整合是云计算的主要功能，无论你采取何种数据分析模型，还是运算方式，它都是通过将海量的服务器资源通过网络进行整合，以整理出有效的数据信息，并将其分配给各个目标客户，从而解决用户因存储资源不足所带来的问题。大数据则是数据爆发式增长所带来的一个全新的研究领域，对于大数据的研究，主要集中在如何对其进行存储和有效的分析，大数据是依靠云计算技术来进行存储和计算的。

云计算是大数据分析的前提

进入信息化时代之后，数据量在不断的增长，大部分企业都能通过大数据获得额外收益。在大数据分析的过程中，如果提取、处理和利用数据的成本超过了数据价值的本身，那大数据分析也就没有了利用价值，功能越加强大的云计算能力，就越能降低数据提取过程中的成本。

云计算能够过滤无用信息

对于大数据系统收集的所有数据来说，大部分数据都是没有利用价值的，因此需要过滤出能为企业提供经济效益的可用数据。云计算可以提供按需拓展的存储资源，可以用来过滤掉无用的数据，是处理外部网络数据的最佳选择。

云计算助力企业虚拟化建设

企业引入云计算系统，可以用信息来指导决策，通过将服务软件应用于云平台，还可将数据转化到企业现有系统中，帮助企业强化管理模式。上升到我国互联网整体发展层面，云计算与企业相结合将使得大数据分析变得更加简单，也成为推动企业虚拟化建设的重要手段，将使企业在全球市场更具竞争力。

云计算是什么？云计算与大数据要学啥？云计算的虚拟空间无限大，物联网和互联网产生的大量数据，要找一个地方集中存储和处理，就要用云来存储。比如我们平时手机或电脑存储空间不够的情况下，会把一些图片及视频存在云盘，云端。

云计算，简单说就是把你自己电脑里的或者公司服务器上的硬盘、CPU都放到网上，统一动态调用，现在最有名的云计算服务商是亚马逊的AWS。以前你要玩最新的大型3D游戏或者做了个大型3D动画需要渲染，首先想到的都是重新买一台更高配置电脑或者换个显卡等；

有了云计算之后，你只需要一台显示器，连到服务商的云计算平台上，如果想玩两天新游戏，就单独购买这两天的高配CPU和显卡，只付两天的钱，玩腻了就恢复成普通的配置；如果你今晚要做大量渲染，就买今晚几个小时的高配，第二天早上拿到成片，就可以恢复原来的配置。所有这些计算和渲染工作都在云计算服务商的数据中心统一完成，你只需要按小时甚至按分钟计费，不用再自己买电脑和服务器了。做云计算的服务商都会自建数据中心。

大数据，简单说，就是把所有的数据放到一起分析，找到关联，实现预测。这里的所有数据对应的是之前的抽样调研取得的部分数据。比如传统的市场调研方法，就是去大街上或者网上发问卷，能得到成百上千份结果就很不错了，或者邀请几个典型用户到会议室访谈一下；大数据的做法是把收集所有人的数据进行分析，把每个人都当做独立个体进行分析，而不是找群体特征。大数据的结果就是更精准，更细致，更个性化。

再比如我们经常会看一些现代谍战片，侦察部如何找到罪犯？就是通过全城监控录像，在海量数据中搜索一个人的面孔，犯罪分子只要出现在监控中都会保留一条数据及位置，从而更好地实施下一步方案，大大提高破案效率。这也是企业为什么在极力追捧云计算大数据技术。再比如京东、淘宝、今日头条、新浪、百度、网易、等购物网站，就是采用这种技术。今天看过或搜过的，下次再打开就会主动推送什么类型的文章。

简单的说大数据就是超级存储的意思，海量数据上传到云平台后，大数据就会对数据进行深入分析和挖掘。在在各行各业均存在大数据。比如天气预报，气象中心会通过卫星发送回气象局无数条关于空气温度、湿度、密度、空气微粒等的数据，运用大数据技术，从而分析判断出这些数据。得出天气状况、空气质量、温度及风量。再比如将几千辆车的数据位置信息综合起来分析出某条路的拥堵状况。大数据必须有云作为它的基础架构，才可以推广并体现出强大的实用价值。云计算和大数据是相辅相成的。

中商情报网讯：云计算是一种以网络方式接入到一个可扩展，弹性的共享物理或虚拟资源池的服务模式，用户可以通过自服务和管理的方式来按需购买该服务。云计算用户只需要很少的管理手段或者与服务商间的交互，便能够快速完成计算资源的拓展和释放。根据云服务提供资源的类型不同，云计算服务模式分类软件即服务（SaaS）、平台即服务（PaaS）以及基础设备即服务（IaaS）三类。

目前，全球云服务正处于高速发展期，数据显示，2017年全球云计算市场规模达到2628.0亿元，同比增长18.5%，伴随着企业逐渐倾向于追求数字化商业战略，传统IT服务向云端服务转变，全球云计算市场规模将进一步增长，预计2018年全球云计算市场规模将达到3088.6亿元。

数据来源：中商产业研究院整理

中国公有云市场高速发展，IaaS占比最高

目前，中国云计算市场处于快速发展阶段，容器、微服务等技术的不断成熟，推动着云计算的变革。随着云计算的应用场景的不断拓展，云计算的应用已深入达到政府、金融、工业、交通、物流等传统行业。当前，中国的云计算市场规模整体规模较小，与全球市场规模仍存在一定的差距，数据显示，2017年中国云计算整体市场规模达到691亿元，同比增长34.3%。

在公有云市场方面，2014年以来，中国公有云市场高速发展，2014-2017年市场规模增长超4倍，随着云计算产业垂直行业的纵深场景化，中国云计算市场规模将保持高速发展，预计2020年市场规模将有望突破600亿元。

数据来源：中商产业研究院整理

在公有云细分市场中，数据显示，IaaS市场规模为149亿元，SaaS市场规模为105亿元，PaaS市场规模为12亿元，与往年相比，不难发现，IaaS是公有云市场中增速最快的服务类型，伴随着IaaS服务商的大量入场，IaaS市场规模将进一步增长。

数据来源：中商产业研究院整理

私有云市场规模超400亿元，硬件占比超七成

私有云是为一个客户单独使用而构建的，因而提供对数据、安全性和服务质量的最有效控制。企业通过建设私有云计算平台，可以根据各种业务应用系统的特性来综合调整资源的分配。2017年中国私有云市场规模达到429.8亿元，同比增长23.4%，安全性、可靠性和成熟度等方面的完善，私有云市场规模将进一步增长。

数据来源：中商产业研究院整理

在细分市场中，2017年私有云市场规模硬件市场占比为71%，软件占比为16%，服务占比为13%。随着硬件设备的标准化程度和软件异构能力的不断提升，软件和服务市场规模也将持续增长。

数据来源：中商产业研究院整理

在2018年云计算企业排行榜中，排名前十的企业分别为阿里巴巴、中国电信、腾讯、中国联通、华为、中国移动、百度、华云、浪潮、新华三。

资料来源：互联网周刊、中商产业研究院整理

以上数据及分析均来源于中商产业研究院《2018-2023年中国云计算行业市场前景及投资机会研究报告》。

十万万个为什么

- 知其然,知其所以然 -

科普

第 22 期

雾计算你了解吗

说云计算小伙伴们可能都知道，但雾计算就给整懵了。

很多网友表示：“云里雾里，雾计算是什么鬼？”

“接下来是不是还有霾计算？”

太复杂的概念这里就不提了，随便百度一下就能出来无数种介绍。

我们只简单介绍一下几个关键点。

雾计算到底是什么？

提到雾计算，现在公认的是2011年由美国思科公司首创的。

其实“雾计算”这个概念最开始是由美国哥伦比亚大学的斯特尔佛教授提出来的，当时是想利用“雾”来阻挡黑客入侵。

后来美国的思科公司接手了“雾计算”这个词，就有了现在的“雾计算”。

而思科之所以用“雾计算”这个词，是源于“雾是更接近地面的云”这个概念。

雾计算的网络版定义是：在该模式中数据、(数据)处理和应用程序集中在网络边缘的设备中（这里的边缘设备可以是传统网络设备，如路由器、交换机、网关等，也可以是专门部署的本地服务器），而不是几乎全部保存在云中，是云计算的延伸概念。

另外，据某云计算专家解释：

雾计算是介于云计算和个人计算之间的、半虚拟化的服务计算架构模型。雾计算实际上并没有强力的计算能力，雾计算是将物理上分散的计算机联合起来，形成较弱的计算能力，不过这样的计算能力对于中小型的数据中心，完全够用了。

所以，对于“雾计算”，我们可以这样理解：

首先，它是云计算的延伸概念，但不用将数据传到云端，而是集中在边缘设备中；

其次，雾计算由性能较弱、分散的各类功能计算机组成，是一种分布式的数据处理方式，具有去中心化的特点；

另外，源于“雾是更贴近地面的云”这句话，可以知道，雾计算是距离终端更近的东西，不像云那样遥远。数据的存储及处理更依赖本地设备，而不是服务器。

所以，也可以将雾计算理解为本地化的云计算，总之，是为用户提供数据资源服务的。

已经有云计算了

为什么还要研究雾计算

因为云计算已经不能满足时代发展下的计算需求。

随着物联网技术的发展及各种智能设备的出现，云计算需要处理的数据量越来越大，网络带宽压力、数据中心的负担越来越重，数据传输和信息获取的情况面临巨大的挑战。

网络拥堵、网络延迟、安全性低等问题都需要解决。

也就是说，上网的人越来越多了，使用网络的设备也越来越多了，而且将来无人驾驶、各种智能应用等对数据处理的所低延迟、高速率、高安全性的要求越来越高，所以云计算的压力就越来越大，这时候它需要一个助手来分担它的压力。

所以雾计算就出现了。

虽然雾计算的整体计算能力并不比云计算强大，但它的一些优势也是云计算所没有的。

一，处理数据时效快，延迟小

计算的计算节点在网络拓扑（网络传输设备的布局）中的位置更低，接近终端用户，利用靠近服务需求的计算资源进行数据处理，所以处理数据的时效更快。

二，可以减小核心网络压力

雾计算不要求上传大量数据，因此可以减小核心网络压力。

三，便于移动

雾计算支持很高的移动性，手机和其他移动设备可以互相之间直接通信，信号不必到云端甚至基站去绕一圈。

四，可以节能

雾计算节点位置分散，不会集中产生大量热量，因此不需要额外的冷却系统，从而减少耗电。

雾计算的应用现状及未来是什么样的？

3月15日，全球首个专门研究雾计算技术的实验室在上海建立，目前雾计算还在研究阶段，还没有具体落地使用。

将来可以应用到网联汽车、无人机、自动驾驶、网游、视频传输、工业控制系统和智慧城市管理等要求低时延、高传输速率、高安全性的行业。（比如用于无人机的地面和空中的协调调度）

据451 Research的报告《雾计算市场项目的规模和影响》显示：

到2022年，全球雾计算市场的机会将超过180亿美元，预测雾计算的最大市场依序是能源、公用事业、运输、医疗保健和工业类别。

雾的总体收入来源最主要是硬件(51.6%)，其次是雾应用程序(19.9%)和服务(15.7%)。到2022年，随着雾功能并入现有的硬件中，开支将转移到应用和服务上。

说了这么多，小伙伴们对雾计算是不是有了大概的了解？其实客观来讲，对于非相关专业的人来说，雾计算确实是比较陌生并且抽象的东西，毕竟现在还没有普及到实实在在的应用中。

其实我们只要了解这一点就足够了：雾计算就是云计算的助手（或补充），是为用户的数据资源提供服务的。

- END -

随着科学技术的迅速发展，人类开始进入大数据时代，云计算、大数据、移动互联网已成为时代三大主题，正在推动着新经济时代的发展。在科学领域、经济领域及社会生活的方方面面，呈现出海量数据特征，在海量数据中蕴含着人类各种行为、心理信息。

对此有网友表示称，常说的"大数据"和"云计算"应该当成动词。即"大数据"指大数据分析或大数据处理。"大数据"对应"小数据算法"，"云计算"对应"单个计算机的计算"。比如"1+1等于几"这个问题，我们可以通过小数据算法（口算），用单个计算机的计算（甚至计算器）完成计算。再想象一个复杂的问题，需要跨时间、跨空间计算的问题，比如"去年中国各行各业的生产总值，加上美国今年各行各业的生产总值是多少？"这个问题我们就需要通过大数据的分析或处理方法，用云计算完成。

进一步说，要通过分析或处理各地各时段存储的各种数据资源，用互联网上（云）大量的计算机进行计算（计算）得出结果。这就是大数据、云计算。你可以通俗的理解为：大数据（分析或处理）是前台，云计算是后台。

或者理解为：大数据（分析或处理）是软件方法，云计算是硬件设备资源。或者可以再直观的理解为：大数据就是人直接操作的界面（网页、软件或App），云计算就是这些网站、软件或App供应商提供的服务。

大数据：藏在啤酒和尿布背后的秘密; 云计算：物联网的隐形大脑

我们提到物联网，就不得不把它与现在非常火热的另一个概念联系起来，那就是“大数据”。

大数据是怎么一回事呢？有一个为人津津乐道经典案例，就是啤酒与尿布的例子。一家美国超市把尿布与啤酒这两种风马牛不相及的商品居然摆在一起，但这一奇怪的举措居然使尿布和啤酒的销量大幅增加了。原来，美国的妇女通常在家照顾孩子，所以她们经常会嘱咐丈夫在下班回家的路上为孩子买尿布，而丈夫在买尿布的同时又会顺手购买自己爱喝的啤酒。

在这个案例里面，丈夫的行为被预测出来，其预测的依据是根据长期经验所得的。假定不在尿布旁边放啤酒，爱喝酒的丈夫可能也会去买，但嫌麻烦或者酒瘾不那么大的丈夫可能就只会买了尿布就走，而想不到去买啤酒。因而，大数据就此产生了经济价值。当然，这背后基本是一个零和游戏，这家超市的啤酒销售得多了，别家超市卖得就少了。

腾讯的QQ我们都用过，它能够把我们久未联系的老同找出来，推荐给我们去联系，但也会把你的前女友推荐给你的未婚妻认识。而淘宝在我们买东西的时候会把相关产品推荐给我们，还会告诉我们诸如某省狮子座最败家、某省水瓶座最花心、某省天蝎座最抠门这样的信息。而百度则会对人们使用关键字搜索进行排名，从而让更多人知道最近大家的关注点在哪里。

显然，这些数据或多或少已经开始影响我们的生活。而在未来，万物联网产生的数据量与现在人们通过互联网活动产生的数据量不可同日而语，开发的价值也会更加巨大。比如我们现在的手环、手表读取我们的心率、运动量等数据，仅仅是反馈给我们让我们管理自身健康。而未来随着大数据的分析能力增强，加上能够互动的设备增多，那么这些数据就变成了健康服务，甚至能提前预防疾病发生。

反过来，大数据的处理能力能力会反过来帮助物联网实现智能控制和产品改进。比如，我们的智能家居的学习功能，可以看做是对用户一段时间的行为数据的收集，然后通过特定算法得出主人的喜好从而自己完成对家庭环境的控制。

前面讲了大数据，那么还有另一个大数据的亲兄弟不得不讲，那就是云计算。从成本和实际效果来考虑，其实很多物联网设备并不需要太多的计算能力，只要能够取得数据并反馈给上层具有计算能力的数据处理中心就好了，多一点的还有能够通过从计算中心获取的指令完成某些活动就可以了。

那么，这些数据谁谁在处理呢，他们又是怎么处理的呢，这里就要提到云计算的概念。云计算被认为是一种革命性的计算方法，是继大型计算机到客户端-服务器的大转变之后的又一关于计算方式的重大转变。

举一个不那么恰当但比较好理解得例子。使用过QQ远程助手的朋友大概可以体验云计算，你在QQ提供的界面里面访问对方的电脑，使用对方的软件。云计算大概也可以看做这么种方式，不过对方的电脑变成了处理能力超强的云计算中心，而处理方式更加复杂一些。

云计算给我们带来了全新的解决思路。由于通讯技术的不断发展，我们的计算不一定要在本地进行。比如，在远程操作的例子，哪怕你的电脑没有安装一个程序，你仍然能够获得这个程序的使用结果。而我们平时收发邮件，这些邮件存储在我们的邮箱里，而不是在我们的电脑上，这其实可以视作早期的云服务。这种理念，简单概括起来就是“网络即电脑”。只要有网络，我们就能获得更高的运算能力。

目前云计算还处于基础阶段，现在的云计算被分为三层：基础设施即服务（IaaS），平台即服务（PaaS）和软件即服务（SaaS）。基础设施可以看做是我们的电脑主机，其实质是大规模的主机集群。平台的地位大致相当于我们的计算机系统，类似于windos，是开发和运行程序的基础。软件服务我们就明白多了，微信、游戏客户端、美图秀秀这样的都是软件。

借助云计算，企业的管理成本将降低。由于云计算的作用，一些企业不用浪费金钱和精力建立自己的数据处理中心，而将自己的一些数据和企业管理软件放在公共的云服务器上；而另一些企业对于数据的安全性和专业性等要求较高，于是自建云服务器，于是有了公有云、私有云、的概念之别；有一些私有云并不能满足企业的运算需求，向公有云服务器寻求支持，于是就有了混合云的提法。

同时，云计算中心能够根据实际需求来安排服务器的运算，让整个计算中心保持高效的运作，避免了运算资源的浪费。除此之外，云计算的好处在于按使用付费。这就是说，你可以按照实际需要的存储空间或者运算能力购买云服务。这是云服务诞生之初的“电厂模式阶段”就提出的理念，即把计算能力当做像水、电这样的产品来出售。现在基本已经变成现实，而在未来，个人用户也将慢慢感受到这种全新方式给生活带来的改变。

讲了这么多云计算，那么云计算和物联网是是怎么结合起来的呢？前面我们已经提到，我们的物联网设备只需要能够联网，云计算就能够通过网络为我们的设备提供数据处理能力。其次，大数据的运用对物联网来说十分重要，而云计算和大数据分析就像一枚硬币的两面密不可分。

比如智能家居系统，其一部分运算其实就是依托云服务器，因为我们的家里面的数据处理中心（电脑或手机）没有必要一直保持开机状态。而更多的诸如交通系统、工厂制造系统、社区服务系统等等都将依托于私有云或者公有云的服务。除了这些，我们前面提到云计算还是打通各种物联网标准的有效手段，两个采用不同技术标准的设备也具有了互相交换数据的可能，简单说来，就像你在网上和一个外国人聊天，哪怕你不懂他的语言，只要通过相应的翻译软件，就能够理解对方的意思了。

云计算和大数据哪个发展前景好？

说实在话，二者之间都是未来的发展趋势，没有说那种好或者不好，根据你的兴趣，你未来的发展方向，来判断你想走那条路!

大数据相当于海量数据的“数据库”，而且通观大数据领域的发展也能看出，当前的大数据处理一直在向着近似于传统数据库体验的方向发展，Hadoop的产生使我们能够用普通机器建立稳定的处理TB级数据的集群，把传统而昂贵的并行计算等概念一下就拉到了我们的面前，但是其不适合数据分析人员使用(因为MapReduce开发复杂)，所以PigLatin和Hive出现了(分别是Yahoo!和facebook发起的项目，说到这补充一下，在大数据领域Google、facebook、twitter等前沿的互联网公司作出了很积极和强大的贡献)，为我们带来了类SQL的操作，到这里操作方式像SQL了，但是处理效率很慢，绝对和传统的数据库的处理效率有天壤之别，所以人们又在想怎样在大数据处理上不只是操作方式类SQL，而处理速度也能“类SQL”，Google为我们带来了Dremel/PowerDrill等技术，Cloudera(Hadoop商业化最强的公司，Hadoop之父cutting就在这里负责技术领导)的Impala也出现了。

整体来看，未来的趋势是，云计算作为计算资源的底层，支撑着上层的大数据处理，而大数据的发展趋势是，实时交互式的查询效率和分析能力，借用Google一篇技术论文中的话，“动一下鼠标就可以在秒级操作PB级别的数据”难道不让人兴奋吗?

在谈大数据的时候，首先谈到的就是大数据的4V特性，即类型复杂，海量，快速和价值。IBM原来谈大数据的时候谈3V，没有价值这个V。而实际我们来看4V更加恰当，价值才是大数据问题解决的最终目标，其它3V都是为价值目标服务。在有了4V的概念后，就很容易简化的来理解大数据的核心，即大数据的总体架构包括三层，数据存储，数据处理和数据分析。类型复杂和海量由数据存储层解决，快速和时效性要求由数据处理层解决，价值由数据分析层解决。

数据先要通过存储层存储下来，然后根据数据需求和目标来建立相应的数据模型和数据分析指标体系对数据进行分析产生价值。而中间的时效性又通过中间数据处理层提供的强大的并行计算和分布式计算能力来完成。三层相互配合，让大数据最终产生价值。

传统的BI分析通过大量的ETL数据抽取和集中化，形成一个完整的数据仓库，而基于大数据的BI分析，可能并没有一个集中化的数据仓库，或者将数据仓库本身也是分布式的了，BI分析的基本方法和思路并没有变化，但是落地到执行的数据存储和数据处理方法却发生了大变化。

谈了这么多，核心还是想说明大数据两大核心为云技术和BI，离开云技术大数据没有根基和落地可能，离开BI和价值，大数据又变化为舍本逐末，丢弃关键目标。简单总结就是大数据目标驱动是BI，大数据实施落地式云技术。

大型工程分析与科学研究的数值模拟要求的计算量与存储量都是巨大的，甚至是海量的。多CPU并行机与大规模的集群环境为用户求解数百万、数千万甚至更多的自由度提供了可能，同时也为复杂和大规模的工程与科学计算找到了出路。石油勘探、地震预测预报、气候模拟与天气预报、人体基因与遗传工程、医学图像的快速处理、海洋环流和超导模拟等。此外，还可以作为超级服务器用于信息服务、事务处理、决策支持等进行应用。

信息技术的不断发展，使得各行业的信息量呈爆炸性增长趋势，一些科学应用中的数据量已经从几十个TeraBytes发展到PetaBytes，并且在不断扩大。科学应用每年需要处理的总数据量已经达到数百TeraBytes，2010年科学应用每年所要处理的数据量预计将要达到数百；数据规模指数级的增长已经超过了由摩尔定律所预测的计算能力和存储空间的增长。

高能物理学实验：大型强子对撞器通过把高度活跃的质子以超快速度撞击到一起来完成高能物理学实验，2009年夏天启动以来，这些物理学实验每年都会产生数PB的原始数据和派生数据，预计会持续15年。分布于世界各地的科学家将会以协作的方式对这些数据进行科学分析。

特定的网络应用程序而 的专属云计算平台。针对内部网络数据规模超大的特点，提出了一整套基于分布式并行集群方式的基础架构，利用软件的能力来处理集群中经常发生的节点失效理由。这个平台先是为最重要的搜索应用提供服务，现在已经扩展到其他应用程序。通过架构一个分布的、可全球访问的资源结构，使数据中心在类似互联网的环境下运转计算。

亚马逊凭借其简单存储服务和弹性计算云被运来越多的人所熟知。通过这两个平台，个人或者企业可以将他们的数据和应用放置到亚马逊提供的云平台上去，亚马逊已成为全球最成功的公共云服务中心之一。运用虚拟化技术让各种应用运转在共享的资源上，运用自动化技术完成应用之间的资源调配，提升学校公共计算服务平台的功能和安全性，有效改善学校大型计算设备及通用、专用软件的使用条件，培养出一批具备高性能计算能力和高素质的 科研梯队，

跨硬件平台，操作系统平台，能够支持各种应用的不同需求。进一步提高集群和小机两种具有普适性的科学计算方案的计算性能，完善多级存储体系，实现高性价比的海量数据存储，满足未来计算发展对数据存储的需求，同时充分考虑关键数据的管理和应用需求。

构建“SMP集群+PC集群”混合架构，以满足用户各种用户工程计算和科学研究的需求，配置由XIV存储组成的存储系统来存放相关的数据，通过并行文件系统GPFS将数据共享出来供用户使用 。

炎炎夏日，为期3天的“云计算与大数据处理技术”正式开始。我有幸参加了学习，并有不小的收获。

课程的前两天是大数据处理方面的学习，所讲的算法、技术也是围绕着云计算展开的。杨老师在大数据方面确实是非常深的造诣，他对分布式存储、hadoop云计算应用、MapReduce、GFS、HDFS等重要知识讲得很透。如chubby是系统设计（相当于选老大），Bigtable是系统架构。。。。。。

当讲到Hadoop中两类节点控制，这个问题对于我这个基础不好的学员来说，听得不是很懂。但老师采用了一个公司管理的例子讲解，就非常明白了。他说Jobtracker是管理者，相当于公司的经理，jobtracker是执行的工人，经理只负责资源的调度，工人是干活儿的。这是小公司的架构，如果是大公司，可能要指定一个临时项目管理人员，这个比喻非常明白的了解了架构中的工作原理。

计算部分是在第3天讲，饶老师是云计算方面的专家大伽，他从云计算关键技术、公有云服务、私有云部署方案等角度讲起。

刚好有学员单位要布署私有云，老师详细讲了虚拟化、分布式存储、、资源池、虚拟机（VM）的用法等，很好的解决了布署中困惑。

再次感谢老师的精彩课程，希望学员们从中收获更多知识！