以下是小编整理的戴尔智能数据管理加速云计算时代（共含7篇），欢迎阅读分享，希望对您有所帮助。同时，但愿您也能像本文投稿人“其实我也喘”一样，积极向本站投稿分享好文章。
在企业云这个话题里，我们主要来观察企业为何以及如何构建一个面向云的数据中心(企业云)，而在这个过程中，戴尔IDM(智能数据管理)战略下的相关产品和技术能为我们提供什么，
当然，我们话题的重点必须是围绕着数据存储。
先看为何要将数据中心向云转变。这是很多企业用户很关心也常常会困扰的一个话题。已有的IT投资尚在正常运转，公司的确在勉励越来越复杂的业务和应用的压力，IT部门也苦不堪言，同时IT和能耗的成本在上升……但云真的可以解决这些问题么?
首先我们需要明确一个观点，或者说，是在企业数据中心这个大前提下，明确“到底什么才是云”。对于企业数据中心而言，其实云不仅仅是一种技术或解决方案，企业云更多的是一种模式，一种认知，一种新的、高效低耗的企业IT架构和系统。
当前企业正在面临一个IT转型的时刻：随着业务应用的扩展和IT复杂度的增加，在传统的数据中心架构中我们常常是在不断的修补和应对之中疲于奔命，并消耗掉大量的成本和时间。随着IT复杂度的进一步加剧，甚至单纯的成本投入和人力的消耗都不足以应对越来越高的业务和应用需求，这时候，我们应该想想并明白，这不是资源多少的问题，而是整个架构和系统不再满足需要。
变革是解决问题的最佳方式，我们都清楚，要应对并赢得激烈的市场竞争，就需要一个更加高效更加灵活的IT架构——这不是一个可以得过且过的时代。
于是我们要拥抱云。
在戴尔的云计算技术、理念和愿景里，企业迈向云数据中心都是应对未来竞争所必须要走的关键一步。仅就数据存储的部分而言，基于戴尔智能数据管理战略下的存储和服务器的虚拟化以及统一网络方案的云数据中心，能够解决当前企业面临的IT压力，并构建起高效灵捷的企业云网络。
下面我们来具体解读企业云数据中心的几个关键点，以及在其中英特尔所带来的技术和创新。
一、云是统一的。
首先来谈谈统一网络。在企业数据中心里，我们常常会看到复杂的线缆从机架的一段蜿蜒盘旋到房间的另一侧。如果你没有见过复杂度如此高的线缆缠绕在一起，那你一定没有来到过数据中心。甚至，一些资深的系统集成工程师和IT人员，都已为能将这些复杂纷繁的线缆布划的井井有条而感到荣耀。
但这并不是IT技术和产业的荣耀。
越多的线缆意味着越多的传输方式和通道，以及低效的传输模式和高能耗的系统消耗。仅就从服务器到存储端，就有几种不同的网络协议来应对各式各样的存储系统和交换设备。而为了满足高速传输的需求，传统的千兆网络需要并联出多条线路，才能满足现今企业高数据流量的IT需要。当你看到数据中心的每一台服务器都插满了线缆的时候，这就是需要改变的时候了。
戴尔智能数据管理战略框架下，兼顾现实应用与未来发展、满足企业万兆网络需求的解决方案中将首选Unified Fabric。戴尔认为，随着FCoE成为下一代的FC技术标准，InfiniBand组织也推出了面向以太网的技术版本。这意味着在应用网络领域，未来将走向统一的以太网——Unified Fabric。Unified Fabric在带宽、延迟、互联等方面具有优势，能给企业带来许多利益，比如降低复杂性，具有更好的成本结构和互用性，能够更好地支持存储和服务器集群与网络共同工作。
戴尔认为，目前用户对10Gb以太网普遍还存在顾虑，但是用户现在就可以通过Unified Fabric构建成熟的万兆以太网络，并且可以采用标准的iSCSI存储协议，
由于Unified Fabric支持下一代网络的标准，客户可以在没有风险的情况下，将今天的万兆以太网顺利升级到下一代网络。
戴尔去年就推出了高性价比的支持万兆的Power Vault MD36x0i系列，此外，在今年张家界举办的“流动数据，上善若水”的戴尔存储论坛上，首度展出的EqualLogic PS4100/PS6100新品、统一存储系统EqualLogic FS7500在底层Firmware中提供了对无损以太网DCB的支持，为未来10Gb以太网的普及使用打下了铺垫。
以客户需求为本，戴尔的目标是帮客户简化IT，提高效率，降低成本和能耗，其中一个很重要的方面就是通过整合，包括应用整合、主机整合、虚拟机整合和Unified Fabric网络整合，不断提升IT系统的价值。在戴尔智能数据管理的战略框架下，用户可以先构建一个传统的IP-SAN架构起步，一旦确认需要过渡到统一网络架构时，也完全无需面临数据迁移和业务停机的风险，可以无缝向统一网络时代过渡。
二、云是流动的。
从物理角度看，企业云数据中心是实实在在的存在。走进机房，一排排机架，一台台服务器、网络、存储和安全设备，都是物理意义上的实体。但这些通过线缆连接的设备在传统的系统架构中并不能实现非常灵活的资源整合和分享，每一台设备都是独立的孤岛。
如何能让数据在孤岛间自由流动呢?甚至是，所有的孤岛都池化成为统一的资源池，数据可以实现统一自由的调度，就成为云计算架构建设的目标，也是对目前数据存储现状的挑战。
戴尔智能数据管理战略的核心则是流动数据架构，意味着数据可以像水一样，突破应用孤岛的屏障，在不同的存储设备、介质间自由流动。流动数据架构意味着需要对系统内的数据进行细致的感知和分析，哪些应用对数据有较高的访问频次，哪些应用需要较大容量的数据，但对访问性能并没有苛刻的要求，都需要迁移到性价比合适的、性能适中的存储介质上。而后台数据迁移的过程对业务影响则完全无缝透明。
戴尔公司亚太及日本地区智能数据管理总监Adrian Johnson指出：流动数据架构是智能数据管理的基石，实现智能的管理，首先要数据能够流动起来。“只有数据流动之后，整合IT的基石才是高度弹性的，可以根据不同的应用需要把数据流动起来，迁移到所需要的地方。”根据戴尔公司大中华区大型企业事业部存储总监范圣俭的介绍：“戴尔的流动数据架构已经发展到流动2.0了。原来可以在一个阵列里面流动，现在可以实现阵列和阵列之间的流动。以后可以在跨越不同系统的不同的介质上都可以流动起来。”
三、云是开放的。
所有的技术随时间流逝朝工业标准化迁移，降低了客户的成本。有其它IT技术的发展为例，数据中心的发展没有理由例外。当我们区别传统数据中心和云数据中心的时候，其实非常重要的一点就是开放性。基于云数据中心架构最大的特点也是需求就是要有良好的可扩展和兼容性，它的开放不是一般意义上的接口的支持，而是从架构到系统的全面开放性。
标准化与开放化也一直是戴尔全线解决方案的技术方向，其云计算解决方案也同样秉承戴尔一贯的标准化路线，使得工业标准组件的使用得以保障。标准化进而推动了简单性和灵活性，提高互操作性，能够帮助简化管理和服务。
标准化的好处显而易见，对厂商来说意味着更低的开发成本、更快的研究和开发过程，以及拓宽了潜在的市场。对用户来说，则意味着升级与架构变迁的灵活性、以及采购时更多样的选择性。戴尔认为：对于现代化企业而言，存储解决方案的实施是一个渐进的过程，在每一个阶段，戴尔都会提供相应的基于标准化技术的存储解决方案，协助企业简化管理、随需扩展，在满足企业存储需求的同时，降低企业的总体拥有成本。
云计算与云数据管理技术研究的论文
【摘要】文章通过分析云计算的定义特点及云数据的管理技术，以促进云计算和云数据管理技术的发展和提高。
【关键词】云计算；云数据；管理技术
作者简介：初鲁京（1987-），男，山东烟台人，中国人民大学在职研究生，研究方向：企业管理
近年来随着科技水平的不断提高，信息数据量不断增大，并且具有快速的增长速度，用户对于计算机的存储能力提出了更高的要求。而“三网融合”、“物联网”、“智能电网”等应用的快速发展对于计算和数据管理也带来了新的挑战。云计算作为一种正在兴起中的新型技术，可以改变普通用户操作计算机的模式，可以根据用户的需要来提高计算能力和存储能力，使用户像使用水电一样的方便快捷的使用计算机，降低用户的软件和硬件采购成本。云计算是基于分布式系统和网络计算上提出的新型概念，核心功能的提供海量的数据和存储，并且提供高效率的计算能力，由于开发更多的应用形式。而云计算并不仅仅是做计算，还需要融合更多的技术成果，提出云数据的管理概念。本文通过分析云计算和云数据的管理技术，促进云计算和云数据管理技术的发展和提高，方便今后工作的开展。
一、云计算的概念
（一）云计算的定义
云计算是一种近年来兴起的新型计算模型，是在互联网技术快速发展的基础上发展起来的。由于目前对于云计算还没有统一的标准定义，所以出现了很多云计算的定义版本。而通过对于云计算的分析研究，总体的定义方向都是一致的。具体来说，云计算实际上是一种对于虚拟化技术、网络技术和WebService等几种不同的新型信息技术的综合应用。云计算所运用的技术几乎包括了所有的互联网和信息技术。可以说云计算是网络计算的必然发展，虚拟化技术又是云计算得以发展的基础和前提，WebService信心技术为云计算提供了互联网环境的技术支持。随着互联网的发展，计算机用户也越来越专业化，它们对于数据信息的.了解和使用越来越熟练，对于数据信息的要求也发生了变化，提出了各种不同的信息数据需求，云计算正是满足了这类用户的需要，也得到了进一步的使用和发展。
（二）云计算的工作原理
云计算在工作环境下不需要使用本地的计算机，通过互联网联接来进行数据的分布和处理，并且优化数据，然后经过互联网的连接来实现分享数据的目的。这种工作模式可以使企业方便的进行资源利用，并且有效的切换有效资源，根据实际工作的具体要求来访问计算机和存储系统，获得相关的信息和数据。云计算作为一项新型的实用性技术，一定程度上提高了计算能力的商业性，通过网络传播和售卖实现了降低售卖成本的目的，同时还充分发挥了实用性，使企业的相关工作得以全面落实。
（三）云计算的体系结构
云计算的体系结构非常庞大，并且具有很强的复杂性，一般以“云”网络为核心，联接到其他网络和服务器，发送出相关的数据信息。同时通过虚拟技术的支持扩展相关服务器的功能，在云计算的平台上实现各种信息资源的整合，达到为用户提供更多更有效数据的目的，提升了计算能力和储存能力。完善的云计算体系结构应包括云端用户、部署工具、服务目录、管理系统这主要的四个部分。
二、云数据管理技术的主要特点
（一）规模大，海量性
随着近年来互联网技术应用的发展和普及，一些互联网技术是通过传感器来进行数据信息的采集来完成相关的工作。而随着应用技术的发展和推广，数据量变得越来越大，并且还在快速的增长。云计算中的“云”具有规模大的特性，以云计算为基础而构建的信息服务或设备也具有大规模的特点，并且应用于处理海量性的信息数据。另外云计算还可以无限扩展，同时处理成百上千的信息节点。这种可以无限扩大和伸缩的特点满足了不同用户的不同需求，在云计算的数据管理技术中也要注重技术和方法的改进，提高信息数据的管理水平和处理水平，重视信息数据的整合、提取和推理，有助于工作决策的完成。
（二）安全可靠性
云计算的技术包括了虚拟化技术、互联网技术及分布式计算等比较成熟的技术手段，为云计算的可靠性提供了有效的保证。并且云计算在安全性方面也具有优势，云计算采用了不同服务器上的信息数据多副容错的方式，计算的信息节点采用了同构互换技术，这些都极大地提高了云数据管理的安全性。
（三）异构性
由于应用云计算技术的领域和行业的不同，云计算的数据采集设备和方式也各不相同，存在着一定的差异性。每个行业中云计算所获取的结构和数据形态也存在着不同的差别，需要根据具体的实际情况，来判断采取不同的传感器，例如二氧化碳浓度传感器、温度传感器和湿度传感器等。不同的传感器在应用的时候，传递信息和获取信息的形式也是不尽相同的，这些差别会带来数据分析、处理和访问等各个环节的差别，另外数据的多源性也会造成数据的类型各不相同，不同类型的数据信息也有不同的格式，从而会出现半结构化数据、非结构化数据和结构化数据同时存在的情况，使信息数据存在异构性的特点。
（四）不确定性
云计算的运行环境中数据信息具有一定的非确定性，主要表现为信息数据本身、数据语义匹配及数据信息的分析查询等方面具有不确定性。而为了达到保证信息数据准确客观的目的，用户在应用云计算时一定要明辨真伪，去其槽粕取其精华，反映真实的需求完成预期的工作目标。
（五）通用性、便捷性
云计算的使用平台在提供各项服务时，用户在使用中不会受到空间上的限制，也不会受到时间的约束。用户只要具有访问验证信息就可以自由的使用云计算平台，享受云计算的服务，不会受到系统和平台的限制，具有极大的通用性和便捷性。
三、云数据管理技术
用户通过云计算来分析处理大量的数据信息，云计算的数据管理技术必须要能够满足用户的需求，高效及时的管理分析海量的数据和信息。云计算分析处理的数据具有海量性、不确定性，这对云计算数据管理技术的开发和发展不断提出新的要求，需要积极的构造高效可用的信息数据管理系统。
（一）数据信息的组织管理
数据的组织管理可以采用分布式的系统来访问分析海量的分布式数据，例如GFS技术。这种技术可以在差别不大的各种普通硬件上运行，为用户提供了容错功能，并且为用户提供高效可靠的信息数据并行的存储和访问权限。
（二）数据信息的集合管理
数据信息具有海量性、动态性、不确定性等特点，需要采取分布式的数据信息处理技术来进行采集分析，例如BigTable技术可以用于对海量数据信息的处理，提供高效的服务。
（三）数据信息的分析管理
应用云计算的数据管理技术是为了分析和挖掘相关的数据来满足用户的需求。因此需要运用不同技术和布局来从海量的数据中提取挖掘有用的潜在数据，并且理解所挖掘的信息数据同时进行分析，为各种应用提供支持。
（四）数据信息的存储管理
以Dynamo技术为例，这是一个具有高可用度的存储系统，具有DHT和数据库的特征，为AWS提供了基础的技术支持，并不直接展示于外网。Dynamo技术设计的存储架构可以使信息数据在框架内均匀的存储，并且各个存储节点之间可以互通，根据数据的具体操作需求在框架内进行转发，具有较强的自主性，而由于有主控点来进行控制，单个节点之间一般不会出现故障。Dynamo技术在存储时还具有一些优点，可以通过提供N、R、W这三个参数结合实际情况去调整实例。N即表示副本的个数，R为可完成的数据信息的成功一致个数，W为完成写入的个数。Dynamo技术可以记录、处理不同版本的对象，将对象的不同版本来提供给技术应用，使应用可以对这些数据信息进行合理的整合和利用。在这一过程中并不要求将副本个数N全部的成功完成，只需要成功读取的个数R和成功写入的个数W两者相加，大于副本个数N，这样就可以保证数据的最终一致性。这种读取方式比写入一次进行多次读取的系统要麻烦一些，但是写入方式变得更简单，也充分满足了用户的需要。同时Dynamo技术也具有负载均衡的优势，由于所采用的DHT方式将需要的信息数据都均匀的存储到每个节点，导致每个节点的数据信息访问量和存储量都大致相同，比较均衡。
四、结语
当今社会处于高速发展的信息时代，各种数据信息在全球范围内传递交换，也就需要开发和利用高效可用的信息传播媒介来适应信息时代的发展，云计算和云数据管理技术正是为此而生。作为新型的信息技术，云计算具有广阔的发展空间也面临着不同的挑战。网络互联网技术的快速发展使云计算和云数据管理技术有了更好的机会和支持，也导致了新型应用系统的开发和应用，因此云计算和云数据管理技术要充分把握机会面对挑战，利用本身的优势和时代的发展来实现进一步的提高，解决应用过程中的技术难题，得到长远发展。
参考文献
[1]刘正伟，文中领，张海涛，等．云计算和云数据管理技术[J]．计算机研究与发展，，49（z1）：26-31．
[2]罗亚东．云计算和云数据管理技术的思考[J]．电子制作，，（1）：155-156．
新浪科技讯 北京时间8月3日消息，据国外媒体报道，美国专利商标局(以下简称“SPTO”)网站信息显示，戴尔正在申请“云计算”(Cloud Computing)商标，此举旨在加强对这一未来可能重塑技术架构的术语的控制权，
据悉，戴尔的申请已进入核准通知(Notice of Allowance)阶段，这也意味着申请人“已收到USPTO的书面通知，宣布某个具体商标已经通过了异议阶段，将被允许注册。”所谓“异议阶段”是指允许第三方就某项商标申请提出异议。不过，通过异议阶段并不意味着商标注册成功，根据USPTO的规定，收到核准通知只是商标申请过程中的一个步骤而已。
戴尔在申请文件中称，云计算是“在数据中心和巨型规模的计算环境中，为他人提供计算机硬件定制制造”。
对于申请云计算商标一事，戴尔官方拒加置评。
云计算是最近几年才兴起的一个名词，指的是一种可以通过互联网在大型数据中心存储数据并获取服务的一种计算环境。对云机算的需求主要受到社交网络、流媒体和移动设备等技术发展的推动，
戴尔已通过“云计算解决方案计划”推出了云计算服务，其中包括数据中心设计及数据中心服务等。不过，戴尔并非唯一一家涉足云计算的公司，IBM也在与美国多所大学合作，针对大规模计算环境开发软硬件管理工具。而惠普、英特尔与雅虎本周也宣布与多家大学合作，共同推动针对数据密集型互联网应用的云集算的研发和教育。此外，微软和苹果近期也分别推出了名为Live Mesh和MobileMe的云计算服务。
延伸阅读：
什么是云计算
定义云计算
云计算（cloud computing）10问
云计算、SaaS和企业2.0
云计算 Cloud Computing 简介
CloudCamp的Reuven Cohen谈虚拟化和云计算
浅析基于云计算的智能计量平台研发的论文
1 系统需求
根据智能计量业务的需求，智能计量平台将基于云计算技术，使系统需要和营销管理系统、95598系统、生产管理系统、智能小区系统以及省网营销管理系统进行数据的交互，以实现计量业务与营销其他业务的双向互助支撑。此外，系统还需要整合现有的居民集抄系统、负荷控制系统及配电变压器监测系统，构建电力客户与电网管理部门的智能化和多样化互动服务平台。系统的物理架构。
可知，本系统的目的是将不同领域的单一监测系统(如厂站电能量遥测系统、大客户负荷管理系统、配电变压器监测计量系统、低压集中抄表系统和智能小区系统)进行整合，通过利用虚拟化平台对上述系统涉及到的服务器、存储设备以及网络设备的资源进行虚拟化，屏蔽了由于硬件资源的不同导致相互通信受阻问题，并以虚拟机为单位进行统一的资源管理，通过虚拟机将各类系统数据集中到主站或者通过统一的虚拟机将主站的指令发送到各监测终端，然后在主站端进行计量业务的综合应用分析和用电信息辅助决策。
2 核心技术介绍
Hadoop是分布式系统基础架构，是由开源组织Apache开发。基于Hadoop[9]的应用系统可以运行在廉价的硬件设施组成的集群上，通过Hadoop可以快速构建一个具有高可靠性和良好扩展性的分布式系统。系统主要由HDFS、MapReduce和HBase等组件组成，其中HDFS和MapReduce是Hadoop的两个核心组件，HDFS是Hadoop实现的一个高度容错的分布式文件系统，具有较强的可扩展性，同时HDFS也是Hadoop系统的基础层，负责数据的存储管理，并且能够提供高吞吐量的数据访问，适合处理大规模数据集的应用程序。而MapReduce[10]是一种并行计算模型，它能够有效合理地分割输入数据，进而并行处理，适合对海量数据的处理。Hadoop实现的MapReduce计算框架提供一种简单的编程模型，节省时间，可以快速实现分布式计算应用;HBase是一个分布式的、面向列的非关系型数据库，是云计算中的开源实现，支持高性能并发读写。
在本项目中， H a d o o p 集群局域网由1 台NameNode服务器、1台SecondaryNameNode服务器、1台JobTracker服务器和多台从服务器组成。NameNode服务器负责管理海量数据文件的分割、存储以及监控DataNode的运行情况。应用程序需要读取数据文件，首先访问NameNode服务器，获取数据文件在各DataNode上的分布，然后直接与DataNode通信。一旦发现某个DataNode宕机，NameNode将通知应用程序访问宕机节点各数据块的副本，并在其他DataNode上增加宕机节点各数据块的副本，以保证平台的可靠运行。SecondaryNameNode服务器用来监控HDFS状态，与NameNode进行通信，以便定期保存HDFS元数据的快照，若NameNode发生问题，其作为备用NameNode使用。JobTracker服务器负责管理计算任务的分解和汇总，负责监控各TaskTracker节点的运行情况，一旦某个任务失败，JobTracker自动重新启动这个任务。从服务器承担了DataNode和TaskTracker两种角色，分别负责数据块的存储和数据计算的map、reduce任务的运行。
3平台框架结构
结合智能计量平台自身的特点， 智能计量云平台在设计上采用分布式、分层结构，可以划分为整个系统的实现由云设备、云平台、基础服务、高级应用及表现层五层构成，云设备层由主机设备、存储设备、网络设备及其他设备组成。在本系统软件设计中，采用VMware虚拟化平台管理技术，通过对上述设备进行操作系统虚拟化处理，实现了对硬件资源的虚拟化，并对上述虚拟化后的硬件采用虚拟机的管理方式，实现了资源抽象、资源监控、资源部署以及安全的管理。通过虚拟化技术的实施，不但保证了资源的利用效率，还使系统管理人员可以不受形式各异的硬件资源及操作系统的影响，而将工作重心全部投入到系统业务应用上。
云平台由数据存储、计算服务、负载管理、数据隔离和备份管理等服务组成。该平台以虚拟机为单位构建了数据库集群、应用集群、网关集群、采集集群、Web集群和接口服务器集群等基础平台运行环境，采用分布式文件系统、分布式数据库管理系统、数据管理和数据分析等先进的云计算技术，实现了海量数据的大规模存储，为后续的数据挖掘，高级数据应用提供了高性能的分布式计算环境。服务层由系统模型管理、数据中心管理、数据访问服务、消息服务、报表服务、通信管理、规约管理、系统维护及权限服务等组成，本层是业务系统的坚强基础，高级应用的每个模块都要求这些服务的支撑。该层采用MapReduce作为处理海量数据的并行编程模型和计算框架。对于大规模的数据集合操作，采用任务分解与结果汇总的方法。此外，通过采用高级数据流语言Pig实现了简化MapReduce任务的开发过程。在系统模型管理提供了整个系统内在的基于IEC 61970/IEC 61968的.数据结构，能够实现系统的互操作;数据中心管理及数据访问服务提供了基础运行大数据的快速准确访问机制;通信管理提供整个系统通信信道及通信方式的选择机制;而规约管理提供了系统数据交换的模型格式。
应用层由能耗管理、运维管理、降损节能管理、设备状态评估、信息发布及数据接口等组成。能耗管理主要涉及异常用电、虚拟费控管理、有序用电管理、动能管理、分布式新能源管理及智能家居管理等;运维管理主要涉及计量校验数据移动接入、计量设备缺陷分析及移动处缺管理等;降损节能主要涉及到关系电网经济运行的损耗分析、电能质量各指标分析以及增值服务等;设备状态评估主要涉及到供电仿真分析、配电变压器状态评估及设备全生命周期管理等功能。表现层主要是整个系统的访问界面， 电力客户与供电部门可以通过计算机客户端、手持终端、LED大屏、触摸屏及多媒体电视等实现双向互动、用电信息的及时披露、异常供电的早通知及处缺管理的更加便利化。本层在设计时主要使用Flex技术来保证系统的易用性，并使用Swiz技术框架来实现模型-视图-控制器(Model-View-Controller，MVC)设计，并充分利用现有平台中的系统管理功能。
4平台系统特点
与原计量平台相比，新型智能计量自动化平台具有下述优点：
1)在主站平台系统的设计上，底层系统采用云平台架构，整合主机设备、存储设备、网络设备及其他设备，在这些设备基础上进行操作系统虚拟化处理，提供数据存储、计算服务、负载管理、数据隔离及备份管理等服务，保障设备高效利用、上层服务及时响应，保障高级应用各模块能够负载均衡，且快速得到处理。
2)在系统内核设计上，采用统一数据中心建设模式，采用模块化设计方式，即：统一设备建模、统一业务管理、统一数据采集、统一分析计算、统一网络平台、统一告警及统一信息发布，避免重复建设，以便各种后续高级应用模块能够灵活配置，达到即插即用的目的。
3)在网络设计上，以计量自动化系统主站为基础，与厂站电能量遥测系统、大客户负荷管理系统、配变监测计量系统、低压集中抄表系统及智能小区系统统一组网，共享通信服务资源，共用相同的数据库服务系统，建设一体化主站系统。一体化主站系统中市局、县局、供电所、变电站、母线、主变压器要求、线路、大客户、台区、专用变压器、配电变压器、表计、终端和计量点等对象各自唯一编码，可满足采集模型和分析模型的构建。
4)在系统部署上，采用集中式部署方式。即：只在地市供电局部署主站，各县级供电局不单独建设主站，而以工作站的方式接入主站，所有的业务都必须在主站完成。
5)在接口设计上，系统不仅需要与表计终端进行通信交换运行信息，而且需要与诸如营销管理系统、生产管理系统及95598系统等外部接口，以获取诸如档案资料、缴费情况、购售电以及客户用电反馈信息等各种信息的支撑。
云计算时代的信息化体系读后感
学生1。0时代算是告一段落。回看，除了将所学技术做了些项目，也真如某位老师所说，干看书干做项目，缺思考。几次面试经历，加上自己对信息化系统的兴趣，就买了本书，名曰《信息化2。0+云计算时代的信息化体系》。希望在了解新一代信息化发展的同时，也开启我的学生2。0时代，学习、工作的同时，多一些交互、分享和思考。
前面提及的那位老师曾问我，什么是信息化？当时回答得支离破碎，“管”提了很多，但不见“豹”。回来百度，官方的定义是：“信息化是充分利用信息技术，开发利用信息资源，促进信息交流和知识共享，提高经济增长质量，推动经济社会发展转型的历史进程。”关键的核心就是通过不过发展的技术，更好的获取、存储、分析和利用信息，产生价值。
谈到发展的技术，首先感叹6年前，某教授实验室的老师提出，存储的革命将推动下一次的科技发展。时过境迁，在被云计算、物联网和大数据推动的时代，存储的确占据了核心的地位。只是6年前谈论更多的是大容量存储器在PC上的进一步普及、存储速率的提升，而没有预见到如今存储的概念从产品本身拓展成一种服务（IaaS：基础设施即服务）。正如书上第2章所提及的：“存储技术一路发展过来，前期一直跟随数据量的增长而被动发展，而存储虚拟化和云存储将有可能彻底解决大数据增长的难题，超越了数据量增长本身，让用户从解决存储这个技术细节中解放出来。”将存储作为一种服务，不仅扩展了信息获取的来源，更推动了不同类型、格式数据的融合，这为信息化建设提供了两种全新的道路：1。信息的类型、关系更为丰富，可被挖掘的价值进一步提升；2。各个子系统的数据更为共享和融合，从一定程度上解决了信息孤岛、资源重复建设造成浪费的难题。
这种去物理化的现象不止是存储，终端设备的计算能力也同样如此。摩尔定理告诉我们，集成电路的规模和性能每隔18个月会提升一倍。过去的思维就是不断跟进最新的终端，以提高计算及应用的效能，服务器如此、PC如此，我们每个人常用的手机亦是如此。这同时也禁锢了对终端模型的.选择，比如我本科的时候会纠结笔记本还是台式机，因为台式机的性能往往优于笔记本；我读研的时候会纠结常规的笔记本还是超薄的笔记本，便携性和性能仿佛永远无法并存。云计算的概念告诉我们，可以使用计算机的智能，但不一定要拥有它。终端设备将更多发挥它交互、可用的功能，而计算能力本身作为一种服务，源源不断的被供给。于是，我们将不必再为最新的科技付出设备更新的代价。同样，终端的模式也不必再被拘泥，可大可小，可直可弯。前几日与朋友闲聊，谈到手机和PAD的发展，我们大胆的猜想，一个如同金箍棒般可以伸缩的移动设备将会出现，可能是一种材料，也可能是一种虚拟的屏幕。未来网络中，服务器、平台、系统的异构被屏蔽，而终端只专注于易用性和可靠性。这同样为信息化建设提出了全新的挑战，即操作的终端、操作的地理位置将被拓展。在任何时间、任何地点、任何人甚至任何物安全、有效的接收、处理和反馈信息，将是未来信息化的发展方向之一。
从9年多前开始认知信息化，围绕它的争论有很多，也无休止，比如C/S结构和B/S结构，比如C语言和JAVA…，这些争论很多都没有结论，但是技术的发展往往用时间悄无声息的解决了争论，因为争论的核心问题已经被釜底抽薪。这也正是行业的乐趣所在，因为我们往往无法基于现有的技术去预见未来的发展，而当一个新技术开启的时候，众多的新鲜事物随之爆发式的出现和发展，而新的争论也随之开始，周而复始。
大数据时代基于云计算的数据监护研究论文
在大数据时代，为了更好地管理和利用科学数据，计算机图灵奖获得者Jim Gray于提出了数据监护(Data Curation)的概念。十余年来，数据监护一直是国内外信息资源管理领域的热点议题，研究主题集中在数据监护的内容、发展策略、合作模式、职业教育、成功实践等领域。111鉴于云计算能够为数据监护提供强有力的技术支撑，如云计算快速提供资源的能力有助于辅助完成资源密集型数据监护任务，网络化云服务有利于实现数据监护的协同工作，基于云计算开展数据监护引起了国外信息资源管理学界和业界的广泛关注。本文对基于云计算的数据监护问题进行探讨，希望对我国的数据监护工作有所借鉴。
一、数据监护工作流程
数据监护是为了确保数据当前的使用目的，并能用于未来再发现及再利用，从数据产生伊始即对其进行管理和完善的活动。121为了有效指导数据监护实践，提高数据监护效率，一些数据监护机构和研究者对数据监护过程进行了概念化，提出了相应的数据监护生命周期模型。本文基于英国数据监护中心的DCC数据监护生命周期模型13与王芳和慎金花提出的细化的数据监护生命周期模型，梳理出了数据监护工作流程，见图1。数据监护工作流程由4个阶段、11个业务环节组成，涵盖了数据监护的所有必要阶段和核心工作。
数据收集阶段：数据采集。数据采集是数据监护活动的起点，指根据采集政策，从数据创建者、档案馆、知识库或数据中心等接收数据。元数据创建。为采集到的数据创建管理、描述、结构和技术元数据，以便进行数据管理和数据维护，以及实现数据共享。
数据处理阶段：数据评价和选择。评估数据并为长期监护和保存选择数据。数据评价和选择直接关系到科学数据库的质量，并且带有一定的主观性。数据剔除。根据成文的政策、指引或法律要求，处理未成为长期监护和保存对象的数据，将这些数据转移到其他档案馆、知识库、数据中心或其他保管机构。根据法律要求，有些数据会被安全销毁。数据导入。将经过选择的数据传送至档案馆、知识库、数据中心或其他数据监护机构。为保证数据的可用性，在导入数据之前，应进行去重、交叉注释、格式认证等。数据迁移。根据存储环境的需求，或者为了确保数据对硬件和软件退化的抗扰性，改换数据的格式、存储系统、存储类型。
数据保存阶段：数据长期保存。长期保存须确保数据的可信性、可靠性、可用性和完整性。长期保存包括数据清洗、数据验证、分配保存元数据、分配表征信息，保证数据具备可接受的数据结构和文件格式。数据存储。遵守相关标准，选择科学的组织方式和安全的存储介质组织并存储数据。数据存储既可以保证数据的安全性，又便于数据被随时使用和加工处理。
数据利用阶段：数据获取。采用适当的标准发布数据，并执行严格的访问控制和验证程序，保证用户安全、准确的访问和获取数据。数据复用。制订数据复用规则，在不违反知识产权的前提下，提供数据复制、链接、引用等服务。数据转换。根据原始数据创建新数据。例如，通过转换格式、建立子集等途径，创建新数据。
二、云计算为数据监护提供支撑
云计算作为分布式计算、网络存储、负载均衡、热备份冗余等计算机和网络技术融合的产物，具有超大规模、虚拟化、通用性、高可扩展性等诸多特点。云计算的特点与数据监护的需求非常契合，可以为数据监护提供强有力的技术支撑。
弹性服务：云计算服务的规模可快速伸缩，以自动适应业务负载的动态变化。用户使用的云计算资源与业务的实际需求相一致，避免了因为资源供需不匹配而导致的服务质量下降或资源浪费。161数据监护的数据剔除和数据迁移等任务不需要持续不断的执行，属偶发性活动。云计算的弹性服务能够很好地满足偶发性数据监护活动的资源调用需求。
按需服务：云计算以服务的形式为用户提供基础设施、存储空间、应用程序等，并能够根据用户的需求，自动分配各种资源。17用户也可以根据需要在云中部署所需的应用程序。云计算的按需服务为数据监护中需要依赖主观意识完成的任务，如元数据创建、数据评价和选择提供了极大的便利。
泛在接入：用户通过互联网可以随时随地利用云计算服务。数据用户越来越多的使用笔记本电脑、智能手机、平板电脑，将数据监护业务流程转移至云，能够极大地方便用户上传、访问和下载数据。数据监护的数据采集、数据获取和数据复用等业务环节，可以从云计算的这一特点中受益。
服务外包：用户进行数据处理所需的计算资源价格昂贵，将提供计算资源的业务委托给云服务商，既能够节省开支，又能够使用户专注于自己的核心工作。云服务商为了利益最大化，保持最优竞争力，都会迅速应对技术变革，以更低的价格提供更快的处理器和更大的存储空间。云计算服务外包的特点使数据监护机构将部分信息技术支持业务委托给云服务商，以获得更低廉的价格和更优质的服务成为可能。
三、基于云计算的数据监护模型
云计算提供从硬件设施到应用软件的多层次服务。根据服务的对象和功能差异可以将云计算划分为三种服务模式：基础设施即服务(IaaS)、平台即服务(PaaS)、软件即服务(SaaS);根据租用云计算的用户对数据和环境的控制权，可以将云计算划分为公有云、私有云和混合云等部署模型。本文根据数据监护不同业务阶段的工作内容和技术需求，并结合云计算的服务模式和部署模型，构建了基于云计算的数据监护模型，见图2。下面分别从数据监护的云计算服务模式和部署模型两个方面分析基于云计算的数据监护模型。
(一)数据监护的云计算服务模式
IaaS层。IaaS提供基础设施部署服务。IaaS通过虚拟化技术整合服务器、存储设备、网络资源、高性能计算集群等物理资源，构建全局统一的动态虚拟化资源池。基于云计算的数据监护模型的IaaS层为上层云计算服务提供海量硬件资源，实现硬件资源的按需酉己置。
PaaS层。PaaS是云计算应用程序运行环境，提供应用程序部署与管理服务。PaaS不仅能够实现海量数据的'存储，而且能够提供面向海量数据的分析处理功能。在基于云计算的数据监护模型的PaaS层，数据监护机构使用云供应商的软件工具和开发语言，开发数据收集和数据处理所需的各种应用程序，实现应用程序的多元化和定制化服务，并将科学数据保存于海量数据存储系统。
SaaS层。SaaS提供以服务为形式的应用程序。SaaS允许用户使用部署于供应商云基础设施上的应用程序，用户也可以根据需求向供应商定制应用程序。在基于云计算的数据监护模型的SaaS层，数据监护机构通过应用程序向用户提供数据利用服务，实现数据共享和科研协作。
(二)数据监护的云计算部署模型
数据监护的各个阶段分别面向数据监护方和数据使用方，对应不同的数据存取、处理等操作权限，因此需要采用相适应的云计算部署模型。数据监护过程中的数据利用阶段位于SaaS层，为用户提供方便高效的数据获取等服务，而公有云面向一般公众提供敏捷弹性服务的特点与数据利用阶段的功能需求相契合。用户能够通过网络浏览器像使用个人电脑中的软件那样使用公有云的应用程序，实现应用程序的泛在访问。因此，基于云计算的数据监护模型的SaaS层应采用公有云部署模型。数据收集和数据处理工作要求云计算提供量身定制的服务功能和非常稳定的服务质量，而数据保存工作要求云计算能够切实保障数据安全。私有云部署在用户数据中心的防火墙内，能够提供对数据、安全性和服务质量的最有效控制，而且不会冲击用户已有的业务流程。因此，基于云计算的数据监护模型的PaaS层适宜采用私有云部署模型。上述公有云和私有云的基础设施共同构成了基于云计算的数据监护模型的IaaS层，并且公有云和私有云具有统一的接口标准，保证服务的无缝迁移，即IaaS层采用混合云部署模型。
四、基于云计算的数据监护案例
SRF项目：英国南安普顿大学的SRF项目，针对科学研究工作集成了许多已有的协作型数据管理工具，并将这些工具部署到一个共享的虚拟云平台上，以SaaS的方式提供服务。SRF工具最大的特点是能够在网络日志中自动或者手工创建和共享实验数据。例如，SRF的一款代理软件能够植入实验仪器和计算机，自动抽取仪器在实验过程中记录的数据，并转换为XML格式，然后以博客的形式发布以实现协作复用。通过博客发布平台实现实验过程、实验数据、实验分析的互联，组织实验数据记录，构建实验、实验数据、实验设备之间的关联关系。在数据监护生命周期中，SRF工具主要用于接收和抽取数据，以保证实验数据在上传至云的过程中会被格式化成标准格式。
Data Flow项目：牛津大学的Data Flow项目，旨在创建免费的云托管Data Stage和Data Bank，以便于管理、保存、发布研究数据。其中，Data Stage以在用户电脑上运行映射驱动器的方式，提供研究组水平的、安全的“本地”文件管理环境。另外，Data Stage还提供数据的网络获取和在线存储服务，用户通过访问控制程序的认证之后，即可以访问私人、共享、协作、公众和公共数据目录。Data Bank是一种虚拟化的、基于云部署的机构研究数据仓储。机构可以选择将Data Bank部署在Eduserv教育云或者机构自己的基础设施中。Data Bank还具备包括数据抽取、储存、长期保存、访问在内的一系列数据监护功能。
Kindura项目：伦敦国王学院的Kindura项目，是一个基于混合云部署模型的科学数据管理试点项目，提供基于存储的数据管理服务和基于计算的数据处理服务。Kindura项目通过DuraSpace推出的托管云服务一DuraCloud，将本地服务与各种云服务相衔接。用户利用DuraCloud提供的统一界面，即可享受一站式数据存取服务。Kindura项目通过部署于服务器上的规则引擎，以及面向规则的集成数据管理系统(iRODS)的规则库，决定具体数据存储在本地还是存储于云端：二进制对象存储在云端，元数据和Fedora对象存储在本地。l9Kindura项目证明，混合云能够有效节省数据监护成本，并且能够更加高效地利用本地存储库，提升数据处理能力。
东南大学AMS-02项目：东南大学为大型国际合作项目AMS-02的数据监护工作构建的云计算平台，提供IaaS、PaaS、SaaS服务。该云计算平台架构如图3所示。在IaaS层，云计算基础设施由3500颗CPU内核和500TB高速存储设备构成，提供虚拟机和物理机的按需分配，并且自动配置操作系统、科学计算函数库等运行环境。在PaaS层，数据分析处理平台提供大规模计算能力和海量数据存储能力;应用开发环境为AMS-02数据分析处理应用提供编程接口。在SaaS层，以服务的形式部署云计算应用程序，用户通过访问AMS-02应用，可以获取原始科学数据以及数据处理分析结果。云计算通过超级计算模式，整合大量的存储、计算、带宽等资源，为数据监护提供了经济高效的解决方案。国内的数据监护尚处于起步阶段，对基于云计算的数据监护进行深入的理论探讨和实践探索，有助于推动我国的数据监护实现跨越式发展。
王连海 武鲁
①从诞生以来，云计算1一直都是IT行业最炙手可热的技术之一。现在，我们无论看网页、发微博、玩社交网站，还是搜索、发邮件、即时通信，在线支付，都不知不觉地使用了云计算。毫不夸张地说，互联网已经全面进入云计算时代。
②尽管云计算表现出了非凡的能力，但其自身的安全问题仍然导致公众对这种新兴技术心存疑虑。据国外权威调研公司的调查显示，210位被调查的中等规模公司的管理 者中，20.9%的人最关注的是云计算的安全和隐私问题。公众的担忧并非毫无根据，在过去的几年里，索尼视频游戏网站、国内程序员社区CSDN先后遭到黑客攻击、用户资料泄露，就是典型例子。
③形势如此严峻，公众不能不有所顾虑。目前，公有云(第三方提供商为用户提供的能够使用的“云”)缺少必要的安全防范，从本质上讲是不安全的。而且，所有基础设施、应用程序以及用户数据的维护完全依赖于云计算服务提供商，数据安全和隐私对用户来讲是不可控的。想在不安全且不可控的公有云上保护用户隐私，最彻底的解决方案是不把隐私数据(如私人照片、通讯录、企业合同等)放在公有云上，而是把这些数据放在用户可控的范围之内。如果隐私数据必须在公有云中处理，那么处理完后要及时删除。如果隐私数据必须被保存在公有云中，云计算服务提供商必须能够提供较高等级的安全性。
④前两种措施需要个人用户提高自身的保密意识，时时刻刻绷紧防泄密这根弦。企业用户还需要制定严格的数据保密制度，比如根据数据隐私性和重要性划等级，最高等级的数据绝对不能放在“云”中，低一级的可以放在“云”中进行处理，但原始数据和处理结果必须从“云”中清除。
⑤对于第三种措施，选择一家可靠的云计算服务提供商至关重要。一般而言，云计算服务提供商保护用户隐私数据的措施主要有访问控制、数据加密、使用安全协议、提高数据可用性4种。然而这些措施要么有一定的局限性，要么还在发展当中，都不能确实保证用户隐私数据万无一失。
⑥那么，一旦发生数据窃取、篡改、非法访问的事件，难道用户只能被动挨打、自认倒霉吗?答案是否定的。我们可以利用计算机取证和安全监控技术加强对云计算的监管，增强云计算的安全性：用户利用取证和监控工具对重要目标(虚拟主机、物理主机、敏感数据、网络流量等)实施监控，监控“云”中可能发生的.异常行为。当网络安全事件发生时，马上进行应急响应取得证据，利用监控数据或电子证据追溯异常行为所产生的源头，为下一步司法介入铺平道路。
⑦这种方式以计算机取证和网络安全技术为基础，以法律为依托，将取证和法律手段引入云计算这个“虚拟社会”，维护云计算安全和秩序，避免用户的数据和隐私受到侵害，也不失为一种有效的尝试。 (有删节)
1 云计算是一种基于互联网的超级计算模式，指在远程的数据中心，几万甚至几千万台电脑和服务器连接成一片，用户可以通过电脑、手机等方式接入数据中心，按各自的需求进行存储和运算。
18.结合上下文，说说第⑤段划线句子不能删除的三条理由。(3分)
答：
19.阅读下面材料，借助文章中的相关知识，为网站避免用户资料泄露提供两条切实有效的建议。(4分 )
【材料】
近来，网站泄露用户资料的消息此起彼伏。2011年12月21日，国内最大的程序员社区CSDN遭到黑客攻击，超过600万用户资料被泄露，CSDN在微博上确认了这一事故。2012年1月4日晚，席卷互联网的“泄密门”出现新状况。有消息称，“新浪爱问”约7000万明文存储的密码已外泄。无独有偶，2011年4月，日本索尼公司的一个视频游戏网站遭遇大规模侵袭，7700万用户的个人资料以及银行信用卡信息被窃取。
答：
参考答案：
18.答案：⑴承接上文，承认前一句云计算服务商保护用户隐私数据的主要措施。⑵通过其前“然而”一词，与前文主要措施意思发生转折，强调本句话的内容。⑶摆出这些措施目前发展的弱点，为以下两段提出的计算机取证、安全监控技术的使用作铺垫。
(共3分。共3条理由，每条1分)
19.答案：⑴建议用户提高保密意识，隐私数据尽量不要放在公有云上。
⑵网站制定数据保密制度，分出数据隐私等级，不明文存储用户密码。
(4分。共2条建议，每条2分。)
★ 云计算报告
