云计算概论

　　网格计算和云计算是当前两种主要网络计算形态，两者都试图将各种资源看成一个虚拟的资源池，然后向外提供相应的服务，但云计算与网格计算互有不同的侧重点。网格是大型的、虚拟化的、分布式的计算系统，网格计算的侧重点是将分布、异构、属于不同虚拟组织的资源组织起来，共同完成计算任务，通常是用聚合资源来支持挑战性的大型应用；云计算是分布式处理、并行处理和网格计算的进一步发展，将互联网中多种资源根据用户的实际需求，以服务的方式进行动态组合，以此提供更为强大的计算、存储和带宽能力，云计算侧重于利用聚合的资源运行分散的应用，充分利用数据中心的资源。向互联网客户提供多种服务。网格计算的多年发展，已经为全球的科学家提供了高性能计算基础设施，解决了紧张的计算和存储问题。然而，在归属于不同管理域的异构资源之上提供安全可靠的服务需要具有较高的复杂性，并且运行的开销是很大的，对于普通的科学家来说在使用上还存在一定的困难。从e-Science的发展趋势来看，应该使计算变得越容易，让科学家将时间花在真正的科学工作上，而不是计算工具上。所以，利用基于云计算思想的基础设施为数据密集型应用提供服务是一种很好的途径。

第1章 云计算基本概念及整体架构
1.1 基本概念
1.2 国内外研究现状
1.3 云计算整体框架

第2章 Web服务
2.1 Web服务简介
2.2 面向服务架构SOA
2.3 Web服务特性
2.4 Web服务规范

第3章 语义Web
3.1 语义Web简介
3.2 语义Web层次模型

第4章 语义Web服务组合
4.1 Web服务语义描述
4.2 Web服务发现
4.3 Web服务匹配
4.4 基于BPEL4WS的Web服务组合

第5章 数据中心
5.1 数据中心概述
5.2 数据中心规划与设计
5.3 数据中心上线
5.4 数据中心管理和维护
5.5 新一代数据中心
5.6 数据中心成本和能耗分析

第6章 数据中心的虚拟化技术
6.1 数据中心的虚拟化
6.2 部署虚拟化解决方案
6.3 虚拟数据中心管理

第7章 云架构示范应用
7.1 云平台数据特点
7.2 服务组件表示
7.3 工作流定制
7.4 案例分析

第8章 协同计算示范应用
8.1 数据特点及模型概述
8.2 工作流程
8.3 协同计算流程

第9章 文件管理示范应用
9.1 应用特点及模型概述
9.2 可行性分析
9.3 主要用途及经济价值
9.4 数据格式及用户管理

第10章 e-Science服务示范应用
10.1 数据特点及模型概述
10.2 问题描述和整体架构
10.3 模型工作流程
10.4 系统验证

　　1.1 基本概念
　　（1）云计算
　　定义1：云计算就是利用在Internet中可用的计算系统，能够支持互联网各类应用的系统。云计算是以第三方拥有的机制提供服务，为了完成功能，用户只关心需要的服务，这是云计算基本的定义。
　　定义2：云计算是指用虚拟技术建造的数据中心或超级计算机，并以免费或按需租用方式提供给软件开发者，或称为硬件即服务HaaS（Hardware-as-a-Service）。云是指互联网。和虚拟主机不同点是，云计算通过并行使用多台服务器，提供更强大的计算能力、存储和带宽。云计算面向的是软件开发者，而SaaS（Software-as-a-Service）面向用户直接提供软件服务。云计算厂商通过硬件的随需应变虚拟化技术，让开发人员可以不用考虑硬件和带宽的制约来开发和运行应用程序。
　　（2）云计算基本特点
　　云计算明显的特点如下：
　　一是低成本，这是最突出的特点。
　　二是虚拟机的支持，使得在网络环境下的一些原来比较难做的事情现在比较容易处理。
　　三是镜像部署的执行，这样就能够使得过去很难处理的异构的程序的执行互操作变得比较容易处理。
　　四是强调服务化，服务化有一些新的机制，特别是更适合商业运行的机制。
　　（3）云计算与网格计算
　　网格计算与云计算的区别和联系可以总结如下：
　　相似点：计算的并行与合作的特点
　　区别：首先，网格计算的思路是聚合分布资源，支持虚拟组织，提供高层次的服务，例如分布协同科学研究等。而云计算的资源相对集中，主要以数据中心的形式提供底层资源的使用，并不强调虚拟组织的概念。
　　其次，网格计算用聚合资源来支持挑战性的应用，这是初衷，因为高性能计算的资源不够用，要把分散的资源聚合起来；后来到了2004年以后，逐渐强调适应普遍的信息化应用，特别是在中国，做的网格与国外不太一样，就是强调支持信息化的应用。但云计算从一开始就支持广泛企业计算、Web应用，普适性更强。
　　……

　　随着人类社会科技的进步和信息技术的飞速发展，在不同的科学领域已经积累了越来越多的数据，而在这些数据的基础之上展开的数据密集型研究和应用是推动科学技术进一步发展的关键环节。例如，在石油、材料、冶金、物理、天文、气象等领域都存在大量的数据密集型研究和应用需求。
　　数据密集型应用的发展趋势可以总结如下：（1）用户分散。数据的使用者在地理上是分散的。（2）数据量大。数据量和计算量越来越大，数据和计算能力越来越集中。逐渐形成一些聚合某个领域或学科的大型数据中心，而且还在不断扩展之中。（3）应用按需定制。用户希望根据自己的具体需要，方便地定制出所需的服务。（4）面向用户。用户希望利用身边简单的设备就可以访问其所需要的数据，并可以对这些数据进行处理。（5）虚拟化。用户期望不需要了解数据存储在哪里、计算集群的位置，透明地使用这些资源完成复杂的任务。所以，对于数据密集型的研究和应用，需要强大的计算基础设施的支撑。
　　……