云计算系列讲座读书报告

最为人所知的 SaaS 示例是 Salesforce.com，不过现在有了许多其他示例，其中包括 Google Apps，提供基本商业服务，如电子邮件。当然，Salesforce.com 的多重租用应 用程序领先于云计算的定义好几年时间。另一方面，就像云计算中的许多其他层一 样，Salesforce.com 现在的 Force.com 版本不只在一个云层工作，Force.com 是一个辅 助性应用程序开发环境，或当作服务的平台。

把平台当作服务 (PaaS)

中间层 (或 PaaS) 是对开发环境抽象的封装和对有效服务负载的封装。原形有效负载 是一个 Xen 映像 (Amazon Web 服务的组成部分)，该映像包含一个基本 Web 栈 (例如， 一个 Linux 发行套件、一个 Web 服务器，以及一个编程环境，如 Pearl 或 Ruby)。 PaaS 产品可执行各个阶段的软件开发和测试，也可以专用于某个领域，例如，内容 管理。

商业示例包括 Google App Engine，它在 Google 的基础设施上提供应用程序服务。上述PaaS 服务可以提供极大的灵活性，但可能会受到通过供应商提供的能力的制约。 把基础设施当作服务 (IaaS)

把基础设施当作服务 (IaaS) 处于最低层级，而且是一种作为标准化服务在网上提供基 本存储和计算能力的手段。服务器、存储系统、交换机、路由器和其他系统协作 (例 如，通过虚拟化技术) 处理特定类型的工作负载 — 从批处理到峰值负载期间的服务 器/存储扩大。

最著名的商业示例是 Amazon Web 服务 (AWS)，其 EC2 和 S3 服务分别提供基本计算和存储服务。另一个示例是 Joyent，其主要产品是一系列虚拟化服务器，这些服务器提 供运行网站的高度可扩展的随需应变基础设施，包括用 Ruby on Rails、PHP、Python 和 Java 编写的丰富 Web 应用程序。

在云计算的技术方面，最大的收获就是认识了hadoop，作为Google MapReduce技术的开源实现，Hadoop理所当然地借鉴了Google的Google File System文件系统、MapReduce并行算法以及BigTable。因此，Hadoop也是一个能够分布式处理大规模海量数据的软件框架，这一点不足为奇。当然，这一切都是在可靠、高效、可扩展的基础上。Hadoop的可靠性——因为Hadoop假设计算元素和存储会出现故障，因为它维护多个工作数据副本，在出现故障时可以对失败的节点重新分布处理。Hadoop是并行工作的，以加快任务处理速度。Hadoop的可扩展——依赖于部署Hadoop软件框架计算集群的规模，Hadoop的运算是可扩展的，具有处理PB级数据的能力。

Google文件系统（Google File System，GFS）是一个大型的分布式文件系统。它为Google云计算提供海量存储，并且与Chubby、MapReduce以及Bigtable等技术结合十分紧密，处于所有核心技术的底层。由于GFS并不是一个开源的系统，我们仅仅能从Google公布的技术文档来获得一点了解，而无法进行深入的研究。Google公布的关于GFS的最为详尽的技术文档，它从GFS产生的背景、特点、系统框架、性能测试等方面进行了详细的阐述。

当前主流分布式文件系统有RedHat的GFS（Global File System）、IBM的GPFS、Sun的Lustre等。这些系统通常用于高性能计算或大型数据中心，对硬件设施条件要求较高。以Lustre文件系统为例，它只对元数据管理器MDS提供容错解决方案，而对于具体的数据存储节点OST来说，则依赖其自身来解决容错的问题。例如，Lustre推荐OST节点采用RAID技术或SAN存储区域网来容错，但由于Lustre自身不能提供数据存储的容错，一旦OST发生故障就无法恢复，因此对OST的稳定性就提出了相当高的要求，从而大大增加了存储的成本，而且成本会随着规模的扩大线性增长。

MapReduce是Google提出的一个软件架构，是一种处理海量数据的并行编程模式，用于大规模数据集（通常大于1TB）的并行运算。“Map（映射）”、“Reduce（化简）”的概念