同的访问控制模型，选择访问控制的目标是强制性访问、自主性访问、角色型访问，进而采取与之相对应的方法。为了确保网络访问资源可以有效的控制和分配，需要创建统一、可靠的执行办法和解决策略。自由具备统一、可靠地方式才可以保障安全策略达到自动执行的目的。测试网络数据的加密情况，要对标准的加密功能及服务类型，做到静态和动态的安全保护。探测数据的备份与恢复情况，就必须查看云备份是否安全、数据销毁情况、磁带是否加密及密码钥匙的管理，检查的重点是供应商的数据备份情况。查看对管理用户的身份是否可以控制管理，是否可以管理用户角色的访问内容。查看用户的安全服务及审计日志，其中包括网络设备的监控管理、主机的维护、告警管理与维护等。

3.2分析等级测评云安全模型的风险性

依照等级保护的有关要求，运用风险分析的办法，对信息系统展开分析时必须重视下面的内容。

（1）云身份认证、授权及访问控制

云安全对于选择用户身份的认证、授权和访问控制尤为重要，但它所发挥的实际效果必须依赖具体的实施情况。

（2）设置云安全边界

云安全内部的网络设备运用防火墙这系列的措施展开安全防护。但外部的云用户只能运用虚拟技术，该技术自身携带安全风险，所以必须对其设置高效的安全隔离。

（3）云安全储存及数据信息备份

一般情况下，云供应商采用数据备份的方式是最为安全的保护模式，即使供应商进行数据备份更加安全，仍然会发生数据丢失的情况。所以，如果有条件的，公司应该采用云技术共享的所有数据进行备份，或在保留数据发生彻底丢失事件时提出诉讼，从而获取有效的赔偿。云计算中一直存在因数据的交互放大而导致数据丢失或泄露的情况。如果出现安全时间，导致用户数据丢失，系统应该快速把发生的安全时间通报给用户，防止出现大的损失。

4结束语

综上所述，随着云计算技术的发展，云计算信息系统会成为日后信息化建设的重要组成部分。文中从云安全等级保护测试为研究依据，简述了云计算信息系统安全特性，对云安全服务模型及管理中心的建立情况进行分析，提出云安全模型的信息安全等级测评办法。

参考文献

简述云计算的基本特征范文篇4

关键词：机器翻译；模糊语义；自动判断；语义映射

中图分类号：TN957.52+3?34；TP391文献标识码：A文章编号：1004?373X（2017）14?0075?03

Abstract：Inordertoimprovetheaccuratetranslationabilityofmachinetranslationforfuzzystatement，amachinetranslationoptimizationmethodbasedonmulti?fuzzysemanticsautomaticjudgmentisproposed.Theconcepttreemodelofthesauruscontextsemanticsmappingofmachinetranslationwasconstructed.Thetranslatedtextwasperformedwithfuzzysemanticfeatureextractionoftextinformationandrulereductiononthebasisofsemanticsontologythesaurus.Themulti?fuzzynaturallanguageformalizedstructureanalysismethodisusedtojudgetheautomatictranslationofthefuzzystatementtoimprovetheautomaticregistrationoftranslation.Thesimulationresultsshowthatthemethodcanperformthemulti?fuzzysemanticsautomaticjudgmentinmachinetranslation，andimprovethetranslationaccuracy.

Keywords：machinetranslation；fuzzysemantics；automaticjudgment；semanticsmapping

随着信息技术和软件技术的发展，翻译软件的改进和革新竞争越来越强烈，机器翻译软件已经由传统的逐字逐句翻译演化为面向对象和人机交互的模糊翻译，结合翻译语句的关键词信息进行翻译对象的领域判断，提高翻译的准确性[1]。在机器翻译中，由于受到来源语言的组词和语句的差异化限制，导致来源语言往往具有模糊性和歧义性，还导致机器翻译的准确性和智能性受到限制，需要进行机器翻译中的多模糊语义自动判断，采用语义信息分析方法，结合上下文的语义映射判唷9菇机器翻译的语义本体模型[2?3]，从机器翻译的输出内容上体现了原文创作者的意图，提高机器翻译的智能化水平。

1机器翻译的上下语义映射的概念树模型

1.1机器翻译的主题词表构建

为了实现机器翻译的多模糊语义自动化判断，采用自然语义处理方法进行机器翻译的主题词表构建，采用基于结构信息本体映射方法进行机器翻译的传播图模型分析，通过语义编辑和概率推理机制构建机器翻译的主题词表[4]，输入机器翻译的训练样本为：

定义是一个五元组表示机器翻译的语义本体结构模型，采用本体映射方法构建二维C4.5决策树表示机器翻译的主题词表的信息输入矢量为：

式中：为机器翻译的主题词信息输出量；s为准确翻译主题词汇概率。对于机器翻译中语义本体的知识存储的基本单元，用表示翻译过程中的语义歧义项的跟随修正向量集合，计算表达为：

用定义机器翻译的语义自相关的频繁项集，采用本体集成进行翻译过程中的知识交换和关键词信息检索，实现关联分析度量[5]，其计算式为：

根据上述分析，构建机器翻译的主题词表结构模型如图1所示。

1.2机器翻译的上下文语义映射概念树

采用上下文映射方法构建机器翻译的概念树模型，进行多模糊语义自动判断，在概念树中对词语知识利用结构知识赋予了人类可理解语义[6]，得到语义相关度最大的语法分析的语义相关度函数为：

采用不同界限划分方案得到机器翻译的上下文语义映射概念树结构模型如图2所示。图2中，语义修饰目标属性取值，映射到语义映射概念树中表现为映射值，对语句的多模糊性进行自动判断。在实验过程中，转化为简单语义单元进性语义特征分析和机器翻译的自适应伴随跟踪识别[7]，选择具有最佳语义相关度值的上下文语义映射概念树推荐实验参数，在C4.5决策树中进行语义分析和机器翻译的修饰。

2多模糊语义自动判断实现

2.1文本信息模糊语义特征抽取及其规则约简

在上述进行了机器翻译的上下文语义映射概念树构建的基础上进行机器翻译的多模糊语义自动判断设计，提出基于多模糊语义自动判断的机器翻译优化方法。基于语义本体主题词表对翻译文本进行规则约简和文本信息模糊语义特征抽取，选择准备规则约简的简单子句进行Prim算法设计，Prim算法公式描述为：

经过多轮目标从句的S，V，O分解运算后，计算每个简单语义的最大生成树矩阵A，它是一个的实矩阵，将其设置为目标从句，有m阶正交语义约简规则矩阵U和n阶正交矩阵V，经过SVM分解，确定合理的权重系数，分解过程为：

通过文本信息模糊语义特征抽取及其规则约简，为进行多模糊语义自动判断提供准确的信息输入基础。

2.2机器翻译多模糊语义自动判断实现步骤

采用多模糊自然语言形式化结构分析方法进行模糊语句的自动翻译判断，从而提高机器翻译的自动配准能力[8]，机器翻译多模糊语义自动判断实现步骤描述如下：

（1）根据机器翻译多模糊语义对象集合O的主题词表，选择共同属性的简单子句，作为机器翻译的所有属性的概念子集从句；

（2）选定待匹配词的从句进行S，V，O分解，并确定合理的权重得到机器翻译中的多模糊语义若干个简单主句单元；

（3）计算模糊语义特征单元的共同属性语义相关度值，定义为g（I）：={oO

（4）根据主题词表中最顶层节点进行自动判断搜索，计算对象集合O的特征词值；

（5）将匹配修正后的文本归结为一个词汇；对于oO，AA，如果满足收敛条件，得到的机器翻译结果是模糊的，返回步骤（2），重新选定主题词表的基本单位；否则，进入下一步；

（6）根据主题词表匹配算法进行循环遍历，实现机器翻译的多模糊语义自动判断，得到对应的最佳语法分析结果；

（7）调整主题词（叙词）款目，进行模糊语义自动配准和判断，得到从句权重系数KS，进行实验对比分析。

3实验测试分析

采用编程语言Java1.5.4作为编程软件进行机器翻译中的多模糊语义分析判断编程，开发环境为Eclipse3.4.2，测试的机器翻译文本来自于positionTAg1文本数据库，选择k=4，得到由A，B，C，D四个语义特征组成的信息属性集，使用ICTCLAS2015机器翻译软件进行批量的中英文机器翻译处理，自定义抽取特征词的个数（1”，1’）=（{1，2}，{a，b，f}），（1”，2’）=（{2}，{a，c，d，e}），设定机器翻译的上下文语义映射概念树的参量如图3所示。

根据上述仿真环境和参数设置，进行机器翻译的多模糊语义自动判断，测试语义映射的特征配准率，采用本文方法和传统方法，得到对比结果如图4所示。

分析图4的仿真结果得知，采用本文方法进行机器翻译中的多模糊语义自动判断，能提高翻译的准确度，相比传统方法，上下文语义映射的特征配准率得到大幅提高，具有优越性，提高了机器翻译的准确性。

4结语

为了提高机器翻译的可靠性和智能性，提出基于多模糊语义自动判断的机器翻译优化方法。结果表明，采用本文方法进行机器翻译的模糊语义判断和配准，提高了机器翻译的自动判断能力，从而能提高翻译的准确性。

⒖嘉南

[1]饶翔，王怀民，陈振邦，等.云计算系统中基于伴随状态追踪的故障检测机制[J].计算机学报，2012，35（5）：856?870.

[2]杨来，史忠植，梁帆，等.基于Hadoop云平台的并行数据挖掘方法[J].系统仿真学报，2013，25（5）：936?944.

[3]华翔，康凤举，田学伟，等.可视化仿真的私有云框架研究[J].系统仿真学报，2011，23（8）：1652?1656.

[4]石倩，陈荣，鲁明羽.基于规则归纳的信息抽取系统实现[J].计算机工程与应用，2008，44（21）：166?170.

[5]冯贵玉，赵琪，张可黛.多源信息融合认知机理与模型研究[J].计算机与数字工程，2013，41（2）：182?184.

[6]LIChenliang，SUNAixin，ANWITAMAND.TSDW：two?stageWSDusingWikipedia[J].JournaloftheAmericansocietyforinformationscienceandtechnology，2013，64（6）：1203?1223.

[7]张沙清，刘强，张平，等.基于本体语义的制造网格构建机理研究[J].计算机应用研究，2008，25（8）：2289?2291.

简述云计算的基本特征范文

关键词：图书馆云计算技术应用

云计算技术随着计算机技术以及网络技术的快速发展而日渐完善与成熟，同时该项技术在现代图书馆中也起着十分重要的作用。云计算技术在图书馆中的运用进一步提升了图书馆的网络信息管理和服务能力，而且不仅使得图书馆的遭侵入率大大下降，同时也使得信息外泄率下降。总之，通过对信息资源的管理和存储，云计算技术利用先进的网络手段极大的促进了现代图书馆的快速发展。

一、云计算技术概述

云计算实际上就是一种新的对计算机和互联网进行充分利用的方式，具体来说就是从并行处理、网格以及分布式处理计算发展而来的新技术，其通过处理器资源和数据的有机组合，使得数据中心能够类似于互联网的形式运行。云计算这种模式能够将虚拟的、可以扩展的、动态的信息资源连接起来，从而提供随时的访问和分享。这样通过云计算计算，在全球任何地方的数据中心或者服务器就能够实现对某一相关资源和功能的使用与管理，其实际上就是作为互联网来服务的。传统的IT设施在使用时不仅需要进行机房的建立，而且还要购买足够的设备，并配备相关技术部门的IT人员。为了企业信息基础设施的完善运转，传统的IT设施甚至还要组建一支专门的开发维护队伍，因此其应用十分复杂。云计算技术的出现不仅使IT架构实施得以简化，而且还可以让IT应用实现按需付费、实时定制和随时取用的功能与特点。

二、云计算技术在图书馆中的应用分析

（一）图书馆资源海量存储和并行计算对云计算技术的应用分析

基于云计算理论，海量存储模型属于一种面向海量资源数据的云存储。该模型主要是针对图书资源的存储需求，如全国性大规模以及行业性和区域性的图书资源等存储需求，基于云计算平台实现跨域自适应云文件系统。另外，针对海量元数据资源特征，海量存储模型的研究开始面向现代化图书馆结构化资源的特定云存储模型，同时提出了结构化元数据存储机制，该存储机制和方法具有高效、简单以及适应现代化图书资源特点的优势。对于并行计算模型来说，其参考MapReduce云计算框架，根据全国性大规模以及行业性和区域性的图书资源海量分布特征，开发适合现代化图书馆图书资源的索引和检索算法。并行计算模型利用云计算的海量数据处理优势，其能够实现对特定海量资源检索逻辑的定义，提高了图书资源的检索和索引性能。另外，该项模型还能够实现分布式检索算法，该算法能够适应海量图书资源，从而大大提高了图书资源检索的效率，最终为海量数据存储的高效并行检索提供支持。

（二）图书馆海量资源检索对云计算技术的应用分析

这一方面对云计算的运用主要集中在图书馆海量资源检索的统一服务与调度中。对于图书馆来说，其基本上都具有自己的电子资源数据库运算模式和服务系统。针对图书馆的这一特性，需要建立一个统一调度管理模型，而且该模型必须能够实现分类、分发去重以及检索调度。对于这一模型的建立，需要在多个电子资源和多个图书馆之间进行构建。基于开放链接的标准，统一调度管理模型采用向第三方提供电子资源注册的标准、以动态脚本技术以及多级调度制定调度的规则以及接口等方法的调度管理模型。海量资源检索对云计算技术的应用使得图书馆的每一个检索请求都能够成功发送出去，而其检索结果也能够快速的反馈到用户手里，最终实现了充分有效的利用图书馆每个电子资源的目的。作为并行计算和海量存储模型的应用升华，统一调度管理模型的开发具有十分重要的地位。

（三）图书馆咨询服务对云计算技术的应用分析

首先，对于图书馆区域联合虚拟参考咨询服务的构建来说，其要能够有效整合信息资源，并实现资源的无缝衔接。另外，为了与用户进行多渠道沟通，该参考咨询平台还要能够提供多种途径，方便用户提取所需信息。联合参考咨询服务平台的构建，云计算技术能够帮助其实现对各个成员馆的多个虚拟咨询台的同时控制，并达到数据库跨库检索的目的。总之，云计算技术的应用能够帮助图书馆以及用户实现快捷而有效的咨询服务。

其次，对于图书馆服务器无间断运行来说，云计算技术的应用能够实现对服务器中数据的快速拷贝。由于图书馆内的服务器中集中储存了馆内的所有数据，所以一旦该服务器出现问题，那么图书馆的所有数据有可能会丢失，从而导致该馆将无法为用户提供服务。应用云计算技术，该技术中含有上百万台服务器，如果其中一台出现问题，那么其他服务器也能够将图书馆中的数据快速的完全拷贝到运行良好的服务器中，并让该服务器来及时为用户提供正常服务。

三、图书馆中云计算技术应用的要求

首先，必须掌握云计算技术在图书馆中的使用需求，如要对书籍借阅需求以及管理模式进行充分了解和把握，按照该技术水平，确定其在图书馆应用中的可实现性。同时，对云计算技术的运用要求通过谈话和讨论的方式掌握清楚，并对图书馆工作人员在工作过程中遇到的问题进行详细了解。这样通过对这些问题的了解和掌握，通过系统设计，结合当前技术水平来满足图书馆的需求，并切丁云计算系统目标。

其次，在云计算技术应用过程中，要根据以往经验对应用方案进行合理改动。设计人员在使用云计算技术之前必须要进行设计方案的初步制定，该方案应当包含系统结构构成、系统具体情况和描述以及各个系统的具体实施计划。另外，要结合文字和图形的方式来进行设计方案的撰写，从而使得整个方案既形象又具体，方便相关人员理解。

四、结语

综上所述，在现代化图书馆的建设中，云计算技术起着十分重要的作用，其为行业图书馆群统一服务的实现提供重要的技术支持。因此，在图书馆未来的发展中，一定要根据以往经验，对云计算技术进行不断优化，从而为现代化图书馆的完善构建提供技术支撑。

参考文献：

[1]晋征.云计算技术在图书馆中的应用探讨[J].网络安全技术与应用，2015，（04）.

简述云计算的基本特征范文1篇6

一、编户齐民与严密的户籍制度

编户齐民或简称编户、齐民，可以说是汉代农民的固定称谓，这形象地反映了农民与政府的法律关系，《汉书·高帝纪》云：“吕后与审食其谋曰：‘诸将故与帝为编户民，北面为臣，心常鞅鞅’。……”师古注曰：“编户者，言列次名籍也。”《汉书·梅福传》称：“孔氏子孙，不免编户。”师古注曰：“列为庶人也。”汉时庶人，亦即齐民、平民，《史记·平准书》：“齐民无盖藏”注引如淳说：“齐，等也，无有贵贱，谓之齐民，若今言平民矣。”这就告诉我们，齐民的特点就是编户，所谓编户就是登录于户籍之中，如师古言：“列次名籍也。”

户籍制度作为中国古代社会的一个重要特色，源于三代，但其正式成立，则是在春秋战国时代，商鞅变法中的有关规定是首要标志。与新的授田制、兵役制相联系，商鞅赋予了户籍特殊的意义，他主张上有通名，下有田宅，“四境之内，丈夫女子，皆有名于上，生者著，死者削。”［②］这是一种面向全民的户籍制度，这种制度对于政府的意义，商鞅十分明了，他说：“强国知十三数：竟（境）内仓口之数，壮男、壮女之数，老弱之数，官士之数，以言说取食者之数，利民之数，马、牛、刍、稿之数。”［③］十三数的获取，只有严格的户籍制度才能确保。治国之首在于知民数，知民数，方可有效地征之以役，税之以赋，才可富国强兵。出身刀笔文吏的萧何，深知户籍的重要性，所以刘邦入关后，诸将纷纷争取金帛财物，萧何独收秦的律令图书，使刘邦掌握了“天下厄塞，户口多少，强弱之处，民所疾苦”［④］。刘邦击败项羽，统一天下后，首先做的事情之一就是重新建立严格的户籍制度，《汉书·高帝纪》五年夏诏：“民前或聚保山泽，不书名数，今天下已定，令各归其县，复故爵田宅，吏以文法教训辩告，勿笞辱。”“以文法辩告”就是要为脱籍亡人重新办理户籍登记，而不采取处罚措施。此后到东汉时代，政府一直实施着严格的户籍管理制度。

汉代户籍，称谓颇多，前引《高帝纪》即称“名数”，师古注谓“名数，谓户籍也”。此外，又称户版、名籍。《周礼·宫伯》郑众注云：“版，名籍也，以版为之。今时（汉代）乡户籍谓之户版。”称户版者，自然是因书写材料的缘故。《论语·乡党》记孔子“式负版者也”，《集解》引孔安国曰：“负版，持邦国之图籍者也。”疏云：“负谓担揭也。版，谓邦国图籍也。古未有纸，凡所书画皆于版，故云版也。”《后汉书·仲长统传》注云：“版，名籍也，以版为之也。”因此，脱离户籍者，便被称为“亡命”。所谓“亡命”，《后汉书·吴汉传》注云：“命，名也，谓脱名籍而逃亡。”而没有户籍的人，自然又被称为“无名数”。有时，名籍又径称为籍，《释名·释书契》即言：“籍者，籍也，籍疏人名户口故也。”《急就篇》中也有“籍受证验问年”之句。

汉代所有的农民均须著籍，这一点殆无疑义，户籍之格式目前尚未有典型的版籍出土，只能触类旁推。

以往的文献资料中，未能留下有关户籍格式的文书资料，只有一些相关的身份说明。《史记·太史公自序》《索隐》引《博物志》载：“太史令茂陵显武里大夫司马迁，年二十八，三年六月乙卯除六百名。”这实际上是一则告身文书，但也可以反映当时人关于身份著录的习惯，大致是以县、里、爵、姓名、年庚为懦序。如上书《扁鹊仓公列传》即有“临淄元里公乘阳庆”、“安陵阪里公乘项处”等记载。许慎子许冲在奏上《说文解字》的表中也自称“召陵岁里公乘草莽臣冲”。

在西北出土汉简中，有相当一批有关戍卒、田卒及其家属名籍的文书，此类涉及到名籍的文书有三种情况：

一种是单身卒的名籍，格式如例：《居延汉简甲乙编》：

居延甲渠第廿八燧长居延始至里大夫孟宪年卅六囗囗五八·二甲

四二五图一九九

戍卒张掖郡居延当遂里公士张褒年卅一九四·一八图三一四

戍卒河东北里贾害年廿六三五·二五图五0九

田卒河南郡宛陵囗囗里公乘囗囗二一八·一三图四一八

从这些名籍我们可以看出对吏卒的登录，与上引司马迁等人的身份说明十分吻合，县、里、爵、名、年庚，依次登录，前面还缀有现任身份，这也应当是当代户籍登录的基本要素。所以，汉代的户籍又叫作“名县爵里”。值得注意的是，一些边塞吏卒名籍对于被登录人的身高、肤色，都登录在案。如《居延汉简甲编》第38简：“河南郡荥阳桃邮里公乘庄盼，年廿八，长七尺二寸，黑色。四月癸卯。”附第37简：“长安有利里宋买年廿四长七尺二寸黑色。”这应当是为了严格控制，有利于脱逃后缉捕。西北地区在搜缉流亡时，以此为依据。《居延汉简甲乙编》第1590简这样记道：“马长吏即有吏卒民屯土亡者，县署郡县、名姓、年、长、物色、所衣服、赍操、初亡年月日人数白。”这与户籍登录的原则是一致的。

第二种名籍为卒家属廪名籍，是配给戍卒家属食粮的名簿。如《居延汉简甲乙编》：

妻大女君以，年廿八，用谷二石一斗六升大

执胡燧卒富风，子使女始，年十，用

谷一石六斗六升大

子未使女，年三，用谷

一石一斗六升大。

一六一·一（甲九五五）

妻大女严年十七用谷二石一斗六升大

俱起燧卒王并，子未使女，毋知年二，用

谷一石一斗六升大

凡用谷三石三斗三升少

二0三·一三，图一六

因为这是廪给簿，所以要登录与戍卒的亲缘关系、年龄、使役情况，以确定配给标准。

第三种名籍类簿书是记载吏卒家属成员和财产的身份书，常被人引述的有二个典型的例子，一为礼忠，一为徐宗，除登录本人身份外，还登记家属、财产等项内容，是一种比较完备的名籍文书。《居延汉简甲乙编》三七·三五简文：

小奴二人直三万

用马五匹直二万

宅一区万

侯长觻得广昌里公大婢一人二万

乘礼忠年卅牛车二两直四千

田五顷五万

轺车一乘直万

服牛二六千，凡赀直十五万又同上书二四·一B（甲一八一B）简文：

妻妻

宅一区直三千妻妻一人

三坞燧长居延西道子男一人田五十亩直五千

里公乘徐宗年五十男同产二人用牛二直五千

子女二人

女同产二人男同产二人

女同产二人

有的学者直接把礼忠、徐宗简目为汉代户籍的代表格式，这是不妥的。在尚未发现汉代户籍的可靠原件前，我们只能根据上述文献的与简牍的资料，勾勒出汉代户籍格式的大概。

户籍登录的内容与时代变迁相关联。秦至始皇十六年，方颁布“初令男子书年”的法令，以扩大征役范围，而女子尚不必书年。西汉时期，户籍称名数、县里爵名，这应是成年男子登录的主要内容。不过，在西汉初，口赋、算赋设立之前，除男子要登录年龄外，其他人恐怕是只书县名数即可。随着口赋、算赋的征收，所有成员亦均需登录年庚。后来，由于赀算的征收，对家庭资产的登录也成为户籍登录的一项内容。至武帝时代，汉代户籍制度臻于成熟，所包括内容应有以下几点：

1、户主：县、里、爵、姓名、年龄。

2、家内所有成员：与户主关系、姓名、年龄。

3、家庭财产及估价：奴婢、田宅、牲畜、生产工具。另外，妻子的籍贯似也在登记内容中，《居延汉简甲乙编》二九·一（乙二三）有这样一简：“妻大女昭武万岁里孙第卿年廿一”，一些重点掌握的人物，恐怕还要翔实地记录其身长、肤色等。二、人口控制的三大法律绳索

如上所述，汉代对农民的控制，主要是通过严格的户籍管理实行的，在户籍管理方面，又设置了三大绳索将农民牢牢地束缚在政府手中。

1、案比。

案比是汉代的户口登记与核查，这是户籍管理的基础，也是最重要的一项工作。《东观汉记》称：“方今八月案比之时，谓案验户口次比之也。”［⑤］《后汉书·江革传》李贤注“案比”道：“案验以比之，犹今貌阅也。”

长期以来，人们多认为汉代统一是八月案比，而且，有关案比时间的记载也的确基本上都在八月，如除上引《东观汉记》外，又有《周礼·地官司徒·小司徒》“及三年大比”郑玄注：“大比，谓使天下更简阅民数及其财物也。”郑众云：“五家为比，故以比为名，今时八月案比是也。”贾公彦疏：“汉时八月案比而造籍。”《吕氏春秋·仲秋纪》高诱注亦云：“今之八月比户，赐高车鸠杖粉粢时也。”《续汉书·礼仪志》的记载与之类似：“仲秋之月，县道皆案户比民，年始七十者，授之以王杖，bù餔之糜粥。八十、九十礼有加赐。”《金石萃编》卷一八收有中平三年褒扬荡阳令张迁碑，碑文曰：“八月算民，不烦于乡。”《后汉书·皇后纪序》亦言：“汉法常因八月算人。”“案比造籍”之后，各县要将案比后的户口等项数字上报郡国，郡国在九月派上计吏上报汉政府，上计之计，指计簿，如《续汉书·礼仪志》云：“计者，计簿也。”其中，户口状况是核心内容，《后汉书·光武纪》：“遣使奉计”李贤注：“计，谓庶人名籍。”

需要指出的是，我们认真浏览一下上述史料记载，可以发现：所谓“八月案比”，都是东汉一代的史料，所以，如果说东汉时代是八月案比，九月上计，则毫无问题，但若放之于西汉，则不免让人质疑。西汉时期有关这方面的史料，常被人引用的是《汉书·高帝纪》五年的记载：“八月，初为算赋。”但这里看不出案比的意思，所以如淳反以《汉仪志》“民年十五以上到五十六出赋钱，人百二十为一算”作注。查检西汉时代史料，引入注意的是西汉的上计不是仲秋八月，而是都在春间举行。下引几条史料予以证明：班固《东都赋》：“春至三朝，会同汉京，是日也，天子受四海之图籍。”《汉书·武帝纪》：“（元封五年，春三月）还至泰山……因朝诸侯王列侯，受郡国计。”（师古注：“计，若今之诸州计帐也。”）“（太初元年春）还受计于甘泉。”“（天汉三年三月）行幸泰山修封，祀明堂，因受计。”“（太始四年春三月）行幸泰山……因受计。”《淮南子·时则》“三月官乡”，高诱注曰：“三月料民户口，故官乡也。”官有官府、官舍之意。《礼记·玉藻》“在官不俟屦”注：“官谓朝廷治事处也。”这样，“官乡”就可解释为将官府移往乡中办公。原因是三月料民户口。我们可以认为，西汉是在春间行案比之事。

汉代案比的时间西汉为春间，东汉为仲秋，案比方法概有二种：一种是集县内民众至县衙所在地，统一案验、登记，验视地点在户曹。如韦昭在《释名》中所言：“户曹，民所群聚也。”《后汉书·江革传》载：“建武末年，（江革）与母归乡里。每至岁时，县当案比，革以母老，不欲摇动，自在辕中挽车，不用牛马，由是乡里称之曰‘江巨孝’。”

另一种方式是县衙有关官吏直接到各乡进行案比。如前述“三月官乡”当为此义；又前引张迁碑言其“八月算民，不烦于乡”，深受民众称颂，应当也是因不将民集于县廷，而是下乡案验，所以下面接着写道：“随就虚落，存恤高年。”这一种方式应当是比较普遍的形式，下乡案验，一方面可以有效地核实人户，另一方面可以同时进行家赀估定，何乐而不为？

2．脱籍与迁徙的禁限。

脱籍者，也就是所谓无名数者。游离于政府控制之外，这是汉王朝所严令禁止的。元封四年，关东流民二百万口，无名数者四十万，丞相万石君“请以兴徙四十万口”，武帝不允，掾属甚至劝石庆引咎自决［⑥］。可见，流民，尤其是脱籍者对汉王朝的影响。

西汉建立后，萧何所定《九章律》就是在秦法《经六篇》的基础上增加了“兴、厩、户”三篇，虽其户律不存，但汉承秦制，由秦律的有关规定，可以窥见一斑。云梦秦简中有题为《傅律》者：“匿敖童及占*[原字疒里加夅]（癃）不审，曲、老赎耐。百姓不当老，至老时不用请，敢为酢（诈）伪者，赀二甲；典、老弗告，赀各一甲；伍人，户一盾，皆*[原字遷字去辶]（迁）之。”有《游士律》，规定出外游历必须持符；还有《法律答问》“何谓匿户”条云：“匿户弗徭使弗令出户赋之谓殹（也）。”《史记·商君列传》亦云：“商君之法，舍人无验者坐之。”从后世的《唐律疏议·户婚律》中也可反馈出汉户律的大概：“汉相萧何承秦《六篇律》，后加厩、兴、户三篇，为九章之律。迄至后周，皆名户律。北齐以婚事附之，名为户婚律。隋唐循而不改。”唐律明文规定：农民不得随意脱籍，有脱籍者，家长代过，《唐律疏议·户婚律》：“率土黔庶，皆有籍书，若一户之内，尽脱不附籍者，所由家长，合徒三年。”汉代的规定只能有过之而无不及。

为了制止农民脱籍，汉代专门设有“流民法”和“舍匿法”。“流民法”设于武帝时，《汉书·石奋传》：“惟吏多私，征求无已。去者便，居者扰，故为流民法，以禁重赋。”《汉书补注》引刘敝言：“此言以流民多少，课吏殿最。”汉政府设立流民法，想以此禁止地方官吏对农民的压榨、勒索，以解决人口流失问题。因此，汉代地方官的主要政绩之一便是户口增多，流民减少。

“舍匿法”又称“首匿相坐法”，其中一项重要内容就是不许容留脱籍流亡人口，“及舍匿者，论皆有法”［⑦］。梁统曾称：“武帝值中国隆盛，财力有余，征伐远方，军役数兴，豪杰犯禁，奸吏弄法，故重首匿之科，著知从之律，以破朋党，以征隐匿。”［⑧］这里的“豪杰犯禁”，主要就是指他们容留脱籍人口，所以武帝要以首匿之科，严惩隐匿。“知从”，据李贤注“谓见知故纵”，实际上也包括对脱籍人口的不举报。《汉书·王子侯表第三上》有这样一条记载：“元鼎五年，侯圣嗣，坐知人脱亡名数，以为保，杀人，免。”师古注曰：“脱亡名数，谓不占户籍也，以此人为庸保，而又别杀人也。”可见，使用无户籍者为庸保，本身就构成了知从之罪。

当然，汉王朝也并不是不许人口流动，只要经过批准，手续齐备，还是可以迁徙与外出周游的。但按规定，手续十分严格。如《居延汉简甲乙编》中有这样的简文：

永始五年闫月己巳朔丙子，北乡啬夫忠敢言之，义成里崔自当言为家私

市居延。谨案：自当毋官狱征事，当得取传，谒移肩水关、居延县索关，敢

言之。十五·十九

建平五年八月戊，囗囗囗囗广明啬夫宏、假佐玄敢言之：善居里男子丘

张自言与家买客田居延都亭部，取检。谨案：张等更赋皆给，当得取检，谒

移居延，如律今，敢言之。（简背面）放行五0五·三七

从以上两份简文可以看出，里中居民如要迁徙他处或外出办事，必须先到乡政府处提出申请，说明理由，并要交清更赋、无官狱徭役在身，然后再由乡啬夫拟定文书，批转加案转移所去县府或关卡。迁移者更需由移所批准更籍“放行”后，方可迁行。当然，政府特别批准的移民不在此限。

一些临时离开原籍、外出游历或从事其他活动者，也要经过批准，并办理户籍证明手续，《史记·扁鹊仓公列传》曾记仓公淳于意答文王文：“文王病时，臣意家贫，欲为人治病，诚恐吏以除拘臣意也，故移名数，左右不修家生，出行游国中问善为方数者事之久矣。”其中的“移民数”，王毓铨先生认为就是谒告乡吏取得出游的符传一类的证件［⑨］，即户籍证明，这种解释比较合理恰当。

3、什伍连坐与经济连带责任。

什伍相连，由来其久，其成熟则是在商鞅时代，《史记·商君列传》记商鞅变法：“令民为什伍，而相牧司连坐。不告奸者腰斩，告奸者与斩敌者同赏，匿奸者与降敌同罚。”《索隐》云：“牧司谓相纠发也。一家有罪，而九家连举发，若不纠举，则十家连坐。恐变令不行，故设重禁。”商鞅的什伍连坐在秦代已贯彻于法律，如云梦秦简中即有多处有关什伍连坐的法律条文及实施原则、规定。如《傅律》中规定：如果申报年龄不属实，除对申报本人予以“赀二甲”的惩罚外，还要“伍入，户一盾，皆迁之。”

汉朝建立后，继承了这套什伍连坐制度，而且更加严密地把它与户籍管理扣在了一起，因此，徐斡在感叹乱君之政时，则把“户口漏于国版”，与“夫家脱于联伍”并提，并且认为若出现这种情况，则会“避役者有之，弃捐者有之，浮食者有之。”为了避免这种现象的出现，汉王朝不仅继承了商鞅所制定的一家有罪、什伍并罚的刑罚原则，而且还追加了一系列经济连带责任的处罚，后者对农民的影响尤其巨大。

汉代的什伍组织，《盐铁论·周秦》云：“自关内以下，比地相伍，居家相察，出入相同。”《续汉书·百官志》说得更清楚：“里有里魁，民有什伍，善恶以告。”本注曰：“里魁掌一里百家，什立十家，伍立五家，以相检察。民有善事恶事。以相监官。”这里，恶事的概念十分宽泛，举凡不合乎封建政府法令、规范、道德等等，都为恶事。对恶事，有刑事处罚性质的连坐，这一点与商鞅相类。如《淮南子·泰族训》言：“使民居处相司，有罪相觉，于以举奸，非不掇也。”《盐铁论·申韩》亦云：“文诛假法，以陷不辜，累无罪，以子及父，以弟及兄。一人有罪，州里惊骇，十家奔亡。”

此外，汉代的经济连带责任更是骇人听闻，其主要内容就是什伍之内，若有随意脱亡者，不管告发与不告发，其所应负担的经济义务却要由其他人户负担。这样就出现了“去者便，居者忧”的情况，形成上述“一人有罪，州里惊骇，十家奔亡”的局面，这样，势必造成愈演愈烈的流民潮，增加“无名数”（脱籍）的数量。当脱亡人户较少时，这种经济连带责任或许能起到一点控制作用，但当流亡日多之时，这一作法只能是扬汤止沸。“流民愈多，计文不改”［⑩］所造成的后果，《盐铁论·未通》中文学们说得十分清楚：“大抵逋流，皆在大家；吏正畏惮，不敢笃责。刻急细民，细民不堪，流亡远去。中家为之出，后亡者为先亡者服事；录民数创于恶吏，故相仿效，去尤甚而就少愈者多。”

两汉防不胜防的流亡人口，固然与自然灾害、横征暴敛有关，但这种什伍相连的经济连带责任不能不说是一个主要肇事者。

三、结语

综上所述，农村人口对于两汉王朝的关系已昭然若揭。就中国古代社会的情况而言，政府对于农村人口的关系可以分为三大阶段：秦汉魏晋、南北朝隋初唐、中唐至明清。第一阶段可以说是注重人口本身控制的时期；第二阶段可以说是人口与土地控制并重，以人口为主；第三阶段可以说也是土地与人口并重，但以土地为主。其分界线是均田制下的租庸调与两税法。与之相应，农民与政府的关系似乎是一种日渐宽松的进程。两汉农民还强烈地依附于政府，在政府的严密控制下；中唐以后，农民有了较多的“自由”，特别是清朝的“摊丁入亩”之后，更是如此。但这只是问题的一个方面，我们还必须看到，与这一历史发展轨迹相对应的，还有一个相悖的座标体系，这就是农民的社会地位。在农民被政府严密控制之时，正是其拥有较高社会地位之时。当然，这里的较高，只是相对于后世而言，后世农民虽然逐渐被解除了一些政府直接控制的枷锁，但较之两汉农民而言，他们也失去了一些昔日的光彩与地位，这恐怕就是历史之所以为历史吧，我们无法象孔夫子那样一言一蔽之，只能在这纵横交错的叉港中认真求索，揭示历史的本来面目。注释：

①以上均参见拙文《汉代赋役制度计量研究》，载《文史哲》1994年增刊。

②《商君书·境内》。

③《商君书·去强》。

④《史记·萧相国世家》。

⑤《后汉书·安帝纪》引。

⑥⑩《汉书·石奋传》。

⑦《汉书·淮南衡山济北王传》。

简述云计算的基本特征范文篇7

关键词:云计算;基础架构;结构模型

中图分类号:TP

文献标识码:A

文章编号:1672-3198(2010)05-0325-01

1云计算概念及特征

目前,“云计算”还没有一个十分确切和统一的定义,较一致的观点认为云计算(或称云端运算)是在极大规模上将可扩展的信息技术能力向外部客户作为服务来提供的一种网络应用模式;是一种动态的、易扩展的且通常是通过高速互联网提供虚拟化的资源计算方式。它强调了处理无所不在的分布性和社会性――这种新兴的计算模型将任务分布在大量计算机(或具有计算能力的设备)构成的可自我维护和管理的虚拟计算资源池上,使各种应用系统根据需要获取计算能力、存储空间和软硬件服务。

云计算将网络上的计算资源(包括计算服务器、存储服务器、宽带资源等)集中起来并由软件实现自动管理,无需人为参与。“云”端可在数秒内处理数以千万计甚至亿计的信息,达到和“超级计算机”同样强大的计算效能。2云计算体系结构

2.1云计算的基本思想

云计算主要关注如何充分地利用互联网上软件、硬件和数据的能力,以及如何更好地使各个计算设备协同工作并发挥最大效用的能力。其基本思想是“把力量联合起来,给其中的每一个成员使用”,它采用共享基础架构的方法将巨大的系统池连接在一起为用户提供多种IT服务。通过使计算分布在大量的分布式计算设备上,“云”端被作为数据存储以及应用服务的中心,企业可将云端资源切换到其所需的应用上,根据具体需求来选购相应的计算和存储服务。

2.2云计算体系结构

“云”是一个由并行的网格所组成的巨大的服务网络,它通过虚拟化技术来扩展云端的计算能力,以使得各个设备发挥最大的效能。数据的处理及存储均通过“云”端的服务器集群来完成,这些集群由大量普通的工业标准服务器组成,并由一个大型的数据处理中心负责管理,数据中心按客户的需要分配计算资源,达到与超级计算机同样的效果。图1展示了云计算体系结构的模型,并在文中对相应的实体给出具体描述。

图1云计算体系结构模型

(1)UserInteractionInterface:用户交互界面,通过终端设备向服务云提出请求。

(2)ServicesCatalog:一个用户能够请求的所有服务目录,可根据自身的需求选择相应的服务。

(3)SystemManagement:系统管理,用户管理计算机资源是否可用。

(4)ProvisioningTool:服务提供工具,用于处理终端请求的服务,需要部署服务配置。

(5)MonitoringandMetering:监控和测度,对用户服务进行跟踪和测量,并提交给中心服务器分析和统计;

(6)Servers:服务云,由系统管理和维护,可能是虚拟服务或者真实的。

在云计算体系结构模型中,前端的用户交互界面(UserInteractionInterface)允许用户通过服务目录(ServicesCatalog)来选择所需的服务,当服务请求发送并验证通过后,由系统管理(SystemManagement)来找到正确的资源,接着呼叫服务提供工具(ProvisioningTool)来挖掘服务云中的资源。服务提供工具需要配置正确的服务栈或Web应用。

云计算同时描述了一种平台以及构建在该平台上的一类应用,图2展示了用户获取“云端”资源的基本过程:“云”端为用户提供扩展的、通过互联网即可访问的、运行于大规模服务器集群的各类Web应用和服务,系统根据需要动态地提供、配置、再配置和解除提供服务器,用户只需基于实际使用的资源来支付相关的服务费用。

图2用户获取服务云资源过程

3结语

虽然现在的云计算还不能完好地解决所有问题,但是在不久的将来一定会有越来越多的云计算系统投入使用,云计算本身也会不断地得到完善并成为工业界和学术界研究的另一热点。

参考文献

简述云计算的基本特征范文1篇8

Abstract：Inthispaper，thelandlostinChenggongDistrictofYunnanprovinceistherepresentativeofthekarstlandformoftheplateaulake，thedevelopmentcharacteristicsofkarstcavegaparebrieflydescribed.Basedontheengineeringexample，thestabilityofthekarstcaveandsoilcaveitselfandthereinforcementschemeareverifiedbythefinitedifferencesoftwareFLAC3D.Throughnumericalsimulation，itisfoundthatforthetreatmentofthekarstfoundationoftheplateaulakes，whetherthesinglecaveinthedepthof11morthecaveinthedepthof8m～15m，thegroutingtreatmentcanobviouslyimprovethekarstfoundationstability.

关键词：高原湖泊；岩溶地基；稳定性；数值模拟；FLAC3D

Keywords：plateaulakes；karstfoundation；stability；numericalsimulation；FLAC3D

中图分类号：TU47文献标识码：A文章编号：1006-4311（2017）01-0096-04

0引言

岩溶地基稳定性的研究其实仅仅是岩溶学研究的一小部分，但该部分内容的研究却是众多专业领域所不可回避的，比如道路和桥梁工程领域，房屋建筑工程领域，水利工程领域，地下建筑结构工程领域和市政工程领域等。不难想象，但凡在岩溶区进行建设项目均需要进行岩溶指标和特性的各项研究。

自R.W.Clough1965年首次将有限元引入岩土工程稳定性分析以来，数值模拟技术在岩土工程领域中获得了巨大的进步，并成功解决了许多重大问题，随着计算机和信息技术的发展，使得研究人员在计算机上面完成岩土工程数值模拟成为可能，数值模拟技术逐渐成为解决岩土工程问题的主流方法之一。国内的有限元理论发轫较晚，却发展迅速。从上世纪七十年代，徐芝伦教授将有限元理论引入国内以来，经过不断的完善和发展，如今的有限元理论已经较为成熟，基于有限元理论的诸多有限元软件的出现为研究人员提供了强有力的可视化研究手段。

本文以呈贡新区失地农民安置住房雨花2号地块二期建设项目为背景，探讨了其岩溶发育特征及其发展趋势，并借助有限差分软件FLAC3D进行高原湖泊岩溶地基的稳定性研究，旨在为区域性特殊岩溶地基的处理提供准确的经验依据和简单的研究方法。

1岩溶发育特征

1.1工程概况

呈贡新区失地农民安置住房雨花2号地块二期建设项目场地位于呈贡新区雨花2号地块内，场地东侧隔规划30m道路与云南交通职业技术学院呈贡新校区相对，南侧隔东外环南路与云南大学呈贡校区相对，西侧隔规划30m道路与云南民族大学呈贡校区相对，北侧为雨花2号地块一期前卫营小区。拟建场地区位条件优越，周边已经形成完善的交通路网。

整个场地总用地面积129826.32m2（合194.74亩），净用地面积96571.19m2（合144.86亩），总建筑面积340318.10m2，净容积率2.37，建筑密度19.54%，绿地率44.44%，住宅总套数1710套，用于解决周围社区失地农民的住房问题。

1.2岩溶发育特征

根据本工程勘察资料显示，研究区域内碳酸盐岩地层是岩溶发育的基础条件，其易溶解的化学成份和矿物成份较高，岩溶发育程度明显较强；另外，岩溶的发育还受不同岩性的阻隔和地下水活动的影响，往往沿地层分界线集中。地质构造与区内岩溶发育程度和岩溶作用强度存在空间上的联系，地质构造本身对岩溶发育起到一定的影响和控制作用。岩体节理裂隙发育，岩体中各类结构面，尤其是张性裂隙是岩溶发育的有利场所，为地表水流的下渗及裂隙水的赋存、运移、岩体溶蚀作用创造条件了有利条件，因此，强烈的先期地质构造活动导致研究区可溶岩地层裂隙发育、岩体破碎是岩溶发育的主导因素。

根据工程地质测绘成果及已有资料表明：场地内溶洞（裂隙）均发育在碳酸盐岩古生界石炭系下统大塘组（C1d）砂质灰岩中等风化地层中，地下岩溶发育大体顺地层界线、岩层层面及裂隙等结构面呈斜向发育，主要表现为溶蚀裂隙及层间裂隙，裂隙中均充填软～可塑状态黏土或松散状态角砾土，未探到规模较大的水平向发育的溶洞，研究区内揭露的溶蚀孔洞和溶蚀裂隙如图1和图2所示。从场地周边已有钻探揭露情况看，岩溶分散发育于场地不同地段，无规律性，溶洞空间分布不规律，并具有以垂直裂隙、层间裂隙发育为主的特征。

2基于FLAC3D的数值模拟

2.1计算剖面的选取

呈贡新区失地农民安置住房雨花2号地块二期建设项目的剖面众多，倘若将每个剖面机型数值模拟分析是难以实现的，况且众多剖面无岩溶分布，或者较多的剖面虽然存在岩溶洞（隙）但是规格较小，埋置较浅，处理较为方便。鉴于上述原因，本节将选取一个具有代表性的剖面，该剖面应当既有单个溶洞的分布又有溶洞群的分布，如此可以避免分开讨论的复杂性。同时，由于场区的占地面积较大，地形起伏变化大，所以放弃建立整体模型的思路。

通过分析钻探资料并经过筛选，选取35-35'剖面作为具有代表性的计算剖面，选取理由如下：

①35-35'剖面上面有三个钻孔分别为ZK101，ZK102，ZK103；ZK101与ZK102相隔19.8m，ZK102与ZK103相隔19m。其中ZK103钻孔在11m的顶板埋深处揭露单个溶洞；ZK102分别在顶板埋深8.6m、10.8m和15m处揭露三个不同规格的溶洞。如此可以满足在一个剖面上研究单个溶洞和溶洞群对岩溶地基的稳定性。②35-35'剖面的人工填土较少最薄处为0.8m，为了后期模型的简化，将土层定义为两层，即将第一层的人工填土和第二层的粘土相合并，这样不仅可以增大安全储备，简化了计算，而且计算结果误差较小。③35-35'通过勘察资料显示，的原是地面地形起伏变化最小，从ZK101-ZK103垂直方向上的增量仅仅0.8m，完全可以将后期的计算模型假定为水平，而且误差不会较大。④勘察剖面图显示的溶洞形状大都是椭圆形和类似的矩形形状，这两种形状的溶洞在35-35'剖面均有体现，所以该剖面具有代表性。

所选剖面的剖面图如图3所示。分别将ZK103和ZK102揭露的溶洞进行编号，溶洞的规格参数见表1。

■

2.2模型概化处理

2.2.1地质模型概化

在进行数值模拟之前需要进行必要的简化处理，这是因为实际研究区的地形地貌起伏变化较大，并且通过剖面图可以看出地质情况较为复杂，如果不进行必要的简化处理不但会使得计算过程冗长，而且计算结果的准确性也会存在重大偏差。故而将模型做几点假定处理：

①通过前述的35-35'人工填土较少的特点，将数值地层模型简化为两层，分别为粘土、中等风化砂质灰岩，假定土层为均质各向同性。②由于所选剖面的自然地面起伏较小，在模型中忽略两个钻孔之间的高差，以水平平面考虑。③根据勘探资料将不规则的溶洞形状假定近似为椭圆形和类矩形。④为了避开溶洞的影响，模型的边界从平距40m左右沿正方向延伸了10m左右。⑤考虑将要在该地基上面进行基础的施工，不可避免的会产生基地附加应力和上覆土层上面的活荷载，综合各种情况，将模型的上水平边界上面施加均布荷载1.66MPa。

2.2.2概化几何模型及岩土力学参数

依据地质模型进行的概化处理，以及剖面选取原则将模型概化为图4；并将数值模拟需要的岩土力学参数总结为表2。

2.3定义边界及确定工况

通过岩土工程评价资料和相关的文献[1-3]资料，在本工程案例中主要是通过固定四周和底部平面来实现几个面的位移值为零，其中自然地面为自由边界，除了其上面施加有均布荷载之外并其他无边界条件约束。

具体地讲：固定模型边界x=0面上所有点x的方向的速度；固定模型边界x=50面上所有点的x方向的速度；固定模型边界y=0面上所有点的y方向的速度；固定模型边界y=3面上所有点的y方向的速度；固定模型底部边界的z方向的速度。

本工程将首先模拟溶洞在自然状态下（未经处理）地基土层的应力状况；之后将向洞体里面注浆，模拟注浆之后地基的应力反映状况，因此分为case1（未注浆）和case2（注浆后）两个工况，对比注浆前后地基承载力和位移的变化情况。

3计算结果分析

3.1工况一

考虑到溶洞上覆土层的自重应力、建筑物的基地附加应力和部分的施工过程中的活荷载的作用，需要在模型的顶面（z=23的平面）上施加一个面荷载。工况一模拟的是溶洞注浆处理之前的应力状态和位移状态。通过计算所得到的工况一的应力状态如图5～图6；位移状态如图7～图8。

通过图5至图6可以看出最大主应力和竖向有效应力均以压应力为主，其中最大主应力出现在埋置深度最小的2号溶洞的两侧转角处，大小为25.6MPa；竖向的有效应力最大值同样出现在相同位置，其值为25MPa，通过查看不同埋置深度的溶洞竖向有效应力状态可知，随着顶板深度的增加有效应力逐渐较小，详见表3。

1号和3号溶洞虽然顶板埋置深度仅相差20cm，但是由于1号溶洞的顶板厚度较大，以致其竖向有效应力较3号稍大。竖向应力云图和水平向应力云图均随深度逐渐减小，其中最大竖向应力为25MPa，最大水平向应力为16MPa，均以压应力体现。

通过图7和图8可以看出，在z=23平面上的均布荷载作用下2号溶洞的位移变形相对最大，整体来讲，四个溶洞顶板的位移量均较小，最大的位移量值15mm出现在3号溶洞顶板处，考虑由于中等风化砂质灰岩的体积模量和剪切模量值相对较大的因素。出现局部位移量较大的部位为上覆粘土层，位于模型的左侧，如图9和图10所示，其值为3.37cm。

■

■

3.2工况二

工况二与工况一的主要区别为对四个溶洞进行注浆处理，输出最大、竖向和竖向有效主应力云图，如图11至图13；总位移云图如图14；注浆处理之后四个溶洞的竖向位移云图如图15至图18。

通过图14可以看出总位移的发生位置和大小较未注浆之前均未发生较大变化，主要是因为注浆体提供的是局部的岩土体加强，对于距离较远的粘土层影响较小，这一点符合实际状态。

通过查看四个溶洞经过处理之后的竖向位移云图可以看出，最大的位移仍然出现在2号溶洞的顶板处，但是对比未注浆之前的溶洞竖向应力云图可以看出注浆之后的竖向应力云图成层性更加均匀，说明受力更加均匀，而且位移量值减小。处理之后的1号溶洞的竖向位移为1.15mm，2号溶洞的竖向位移为1.46mm，3号溶洞的竖向位移为1.17mm，4号溶洞的竖向位移为0.79mm。

4总结

本文简述了以云南呈贡新区失地农民安置住房雨花2号地块二期建设项目为背景的高原岩溶发育特征，并对岩溶区的土层参数进行了整理，确定了用于数值模拟的数据参数；依据该建设项目展开了岩溶地基稳定性的数值模拟研究，分别设置注浆之前和注浆之后两个工况，模拟进行注浆处理之后，地基受力状态的变化以及位移的变化。通过对比发现：未注浆之前，在均布荷载的作用下产生的最大主应力为25.6MPa，表现为压应力，出现在溶洞两端的转角处。由于量值较大，考虑对此岩溶地基进行地基处理；通过注浆处理之后发现最大主应力和竖向应力的作用位置并无较大变化，但是量值却大幅减小，最大主应力由25.6MPa降低至7.4MPa，说明注浆体起到了强大的支撑作用，不仅仅填满了溶洞，一定程度上阻止了溶洞的继续发育，而且实现了地基加固；其总位移和竖向位移也有大幅减小，处理之后的每个溶洞竖向位移均未超过2mm，埋置最深的4号溶洞的竖向位移小于1mm。可见处理之后的岩溶地基承载力显著提高。

参考文献：

[1]陈宁.云南临沧某机场岩溶发育规律及地基稳定性研究[D].成都：成都理工大学，2012.

简述云计算的基本特征范文篇9

【关键词】大数据云会计特征应用

大数据对会计信息的变革产生着十分重要的作用，其是会计信息准确获取、有效处理的基本前提。云计算的进一步发展为中小企业提供良好的发展条件，同时也促进了各大企业对会计信息化的有效应用及相关模式的构建。以大数据为基本前提，对云会计的特征及应用进行有效的分析，可以使云会计更好的为企业发展服务。

一、大数据背景下会计数据具有较强的特殊性

首先，会计数据的粘合性、无形性比较突出。会计数据的类型比较复杂，并且都是直接的黏合在相应的业务数据之中，不能独立于业务数据而存在。会计数据收集及处理工作虽然相对简单，但要求其具备较高的准确度，信息量较大而且输出极为频繁，输出的形式也呈现出多样化的特点，这些因素的存在都使得会计数据表现出了较强的黏合性以及无形性的特点。

其次，会计数据面临着严重的安全威胁。由于会计数据的存储需要云环境的支持，因而安全性、完整性难以得到较好的保障。据统计，目前大约有70%的企业都不愿意将会计数据的相关信息存储在云环境之下，担心会泄露企业的会计数据，造成企业的巨大损失。

再次，在大数据的背景下，企业更关注会计数据的分析结果。在小数据的时代之中因为信息比较贫乏，因而对数据准确度的要求更高。而在大数据的影响下，某个会计数据的精准度并不会影响整个会计数据的分析。大数据下进行会计数据的分析所带来的收益明显要比小数据下注重数据精确度带来的获得的收益多。

二、大数据下云会计的主要特征

（一）能够及时获取所需的会计数据

在大数据环境中，企业所需的会计数据借助网络在相应的云计算平台就可以取得，而且比较快捷、简单、方便，能够较好的对会计信息进行移动管理，并实现会计信息的共享。除此以外，实行异地办公的会计人员还可以通过平台随时随地的完成对会计业务的处理，打破空间、时间对其的限制，及时的、有效的做出科学的决策。

（二）空间分离的现象普遍存在

大数据下的会计数据与信息并不是存储在企业归属地的计算机中，而是存储在云储存的平台上或者互联网的相关数据中心，因而导致企业存储的会计数据与企业物理位置的空间分离[2]。在大数据背景下，只需通过网络进入到云会计系统中就可以获得会计信息，并不受空间的限制。在大数据的影响下，会计数据的主要形式发生了巨大的变化，由原先的结构为主的数据转化成了非结构为主的数据，如图像以及文档等。

（三）高度重视会计数据及信息的相关性

大数据下进行会计数据分析的目的是通过对其相关性的分析以对企业经济事项的主要发展趋势进行有效的、合理的预测，并不是分析其经济事项出现的原因。相比之下，小数据下的云会计更注重会计数据对企业经营成效、资金流向以及财务状况的反映，而大数据的云会计则关注对会计数据及信息的结果分析，并与企业产品研发、产品供应与销售、发展规划等紧密联系起来，从而保证企业的综合竞争力得到不断的提高。

三、大数据背景下云会计的有效应用

（一）云会计在企业信息化发展建设中的应用

大数据背景下，云会计在企业信息化发展建设中的应用比较广泛。企业云会计的信息化处理平台中的运算资源主要部署在平台的云端，使得企业全部会计信息分析与处理的需要都可在云会计的计算平台中得到响应。云会计的信息化处理平台通过联网的控制，可以较好的保持与会计准则的一致性，还可以更好更快的实现银行对账、网上交易以及网上报税等会计信息的系统化集成，为大数据背景下企业信息化发展建设外部协同的实现提供可靠保障。此外，云会计还能够对企业的财务核算给予有效的实时控制，促进企业所需财务数据的及时生成，并实现企业财务信息的共享与同步。

（二）云会计在企业财务会计流程重构中的应用

将云会计科学合理的应用到企业财务会计流程的重构中，能够使企业的财务规划得以顺利的、有序的实施。在大数据之下，通过云计算处理系统的支持，企业将会计数据存储到云中，相应的业务流程还可以将合同的生成、业务的记录、产品购销成本等信息存储至云端，并自行进行运算，形成准确的报表及各项数据指标，税务部门或企业管理层等协同部门亦可以共享云计算处理系统中的各类数据，以充分满足自身的需要。对云计算进行科学有效的应用，可以使企业的管理层在重构以上财务会计流程的同时，促使企业的发展战略、财务会计战略得到较好的实现，进而增加企业的市场份额，促进企业的长远发展。

（三）云会计在企业会计成本核算系统中的应用

企业在进行成本核算系统创新改革的时候，要将云会计充分应用到其中，才能大幅度降低会计核算的成本。云会计主要是以软件服务的方式为企业提供所需的会计信息，相关企业用户需要按照其使用的会计信息资源的多少或者使用时间的长短来按需付费。

企业想要获得长远的发展，就必须要深刻的认识云会计的特征，并将其合理有效的应用到企业的会计信息管理过程中，才能在大数据的背景下保证企业会计数据的质量，提高会计信息的安全，进而使企业获得更多的经济效益，大大提升企业的市场竞争力。

参考文献：

[1]樊燕，曹薇.大数据下的云块特征及应用[J].中国流通经济，2014.

简述云计算的基本特征范文篇10

针对云计算环境中任务调度算法复杂度高、任务分配不够合理等问题，提出一种基于朴素贝叶斯分类的负载均衡技术。该技术利用云计算环境的心跳机制全面地收集各节点负载信息，并采用朴素贝叶斯算法对各节点负载状态进行分类；然后，根据节点状态分类结果，实现任务和资源分配的合理调度。实验结果表明，基于朴素贝叶斯算法的负载均衡技术能提高任务的分配效率，避免任务在各节点间频繁迁移，快速有效地实现云计算环境中各节点间的负载均衡。

关键词：云计算环境；负载均衡；朴素贝叶斯；负载信息；任务调度

中图分类号：TP311.1

文献标志码：A

LoadbalancingtechnologybasedonnaiveBayesalgorithmincloudcomputingenvironment

Abstract：

Forthetheheavycomplexityofschedulingalgorithmandthemisallocationofassignmentoccurringinthecloudcomputingenvironment，aloadbalancingtechnologybasedonnaiveBayesalgorithmwasproposed.Thistechnologymadeuseoftheheartbeatmechanismtogathereverynodesloadinformationcomprehensively，soastoclassifytheloadstateofallnodesbasedonnaiveBayesalgorithm.Then，accordingtotheclassification，itachievedreasonabledispatchofthetaskandresourceforeachnode.Theresultsoftheexperimentsshowthat，thisloadbalancingtechnologyimprovestheefficiencyoftheallocationoftasksandavoidsthefrequentmigrationbetweennodes，sothatitcanachievethepurposeofbalancingtheloadrapidlyandeffectively.

Keywords：

cloudcomputingenvironment；loadbalance；naiveBayes；loadinformation；taskscheduling

0引言

云计算是继分布式处理、并行处理、网格计算之后的一种新的计算模式，其核心是将大型数据中心的计算资源虚拟化，向用户提供以计算资源为形式的服务[1-2]。随着互联网数据量的与日俱增，云计算环境（简称云环境）必须具备提供大量并发访问服务的能力，如何将云环境中的总体负载“合理”分配到各个节点上，避免各节点的处理能力和I/O能力成为云计算中心提供服务的瓶颈，是云计算研究领域的热点问题之一。目前，主要采用负载均衡技术，通过调整各个节点上的负载分配情况，进行节点间的负载平衡，从而最大限度地利用现有系统资源，实现用户服务和扩展性能的最大化[3-4]。

现有的负载均衡技术研究中，根据其实现负载均衡方式的不同，主要可以分为静态负载均衡技术和动态负载均衡技术。静态负载均衡技术根据现有任务执行情况，并结合系统软硬件信息，通过调度算法选择合适的节点来分配、执行任务[5-6]。动态负载均衡技术则根据系统当前状态决定如何给云环境中的节点分配任务。若节点任务超载，则将超载任务动态转移至其他节点执行，如基于蚁群算法的负载均衡技术[7]、基于贪心算法的负载均衡技术[8]等。另外，文献[9]提出了一种基于虚拟机实时迁移的自适应负载均衡算法，通过处理当前负载数据和历史数据，预测虚拟机迁移后对系统影响程度，从而选择合理有效的迁移策略。文献[10]则将分布式系统中基于移动的负载均衡策略应用于云环境，利用Agent轮询机制收集节点信息，进行负载平衡操作。

由于每个任务占用资源难以预测，且各节点处理能力不同，动态负载均衡技术与静态负载均衡技术相比，更能根据系统性能的变化，动态地调整各节点的负载分配情况，负载均衡效果更好[11]。但现有动态负载均衡技术存在以下两个问题：1）只考虑单一负载指标（如CPU、内存等），未对云环境中各节点的负载情况进行全面有效评估，使得任务的分配调度不够合理，容易造成任务在各集群节点间的频繁“抖动”；2）实现任务调度时，调度算法比较复杂，需要在全局节点中寻找最优解，不仅影响任务分配效率，而且会给云环境系统造成更多的计算开销。

针对上述问题，本文结合云环境分布式并行的特点，提出了一种基于朴素贝叶斯算法的负载均衡技术。首先，利用云环境中的心跳包全面地收集各节点负载信息，并采用朴素贝叶斯算法对各节点负载状态进行分类；然后，根节点根据节点状态分类结果，实现任务和资源分配的合理调度，提高云环境的性能。

1基于朴素贝叶斯算法的负载均衡技术

1.1相关概念

定义1负载特征值。云环境中节点s的静态负载特征和动态负载特征，用于反映节点运行时的总体负载状况，记为V（s）。

在计算各节点负载特征值时，本文设定节点的负载特征属性主要包括CPU、内存、磁盘及网络四个方面。其中，CPU和内存属性反映当前节点任务处理过程中的负载情况；磁盘属性反映当前节点I/O负载情况；网络属性则反映了节点任务的接收及传送情况。下面将给出各个负载特征值属性的具体定义：

定义2CPU负载特征值。设云环境中节点s的CPU运行队列中任务数为C1，CPU上下文切换率为C2，空闲CPU时间百分比为C3，则其CPU负载特征值VC（s）为：

VC（s）=σ1C1+σ2C2+σ3C3

其中σi（i∈{1，2，3}）为一组权重系数，且∑σi=1，根据不同的应用可动态调整权重。

定义3内存负载特征值。设云环境中节点s的物理内存大小为R1，虚拟内存大小为R2，空闲存储器的大小为R3，则其内存负载特征值VR（s）为：

VR（s）=ε1R1+ε2R2+ε3R3

其中εi（i∈{1，2，3}）为一组权重系数，且∑εi=1，根据不同的应用可动态调整权重。

定义4磁盘负载特征值。设云环境中节点s的磁盘利用率为D1、磁盘访问速度为D2、磁盘队列长度为D3，则其磁盘负载特征值VD（s）为：

VD（s）=ω1D1+ω2D2+ω3D3

其中ωi（i∈{1，2，3}）为一组权重系数，且∑ωi=1，根据不同的应用可动态调整权重。

定义5网络负载特征值。设云环境中节点s的网络往返延时为N1，网络带宽为N2，则其网络负载特征值VN（s）为：

VN（s）=δ1N1+δ2*N2

其中δi（i∈{1，2}）为一组权重系数，且∑δi=1，根据不同的应用可动态调整权重。

另外，为了对节点s的负载情况进行贝叶斯分类，根据上述定义，训练样本的格式定义如下：

定义6训练样本。在云环境系统中，用于对节点s的负载情况进行贝叶斯分类的训练样本格式为〈VC（s），VR（s），VD（s），VN（s），T（s）〉五元组。其中：VC（s）、VR（s）、VD（s）和VN（s）分别为CPU、内存、磁盘和网络的负载特征值；T（s）∈T，T为训练样本分类集，T={Tj|j=1，2，3}（其中：T1表示空闲状态，T2表示正常负载状态，T3表示过载状态）。

1.2基于朴素贝叶斯的分类方法

朴素贝叶斯（NaiveBayes，NB）分类方法以贝叶斯定理为理论基础，是在已知先验概率与条件概率的情况下的模式识别方法[12]。与其他分类器相比（如人工神经网络、决策树等），朴素贝叶斯方法采用的分类器是分类算法中最简单、有效而且实用的模型。其假设一个属性对给定类的影响独立于其他属性，当假设成立时，其分类效果是最精确的。另外，采用朴素贝叶斯分类算法，可有效利用云环境中的Map/Reduce并行处理机制，将各节点收集信息进行并行分析处理，不仅不会造成系统的过多的额外负载，而且能快速有效地获得分类结果。

设样本空间为U，训练样本分类Tj的先验概率为P（Tj）（j=1，2，3），其值等于属于Tj类的样本总数除以训练样本总数|U|。对于新样本w，其属于Tj类的条件概率是P（w|Tj）。根据贝叶斯定理，可知Tj类的后验概率为P（Tj|w）：

P（Tj|w）=

1.3负载均衡策略

对于云环境中的所有子节点node，在每次发送心跳包heartbeat之前，利用空闲时间计算出节点s负载特征值VC（s）、VR（s）、VD（s）和VN（s）；然后，将负载特征值随心跳包发送到根节点，根节点则根据负载均衡策略，反馈各子节点的任务请求，实现任务的优化分配，达到均衡云环境负载的目的。为提高响应速度，根节点在收到心跳包之后，根据上次的分类结果来反馈指令，而本次收集的信息则在空闲时间进行计算，下个心跳周期发送。具体均衡策略如下：

根节点收到子节点发送的心跳包之后，将根据式（7）判断节点状态分类，并按以下三种策略进行处理：

1）若节点属于空闲状态，则响应该节点的任务请求，并同时发送负载迁移指令——接收者启动。

2）若节点属于正常状态，则以一定概率响应任务请求。为提高云环境平衡效益，若当前空闲节点占多数时，则适当提高响应概率，加快任务执行速度；若当前过载节点占多数，则降低响应概率，以控制云环境整体负载，避免全局负载过重。

3）若节点属于过载状态，则拒绝分配任务。

1.4负载迁移策略

本文负载迁移策略包括接收者启动策略和发送者启动策略。根据式（7）的分类结果，空闲节点运行接收者启动策略，进行局部负载均衡，若能有效处理周围节点负载，则策略结束；否则，过载节点开始发送者启动策略，继续进行负载均衡操作。本文使用的发送者启动和接收启动策略都在局部范围内，避免了节点大范围的迁移，提高了平衡效率。

假设初始节点为s，则接收者启动策略为reciver（s），发送者启动策略为sender（s）。接收者启动策略和发送者启动策略的遍历距离分别为μ和ρ，设参数i表示距离初始节点的距离，H（i）表示距离初始节点为i的所有节点的集合。

具体策略如下：

1）空闲节点接收者启动策略：

2实验结果与分析

2.1实验环境

为验证本文所提出的基于朴素贝叶斯分类的负载均衡技术的可行性和有效性，本文采用了3.00GHz的CPU和2GB的RAM作为硬件环境，WindowsXP的操作系统，JDK7.0的基础环境及Myeclipse9.0的编程工具，继承扩展了云计算仿真软件CloudSim[13]的DataCenterBroker、Vm和Host、Cloudlet等类。云任务（Cloudlet）按FCFS策略直接绑定到虚拟机（Vm），虚拟机根据主机（Host）相关有效信息，采用负载均衡技术进行分配和迁移操作。

本文实验环境利用如表1、2所示。规格的Host、Vm构成云计算数据中心（DataCenter），分别测试在相同条件下，不同任务数在DataCenter运行的时间及迁移的次数。

2.2实验结果分析

由于静态负载均衡技术不能根据系统性能的变化，动态地调整各节点的负载分配，其负载均衡效果明显低于动态负载均衡技术。因此，在本实验中，选择目前较为典型的两种动态负载均衡技术——基于蚁群算法的负载均衡策略[7]和基于贪心算法的负载均衡策略[8]进行对比实验。

为验证文中提出的算法的可行性，在第一组实验中，记录了任务执行过程中系统节点负载分布情况，如表4所示。

从表4可以看出，在任务数目较少时，集群负载平均分布在集群各节点上，大部分节点都处于空闲状态；任务数增加时，集群整体负载增多，空闲节点数据减少，根节点采用基于朴素贝叶斯的任务分配策略，将任务优先分配至空闲节点，避免了过载节点的出现；随着任务数不断增多，在无空闲节点的情况下，基于朴素贝叶斯的任务分配策略将任务分配至正常节点，对过载节点进行迁移，进一步避免集群的局部过载。实验数据表明，基于朴素贝叶斯的负载均衡技术能有效地平均集群负载，达到优化资源利用率的目的。

在实现负载平衡的过程时，调度算法的复杂度将会直接影响任务的分配效率和执行时间。在第二组实验中，针对不同负载平衡技术，本文将着重考察在相同节点条件下，任务数与任务运行时间的关系。从图2可以看出，基于朴素贝叶斯算法、蚁群算法和贪心算法的三种负载均衡技术，其任务运行时间均基本上随着任务数量的增长呈线性增长趋势。但由于基于朴素贝叶斯算法的负载均衡技术，先采用朴素贝叶斯算法实现分类，再根据分类结果对节点实现调度，能将任务快速、有效地分配到云环境中当前较为空闲的节点，充分利用了现有系统资源，有效地提高调度算法的效率。另外，与基于蚁群算法和基于贪心算法的负载均衡技术相比，本文提出的负载均衡技术避免了在整个集群节点中寻找最优解，缩小了其解空间，减少了任务分配的计算开销。因此，采用基于朴素贝叶斯算法的负载均衡技术，其任务运行时间少于其他两种技术，并随任务数逐渐增多，其优势更加明显。

另外，在负载平衡的过程中，能否对节点的负载情况进行有效评估，使得任务的分配调度更为合理，也是衡量负载平衡技术优劣的一个重要方面。在第三组实验中，针对不同负载平衡技术，本文将着重考察在相同节点条件下，任务数与任务迁移次数的关系。从图3中可以看出，在实现节点的负载均衡时，采用朴素贝叶斯分类算法，其任务迁移次数明显少于基于蚁群算法和基于贪心算法。分析可知，采用朴素贝叶斯分类算法时，利用训练样本，较为全面地综合考虑CPU、内存、磁盘及网络等四个方面的负载因素，因此能将任务分配到合适的节点，有效避免任务在各集群节点间的频繁“抖动”情况，且随任务数的逐渐增多，采用朴素贝叶斯算法作预处理的效果更加明显。

3结语

针对大数据时代的云计算环境，负载均衡机制为提高资源利用率、减少计算中心资源消耗提供了解决方案。本文提出的基于朴素贝叶斯分类的算法，给出了节点分类特征参数及分类方法，针对不同分类状态的节点采取了相应的任务分配策略和平衡策略，有效地提高了云任务的执行效率，达到了均衡云环境负载的目的。本文提出的处理任务分配与节点负载信息的方法，能有效处理云环境负载均衡的问题，为云环境平台下的负载均衡策略研究提供了新的解决方案。

参考文献：

[1]GROSSMANRL.Thecaseforcloudcomputing[J].ITProfessional，2009，11（2）：23-27.

[2]LIUP.Cloudcomputing[M].Beijing：PublishingHouseofElectronicsIndustry，2010：1-16.（刘鹏.云计算[M].北京：电子工业出版社，2010：1-16.）

[3]YIX，WENGC.Loadbalanceapproachtosavepoweronclouddatacenter[J].JournalofFrontiersofComputerScience&Technology，2012，6（4）：327-332.（易星宇，翁楚良.面向云计算中心效能优化的负载平衡方法[J].计算机科学与探索，2012，6（4）：327-332.）

[4]GUOP，LIQ.Loadbalancingschedulingalgorithmbasedonclassifyingtheserverbytheirload[J].JournalofHuazhongUniversityofScienceandTechnology：NatureScienceEdition，2012，40（S1）：62-65.（郭平，李琪.基于服务器负载状况分类的负载均衡调度算法[J].华中科技大学学报：自然科学版，2012，40（S1）：62-65.）

[5]SCHROEDERT，GODDARDS，RAMAMURTHYB.ScalableWebserverclusteringtechnologies[J].IEEENetwork，2000，14（3）：38-45.

[6]ZHAOY，HUANGW.Adaptivedistributedloadbalancingalgorithmbasedonlivemigrationofvirtualmachinesincloud[C]//Proceedingsofthe5thInternationalJointConferenceonINC，IMSandIDC.Piscataway：IEEE，2009：170-175.

[7]CHENZ.Resourceallocationforcloudcomputingbaseonantcolonyoptimizationalgorithm[J].JournalofQingdaoUniversityofScienceandTechnology：NaturalScienceEdition，2012，33（6）：619-623.（陈真.基于蚁群优化算法的云计算资源分配[J].青岛科技大学学报：自然科学版，2012，33（6）：619-623.）

[8]HUUTT，THAMCK.Anauction-basedresourceallocationmodelforgreencloudcomputing[C]//Proceedingsofthe2013IEEEInternationalConferenceonCloudEngineering.Piscataway：IEEE，2013：269-278.

[9]ZHANGZ，ZHANGX.Aloadbalancingmechanismbasedonantcolonyandcomplexnetworktheoryinopencloudcomputingfederation[C]//Proceedingsofthe2ndInternationalConferenceonIndustrialMechatronicsandAutomation.Piscataway：IEEE，2010：240-243.

[10]WANGSC，YANKQ，LIAOWP，etal.Towardsaloadbalancinginathree-levelcloudcomputingnetwork[C]//Proceedingsofthe3rdIEEEInternationalConferenceonComputerScienceandInformationTechnology.Piscataway：IEEE，2010：108-113.

[11]CHENGC，ZHANGD，XUY，etal.Asub-stateadaptiveloadbalancingstrategyforcloudcomputing[J].JournalofNanjingUniversityofPostsandTelecommunications：NaturalScience，2012，32（4）：53-58.（程春玲，张登银，徐玉，等.一种面向云计算的分态式自适应负载均衡策略[J].南京邮电大学学报：自然科学版，2012，32（4）：53-58.）

简述云计算的基本特征范文篇11

什么是云计算？现在不是没有答案，而是答案过多。

现在“云计算是什么”的答案，多到让人们搞不清什么是云计算了。

究其原因，在于人们只是归纳局部现象，只是抓住云计算这头大象的一个局部，把它当作云计算的整体。

当然，全面的归纳，比局部的归纳也好不了多少，它使人把云计算无限复杂化，陷入细枝末节，仍然搞不清什么是云计算。好比把大象完整地切割成无数碎片，码成一个立片体，让人仍然看不出是什么。

因此，我们需要进行理论概括，把云计算最必不可少的内核，概括出来，使这一内核不致于淹没在它的现象外延之中。

在这里，我打算从经济理论的实质上，对云计算进行一次内核剖析。使不懂技术的人，也可以直接把握其商业实质。

我认为，云计算核心特征是集中与分散结合把握资源。从现象上看，一方面是在云的方面集中分享数字化资源，另一方面是在端的方面提高分布式计算效能；其经济学的含义是，进行初始固定投入与边际投入之间的分工，通过大规模分享前者，保障后者的定制，总体达到报酬递增效果。

也许，我们用于解释内核的文字，并不因内核的简单而减少，但至少我们可以做到紧密围绕一个中心展开，而不是把云计算当作筐，把什么不相干的东西都往里装。

一、从经验上验算云计算的内核

在进入经济理论分析之前，我们先从经验上，验算我们提出的云计算的简单内核，是否符合技术意义上的云计算。

云计算的内核可以概括为“一个中心，两个基本点”，一个中心，就是提高效能（即报酬递增）；两个基本点，一是集中分享；二是分散增值。如果还可以多说一句话，就是：在集中分享与分散增值之间，通过接口（如API）进行联接。

好的定义应该足够精简，同时又不遗漏。我们可以验算这个定义。

GoogleCEO埃里克・施密特认为，云计算与传统的以PC为中心的计算不同，它把计算和数据分布在大量的分布式计算机上，这使计算力和存储获得了很强的可扩展能力，并方便了用户通过多种接入方式方便地接入网络获得应用和服务。

这个定义，兼顾了集中与分散的关系，尤其点明了分布式计算的特征，提及了联接方式。但对集中的方面，没有明确强调。对此，李开复曾补充了“让互联网这片‘云’成为每一个网民的数据中心和计算中心”这一特征。他们都没有提及用户增值和按需取用这一点，虽然Google在实战中，有个性化这一点。

美林证券认为，云计算是透过互联网从集中的服务器交付个人应用和商业应用。这些服务器共享资源，通过共享，资源能得到更有效的利用。

在这个定义中，分别提到了集中、共享；又兼顾了分散的应用（个人应用和商业应用）。但美中不足的是没明确指出应用的分布式特征，没有提及应用的增值性，没有明确提及联接关系。

网格计算之父IanFoster认为，云计算是一种大规模分布式计算的模式，其推动力来自规模化所带来的经济性。在这种模式下，一些抽象的、虚拟化的、可动态扩展和被管理的计算能力、存储、平台和服务汇聚成资源池，通过互联网按需交付给外部用户。

这个定义既提及集中的方面（“大规模”），又顾及分布式计算，而且兼及分享（“虚拟化”、“资源池”），以及增值（“按需交付”），是较全面的。特别是提到了效能（“规模化所带来的经济性”，即规模报酬递增，但忽视了范围报酬递增）。

二、云计算的经济学解释

从经济而非技术的角度观察云计算，有两个方面与传统经济不同。一是报酬递增，二是固定初始投入与边际投入分离，二者结合起来，正好反映了新经济不同于旧经济的技术特征。

1、第一个重大的不同，云计算呈现报酬递增，不仅存在规模报酬递增，而且存在范围报酬递增。

1）新古典解释与新经济解释的不同：工业经济与网络经济不同，在云计算中的反映

新古典主义经济理论与新经济增长理论，在某种意义上说，代表了工业经济与网络经济对世界的不同解释。

新古典经济理论的效能假设是报酬递减或报酬不变；新经济增长理论的效能假设是报酬递增。这是二者的根本区别。这种区别，揭示了工业经济与网络经济的最大不同点。

首先需要说明，采用效能观点，而不是效率观点，是因为效率这一视角不能将云计算与传统工业化的经济技术特征区分开。我们经常听到，人们一说起云计算的好处，就说云计算可以降低成本、提高收益、提高效率。但这种说法并没有说到点子上。因为几乎任何技术都可以降低成本、提高收益、提高效率，并不能将云计算与传统工业技术区分开。

效率是在市场规模和范围不变条件下说的。效能是效率的变化率，当把效率（成本与收益之比）放在规模或范围变化条件下来看时，工业技术与网络技术会呈现（切线斜率正负符号）相反特征，比如可以看出同样效率情况下，报酬递增与报酬递减的区别。

对云计算的经济解释来说，这样做还有个特别的理由。只有采用效能这个视角，才能把云和端的经济作用揭示透彻。因为报酬递增与报酬递减，在很大程度上是由初始固定投入与边际投入的关系决定的。而云对应的是初始固定投入，而端对应的是边际投入。

报酬递增，是由初始固定投入高，而边际投入低这一经济技术特点决定的。传统经济中物质生产的经济技术特点，是初始固定投入低，边际投入高，这导致边际成本递增，边际收益递减。它很难象云计算这样，利用分享基础设施、平台和软件来降低边际投入。

云计算初始固定投入高，边际投入低，这导致边际成本递减，边际收益递增。云计算中，无论是基础设施、平台还是软件，都需要较高的初始固定投入。但是一旦建成，就可以反复共用而极少耗损；而每项增值业务，只要进行一个较低的边际投入，就可以展开，无须从头开发基础设施、平台和软件。

这正好是新古典理论与新经济增长理论的区别。学者朱勇曾这样描述新古典理论与新增长理论的区别：“新古典理论假设总量生产函数具有规模收益不变的性质。新增长理论家对新古典增长模型的关键修正在于将技术因子A看成是经济的内生变量，这样在新增长模型中总量生产函数呈现规模收益递增的性质。”

现在，我们看到利用经济学解释云计算取得的第一个进步：不再简单说云计算可以降低成本、提高收益、提高效率，而是可以精确为数学上的边际概念来表述，也就是转化为“越……越……”的语式进行表述，例如，越是规模变大，或越是范围变复杂，云计算越可以降低成本、提高收益、提高效率。隐含的意思是，在规模和范围变量加大条件下，如果采用云计算，效率会由低变高；如果不采用云计算，效率会由高变低。同时这也客观暗示了云计算在什么条件下――在规模和范围很小的情况下（这正是我国许多地方云计算搞不起来所面临的形势）――不起作用，不可盲目采用。

2）新经济内部的两种不同方向的解释

用上述说法，虽然可以区分云计算在工业经济与网络经济上性质的不同，却不能区分铁路经济、电信经济与互联网经济。因为铁路经济、电信经济也是网络经济。仅指出报酬递增，仍可能搞混电信意义上的云计算与互联网意义上的云计算。例如，在涉及移动互联网这样的电信与互联网混合的行业中，并不能辨析出云计算的特质。因此还要进一步锁定其独特之处。

我们可以注意到，同是解释网络经济，在新经济增长理论内部，还有一种一般人甚至经济学家都不熟悉的分岔，可以用来解释传统网络经济（原子的或模拟信号的网络经济）与数字化网络经济的异同。

上面提到朱勇说的新增长模型，只涉及规模收益递增，与之相对的，是范围收益递增。自张伯伦的报酬递增学说之后，新增长理论中，发展出两种相反的报酬递增理论，一种是占主流地位的规模报酬递增，如斯蒂格里茨、克鲁格曼和罗默的理论；还有一支是美国西北大学潘泽的理论，提出范围报酬递增。

今天看来，范围报酬递增这一30年前提出的理论，好象是专门为云计算定制的一样。可以正好解释云计算的特殊原理。与电信规模经济不同，在云计算中，广泛存在范围经济。平台上的初始固定投入（例如经API开放的平台与开发工具）的分享，明显产生了品种多样化的效果。IT在移动互联网中的应用，明显比流量技术的应用，带来更多的差异化的增值业务。

由此，我们可以把云计算的“一个中心”，进一步精细表述为：云计算可以提高效能，尤其长于提高多样化的效能，同时也能够提高规模化的效能。如果一定要用成本、收益和效率等不精确的概念表述云计算，一定要附加限定，例如说，云计算有利于在复杂条件下，节省成本、提高收益、提高效率；或Foster的表述法：云计算具有“规模化所带来的经济性”。我前面用市场规模与范围两个条件，对云的经济作用加以限定，就是出于这种考虑。

2、第二个重大的不同，云计算将初始固定投入与边际投入的主体分开，以互补方式联接。

在传统经济中，集中业务与分散业务的主体，往往是同一个企业；而在云计算中，集中业务与分散业务的主体，竟然是不同的企业。

在传统条件下，比如美国零售商西尔斯的集中业务是沿铁路线的大仓储业务，其分散的业务是多品种的零售业务。无论集中，还是分散，都是在一个企业内部进行分工。

在云计算条件下，经营集中业务的，是基础业务服务商，如基础设施服务提供商（在IaaS情况中，如亚马逊）、平台服务提供商;经营分散业务（端业务）的，则是应用企业（如阿里巴巴的店主、苹果iPad开发者）。

集中业务的共同点，都在承担初始固定资本投入的工作；分散业务的共同点，都在承担边际成本投入的工作。

这里出现了经济学上的一个“意外情况”。云计算居然是在进行初始固定投入与边际投入之间的社会分工。一部分厂商专注于初始固定投入，从事的是基础业务；另一部分厂商专注于边际投入，从事的是增值应用业务。而且从事边际投入业务的厂商，可以重复分享从事初始固定投入业务的厂商的资源。例如，网店店主在分享阿里巴巴免费提供的平台；iPad开发者在分享苹果提供的开发工具和网上商店。在这里，初始固定投入与边际投入结合的单位，不再是一个企业，而是一个商业生态共同体。

这种情况，是传统经济没有的现象。传统经济的典型特点是，每个企业自己从事初始固定资本投入，如自己采购设备；自己进行边际投入。在从事生产时，都会利用专用资本，同时进行固定成本与流动成本、初始固定投入与边际投入的投资。通俗地说，就是自己盖厂，自己生产。

但是在云计算条件下，企业可以是别人盖厂，自己生产。而且别人盖的厂子，可以大家分享。谁想生产，就去分享别人建成的基础设施（I，信息基础设施）、“厂房”（P，平台）和“设备”（S，软件），通过服务器共享资源。当然，分享不是白分享，在苹果案例中，双方的关系是三七分成。提供服务器共享资源的得三成，应用开发者得七成。相当于生产者在租赁厂房和设备，服务商在提供厂房和设备的租赁服务。

为什么会出现这种现象？这要归结到生产资料的特点不一样。首先，厂房和设备得通用。这点对于传统经济很难。你不能租木工的手摇钻去打井，因为设备不通用。生产设备的实体性，导致它的专用性强，而通用性弱。人们可以租赁生产资料，但由于通用性限制，成不了太大气候。而云计算的生产资料是虚拟的，通用性强，而专用性弱，iPad上可以进行五花八门的应用开发，使的工具都是相同的。其次，云计算的基础设施、平台和软件，可反复使用、多次使用，其使用价值几乎不会耗损。例如淘宝平台上的店主越多，平台的价值越高（相当于馒头越吃反而越多）。

互补方式是指，集中业务（基础业务，初始固定投入）承担方以分享的方式“补”分散方，分散业务（增值应用，边际投入）承担方以交租金的方式“补”集中方。二者各得其所。其经济学上的特征，是规模经济与范围经济，即以共享方式配置资源比分别投入方式配置资源，取得的总效果更大（即规模或品种上的一加一大于二，近似于成本次可加性、成本弱加性）。

3、联接非常重要

集中与分散，这是云计算的两个基本点。它们分别对应的是初始固定投入与边际投入、基础业务与增值业务、平台企业与应用企业。之所以不能把二者割裂来看，是因为一旦分开，它们之间的配合所造成的经济效果就不复存在。

在经济学中，报酬递增，必须同时联系于初始固定投入与边际投入，而不可能只孤立地谈初始固定投入或孤立地谈边际投入。业界在谈云计算时，一不注意，就往往把这两个基本点分开了。不是把云计算往集中计算的方向拉，就是往分布式计算的方向拉，使人们忽略二者的联系。

第一种割裂，是裸的割裂，只提云计算的一个方面，不提另一个方面。

比如有人说云计算就是网格技术，这就只抓住了一面，扔掉了另一面。网格技术的失败，就在于脱离应用，单方向从事集中业务。今天，网格与物联网都不能孤立发展，应纳入云计算的完整框架发展，使作为边际投入的应用，与它们形成互补，发挥它们在初始固定投入方面的作用。如果只是以政府行为，以公共产品的模式推进，就会犯以前科技部门常犯的通病，因脱离应用，脱离市场经济而无人问津。

第二种割裂，是比较隐蔽的割裂，云计算的两个方面都提，但改掉了联接机制。

我们来剖析微软“云加端”模式，有助于理解这种割裂。微软提出“云加端”，在我看来，实际是反对云计算，又不明说，而是采用修改云计算定义的方式，否定人们通常意义上理解的云计算。过去说“打着红旗反红旗”就是指这种情况。微软以云计算之名，而行否定云计算之实的那个点，就在软件服务中集中与分散关系的割裂上。

在软件服务问题上，按正常理解（如谷歌和IBM的理解），云和端之间的关系，是软件免费，服务收费，即SaaS。而微软“云加端”的意思是，软件收费，服务也收费。这就从根上了云计算。背景是，谷歌和IBM的软件，都是开源软件；而微软的软件，是许可收费软件。谷歌和IBM倡导云计算的本意，是说将开源软件作为初始固定投入，免费提供给大家，然后通过边际上的应用服务，将费用收回来。服务收费的道理在于，初始固定投入降低了每项服务的成本（不用再一一重新进行初始固定投入了）。叫微软一“修正”，就成了，软件本身通过许可机制收一次费，如果另加服务，服务再收一道费。软件在这里，既要起锁定用户作用，又要收费。

云与端之间的联接问题，是云计算的重要问题。API（应用程序接口）历来是集中的系统与分散的应用之间的桥梁。搞云计算的人虽然没有把API当作云计算的一个必然组成部分，但无论从机理还是实践需要来看，云计算在云与端之间如何实现机制化的联接，都是一个不容忽视的问题。无论是在公有云、私有云中，还是在IaaS、PaaS和SaaS中，将分布于云中的集中资源与多种多样的本地应用有机结合起来，决定着云计算的成败。

联接机制叫不叫API没有什么关系，关键是要从机制上解决联接问题。联接问题核心是两个面向，一是面向系统及总体构架，二是面向本地计算与互联。回顾历史，中间件要解决的问题，在云计算中同样存在。如果联接机制只能面向前者，它解决不好终端定制的问题；如果只能面向后者，又解决不好标准化与成本的问题。相反，历史也表明，系统与应用之间的联接问题解决得好，可以变被动为主动，甚至反败为胜。例如苹果API的成功，使它发生了转折性的变化。API不仅是接口的问题，它本身就是一个系统工程，从开发工具到商业模式，涉及方方面面的问题。

简述云计算的基本特征范文篇12

关键词：云计算；特色；电信通信网络；应用分析

中图分类号：TP393文献标识码：A文章编号：1009-3044（2015）19-0020-02

当前，科学技术的发展给人们的生活、学习以及工作带来了翻天覆地的变化。新型的计算机云计算模式逐渐受到人们的青睐，在云计算模式下，人们获取信息的方式不再是传统的从计算机或者服务器上，而是从利用手机、或者平板电脑等移动设备从网络上进行直接获取。云计算的最大优势就是可以在极短的时间内，处理系统内的数据，并将其回传，这样的操作效率要高于传统的计算机操作效率。云计算主要的工作原理是将信息分布在计算机上，运用云计算的客户可以直接运用电脑设备将自身需要的资源进行下载，并根据自身的需要访问云计算的存储系统。

1云计算的发展概况

当前我国云计算的发展情况并不乐观，而在西方等经济以及网络技术发展比较完善的国家，对云计算的研究已经相当成熟。国外一些诸如微软、IBM的软件公司都针对自身的特点鉴定了云计算的结构和体系，也投入了大量的资金进行云计算技术方面的研究。虽然每家公司、企业对云计算的架构有一定的区别，但是总体上来说，这些架构没有太大差异，而在云计算的定义以及研究视角上却存在着很大的区别。随着时间的发展以及研究技术的进步，对云计算的研究已经取得了显著的成果。但是在具体的应用过程中，还存在着这样那样的问题，需要广大同行解决，比如云环境下的安全问题以及虚拟机的功能融合问题等等。我国的云计算研究从07年开始进行准备的初级阶段，这一阶段主要进行技术储备以及云计算概念的推广和普及，此后在2010年，随着产业的快速发展，我国的云计算逐渐得到了客户的认可。预计在不久的将来，我国的云计算将逐渐趋向成熟，并成为国内IT行业必不可少的一项基础设施。

2云计算的特色

云计算是当前最受客户欢迎的一种资源新型的互相共享平台，在这个平台上，通过远程的对接以及对计算机内部资源进行读取和存储，将资源放置于网络上。从分布资源的角度来说，云计算主要包括两个方面，其一是云终端，其二为云。所谓的云终端主要根据相关的基础设施建设而成，这些互联网相关的基础设施主要包括手机、pc客户端、服务器以及网络设备等等，这些电子设备只需要具有完善的操作系统和完善的应用系统，利用网络就可以直接与云终端连接，将云终端中的资源下载到自身的移动设备中。云是互联网对于各类服务器的统称。云的系统也包含两个方面，一是并行式的系统，二是分布式的系统。这两个系统的构成方式均是虚拟计算机，并且作为一个或多个计算资源而存在。云计算可以在满足用户基本需求的情况下，对计算机内的资源进行调整，更好地为用户服务。在服务的过程中，用户并不需要对计算机内的虚拟资源进行细致的了解。将云计算与传统的单机或者网络应用模式相比，云计算的特点主要包括以下几个方面：

1）虚拟化技术。使用云计算的应有软件均可以借助云计算平台对自己的软件进行专业化的管理。换言之，虚拟化的云计算平台也可以实现备份、拓展以及迁移等多样化的管理，这种管理与实质性的物理平台管理没有任何关系。

2）安全、可靠。云计算具有很高的安全性能，为了保证虚拟平台内的数据能够被用户及时获取，云计算技术连接了多个服务器，当单个的服务器崩溃，无法为用户提供服务时，用户仍然可以通过其他的服务器获取资源。此外云计算还具有很高的性价比，因为云计算主要有一系列的PC端口构成，其本身对物力资源的要求很低。所以云计算的可靠性和性价比要高于传统的计算机。

3）动态扩展及其灵活性特点。云计算具有动态扩展的功能，可以随时对项目进行必要的扩展，准确地完成自身目的。为了提高云计算的计算机能力，其还可以在原有服务器基础上添加服务器，实现自身的动态扩展。此外云计算的灵活性，它的灵活性主要表现在云计算可以将厂商的软件、硬件予以虚拟化，并将虚拟化的成果放置在网络上进行存储，实现各个厂商之间的虚拟数据信息的同步和兼容，达到配置间的高效运转。

3云计算在电信通信网络中的应用

3.1计算通信网络关系中的好友推荐

在利用云计算计算电信网络通信中的好友推荐时，其主要的依据是两位用户之间的相似程度以及熟悉的程度。对于该方面的计算在电信网络通信中具有非常好的应有前景。在云计算进行好友推荐的计算过程中，熟悉程度是绝对量，主要通过对二度好友的熟悉程度以及贡献程度进行，其次利用熟悉程度对好友的属性进行计算，从而得到精确的结果。云计算的这种好友计算方法，建立在电信数据本身特点的基础上，提取数据中的交流频率以及交流时长等数据信息，对二度好友的爱好、熟悉程度以及相似程度进行计算与分析。结合这些数据得到用户间的推荐程度，最后把相似程度较高的好友推荐给用户。云计算计算电信网络关系中的好友推荐指数时，主要的流程为以下几个方面：第一计算一度好友之间的相似程度，根据两者之间的熟悉程度，得出二度好友的关系。然后在对二度好友的相似度进行客观的计算，并在计算一度好友的偏好以及环境的基础上，对用户自身的偏好、环境以及二度好友的爱好、环境进行计算，得出总的计算结果，从而为电信用户提供好友推荐服务。

3.2预测客户的价值

在电信通信网络的关系中，还可以利用云计算预测客户的价值。这是一项计算量比较大的工程，其具体以图1客户价值预测流程主要为：1.从客户的信息记录以及其童话记录的文件中，选择若干字段进行合并；2.对抽取的字段信息进行分析，并解析客户所在区域内信息，删除解析数据中不符合要求的数据；3.依据通话的时间长度进行排序，根据排序结果，找出其1/n，2/n直到（n-1）/5的分位点，根据该分位点和通话时长将记录进行分类，用lable进行必要的标注；4.根据类别，将这些记录单独装在文件中；5.用bayesian进行模型训练；6.将bayes-ian将模型结果与测试集进行对比，利用这种方法可以降低预测误差，深入挖掘客户的潜在价值。

3.3电信社团特征结构化存储

从图2所示是电信社团特征结构化存储流程，下面笔者将对其进行一一地分析。

1）社团结构单属性统计

对电信社团特征的结构属性的存储以及规格化提起，需要采用分散研究的思想。抽取存储流程中的单个特征进行分析。所谓的单个属性主要包括社团外部度、最短路径以及子社团数目等等。社团结构的单个属性统计出来的结果对应着每一个序列，序列的位置又对应着统计特性，而该编号的一个数字是序列的值对应的统计特性。举例来说，比如统计社团内部属性中的节点特性，序列的位置编号为I，这个“I”便表示该节点的个数，序列位置编号I中的数字M，就表示在该节点中为I的点中一共有M个。

2）统计特性归一化uniform

因为社团的大小相异，因此也就导致单属性统计的过程中造成相似的社团内部结构、不同的社团在相同属性数值上存在差异。比如说两个大小不同的社团内部数分布情况，第一行表示社团共有十五个节点，有八个度为一的节点，四个度为二的节点，两个度为三的节点，一个度为四的节点；第一行表示另外一个社团的十五个节点，八十个度为一的节点，四十个度为二的节点，二十个度为三的节点，十个度为四的节点。那么从数量上来看，第一个社团的节点比为8：4：2：1，第二个社团节点比为80：40：20：10，化简之后也是8：4：2：1，也是说两者的比例分布是相同的，只是数量不同而已。如果直接相比两个社团间的绝度数量，它就具有很大的差异。因此我们有必要将其进行简化，予以统一化。

3）制定统计特性概率化分块规则

制定统特性的概率化分块原则，这里的原则其实是一个序列而已，该序列中的个数是矩阵列数，矩阵列数中的每一个原色都是按照百分比计算的，并且所有的元素百分之加起来为1。还有一种简单的分块方法，就是利用间隔统计，进行分块。换言之，在属性的矩阵中用四列存储社团的结构特性，运用等间隔统计的原则，将每块元素对应的百分之都为25，其序列状应该如同25%，25%，25%，25%。因此在制定规则的时候应该兼顾该社团网络特点。

4）统计特性的一致化

根据前面所述的原则，尽可能地确定统计特性的一枝花，尽可能低确定每块中应该有多少原色。具体的举例来说，其中牵涉到的统计特性概率分块原则与上述相同，分别为25%，25%，25%，25%，社团结构单个属性统计中的位置编号的最大值为十一，因此对应的统计特性正整数化的分块原则就是三三三二。在这里值得注意的是，P的数值不是随意的，其大小不是主观而定的，最大只是所有单属性统计特性系列最大值中的一个最小值。