云计算基础概念范文篇1

12年前的“519行情”让投资者记忆犹新，这波行情以科技股开始，自1999年5月19日至6月30日，沪深股市成交持续增长，在不到1月半月的时间里，大盘上涨超过700点。目前，市场走势和当年多少有点相似之处，也许这也会未来“519行情”的重现埋下伏笔。

在IT产业众多概念中，云计算技术可谓是独占鳌头，它是未来3-5年全球范围内最值得期待的技术革命。信息爆炸和信息泛滥日益成为经济可持续发展的阻碍，云计算以其资源动态分配、按需服务的设计理念，具有低成本解决海量信息处理的独特魅力。然而“云计算”这个概念过于宽泛和含混，那么究竟是“神马”股才能踏上云计算这朵“浮云”的题材？

政策出台或进入快车道

今年以来，有关云计算的政策呈现出加速发展的态势。“十二五”规划纲要及《国务院关于加快培育和发展战略性新兴产业的决定》，均把“云计算”作为新一代信息技术产业的重要部分来强调；工信部软件服务业司司长陈伟也表示，软件服务业的“十二五”规划最迟在今年9月出台，目前已经进入论证阶段；此外，国家发改委、工信部、科技部等多部委共同参与的《加快发展高技术服务业的指导意见》已进入起草阶段，其中，云计算产业将被作为未来高技术服务业的主角；工信部、发改委领导近日在第三届中国云计算大会上表示，将继续采取措施推动我国云计算产业的健康快速发展。

发改委高技术产业司副巡视员徐建平指出，今后相关部门将“采取有效措施，有序推动我国云计算产业的健康快速发展。”相关部门领导和业内人士的观点和表态似乎预示着云计算的后续支持政策将进入快车道，支持力度有望不断加强。

在政策不断推进和完善的过程中，相关的试点和和实验室也在紧锣密鼓的展开。今年4月份，国内最大的“云计算”试验区在重庆市两江新区开建。由深圳云计算产业协会联合英特尔、IBM、金蝶等国内外相关企业创建的深圳云计算国际联合实验室正式揭牌。在北京、上海、深圳、杭州、无锡五个“钦定”的试点示范城市中，多个政企合作的云计算应用项目也将在今年落地。

聚焦云计算产业链

云计算涉及到一条复杂的产业链，具体来说，自终端起，云计算产业链大致包括以下几个层次：1、平台：包括应用设计、应用开发、应用测试和应用托管；2、基础设施：包括服务器、存储、网络设备、带宽等；3、云计算解决方案：公共或私有云的软件和解决方案；4、硬件与设备制造。产业链的各个层次未来都可能在云计算概念的推动下拓展出广阔的市场空间。

软硬件平台提供商：云计算的实现依赖于能够实现虚拟化、自动负载平衡、随需应变的软硬件平台，在这一领域的提供商主要是传统上领先的软硬件生产商，如EMC下的VMware，以及IBM、Cisco等等。这部分公司的产品主要特点是灵活和稳定兼备的集群方案，以及标准化、廉价的硬件产品。国内的对应公司包括浪潮信息、华胜天成、华为、中兴、联想、方正科技等。

系统集成商：帮助用户搭建云计算的软硬件平台，尤其是企业私有云。代表厂商包括IBM、HP以及亚马逊、Google以及电信运营商AT&T等。这部分公司普遍具有强大的研发能力和足够的技术团队，以及灵活可复制性的产品。国内公司包括华胜天成、浪潮软件、东软集团、神码等。

服务提供商：这一部分涵盖了为企业和个人用户提供计算和存储资源的IaaS公司，如提供新型数据中心服务的亚马逊、Rackspace，以及为应用开发者提供开发平台的PaaS公司如微软Azure、GoogleApp等。这部分是云计算的核心领域之一，今后绝大多数的计算处理以及应用开发都将在这些服务中展开。国内服务商包括鹏博士、网宿科技、神州泰岳等。

应用开发商：即SaaS应用服务提供商，包括传统软件厂商如微软的Live服务，互联网巨头Google的gmail、map，以及新兴的在线CRM解决方案提供商Salesforce等。国内主要商用类软件厂商如用友、金蝶、焦点科技、生意宝等将属于此类别。

目前利好基础设备

考虑到政策支持，国家信息安全以及国产设备高性价比等因素，中短期内A股上市公司中最先受益的将是提供IT基础设施和系统集成服务的企业。建议关注的公司有银江股份、卫士通、浙大网新、华胜天成、华东电脑、浪潮信息。

瑞银投资刘东升认为：目前市场对云计算概念的热情主要集中在软件行业上，认为云计算将开启新一轮的软件更新热潮。但这种观点似乎值得商榷，因为云计算能否实现的基础在于高速的互联网传输能力。

目前来说，我们民用的2兆带宽看网页绰绰有余，但不可能指望这个网速就能让个人电脑和服务器进行高速数据交换，更不可能指望现有的无线3G技术实现大规模计算交互。因此，要实现云计算、让我们的个人电脑终端大规模简化，就必须要建立超过目前几十倍甚至几百倍的高速互联网传输。

实际上，这种高速互联网的传输技术几年前就已经研发出来，只是由于更换成套设备的成本太高而没有推广，当云计算的理论成熟，新一代光缆、基站、服务器等基础设备的更新提上日程，所谓的云计算才能真正实现。

因此，股市里炒作云计算概念，应首先关注网络设备生产商这个板块。

云计算基础概念范文

作为一项有望大幅降低成本的新兴技术，云计算正日益受到业界厂商的追捧，亚马逊、IBM、英特尔、微软、雅虎、EMC、Google等大型IT厂商都已涉足该领域。现在，随着云计算理念推广的逐步深入，云计算在资源最大限度利用、IT成本可精确量化、实现更广泛信息交付等方面的优势已经得到了多数用户的认可。毫无疑问，云计算正在成为IT业的重要发展趋势，它的影响将会逐渐渗透到整个产业以及用户的应用中。那么，对于国内IT企业和用户来说，云计算会带来哪些机会呢？

三大影响

计世资讯认为，云计算将对互联网应用、产品应用模式、IT产品开发方向等产生深远影响。

首先，云计算将赋予互联网更大的内涵，并在某种程度上改变互联网企业的运营模式，通过云计算，更多的应用能够以互联网服务的方式交付和运行。云计算的先驱者之一―谷歌甚至强调，未来几乎所有的软件应用都可以搬到互联网上，以服务取代软件。

其次，云计算将扩大IT软硬件产品应用的外延，并改变软硬件产品的应用模式。目前，业界有一种很流行的说法，将云计算模式比喻为发电厂集中供电的模式。也就是说，通过云计算，用户可以不必去购买新的服务器，更不用去部署软件，就可以得到应用环境或者应用本身。对于用户来说，软硬件产品也就不再需要部署在用户身边，这些产品也不再是专属于用户自己的产品，而是变成了一种可利用的、虚拟的资源。

再者，IT产品的开发方向也将发生改变以适应上述两种变化。英特尔曾表示，未来的技术发展将会与“云”里的应用发生很大关联，英特尔设计的服务器平台会去顺应这种改变，在技术发展的目标中也将增加关于“云”的新内容；IBM对云计算更是投下了重注，并为此命名为“蓝云”计划。此外，现在甚至已经有专门定位于云计算应用的终端设备，其被称为“云计算计算机”。

综上所述，云计算作为一种应用模式，它的出现以及应用范围的逐渐扩大，必将对产业链的上下游产生重要影响。

用户怎么看

在云计算被认为是业界重要发展趋势，并已经受到业界厂商大力追捧的同时，手握IT投资决策权的CIO们真的了解“云计算”了吗？他们会为这一新概念埋单吗？

一项针对CIO的调查结果显示，55%的CIO表示听说过“云计算”的概念，但对其具体含义并不清楚；25%的CIO表示比较了解；16%的CIO表示很了解，并且很有兴趣。虽然有一多半的CIO仅限于了解“云计算”这一概念，不过，我们仍然很欣喜地得出这样的结论，绝大多数CIO已经开始了解和认知“云计算”的理念。

在多数CIO仅限于了解概念的发展初期，有高达58%的CIO表示云计算是未来的发展趋势，只是目前还并不成熟；29%的CIO表示云计算将彻底改变IT技术的发展现状;同时也有8%的CIO表示云计算虽好，但却并不适合于企业应用;仅有8%的CIO认为云计算只是厂商昙花一现的炒作。可见，CIO们对云计算的发展前景还是持乐观态度的。

当然，云计算能否真正被CIO们所接受，概念的认知只是第一步，能否真正落地到企业应用中才是关键。此次的调查结果显示，近50%的CIO表示没有计划或者不清楚是否会采用；仅有12%的CIO表示会在1到3年内考虑应用；29%的CIO表示正在积极研究中。看来，从概念到落地还有一段很长的路要走。

在被问及云计算能给企业带来哪些机会时？39%的CIO看中降低成本；34%的CIO表示云计算带给企业的是对市场的快速反应；25%的CIO认为云计算能提高业务的灵活性；也有29%的CIO表示不清楚。从这组数据我们可以看出，CIO们对于不用再自己设立数据中心以及IT随取随用还是表现出了很大的期待。

两个着力点

不过，目前还只是云计算发展的初期，像发电一样提供IT资源，并让用户实现随取随用还只是愿景。计世资讯认为，在云计算的初期推广中，IT厂商应抓住两大着力点，即市场的两端：高端企业级用户和消费级个人用户。

在高端市场，企业级用户会逐步开始尝试构建自己的云计算基础设施，也就是现在业界所说的“内部云”。通过研究，我们发现，企业级用户建立自己的云计算平台，是在对企业内部的IT基础设施进行改善，关键业务与核心数据仍运行在企业内部的计算平台上。因此，对于这部分高端企业级用户来说，接受云计算基本上就是接受一种新的技术和解决方案。

在低端市场，消费级个人用户更易于接受“云计算”服务。目前，诸多网站正在推出价格合理的数据在线存储服务，甚至是免费的无容量限制的存储服务：微软宣布Windowsliveskydrive向用户开放；谷歌正式推出了升级版的付费存储服务。相对于企业核心业务数据来说，消费者的一些普通个人文档、照片和视频等非机密文件对敏感性的要求要低得多，现在已经有了大量的个人用户正在享用云存储的服务。

链接

云计算从操作系统开始着陆

在一次与某位CIO的交谈中，他半开玩笑地说：“云计算的名字起得‘好’，真的是有点像天上的云，飘忽不定。”的确，现在“云计算”需要的是“落地”。不久前，VMware了首款云操作系统―VMwarevSphere4，相信云操作系统的会让“云计算”走出真正“着陆”的第一步。

作为VMwareInfrastructure3的升级，却并没有沿用Infrastructure4的称谓，而是改名为vSphere4，那么其究竟有哪些与“云计算”相称的功能和特点呢？虽然说云计算是一定要建立在虚拟化的基础上的，但仅仅具备虚拟化的功能，肯定是不能够被称为完备的云操作系统的。那么，较之此前的虚拟化产品，VMware此次的云操作系统究竟有什么不同呢？

VMware大中华区技术总监张振伦表示，如果说上一代的虚拟化技术重点应用在节省用户投资，通过服务器整合有效减少数据中心的物理服务器数量上;那么，作为新一代的云操作系统，其应用对象的范围则从单个服务器整合，扩展到了整个服务器集群，其重点集中在构建高可用、精确的动态资源分配、提高运行效率和降低成本等多个方面。“虚拟化的价值已经从节省投资成本逐渐扩展到了降低运营成本，也就是说，更专注于商业价值的创新。”张振伦说。

此外，VMwarevSphere4更强调帮助企业构建内部云。“现在，业界更多地将目光投向了外部公共云，希望利用新的应用满足用户的业务需求，而VMware希望能够从帮助企业构建内部云开始让‘云计算’落地。”张振伦表示，“当然，在构建内部云之后，内部云和外部云如何协同，如何跨越内部云和外部云，如何形成一个虚拟私有云，这就需要另一个层面的功能去完成，而这部分功能我们计划在下半年的产品中会有所体现。”

云计算基础概念范文

0引言

人工智能、空间技术和原子能技术被称为20世纪的三大科学技术成就，人工智能的研究开展是智能机器人技术、信息技术、自动化技术以及探索人类自身智能奥秘的需要[1]。科学界有一个共识，即智能化是管理、自动化、计算机以及通信等技术领域的新方法、新技术、新产品的重要发展方向。人工智能是由数学、哲学、心理学、神经生理学、语言学、信息论、控制论、计算机科学等多学科相互渗透而发展起来的综合性新学科[2]。数学使人工智能成为一门规范的科学，是人工智能发展必不可少的基础，在人工智能的各个发展阶段都起着关键的作用。目前，关于人工智能数学发展史的研究综述还很少。本文以人工智能发展的三个阶段――萌芽期、诞生期、发展期为视角，介绍了人工智能的数学基础发展史，并对其数学基础的发展趋势进行了展望。

1人工智能萌芽期的数学基础

1956年以前被称为人工智能的萌芽期，在这个期间，布尔逻辑、概率论、可计算理论取得了长足的发展。布尔逻辑是英国数学家GeorgeBoole于19世纪中叶提出，典型的一元算符叫做逻辑非（NOT），基本的二元算符为逻辑或（OR）和逻辑与（AND），衍生的二元算符为逻辑异或（XOR）[3]。在Boole逻辑的基础上，Frege发展出了一阶逻辑，研究了命题及由这些命题和量词、连接词组成的更复杂的命题之间的推理关系与推理规则[4]，从而出现了谓词演算。这就奠定了人工智能抽取合理结论的形式化规则――命题逻辑和一阶谓词逻辑。

人工智能要解决各种不确定问题如天气预测、经济形势预测、自然语言理解等，这需要数学为其提供不确定推理的基础，概率理论则是实现不确定推理的数学基础。概率理论源于17世纪，有数百年的发展。瑞士数学家JacobBernoulli证明了伯努力大数定理，从理论上支持了频率的稳定性；P.S.Laplace和J.W.Lindeberg证明了中心极限定理；20世纪初，俄国数学家A.N.Kolmogrov逐步建立了概率的公理化体系；K.Pearson将标准差、正态曲线、平均变差、均方根误差等统计方法用于生物统计研究，为概率论在自然科学中的应用做出了卓越的贡献；R.Brown发现了布朗运动，维纳提出了布朗运动的数学模型，奠定了随机过程的基础；A.K.Erlang提出了泊松过程，成为排队论的开创者[5]。概率论、随机过程、数理统计构成了概率理论，为人工智能处理各种不确定问题奠定了基础。

支持向量机是人工智能的主要分类方法之一，其数学基础为核函数。1909年，英国学者JamesMercer用Mercer定理证明了核函数的存在[6]。可计算理论是人工智能的重要理论基础和工具，建立于20世纪30年代。为了回答是否存在不可判定的问题，数理逻辑学家提出了关于算法的定义（把一般数学推理形式化为逻辑演绎）。可以被计算，就是要找到一个解决问题的算法[7]。1900年，DavidHilber提出了著名的“23个问题”，其最后一个问题：是否存在一个算法可以判定任何涉及自然数的逻辑命题的真实性。1931，KurtGodel证明了这一问题，确实存在真实的局限――整数的某些函数无法用算法表示，即不可计算。在不可计算性以外，如果解决一个问题需要的计算时间随着实例规模呈指数级增长，则该问题被称为不可操作的，对这个问题的研究产生了计算复杂性。计算复杂性是讨论P=NP的问题，这个问题到现在都是计算机科学中最大的未解决问题之一[8]。关于P与NP问题有很多定义，较为典型的一种定义是在确定图灵机（人工智能之父――英??数学家图灵1937年提出的一种机器计算模型，包括存储器、表示语言、扫描、计算意向和执行下一步计算）上能用多项式求解的问题是P问题，在非确定图灵机上能用多项式求解的问题是NP问题[9]。可计算性和计算复杂性为人工智能判断问题求解可能性奠定了数学基础。

2人工智能诞生期的数学基础

1956年，麦卡锡、明斯基、香农和罗切斯特等学者召开了达特莫斯会议，该会议集聚了数学、心理学、神经生理学、信息论和电脑科学等研究领域的年轻精英。该会议历时两个月，学者们在充分讨论的基础上，首次将人工智能作为一门新学科提出来。1956年至1961年被称为人工智能的诞生期。混沌是人工智能不确定推理的新的数学理论基础，最早来源于物理学科的研究。学术界认为，第一位发展混沌现象的学者是法国数学家物理学家庞加莱，他发现了天体动力学方程的某些解的不可预见性，即动力学混沌现象。以科尔莫戈夫、阿诺德和莫泽三个人命名的KAM定理被认为是创建混沌理论的标志[10]。在概率论的基础上，出现了条件概率及贝叶斯定理，奠定了大多数人工智能系统中不确定推理的现代方法基础[5]。

3人工智能发展期的数学基础

1961年之后，被称为是人工智能的发展期。在这期间，人工智能在机器证明、专家系统、第五代计算机、模式识别、人脑复制、人脑与电脑连接以及生物智能等领域取得了很多理论和实践成果。所有的成果都离不开数学知识的支撑，人工智能的数学基础在这个时期也取得了长足的发展。

混沌与分形为人工智能的不确定推理打开了新的思路，在人工智能的发展期，混沌与分形完成了理论的发展和应用研究的开展。1963年，美国气象学家E.N.Lorenz在研究耗散系统时首先发现了混沌运动，在他当年发表的论文“确定性非周期流”中解释了混沌运动的基本特征，介绍了洛伦兹吸引子和计算机数值模拟研究混沌的方法；1971年，法国的D.Ruelle和荷兰的F.Takens首次用混沌研究湍流，发现了一类特别复杂的新型混沌吸引子；1975年，华人学者李天岩和导师J.Yorke对混沌的数学特征进行了研究，标志着混沌理论的基本形成；1979年，E.N.Lorenz在美国科学促进会的一次演讲中提出了著名的“蝴蝶效应”，使得混沌学令人着迷、令人激动，激励着越来越多的学者参与到混沌学的理论和应用研究中来。1989年，R.L.Devney给出了混沌的数学定义：设X是一个度量空间，f是一个连续映射，如果f满足以下三个条件则称为X上的混沌。

（1）f是拓扑传递的；

（2）f的周期点在X中稠密；

（3）f对初始条件敏感。

混沌理论在复杂问题优化、联想记忆和图像处理、模式识别、网络通信等诸多领域都有成功的运用。YamadaT将混沌神经网络用于TSP问题优化中，结果混沌神经网络表现出强大的优化性能[11]。混沌理论在联想记忆的应用上显示出优越的性能，可应用于信息存储、信息检索、联想记忆、图像识别等方面[12]。模式识别是人工智能的主要研究问题之一，混沌学在此领域也有成功的应用，KyungRung[13]将混沌回归神经网络应用于朝鲜口语数字和单音节语音识别，与常规的回归神经网络相比，新方法的效果更佳。李绪[14]等将混沌神经网络模型应用于手写体数字识别和简单图像识别，实验显示，混沌神经网络对手写体识别正确率和可靠度高达90%以上。

1967年，法国数学家B.B.Mandelbrot提出了分形学的里程碑问题――英国海岸线有多长？成为人类研究分形几何的开端[15]，分形理论是对欧氏几何相关理论的拓展和延伸。1968年，Madndelbrot和Ness提出了分形布朗运动，并给出了离散分形布朗随机场的定义[16]。PelegS于1984年提出了双毯覆盖模型[17]，这是对Mandelbrot在估计英国海岸线长度时的一种推广。基于分形的理论和思想，人们抽象出一种方法论――分形方法论[17]，该理论在人工智能领域的典型应用是用于网络流量分析。1993年以来，陆续有许多这方面的研究成果出现。通过对局域网高分辨率的测量分析，leland[18]发现以太网流量表现出自相似的分形性质。进一步深入研究发现，在较小的时间尺度上，网络流量体现出更复杂的变化规律，由此出现了多重分形的概念[19]。分形理论用于实现网络流量智能分析，已经有很多成功的案例，如TCP流量的拥塞控制[20]，Internet流量建模[21]。陆锦军等还提出了网络行为的概念[22]，用于研究大规模网络上观测到的尺度行为。

扎德对不确定性就是随机性这一长期以来的观点提出了挑战，认为有一类不确定性问题无法用概率论解决。1965年发表了论文FuzzySets，创立了模糊集合论[23]。除了传统的属于或不属于一个集合之外，模糊集认为集合之间还有某种程度隶属于的关系，属于的程度用[0，1]之间的数值表示，该数值称为隶属度。隶属度函数的确定方法大致有6种形态，包括正态（钟形）隶属度函数、岭形隶属函数、柯西隶属函数、凸凹型隶属函数、隶属函数以及线性隶属函数[24]。1978年，在模糊集的基础上，扎德提出了可能性理论，将不确定理解为与概率不同的“可能性”，与之对应的可能性测度也是一种集合赋值方法[25]。聚类在人工智能领域有大量应用，是模糊集研究的较早的一个方向[26]。模糊集理论在人工智能领域的典型应用还有数据选择[27]、属性范化[28]、数据总结等[29]。

离开了隶属度或隶属函数的先验信息，模糊集合运算难以进行，粗糙集理论研究了用不确定本身提供的信息来研究不确定性。上世纪80年代初，粗糙集的奠基人波兰科学家Pawlak[30]基于边界区域的思想提出了粗糙集的概念并给出了相应的定义。粗糙集从知识分类入手，研究在保持分类能力不变的情况下，经过知识约简，推出概念的分类规则，最后获得规则知识。粗糙集隶属度函数的定义有多种形式，典型的是YaoYY在1998年用三值逻辑进行的定义[31]。粗糙集理论的核心基础是从近似空间导出上下近似算子，典型的构造方法是公理化方法。1994年，LinTY最早提出用公理化方法研究粗糙集[32]，之后不少学者对公理化方法进行了完善和改进。粗糙集在人工智能领域的应用主要体现在知识获取[33]，知识的不确定性度量[34]和智能化数据挖掘[35]等方面。

传统的模糊数学存在隶属度、可能测度与概率区分不是?^对分明的问题，目前，已经无法满足很多领域对不确定推理的需要。在发现状态空间理论以及云与语言原子模型后，1993年，李德毅院士在其文献《隶属云和语言原子模型》[36]中首次提出了云的概念，并逐步建立了云模型。云模型通过3个数字特征，即期望Ex，熵En和超熵He实现定性概念到定量数据间的转化，并以云图的方式表现出来，比传统的模糊概念更直观具体。1995年，李德毅等人在其文献隶属云发生器中系统化的提出了云的概念[37]。1998年，该课题组在一维云的基础上进一步提出了二维云的数学模型和二维云发生器的构成方法[38]。2001年，杜?o提出了基于云模型的概念划分方法――云变换[39]。2003年，李德毅课题组提出了逆向云算法[40]。2004年至2007年，该课题组进一步完善了云模型的数学基础和数学性质，将云模型抽象到更深层次的普适性空间。云模型在人工智能的多个领域都有成功的应用，包括定性知识推理与控制，数据挖掘和模式识别。如1999年，李德毅将云模型用于倒立摆的控制[41]；2002年，张光卫建立了基于云模型的对等网信任模型[42]；2001年，岳训等人将云模型用于Web数据挖掘[43]；2003年，田永青等人基于云模型提出了新的决策树生成方法[44]；2009年，牟峰等人将云模型用于遗传算法的改进[45]。

贝叶斯网络起源于条件概率，是一种描述变量间不确定因果关系的图形网络模型，是目前人工智能，典型用于各种推理的数学工具。最初的贝叶斯网络时间复杂度很大，限制了其在实际工程中的应用。1986年，PEARL提出的消息传递算法为贝叶斯网提供了一个有效算法[46]，为其进入实用领域奠定了数学基础。1992年，丹麦AALBORG大学基于贝叶斯网开发了第一个商业软件（HUGIN）[47]，可实现贝叶斯网的推理，使贝叶斯网真正进入实用阶段。1997年，Koller和Pfeffer[48]将面向对象的思想引入贝叶斯网，用于解决大型复杂系统的建模问题。将时间量引入贝叶斯网则形成了动态贝叶斯网[47]，动态贝叶斯网提供了随时间变化的建模和推理工具。贝叶斯网络节点兼容离散变量和连续数字变量则形成了混合贝叶斯网，混合贝叶斯网在海量数据的挖掘和推理上有较大优势[49]。贝叶斯在人工智能领域的应用主要包括故障诊断[50]，系统可靠性分析[51]，航空交通管理[52]，车辆类型分类[53]等。