云計算導論主講老師：全套可編輯PPT課件走進云計算云計算基礎云計算中的數據處理技術虛擬化技術云計算管理平臺云計算解決方案云計算安全云計算應用走進云計算第一章走進云計算

近年來，隨著IT技術的飛速發展，云計算早已在眾多領域獲得了廣泛的應用和發展，成為了與人們日常生活息息相關的核心技術。

本章將從云計算的產生和發展開始，介紹云計算的概念和特征，最后通過實例讓讀者認識身邊的云計算。本章導讀學習目標了解云計算的思想起源。熟悉云計算的發展歷程。掌握云計算的概念和特征。認識身邊的云計算。1.1云計算的產生和發展1.2云計算的概念和特征1.3實例-身邊的云計算云計算的產生和發展1.1.1云計算的思想起源1983年，SUN公司提出“網絡就是計算機（thenetworkisthecomputer）”的概念，并開始探索以網絡為中心的計算模式，極具前瞻性地揭示了“超級計算”時代的來臨。1999年，時任甲骨文（Oracle）公司副總裁的馬克·貝尼奧夫（MarcBenioff）預見到，隨著Internet的發展，越來越多的企業會選擇通過Internet獲取軟件服務。于是，他與合作伙伴于同年3月創辦了Salesforce公司，并提出“軟件即服務（SoftwareasaService，SaaS）”的服務理念。Salesforce公司的成立，是云計算發展史上一個重要的里程碑。

云計算的思想起源最早可追溯到由約翰·麥卡錫（JohnMcCarthy）于1961年提出的“效用計算”概念。此后，云計算思想又經歷了一系列演變和發展。云計算的產生和發展1.1.1云計算的思想起源2006年3月19日，亞馬遜公司通過推出簡單存儲服務（simplestorageservice，S3）正式發布了AWS平臺；8月9日，谷歌（Google）公司首席執行官埃里克·施密特（EricEmersonSchmidt）在搜索引擎大會上提出了“云計算”的概念；8月25日，AWS平臺推出了彈性計算云（elasticcomputecloud，EC2）服務產品，標志著“基礎設施即服務（InfrastructureasaService，IaaS）”的云計算服務開始逐步成型。此后，云計算因其蘊藏的巨大價值受到了谷歌、亞馬遜、微軟（Microsoft）和阿里巴巴等互聯網巨頭的追捧，在數年內得以迅猛發展，這些互聯網巨頭共同拉開了互聯網“云時代”的序幕。2002年，亞馬遜（Amazon）公司開始著手研發AWS（AmazonWebServices）平臺，該平臺旨在以Internet為媒介，將存儲空間、計算能力、數據庫等資源以按需付費的方式租賃給個人、公司或政府。電廠模式云計算的產生和發展1.1.2云計算的發展歷史

電廠模式就是利用電廠的規模經濟效應來降低電力的價格，并讓用戶在無須購買任何發電設備的情況下方便地使用電力。效用計算網格計算云計算

網格計算（gridcomputing）是一種解決大規模計算問題的分布式計算模型。

云計算是分布式計算的一種，它可看作是效用計算和網格計算的商業實現。與效用計算和網格計算類似，云計算同樣希望用戶方便地獲得廉價的計算機資源。

分時操作系統技術將使計算能力和特定應用程序等資源可以統一使用和出售，用戶可以像將燈泡插入燈座一樣使用計算機的資源，并如同支付水電費一樣，按使用量進行個性化付費。云計算的產生和發展1.1.2云計算的發展歷史

“網格”這個詞源于電力網格（powergrid）。電力網格簡稱電網，它用高壓線路把分散在各地的發電站連接在一起，并在輸電、配電和變電等標準化操作后，將電力統一提供給用戶。用戶無須關心電力的來源、存量或類型，僅需將用電設備的插頭插入插座即可用電。網格計算借鑒了電力網格的結構，兩者結構如圖所示。云計算的產生和發展1.1.2云計算的發展歷史

網格計算以Internet為通信支撐平臺，將分散的資源聚合在一起，形成更高層次的分布式資源共享環境，具有高性能、一體化、資源共享等技術優點。但由于參與網格計算的計算機是自發組成的聯盟，可靠性和安全性不高，因此網格計算并未成功商業化。盡管如此，網格計算在學術研究領域卻大放異彩。例如，2018年，基于網格計算的“因特網梅森素數大搜索（GIMPS）”項目動用了超過180萬核CPU發現了第51個梅森素數，該素數有24862048位，是迄今為止人類發現的最大素數。此外，網格計算還為現在普遍運用的云計算模型奠定了理論基礎和實驗環境。1.11.2云計算的產生和發展1.3實例-身邊的云計算云計算的概念和特征

云計算是基于“按需付費定價（pay-as-you-gopricing）”模式的IT資源交付服務。亞馬遜

云計算是通過網絡按需分配計算資源。計算資源包括服務器、數據庫、存儲、平臺、架構及應用等。云計算支持按用量付費，即只需支付您需要的量。阿里巴巴

云計算是一種模型，用于實現對可配置計算資源共享池便捷按需的網絡訪問。該共享池中的計算資源包括網絡、服務器、存儲、應用程序和服務等，這些資源可以快速地獲取和釋放，同時管理成本極低，而且與服務提供商的溝通成本基本為零。NIST

云計算是一種通過網絡統一組織和靈活調用各種信息與通信技術（informationandcommunicationstechnology，ICT）資源，實現大規模計算的信息處理方式。我國工業和信息化部電信研究院1.2.1什么是云計算云計算的概念和特征云計算云計算的概念和特征1.2.2云計算的特征1、用戶按需自助獲取服務2、廣泛的網絡訪問3、資源虛擬化4、快速彈性的資源分配5、可度量的資源使用情況1.11.2云計算的產生和發展1.3實例-身邊的云計算云計算的概念和特征實例-身邊的云計算1.3.1云盤

云盤（cloudstorage）又稱網盤、網絡硬盤或網絡U盤，是一種基于網絡的在線存儲服務，云盤服務提供商將其服務器的硬件資源分配給注冊用戶并提供文件存儲、訪問、備份、共享等文檔管理功能，用戶可以通過Internet上傳、下載和管理云盤中的文件。百度網盤騰訊微云華為云空間360安全云盤iCloudDropBoxOneDrive不占用本地空間便于遷徙和備份在線管理方便文件分享方便支持在線查看和播放支持不同平臺同步數據較安全特點百度網盤

百度網盤是百度公司推出的一項云盤服務，分為個人版和企業版兩種，其中個人版在Windows、Android、iOS、macOS和Linux等操作系統環境下均開發了客戶端，同時支持瀏覽器訪問。因此，百度網盤是當前國內個人終端市場中最受歡迎、最具有代表性的云盤。實例-身邊的云計算1.3.1云盤實例-身邊的云計算1.3.1云盤百度網盤實例-身邊的云計算1.3.1云盤（1）超大容量（2）多元數據存儲（3）在線解壓（4）在線查看常規數據（5）離線下載（6）文件分類和搜索（7）文件分享百度網盤具有以下幾個特點:百度網盤實例-身邊的云計算1.3.1云盤文件分類文件分享離線下載文件搜索超大容量實例-身邊的云計算1.3.1云盤iCloudiCloud是Apple公司為用戶提供的私人云存儲服務，注冊用戶可免費獲得5GB存儲容量，用戶可通過按月付費的方式購買更多存儲容量。

與百度網盤側重于大容量存儲不同，iCloud更側重于多端同步。實例-身邊的云計算1.3.1云盤實例-身邊的云計算1.3.2云應用

云應用（cloudApps）即運行在云端的應用，它是云計算技術在應用層的體現，其工作原理是：把傳統軟件“本地安裝、本地運行”的使用方式變為了“即取即用”的新型方式。云應用

用戶在本地終端使用云應用時的操作與使用本地應用無異，但其所有的計算和渲染等工作均在云端完成，用戶無須在本地安裝軟件或配置復雜的環境，也無須具備運行軟件所需的CPU性能、內存或存儲等硬件配置，僅需瀏覽器即可完成與傳統軟件等同的操作。特點實例-身邊的云計算1.3.2云應用uzer.me是上海諧桐信息技術有限公司推出的云應用系統，用戶訪問其官方網站https://uzer.me并注冊登錄后即可進入應用桌面該云應用系統中包括有AutoCAD、Matlab、XMind、Office系列軟件和Adobe系列軟件等Uzer.me實例-身邊的云計算1.3.2云應用

除Web端外，uzer.me云應用系統還為用戶提供了Windows、macOS、Android和iOS等操作系統的客戶端，這些客戶端均可在其官方網站下載。實例-身邊的云計算1.3.2云應用

用戶可免費使用應用桌面中的云應用，其使用體驗與本地應用基本無異。

每名注冊用戶均會獲得1GB的云存儲空間，應用程序產生的工程文件將存儲于此，用戶可將工程文件下載到本地。

此外，用戶也可將需要的本地素材上傳到云存儲空間中。實例-身邊的云計算1.3.2云應用

OfficeOnWeb是微軟公司推出的云應用，用戶訪問其官方網站并使用Microsoft賬號登錄后即可使用OfficeOnWeb實例-身邊的云計算1.3.2云應用實例-身邊的云計算1.3.2云應用功能包括OfficeOnWeb支持的Office功能包括Outlook、OneDrive、Word、Excel、PowerPoint和OneNote等OfficeOnWeb實例-身邊的云計算1.3.2云應用

用戶單擊“Word”圖標后即可打開Word云應用的新建界面，單擊“Newblankdocument”圖標即可新建一個空白Word文檔.本章小結cloudcomputing2、云計算的5大基本特征包括用戶按需自助獲取服

務、廣泛的網絡訪問、資源虛擬化、快速彈性的

資源分配和可度量的資源使用情況3、云計算離日常生活并不遙遠，善于利用身邊的云

計算服務（如云盤和云應用等）可使工作和生

活

更加

便捷。走進云計算1、云計算經歷了電廠模式、效用計算、網格計算

和云計算4個階段。感謝觀看THANKS云計算導論主講老師：云計算基礎第二章云計算基礎“沒有規矩，不成方圓”。云計算作為一個龐大且復雜的系統，要使其科學高效地實施與運轉，必須設計與之相匹配的規則和模型。本章將依次介紹云計算系統架構參考模型、云計算服務模型和云計算服務部署模式。本章導讀學習目標了解NIST云計算參考架構。理解云計算“四層兩域”模型。掌握云計算服務模型。熟悉云計算服務部署模式。認識Docker容器引擎。2.1云計算系統架構參考模型2.2云計算服務模型2.3云計算服務部署模式2.4實例-Docker容器云計算系統架構參考模型

云計算是一個規模龐大的系統，為了更好地描述、應用和管理該系統，在設計系統時就應建立一套完整且科學的規則體系，即云計算系統架構。

在云計算的發展和標準化過程中，許多機構和廠商都根據自身優勢和云計算服務的建設重點提出了云計算系統架構，如NIST云計算參考架構、“四層兩域”模型、亞馬遜AWS云計算系統架構、阿里云“飛天”架構、移動“大云”系統架構等。下面重點介紹NIST云計算參考架構和“四層兩域”模型。2.1云計算系統架構參考模型云計算系統架構參考模型2.1.1NIST云計算參考架構作為云計算定義的延伸，NIST在其2011年發布的《特別出版物500-292：NIST云計算參考架構》技術報告中提出了NIST云計算參考架構。

云消費者（cloudcustomer）

云審核員（cloudauditor）

云提供商（cloudprovider）

云代理商（cloudbroker）

云承載者（cloudcarrier）2.1.1NIST云計算參考架構云計算參考架構云計算系統架構參考模型2.1.1NIST云計算參考架構云計算系統架構參考模型角色職責云消費者

與云提供商保持業務關系，并使用云提供商提供的云計算服務的個人或組織云審核員

能夠對云計算服務、信息系統操作、性能和安全性進行獨立評估的中立機構云提供商

負責向云消費者提供云計算服務的個人、組織或實體云代理商

對云計算服務的使用、性能及交付進行管理，并協調云提供商和云消費者之間

關系的實體云承載者

在云提供商和云消費者之間提供云計算服務的連接和傳輸的中介NIST云計算參考架構中各角色的職責2.1.1NIST云計算參考架構云計算系統架構參考模型NIST云計算參考架構中各角色的交互關系云承載者為整個云計算系統提供技術

支持和實現途徑.云提供商為云消費者提供云計算服務。云消費者可直接向云提供商或通過云

代理商申請云計算服務。云代理商可作為云消費者和云提供商

之間的媒介。云審核員為第三方獨立審核機構，可

對云提供商或代理商提供的云計算服

務進行獨立審核（包括服務安全性、

隱私性和性能等），并將審核結果反

饋給云消費者、云提供商和云代理商。2.1.2”四層兩域“模型

“四層兩域”

模型，是一套較具有概括性的云計算系統架構參考模型。

“四層”是指基礎設施層、資源層、平臺層和應用層。

“兩域”則是指服務域和管理域。云計算系統架構參考模型2.1.2”四層兩域“模型云計算系統架構參考模型基礎設施層

基礎設施層的作用是對數據中心、操作系統和服務器等軟硬件設施進行管理，為服務域內的其他層提供基礎設施資源支持。資源層資源層即基礎設施經過虛擬化后形成的IT資源池。平臺層是鏈接應用層和資源層的中間層。應用層

應用層直接面向客戶的需求，通常采用友好的交互界面，以向云消費者提供高度集成化的軟件云服務。平臺層2.1.2”四層兩域“模型云計算系統架構參考模型服務域

服務域由基礎設施層、資源層、平臺層和應用層共同構成，它主要是面向云計算系統的用戶提供資源服務、平臺資源調用服務和應用服務等。管理域

管理域的管理對象是服務域，無論是服務域的各層還是整個服務域，管理域均有相應的管理方法。資源管理運營管理

資源管理主要是對底層資源及其虛擬化資源池的正常運行和安全性等方面的管理，包括資源監控、調配、優化和報警等。

運營管理是管理域將服務域各層提供的服務作為商品出售給用戶，使云計算服務更加商業化。2.1云計算服務模型2.2云計算系統架構參考模型2.3云計算服務部署模式2.4實例-Docker容器2.2云計算服務模型云計算服務模型云計算云計算是一種通過出售服務盈利的商業模式，具有一套完整的業務交付系統，即云計算服務模型。基礎設施即服務（InfrastructureasaService，IaaS）平臺即服務（PlatformasaService，PaaS）軟件即服務（SoftwareasaService，SaaS）數據即服務（DataasaService，DaaS）容器即服務（ContainerasaService，CaaS）2.2.1基礎設施即服務基礎設施即服務：

簡稱IaaS，它是一種將服務器、存儲器、網絡、

設備等IT基礎設施虛擬化，并通過Internet租給用戶的云計算服務模型。云計算服務模型2.2.1基礎設施即服務云計算服務模型使用靈活01運維成本低。02自助服務。03計費透明。04可靠性高。05IaaS云服務特點2.2.2平臺即服務平臺即服務：

簡稱PaaS，它是指將應用的開發、管理和運行環境集成并打包為按需付費的服務后，通過Internet租給用戶的云計算服務模型。云計算服務模型2.2.2平臺即服務云計算服務模型部署開發環境簡單

代碼實時托管服務豐富維護方便著名的PaaS云服務包括GoogleAppEngine、MicrosoftAzure和SaleforcePlatform。2.2.3軟件即服務軟件即服務：

軟件即服務簡稱SaaS，它是指將開發好的軟件系統作為按需付費的服務，并通過Internet提供給用戶的云計算服務模型。云計算服務模型2.2.3軟件即服務云計算服務模型值得注意的是，PaaS提供的云應用程序開發平臺也可看作是一種軟件，因此也可以說，PaaS是SaaS的一種特殊形式。SaaS可基于PaaS構建，也可直接構建在IaaS上。對于個人用戶而言，用戶不再需要支付昂貴的軟件購買費用，也不再需要為終端設備配置高性能的硬件，只需將其聯網，即可通過瀏覽器使用SaaS云服務。這樣，不僅降低了用戶使用SaaS云服務的成本，還提高了靈活性。對于企業用戶而言，由于SaaS云服務一般是由大型云計算服務提供商提供的，因此會對軟件進行統一管理、升級和維護，這意味著企業用戶可以在最大限度降低成本的同時享受高質量的軟件托管服務，且其數據安全性也有了很好的保障。2.2.4其他云計算服務模型云計算服務模型一切皆為服務數據即服務網絡即服務容器即服務2.2.4其他云計算服務模型云計算服務模型1、數據即服務

數據即服務簡稱DaaS，它可在保證數據安全性的前提下，以云計算為基礎設施，以大數據為載體，通過對大數據進行整合、存儲和計算，實現數據挖掘、分析和優化的自動化處理，并通過Internet將這種自動化處理作為一種云服務提供給用戶。由于DaaS云服務多以應用程序接口（applicationprogramminginterface，API）的形式提供給用戶使用，因此，DaaS可看作是SaaS的特殊形式。2.2.4其他云計算服務模型云計算服務模型2、容器即服務容器即服務簡稱CaaS，它是指云計算服務提供商將基于容器的應用開發平臺作為服務提供給用戶，用戶可通過Web或API使用此類服務并按需付費。容器技術是一種輕量級虛擬化技術，它可將應用程序和其依賴的開發環境打包為統一格式的鏡像文件，使其可在不同環境（如安裝不同操作系統的實體機、虛擬機、公有云和私有云等）下進行自由遷移。2.12.2云計算系統架構參考模型2.3云計算服務模型2.4實例-Docker容器云計算服務部署模式2.3云計算服務部署模式云計算服務部署模式公有云私有云社區云NIST混合云2.3.1公有云公有云（publiccloud）是云服務提供商對外提供的公共云服務部署模式。云計算服務部署模式2.3.2私有云私有云（privatecloud）是指某企業或組織專屬的云服務部署模式，私有云擁有者對私有云具有完全的訪問和控制權限，而未授權的用戶則無法獲取私有云的任何信息，更無法使用私有云提供的任何服務。本地私有云本地私有云是指基礎設施和組織架構均由企業自行搭建和維護的私有云。外包私有云外包私有云是指由第三方云服務提供商為企業搭建和維護的私有云。云計算服務部署模式2.3.2私有云本地私有云云計算服務部署模式2.3.2私有云外包私有云云計算服務部署模式2.3.3社區云社區云（communitycloud）是面向某社區中所有成員的云服務部署模式。“社區”是指由一組云消費者組成的集體，社區中的各成員共同制定了安全和隱私政策并統一遵守。與私有云類似，社區云僅對社區內的各成員開放，且也分為本地社區云和外包社區云兩種。兩者的區別在于，私有云的服務對象是單個云消費者，而社區云的服務對象則是一組云消費者。云計算服務部署模式2.3.4混合云混合云（hybridcloud）是指包含兩個或多個不同的云計算服務部署模式（公有云、私有云或社區云）組成的云服務獲取平臺，它并不是上述云的簡單組合，而是云服務提供商根據企業實際情況定制的個性化云計算服務部署模式。云計算服務部署模式2.12.2云計算系統架構參考模型2.3云計算服務模型2.4云計算服務部署模式實例-Docker容器實例-Docker容器2.4.1Docker簡介Docker是由dotCloud公司（后更名為Docker公司）推出的世界領先的容器引擎和平臺，它基于Linux內核，使用Google公司的Go語言開發，可實現操作系統級的輕量級虛擬化。Docker的核心思想是將各種應用程序及其依賴環境打包為標準的容器，該標準容器可在任何安裝了Docker的操作系統上運行。換句話說，Docker就如同應用程序的“集裝箱”。croDke實例-Docker容器2.4.1Docker簡介應用程序的”集裝箱“實例-Docker容器2.4.1Docker簡介倉庫（repository）核心組件倉庫用于存放鏡像，一般為遠端鏡像服務器，用戶可通過Internet從倉庫中獲取鏡像（此過程稱為“pull”），也可在制作鏡像后將其保存到倉庫中（此過程稱為“push”）。鏡像是某應用程序及其開發環境的打包文件，而容器是鏡像的實例化，兩者的關系可比作面向對象編程思想中的類和對象，鏡像是一個靜態的只讀（read-only）模板（好比類），當執行（run）這個模板時，就創建了一個容器（好比對象），容器進行運行、停止、移動和刪除等操作時，鏡像本身不受影響，運行著的容器也可在當前狀態進行提交，形成另一個獨立的鏡像。

鏡像（image）和容器（container）實例-Docker容器2.4.1Docker簡介Docker倉庫、鏡像和容器的關系實例-Docker容器2.4.2安裝DockerDocker是基于Linux系統設計的，因此Linux系統對Docker的支持最好。經過不斷發展，Docker已擁有了Windows、Linux和macOS操作系統的版本。1、啟用Hyper-V虛擬機2．安裝DockerDesktopforWindows3．運行一個Docker容器安裝Docker具體步驟詳見P32本章小結cloudcomputing2、云計算服務模型包括基礎設施即服務

（IaaS）、平臺即服務（PaaS）和軟件即

服務（SaaS）。近年來隨著云計算服務內

涵的不斷豐富，又提出了“一切皆為服務

（XaaS）”的概念。3、云計算服務的部署模式可分為公有云、私

有云、社區云和混合云4種。云計算基礎1、不同組織、廠商均推出過云計算系統參考

架構，如NIST云計算參考架構、“四層兩

域”模型、亞馬遜AWS云計算系統架構、

阿里云“飛天”架構、移動“大云”系統

架構等。其中，“四層兩域”模型是業界

目前較具有概括性的云計算系統參考架構。感謝觀看THANKS云計算導論主講老師：云計算中的數據處理技術第三章云計算中的數據處理技術

數據處理一直是計算機科學研究的重要課題。作為一個復雜的系統，云計算系統的發展過程就是其數據處理技術不斷完善和進步的過程。本章導讀學習目標了解大數據的概念及其與云計算的關系。理解分布式系統的概念。理解分布式數據存儲的概念及為其提供技術支持的分布式文件系統。理解并行編程技術。了解數據管理技術。認識ApacheHadoop項目。3.1云計算與大數據3.2分布式數據存儲3.3并行編程技術3.5實例-ApacheHadoop項目3.4數據管理技術云計算與大數據

大數據（bigdata）也稱海量數據或巨量數據，是指數據量大到無法利用傳統的數據處理技術在合理的時間內獲取、存儲、管理和分析的數據集合。“大數據”一詞除用于描述信息時代產生的海量數據外，也可用于指代與之相關的技術、創新與應用3.1.1什么是大數據海量的數據規模（volume）快速的數據流轉（velocity）多樣的數據類型（variety）較低的價值密度（value）4V特征大數據技術是指用非傳統的方式對大量結構化和非結構化數據進行處理，以挖掘出數據中蘊含的價值的技術。根據數據的處理流程，可以將大數據的關鍵技術分為：數據采集、數據預處理、數據存儲與管理、數據分析與挖掘、數據可視化等。云計算與大數據3.1.1什么是大數據數據采集

數據采集就是將網絡上各種來源的數據寫入數據倉庫，并整合在一起，以便對數據進行綜合分析。數據采集包括網絡日志采集、網絡文件采集（提取網頁中的圖片、文本等）、關系型數據庫的接入等，常用的工具有Flume、Kafka、Sqoop等。云計算與大數據3.1.1什么是大數據數據存儲與管理數據預處理

數據預處理是指將雜亂無章的數據轉化為相對單一且便于處理的結構（數據抽取），或者去除沒有價值甚至可能對分析造成干擾的數據（數據清洗），從而為后期的數據分析奠定基礎。

數據存儲是指用存儲器把采集到的數據存儲起來，并建立相應的文件系統和數據庫，以便對數據進行管理和調用。云計算與大數據3.1.1什么是大數據數據分析與挖掘

數據分析與挖掘是指通過各種算法從大量的數據中找出潛在的有用信息，并研究數據的內在規律和相互之間的關系。常用的數據分析與挖掘技術包括批處理、流處理、實時處理和交互處理等技術名稱技術實例特

點應用案例批處理Hadoop分布式高速計算和存儲社交網絡、推薦系統流處理Storm低時延，高響應圖像處理、社交媒體實時處理Spark低延遲計算視頻分析、實時廣告交互處理Dremel快速處理PB級海量數據電商平臺云計算與大數據3.1.1什么是大數據數據可視化

數據可視化是指利用可視化手段對數據進行分析，并將分析結果用圖表或文字等形式展現出來，從而使讀者對數據的分布、發展趨勢、相關性和統計信息等一目了然云計算與大數據3.1.2云計算與大數據的關系

作為引領未來技術變革的兩項關鍵技術，云計算與大數據既緊密相連，又相互區別。從整體上看，兩者是相輔相成的。一方面，云計算為大數據提供了技術支持和實現途徑；另一方面，大數據讓云計算更有價值，并推動著云計算相關技術的不斷更新和完善。服務領域相同。云計算與大數據的聯系關鍵技術相同。云計算與大數據3.1.2云計算與大數據的關系云計算與大數據的區別處理對象不同。目的不同。產生的背景不同。35推動力不同。421帶來的價值不同。3.13.2云計算與大數據3.3并行編程技術3.5實例-ApacheHadoop項目3.4數據管理技術分布式數據存儲3.2分布式數據存儲分布式數據存儲

云計算最主要的特征是擁有大規模的數據集，基于該數據集向用戶提供服務。為了保證高可用性、高可靠性和經濟性，云計算采用了分布式數據存儲方式。存儲3.2.1分布式系統分布式數據存儲

分布式系統（distributedsystem）是指一組通過網絡連接的計算機及其軟件系統，這些計算機的耦合度較低，相互之間協調工作以實現整體負載均衡。3.2.1分布式系統分布式數據存儲升級性能

的方法

縱向擴展是指升級當前集中式系統中的主機，其優勢是數據備份和恢復簡單、部署方便、安全性高、穩定性好、維護成本低；

橫向擴展是指增加主機數量，將各主機通過網絡連接組成分布式系統，共同存儲數據和處理任務。縱向擴展橫向擴展分布式數據存儲

分布式數據存儲即利用分布式系統來存儲數據，而用于存儲數據的分布式系統也稱為分布式存儲系統（distributedstoragesystem）。3.2.2分布式存儲系統@SMS3.2.2分布式存儲系統分布式數據存儲低成本高

性

能可

擴

展易

用

性自

治

性3.2.3分布式數據存儲技術分布式數據存儲

為分布式數據存儲提供技術支持的是分布式文件系統（distributedfilesystem）。分布式文件系統又稱集群文件系統，它是由分布式存儲系統中多個節點通過網絡共同組建和共享的文件系統。3.2.3分布式數據存儲技術分布式數據存儲GFS是谷歌公司設計并開發的大型分布式文件系統，它是通過廉價設備進行大規模數據存儲的解決方案，與MapReduce并行編程模型及Bigtable分布式數據庫共同構成了谷歌公司云計算的技術體系，并合稱為拉動谷歌公司海量數據處理和搜索引擎等服務的“三駕馬車”。GFS采用了客戶機/服務器的設計模式。一個GFS由一個主控服務器（masterserver）和若干數據塊服務器（chunkserver）組成，并供許多GFS客戶端（GFSclient）訪問，如圖3-2所示。系統中的元數據以數據分片的形式存儲在數據塊服務器中，數據塊服務器越多，能存儲的數據總量越大，因此數據塊服務器的數量往往決定了整個GFS的規模。主控服務器是整個GFS的核心，它存儲著系統中所有元數據的信息（如創建時間、索引等）。客戶端訪問系統文件時，必須向主控服務器發送請求，主控服務器返回給客戶端要與之交互的數據塊服務器信息，然后客戶端直接訪問這些數據塊服務器完成數據的存取。3.2.3分布式數據存儲技術分布式數據存儲GFS的系統架構3.13.2云計算與大數據3.3分布式數據存儲3.5實例-ApacheHadoop項目3.4數據管理技術并行編程技術3.3并行編程技術并行編程技術

并行編程（parallelprogramming）也稱并行程序設計、平行編程，是針對并行計算的程序設計方法，在云計算領域，并行編程則是指對分布式并行計算進行程序設計。3.3.1分布式并行計算并行編程技術分布式計算

分布式計算（distributedcomputing）是一種計算方法，是與集中式計算相對的概念。它可以將大任務拆分成許多小任務，然后把這些任務派發給多臺計算機進行計算，最后將所有的計算結果進行匯總，以得到最終結果。1．分布式計算2．并行計算3.3.1分布式并行計算并行編程技術并行計算

并行計算（parallelcomputing）又稱平行計算，是相對于串行計算來說的。它是一種允許讓多條指令以平行的方式同時進行計算的模式，存在時間并行和空間并行兩種方式。1．分布式計算2．并行計算3.3.2MapReduce并行編程模型并行編程技術MapReduce并行編程模型（以下簡稱模型）是一個針對大規模集群中的分布式文件進行并行處理的計算模型。MapReduce模型中的“Map”和“Reduce”的設計靈感受到了函數式編程中的Map()和Reduce()兩個功能函數的啟發。在MapReduce模型中，“Map”意為“映射”，是指將一個大任務分割為多個小任務，以便對這些小任務進行并行計算；“Reduce”意為“歸約”，是指將并行計算后得到的結果進行匯總。因此，可以說，“Map”和“Reduce”就是MapReduce模型的核心思想的最好詮釋。MR3.3.2MapReduce并行編程模型并行編程技術MapReduce模型的大致執行過程輸入Input分解Split映射Map重排Shuffle歸約Reduce輸出Finalize3.3.2MapReduce并行編程模型并行編程技術使用MapReduce模型建立倒排索引3.13.2云計算與大數據3.3分布式數據存儲3.5實例-ApacheHadoop項目3.4并行編程技術數據管理技術3.4數據管理技術數據管理技術

云計算的特點是對海量數據進行存儲和分析，這要求云計算的數據管理系統必須支持海量數據的高速存儲（hugestorage）、高頻的并行讀寫和并發訪問（highperformance）、快速的橫向擴展（highscalability）和高可用性（highavailability）。

傳統的關系型數據庫無法滿足云計算的數據管理需求，因此，人們提出了“NoSQL數據庫”的概念。3.4數據管理技術數據管理技術

關系型數據庫（relationaldatabase）是指采用關系模型組織和存儲數據的數據庫，關系模型可將實體數據抽象為邏輯關系，并存儲在由行和列組成的二維表格中。表格中的數據稱為行數據或結構化數據，它們遵循嚴格的存儲規范（如數據格式和長度規范等），用戶可通過結構化查詢語言（structuredquerylanguage，SQL）對數據進行查詢、控制和定義等操作。由于關系型數據庫普遍使用SQL作為查詢語言，因此SQL數據庫逐漸成為了關系型數據庫的代名詞。3.4.1NoSQL數據庫概述數據管理技術NoSQL數據庫采用了松耦合的數據存儲模式，它不再使用關系模型作為數據存儲模型（故NoSQL也稱為“非關系型數據庫”），數據不必存儲在行列分明的二維表格中，也無須遵循嚴格的存儲規范，開發人員可自行制定存儲規范。3.4.1NoSQL數據庫概述數據管理技術NoSQL

數

據

庫

的

常

用

存

儲

模

式

在數據庫中存儲的數據單位稱為“值（value）”，每個值均有與之相匹配的“鍵（key）”，通過“鍵”可迅速查找到“值”.原理鍵值映射

查找速度較快，但數據庫整體的存儲結構較混亂特性

線上多媒體或社交平臺（如Youtube、Instagram）適用場景Redis、Riak、AWSDynamoDB代表產品3.4.1NoSQL數據庫概述數據管理技術NoSQL

數

據

庫

的

常

用

存

儲

模

式

可看作SQL數據庫中表的擴展，表中仍存在鍵，但鍵不再指向某一列，而是若干列，稱為列族或列簇。原理列族

相關數據可存放在一起，查找和擴展方便。特性博客平臺

（如Facebook）適用場景HbaseCassandra代表產品3.4.1NoSQL數據庫概述數據管理技術NoSQL

數

據

庫

的

常

用

存

儲

模

式

也可看作一種鍵值映射。一個文檔即為數據庫的最小存儲單位，每個文檔本身即為“值”，且均具有與之對應的“鍵”（如文檔標題、哈希值等）以便于查找文檔.文檔

文檔查找速度快，數據庫對數據結構和存儲規范要求不嚴格。特性企業日志（如SAP）適用場景MongoDBRavenDB代表產品原理3.4.1NoSQL數據庫概述數據管理技術NoSQL

數

據

庫

的

常

用

存

儲

模

式

使用了最短路徑尋址、N度關系查詢等圖結構算法，以圖存儲為核心的數據庫。原理圖

可實現圖片的快速存儲和查找等操作。特性適用場景以圖片存儲為主的云存儲服務（如AdobeCreativeCloud）Neo4J代表產品3.4.2Bigtable數據管理技術Bigtable是一個由谷歌公司設計并開發的NoSQL數據庫模型，它是谷歌公司云計算數據處理的關鍵技術之一，用于管理Google各服務（如GoogleAnalytics、GoogleFinance、GoogleEarth等）產生的海量數據。

與傳統的關系型數據庫相比，Bigtable的數據存儲方式更加靈活，它不再使用傳統的關系模型，而是為用戶提供了簡單靈活的數據存儲模型，甚至可以說，存儲在Bigtable中的數據沒有固定的格式，用戶可以動態地控制數據的分布和格式，也可以自定義數據格式。3.4.2Bigtable數據管理技術Bigtable采用了鍵值映射的數據存儲模式，在一個鍵值映射中，每個鍵由行關鍵字（row）、列關鍵字（column）和時間戳（time）3個維度共同組成。其中，行關鍵字和列關鍵字的數據類型均為字節數組（string），時間戳的數據類型則為64位整型（int）。Bigtable的鍵值映射數據模型3.4.2Bigtable數據管理技術

在Bigtable

中

存

儲

數

據

時

的

鍵

值

映

射

假設要存儲一個項目，這個項目包括海量的網頁及相關數據，現將此項目中的所有文件均存儲在一張稱為Webtable的表中，其數據結構如圖所示。在Webtable表中存儲網頁時，行關鍵字是網頁的URL（假設為），并將URL的倒排形式（即n.www）作為行名；列關鍵字由內容列和錨鏈接文本列族組成，其中內容列存儲著網頁的內容，列名為“contents:”，錨鏈接文本列族由兩個存儲著鏈接文本的列組成（假設每個文本占用1列），列名為“anchor:”；時間戳代表數據進入Bigtable的準確時間，數據的不同版本按照時間戳降序存儲，例如，可以用（“n.www”，“contents”，t5）找到主頁在t5時刻的內容。3.4.2Bigtable數據管理技術

在Bigtable

中

存

儲

數

據

時

的

鍵

值

映

射

3.13.2云計算與大數據3.3分布式數據存儲3.5數據管理技術3.4并行編程技術實例-ApacheHadoop項目3.5實例—ApacheHadoop項目實例—ApacheHadoop項目谷歌

谷歌公司在2003年、2004年和2006年分別發表了3篇論文，依次闡釋和論證了GFS、MapReduce模型和Bigtable的基本思想和原理。這3篇論文不僅成為谷歌公司云計算技術設計和開發的理論基礎，確立了谷歌公司在云計算領域的先驅和領跑者地位，還奠定了云計算與大數據技術的基本框架。受到谷歌公司3篇論文的啟發，各互聯網公司或組織均開始嘗試研發自家的分布式計算平臺，其中最著名的是Apache軟件基金會的Hadoop項目。3.5.1Hadoop簡介

實例—ApacheHadoop項目Hadoop最初的設計目的是解決其ApacheLucence項目中Nutch子項目的數據存儲和擴展性問題，后來獨立成為Apache的頂級項目，并在云計算和大數據領域大放異彩，成為各大軟件廠商廣泛使用的大數據分析與挖掘工具。Hadoop的核心設計目標01

易于編程

Hadoop對分布式系統上的程序設計進行了簡化，將底層的設計細節抽象化、模塊化后交由系統實現，從而使得用戶可以更關心應用的邏輯實現，大大減少了開發人員的工作量，提高了程序開發效率。0302

良好的擴展性Hadoop力求通過簡單易行且成本較低的橫向擴展方案擴大分布式系統的集群規模，確保隨著任務規模的不斷擴大，集群的性能也可以同步增長。

高容錯性

隨著集群規模的增大，集群中節點的故障率也會顯著增加，如磁盤損壞或節點宕機導致的數據丟失。Hadoop復制因子的概念可通過多地備份，自動遷移和復制等特性來達到集群可用性和容錯性的要求。3.5.2Hadoop生態系統

實例—ApacheHadoop項目

作為Google云計算體系的開源實現，Hadoop也具有3大核心技術，即與GFS對應的HDFS、與MapReduce模型相對應的HadoopMapReduce，以及與Bigtable對應的Hbase。基于這3大核心技術的Hadoop現已發展成了一個龐大的多元化生態系統。MahoutAmbariZookeeperFlumePigHiveSqoopSparkHadoopKafka3.5.2Hadoop生態系統

實例—ApacheHadoop項目Hadoop

生

態

系

統

中

的3

大

核

心

技

術HDFS

是Apache基金會受到谷歌GFS論文《谷歌文件系統》啟發而設計和開發的分布

式

文件系統，它可部署在由幾十臺、上百臺甚至上千臺主機組成的分布式系統

中，并具有高可用性、高容錯率、高性能和高擴展性等特點，因此常用于存儲

和管理海量數據。3.5.2Hadoop生態系統

實例—ApacheHadoop項目Hadoop

生

態

系

統

中

的3

大

核

心

技

術3.5.2Hadoop生態系統

實例—ApacheHadoop項目Hadoop

生

態

系

統

中

的3

大

核

心

技

術NameNode是集群的核心管理部分，一個Hadoop集群中只有一個NameNode，它負責管理HDFS的目錄樹和維護相關的文件元數據信息，這些信息包括HDFS元數據鏡像文件和文件改動日志等。NameNodeDataNode是HDFS系統中的各存儲節點，它們將數據以固定大小（默認為64MB）的塊（block）進行存儲。DataNode01023.5.2Hadoop生態系統

實例—ApacheHadoop項目Hadoop

生

態

系

統

中

的3

大

核

心

技

術HadoopMapReduce

是根據谷歌MapReduce論文《MapReduce：大規模集群中的簡化數據處理》設計的一個并行編程模型的開源版本，它可將大型數據處理任務進行分片處理，分配給分布式系統中的多臺計算機進行并行計算，并將最終的結果進行匯總，以實現大數據的并行計算。MapReduce是整個Hadoop生態系統的核心技術，也是HDFS得以實現的技術支撐。3.5.2Hadoop生態系統

實例—ApacheHadoop項目Hadoop

生

態

系

統

中

的3

大

核

心

技

術Hbase根據谷歌的Bigtable論文《Bigtable：一個針對結構化數據的分布式存儲系

統》設計和開發，是GoogleBigtable的克隆版本和開源實現。Hbase是一個

針對海量數據存儲的動態模式的數據庫。與傳統關系數據庫不同，HBase的

數據存儲模式為鍵值映射。本章小結cloudcomputing2、為分布式數據存儲提供技術支持的是分布

式文件系統，在眾多分布式文件系統中，

以谷歌的GFS和ApacheHadoop的HDFS

最具有代表性。3、MapReduce模型的核心思想是“分而治

之”。用戶在使用MapReduce模型進行

并行編程時，只需實現映射函數Map()和

歸約函數Reduce()，而無須關心并行計算

過程中的其他步驟。云計算中的數據處理1、云計算與大數據的關系。兩者是一體兩面

的關系，云計算為大數據提供技術支持和

實現途徑，大數據推動云計算相關技術的

不斷更新和完善。本章小結cloudcomputing5、谷歌公司的3篇論文在云計算和大數據領域具

有里程碑意義，Hadoop生態系統中的核心

技術HDFS、HadoopMapReduce和Hbase

是這3篇論文中技術的開源實現，同時也是Hadoop生態系統的3大關鍵技術。云計算中的數據處理4、數據庫是實現數據管理的重要手段。過去，

數據量較少，數據種類相對單一，因此往往

采用集中式文件系統和關系型數據庫進行數

據的存儲和管理；但到了大數據時代，由于

數據量暴增，且種類愈發多樣化，傳統的方

式已經不足以應對如此規模的數據

集合，因

此，云計算技術

中，采用了NoSQL數據庫

對這些數據進行存儲和管理。感謝觀看THANKS云計算導論主講老師：虛擬化技術第四章虛擬化技術

作為一種全新的服務模式，云計算的核心競爭力在于按需取用的低成本IT資源，而云計算之所以能對IT資源進行統一生產和調配，還要歸功于虛擬化技術。

本章將對虛擬化這一云計算的核心技術進行講解，其內容包括虛擬化的發展歷程，虛擬化的分類，常見的虛擬化解決方案，以及虛擬化軟件的簡單使用。本章導讀學習目標了解虛擬化的發展歷程。理解虛擬化的各分類。熟悉常見的虛擬化解決方案。掌握使用VMwareWorkstationPro創建虛擬機的方法。4.1虛擬化概述4.2虛擬化分類4.3虛擬化解決方案4.4實踐—使用VMwareWorkstationPro創建虛擬機虛擬化概述

云計算是一種IT資源服務，它通過虛擬化的IT資源池為用戶提供按需取用的資源服務。虛擬化技術可降低云計算生產IT資源的成本，提高硬件設施的利用率和整體性能，是云計算最核心的技術。4.1虛擬化概述4.1.1虛擬化和虛擬機虛擬化概述

虛擬化（virtualization）是一種通過虛擬化軟件將計算機系統中的各物理資源（如服務器、網絡、存儲和應用等）抽象為邏輯資源，打破實體設備之間不可分割和組合的障礙，對資源進行重新整合和分配的資源管理技術。虛擬化技術的典型應用就是虛擬機4.1.1虛擬化和虛擬機虛擬化概述

虛擬機是由安裝在計算機軟件系統上的虛擬機軟件部署的。虛擬機軟件可將計算機的硬件資源進行分區、隔離和封裝，并抽象出一臺邏輯上獨立的虛擬主機。用戶可在虛擬機上安裝操作系統，該操作系統完全獨立于物理主機（稱為宿主機）上的原生操作系統，兩者可同時運行，共享物理主機的硬件資源。傳統計算機系統架構和虛擬機架構的對比4.1.1虛擬化和虛擬機虛擬化概述虛擬機和容器的區別

（1）虛擬機是硬件級別的，一個虛擬機包含一臺邏輯計算機、操作系統和在操作系統中運行的軟件。虛擬機具有體量大、啟動較慢、移植性較弱、占用資源較多等缺點，但隔離性和安全性較高。

（2）容器則是操作系統級別的，一個容器只包含要運行的軟件及其依賴環境。容器具有體量小、啟動快、部署方便、移植性強、占用資源少等優點，但隔離性和安全性較低。

盡管容器與虛擬機相比具有很多優勢，但并不是說容器就可以完全替代虛擬機。在很多場景（如不同用戶的隔離）中，虛擬機仍然發揮著不可替代的作用。4.1.2虛擬化的發展歷史虛擬化概述

20世紀60年代中期

首次出現了虛擬機（virtualmachine，VM）

的概念1974年

提出了將

軟件稱為VMM的3個條件，成為決

定虛擬

化軟件，是否可稱為VMM的

標準，

也為虛擬化軟件的開發提供了重要依據20世紀80年代微型機和PC得到了普及，計算

資源緊缺的情況得

到

了緩解，虛擬化

的發展腳步

逐步放緩20世紀90年代

虛擬化

技術重新回到了人們的視野2006年谷歌公司在搜索引擎大會上首

次提出了“云

計算”

的

概念，

為大數據時

代的數據處理

指明了道路4.1虛擬化概述4.2虛擬化分類4.3虛擬化解決方案4.4實踐—使用VMwareWorkstationPro創建虛擬機4.2虛擬化的分類虛擬化分類

虛擬化是一種資源管理技術，更是一種重要的思想。虛擬化根據應用領域的不同可分為

服務器虛擬化

網絡虛擬化

存儲虛擬化

應用虛擬化4.2.1服務器虛擬化虛擬化分類

服務器虛擬化就是通過虛擬化軟件將一臺物理服務器抽象為若干臺邏輯獨立的虛擬服務器的資源管理技術，其實現方式主要有：是指在服務器的宿主機操作系統（HostOS）上安裝虛擬化軟件，用戶可利用虛擬化軟件安裝寄宿操作系統（GuestOS）。在這種實現形式中，GuestOS與HostOS在功能上完全獨立，但HostOS掌握著物理主機的硬件資源，整個虛擬機對HostOS而言相當于一個大型軟件。寄宿的服務器虛擬化部署方便，實現容易，但性能較低。寄宿是指在服務器的裸物理主機上使用虛擬化軟件形成一個虛擬層，在虛擬層上安裝多個操作系統，各操作系統之間地位平等，互不干擾，共同使用服務器的硬件資源。原生的服務器虛擬化性能較高，但實現較難。原生4.2.1服務器虛擬化虛擬化分類加速應用部署降低運營成本提高應用兼容性優勢提升資源利用率降低能源消耗4.2.2網絡虛擬化虛擬化分類

網絡虛擬化是指將物理網絡設備（如交換機）和線路抽象為邏輯上的網絡設備和線路，主要可分為：局域網虛擬化廣域網虛擬化虛擬局域網虛擬專用網4.2.2網絡虛擬化虛擬化分類虛擬局域網

虛擬局域網（virtuallocalareanetwork，VLAN）是一種網絡虛擬化技術，劃分VLAN指將局域網劃分成若干個廣播域，使廣播幀僅在VLAN內部傳播。

局域網（localareanetwork，LAN）是指由某組織或機構未借助任何第三方機構建立的信息傳輸網絡。4.2.2網絡虛擬化虛擬化分類虛擬局域網

劃分VLAN可看作是將一臺物理交換機虛擬為若干臺邏輯上獨立的交換機，其具體過程是，將物理交換機上的若干端口分別劃分到不同的VLAN中，這樣局域網本身的連接并沒有發生任何改變，但不同VLAN間的設備將無法直接通信，更無法廣播。這樣，就可以通過軟件手段縮小廣播域，提升網絡的性能和安全性。4.2.2網絡虛擬化虛擬化分類

劃

分VLAN

的

過

程4.2.2網絡虛擬化虛擬化分類虛擬專用網

虛擬專用網（virtualprivatenetwork，VPN）是指將公共的Internet作為專用網之間通信載體的網絡虛擬化技術，它的核心技術是隧道加密技術

專用網（privatenetwork）是指僅供組織或部門內部使用，不對外開放的網絡，專用網內部的主機使用專用IP地址進行通信。4.2.2網絡虛擬化虛擬化分類

使

用

隧

道

技

術

實

現VPN

的

過

程4.2.3存儲虛擬化虛擬化分類

存儲虛擬化是指將不同廠商、型號、通信技術和介質的異構存儲設備相互連接，并通過存儲虛擬化軟件映射為統一的存儲資源池。01020304實現對存儲資源的統一管理讓用戶透明化地使用云存儲服務屏蔽資源的異構性和物理空間差異降低構建、管理和維護存儲資源的成本提升云存儲系統的資源利用率054.2.3存儲虛擬化虛擬化分類

基于主機的虛擬化主要通過邏輯卷管理（logicalvolumemanagement，LVM）程序實現。LVM程序可將主機上的單個或多個物理存儲器映射為邏輯卷（組），并通過文件系統提供給操作系統及應用程序，使數據的存儲直接在邏輯卷上進行。

基于存儲設備的虛擬化主要通過存儲陣列控制模塊實現，它可對異構存儲設備陣列進行虛擬化。

基于存儲網絡的虛擬化主要通過支持虛擬化功能的網絡設備實現。010203基于主機的虛級化基于存儲設備的虛擬化基于存儲網絡的虛擬化4.2.4應用虛擬化虛擬化分類

應用虛擬化是指將應用程序的人機交互邏輯（程序界面、I/O操作等）與實體計算機隔離開來，并使用客戶端/服務器（client/server，C/S）架構，用戶與應用之間的交互在本地客戶端進行，而數據處理和存儲等操作則在遠端的服務器中進行。桌面虛擬化應用程序虛擬化4.2.4應用虛擬化虛擬化分類桌面虛擬化

是指將操作系統用于人機交互的桌面（如Windows操作系統的桌面）與終端設備進行解耦合，然后將完整的桌面及其操作系統存儲在服務器端的虛擬機中，最后通過管理系統將整個虛擬機打包作為服務提供給用戶。4.2.4應用虛擬化虛擬化分類應該程序虛擬化

是在桌面虛擬化的基礎上，直接將安裝在虛擬機操作系統中的應用程序作為服務提供給用戶，用戶在終端設備中登錄客戶端后，直接進入應用選擇界面或進入某應用程序，而不是進入桌面，這樣可進一步簡化用戶與虛擬機的人機交互，提升用戶的操作體驗，并節省虛擬機的資源。4.1虛擬化概述4.2虛擬化分類4.3虛擬化解決方案4.4實踐—使用VMwareWorkstationPro創建虛擬機4.3虛擬化解決方案虛擬化解決方案VMwareVMwareWorkstationOracleVirtualBox微軟Hyper-VXenKVM虛擬化bc

4.3.1VMwar虛擬化VMware公司是知名的虛擬化服務提供商，也是商用虛擬化解決方案的先行者

在VMware公司的眾多虛擬化產品中，最廣為人知的虛擬化軟件是可實現寄宿式服務器虛擬化的WorkstationPro、Player和FusionforMac。虛擬化解決方案4.3.1VMwar虛擬化

VMwareWorkstationPro的軟件界面虛擬化解決方案4.3.2

VirtualBox虛擬化VirtualBox是美國Oracle公司旗下的一款虛擬化軟件，其功能與上述VMware的軟件相同，即實現寄宿式的服務器虛擬化。

使用VirtualBox軟件可在HostOS上同時運行若干個GuestOS，其支持的操作系統包括Windows、Linux、macOS等。虛擬化解決方案

OracleVMVirtualBox

管理器4.3.2

VirtualBox虛擬化虛擬化解決方案4.3.2

VirtualBox虛擬化在VirtualBox中創建虛擬機的方法虛擬化解決方案VirtualBox虛擬化具體步驟詳見P764.3.3

Hyper-V虛擬化虛擬化概述Hyper-V是微軟公司于2008年發布的一款虛擬化軟件，其前身是微軟公司的Viridan軟件。虛擬化解決方案虛擬化概述4.3.2

VirtualBox虛擬化啟動Hyper-V管理器的方法虛擬化解決方案Hyper-V虛擬化具體步驟詳見P794.3.4

Xen虛擬化虛擬化概述Xen虛擬化技術起源于由劍橋大學發起的研究項目Xenoserver，它基于x86架構，可實現原生的服務器虛擬化。Xen虛擬化技術可在物理硬件和虛擬機之間形成一個虛擬層，將物理硬件邏輯化為虛擬資源池，并對資源池進行有效管理，使虛擬層上運行的多個虛擬機如同直接使用物理資源一樣。0102

思杰公司收購了XenSource公司，基于Xen技術推出了XenServer、XenDesktop和XenApp等主打桌面虛擬化的商用虛擬化產品。2007年

為了吸引更多開發人員參與Xen虛擬化技術的研發，Xen的母公司XenSource對其進行了開源。2020年虛擬化解決方案4.3.5

KVM虛擬化虛擬化概述KVM可實現x86架構的虛擬化，但這種虛擬化無法獨立實現，需要Linux內核和CPU虛擬化（如IntelVT或AMD-V）技術的支持。KVM本身就運行在Linux系統內核中，體積較小，屬于輕量級虛擬化解決方案。虛擬化解決方案4.3.5

KVM虛擬化虛擬化概述KVM可分別為Intel和AMD的CPU虛擬化提供支持。處理器模塊kvm-intel.kokvm-amd.ko它可為Linux核心的虛擬化提供支持。內核模塊kvm.ko虛擬化解決方案4.3.5

KVM虛擬化虛擬化概述KVM

虛

擬

化

架

構圖虛擬化解決方案4.3.5

KVM虛擬化虛擬化概述KVM虛擬化特點KVM1、靈活性2、、廣泛的適應性3、占用資源少4、性能穩定虛擬化解決方案4.1虛擬化概述4.2虛擬化分類4.3虛擬化解決方案4.4實踐—使用VMwareWorkstationPro創建虛擬機4.4.1下載Ubuntu鏡像文件實踐——使用VMwareWorkstationPro創建虛擬機Ubuntu是一個免費的Linux發行版本，該系統具有Linux操作系統在服務器領域的所有優勢，安裝體積較小，集成了良好的用戶界面和大量應用程序，在服務器和云計算領域的使用頻率和受歡迎程度較高，是目前較受歡迎的Linux發行版本。4.4.2創建虛擬機4.4.3為虛擬機安裝Ubuntu4.4安裝虛擬機實踐——使用VMwareWorkstationPro創建虛擬機安裝虛擬機

使用VMwar