云计算（cloud computing），分布式计算技术的一种，其最基本的概念，是透过网络将庞大的计算处理程序自动分拆成无数个较小的子程序，再交由多部服务器所组成的庞大系统经搜寻、计算分析之后将处理结果回传给用户。透过这项技术，网络服务提供者可以在数秒之内，达成处理数以千万计甚至亿计的信息，达到和“超级计算机”同样强大效能的网络服务。

最简单的云计算技术在网络服务中已经随处可见，例如搜寻引擎、网络信箱等，使用者只要输入简单指令即能得到大量信息。

未来如手机、GPS等行动装置都可以透过云计算技术，发展出更多的应用服务。

进一步的云计算不仅只做资料搜寻、分析的功能，未来如分析DNA结构、基因图谱定序、解析癌症细胞等，都可以透过这项技术轻易达成。

稍早之前的大规模分布式计算技术即为“云计算”的概念起源。

云计算基本原理

　　云计算的基本原理是，通过使计算分布在大量的分布式计算机上，而非本地计算机或远程服务器中，企业数据中心的运行将更与互联网相似。这使得企业能够将资源切换到需要的应用上，根据需求访问计算机和存储系统。

　　　这可是一种革命性的举措，打个比方，这就好比是从古老的单台发电机模式转向了电厂集中供电的模式。它意味着计算能力也可以作为一种商品进行流通，就像煤气、水电一样，取用方便，费用低廉。最大的不同在于，它是通过互联网进行传输的。

　　云计算的蓝图已经呼之欲出：在未来，只需要一台笔记本或者一个手机，就可以通过网络服务来实现我们需要的一切，甚至包括超级计算这样的任务。从这个角度而言，最终用户才是云计算的真正拥有者。

　　云计算的应用包含这样的一种思想，把力量联合起来，给其中的每一个成员使用。

云计算时代

　　目前，PC依然是我们日常工作生活中的核心工具——我们用PC处理文档、存储资料，通过电子邮件或U盘与他人分享信息。如果PC硬盘坏了，我们会因为资料丢失而束手无策。

　　而在“云计算”时代，“云”会替我们做存储和计算的工作。“云”就是计算机群，每一群包括了几十万台、甚至上百万台计算机。“云”的好处还在于，其中的计算机可以随时更新，保证“云”长生不老。Google就有好几个这样的“云”，其他IT巨头，如微软、雅虎、亚马逊（Amazon）也有或正在建设这样的“云”。

　　届时，我们只需要一台能上网的电脑，不需关心存储或计算发生在哪朵“云”上，但一旦有需要，我们可以在任何地点用任何设备，如电脑、手机等，快速地计算和找到这些资料。我们再也不用担心资料丢失。

　　在3月17日的新闻发布会上，施密特做了一个形象的比喻。他说，“云计算”就仿佛银行的自动取款机（ATM），我们出门再也不用随身携带大量现钞，可以根据需要随时取用。

　　Google的工程师谷雪梅则认为，PC时代好比每个人要用电，都得自己购买发电机；而“云计算”时代，每个人不必拥有发电机，直接从大型发电厂买电就好。

　　“云计算”其实并不是一个新概念。据谷雪梅介绍，“云计算”之前，还有“网格计算”（Grid Computing）等等，理念都是关于计算机如何协同发挥作用。十多年前，她还在读研究生时，就知道这些概念，但问题是，这些概念从来没有很好地得到实现。

　　在谷雪梅加入Google以后，她发现这一类概念已经得到了实践。Google的技术，可以让几十万台计算机一起发挥作用，组成强大的数据中心。Google中国CEO李开复此前接受《财经》记者专访时说，Google真正的竞争力就在于有这些“云”，他们让Google有了无与伦比的存储和计算全球数据的能力。

　　Google在创立之初，并没有刻意地去追求“云计算”和“网格计算”等概念。但作为一家搜索引擎，Google在客观上需要拥有这些“云”。实际上，雅虎的搜索同样用到了“云计算”。

云计算是一种新兴的共享基础架构的方法，它可以将巨大的系统池连接在一起以提供各种IT服务。很多因素推动了对这类环境的需求，其中包括连接设备、实时数据流、 SOA 的采用以及搜索、开放协作、社会网络和移动商务等这样的 Web 2.0 应用的急剧增长。另外，数字元器件性能的提升也使IT环境的规模大幅度提高，从而进一步加强了对一个由统一的云进行管理的需求。

云计算（英语：Cloud Computing），是一种基于互联网的计算方式，通过这种方式，共享的软硬件资源和信息可以按需求提供给计算机和其他设备。云是网络、互联网的一种比喻说法。过去在图中往往用云来表示电信网，后来也用来表示互联网和底层基础设施的抽象。云计算是继1980年代大型计算机到客户端-服务器的大转变之后的又一种巨变。用户不再需要了解“云”中基础设施的细节，不必具有相应的专业知识，也无需直接进行控制。云计算描述了一种基于互联网的新的IT服务增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展而且经常是虚拟化的资源，它意味着计算能力也可作为一种商品通过互联网进行流通。

Wiki定义：云计算是一种通过Internet以服务的方式提供动态可伸缩的虚拟化的资源的计算模式。原文：Cloud computing is a style of computing in which dynamically scalable and offer virtualized resources are provided as a service over the Internet.美国国家标准与技术研究院（NIST）定义：云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问， 进入可配置的计算资源共享池（资源包括网络，服务器，存储，应用软件，服务），这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。“云计算”概念被大量运用到生产环境中，国内的“阿里云”与云谷公司的XenSystem，以及在国外已经非常成熟的Intel 和IBM，各种“云计算”的应服务范围正日渐扩大，影响力也无可估量。原文：Cloud computing is a model for enabling ubiquitous, convenient, on-demand network access to a shared pool of configurable computing resources (e.g., networks, servers, storage, applications, and services) that can be rapidly provisioned and released with minimal management effort or service provider interaction.

云计算常与网格计算、效用计算、自主计算相混淆。网格计算：分布式计算的一种，由一群松散耦合的计算机组成的一个超级虚拟计算机，常用来执行一些大型任务；效用计算：IT资源的一种打包和计费方式，比如按照计算、存储分别计量费用，像传统的电力等公共设施一样；自主计算：具有自我管理功能的计算机系统。事实上，许多云计算部署依赖于计算机集群（但与网格的组成、体系结构、目的、工作方式大相径庭），也吸收了自主计算和效用计算的特点。

云计算在我国火了很多年，那么云计算到底是什么呢？

根据相关定义：云计算是一种利用互联网实现随时随地、按需、便捷地使用共享计算设施、存储设备、应用程序资源的计算模式，使用者按需购买付费使用。为了让人们更清晰的了解云计算的组成，小编简单花了下面这样一张图。

如上图所示，云计算实际商包含了云平台、云储存、云终端、云安全四个基础部分。

云平台

而云平台分为公有云、私有云、混合云三种类型。

其中公有云是指江虚拟化和云化软件部署在云计算供应商的数据中心中，用户无需硬件投入，只需要账号登录使用。

私有云是指为一个客户单独搭建而使用的云平台，其数据安全和服务质量较高，但是需要公司拥有基础设施。

混合云是指企业为采用公有云和私有云来共同建设自身云平台。

云平台在企业数据管理、业务协同方面应用较多，基于云平台的IT建设就是一大趋势。

云储存

云储存是当前人们接触较多的，使用门槛相对较低，例如当前大家经常用的云盘，众多公有云企业在其生态上，都提供一定额度的免费云储存，例如腾讯云、百度云、金山云等等。

云储存也分为公用云储存、内部云储存、混合云储存等三种形式。云储存的价值不仅仅局限于数据储存，其最大价值在于，在大数据应用中帮助企业发掘数据价值。

云终端

云终端是云计算应用的终端产品，不仅仅是硬件，还包含了软件产品。旨在减少企业硬件投资和软件许可证开销，并实现单机多用户，每一个用户独立享用完整的PC功能，绿色环保，省电省维护，是信息发展时代的高端产品。

云安全

融合了并行处理、网格计算、未知病毒行为判断等新兴技术和概念，通过网状的大量客户端对网络中软件行为的异常监测，获取互联网中木马、恶意程序的最新信息，传送到Server端进行自动分析和处理，再把病毒和木马的解决方案分发到每一个客户端。

这一理念是伴随我国云计算发展起来的概念。

请点击输入图片描述

2017年大数据开始进入部署阶段，大数据的炒作逐渐散去，它的应用却正在蓬勃发展，代表成熟度的标志性IPO也正在出现。而大数据在几年前经历的泡沫正在无可争议地转移到人工智能身上，过去几个月AI所经历的共同意识“大爆炸”与大数据当年相比甚至有过之而无不及。

从2013开始制作大数据版图的Matt Turck刚刚发布了最新的2017年大数据版图，我们一起来看看在这个领域有哪些最新趋势和玩家的分布情况。

高层趋势

大数据+AI=新栈

2016年无疑是机器学习之年，任何目睹过众多pitch的VC都应该能感受到这一点，那就是每一家初创企业都成为了“机器学习公司”，“.ai”变成了必备域名，而“等等，可是我们是用机器学习做到这个的”也成为了pitch deck的必备幻灯片。机器学习正在迅速成为许多应用的关键建构块。

相应地，一个新兴的技术栈正在出现，在这个技术栈里面，大数据被用于处理核心的数据工程挑战，而机器学习则用于以分析洞察或者行动的形式从数据中析取出价值。

换言之，大数据提供管道，AI提供智能。当然，这种共生关系已经出现多年，只是能实现这个的目前还不多而已。

但是，现在这些技术开始大众化的普及。“大数据+AI”正在成为众多现代应用（不管是消费者型还是企业型）的默认技术栈。无论是初创企业还是一些财富1000强公司都在利用这一新的技术栈。而且在云巨头的努力下，这个技术栈往往还有云计算这个更基础的建构块的加入，以机器学习云的形式出现。

但是AI的大众化是否就意味着这种技术在短期内能实现商品化呢？现实是AI在技术上仍然非常困难。尽管许多工程师都在争先培养AI技能，但全球这方面的领域专家仍然十分稀缺。

不过这股大众化的趋势已经不可逆转，而机器学习早晚都要从竞争优势演变成桌面筹码。

这对初创企业和大公司都会产生影响。对于初创企业来说，除非你把AI软件做成自己的最终产品，否则的话自我标榜为“机器学习公司”将变得毫无意义。对于大公司来说，如果现在你不积极推进大数据+AI的战略，就会有变得过时的风险。AI已经是下一个风口了。

企业预算：一切向钱看

从2016年的情况来看，财富1000强公司已经在纷纷增加预算用于升级核心基础设施以及分析，其关键的关注点正是大数据技术。分析机构IDC预计大数据和分析市场将从2016年的1300亿美元增长到2020年的超过2030亿美元。

而且财富1000强公司里面的许多买家在大数据技术方面正在变得越来越娴熟、越来越目光敏锐。这些公司过去几年做了很多功课，正在进入全面部署阶段。这种情况不仅发生在技术导向型的公司，在很多行业都是如此。

在大公司每隔几年就要发生的旧技术替代自然周期的推动下，这种情况得到进一步加速。大数据遭遇的环境也从逆风变成了顺风。当然，很多大公司仍然处在大数据部署的早期阶段，但是情况似乎在快速演变。

企业数据向云端迁移

直到几年前，把企业数据迁移到公有云上面对于大公司CIO来说还是不可想象的事情，顶多是在开发环境下或者拿非关键的、面向外部的应用来尝试一下。但现在画风开始有所变化，大家对此的态度似乎变得更加开放了，比方说你会听到这样的说法“不管怎么说我们的客户数据已经放到Salesforce云上面了”，或者“在网络安全方面我们永远也不会有像AWS那么多的预算”。但目前里大多数企业都向公有云迁移还远得很，这部分是因为遗留系统和管制方面的原因。不过云供应商正在竭尽全力来加速这一趋势的转变。比如说AWS甚至可以开卡车来运你的硬盘到云端。

2017年大数据版图

作为对比我们先看看2016年版本：

请点击输入图片描述

2017年版本：

请点击输入图片描述

整合要来了吗？

从上图可看出，这张图已经变得越来越拥挤，那么一个显然的问题来了：行业是否濒临大规模整合的边缘了呢？

似乎还没有。至少目前如此。

首先VC仍然继续乐于给新老公司提供资金扶持。2017年的第一季度成长阶段的大数据初创企业拿到了不少的可观融资，其中包括：Looker（8100万美元D轮），InsideSales （5000万美元F轮），DataRobot （5400万美元C轮），Confluent （5000万美元C轮），Collibra （5000万美元C轮），Uptake （4000万美元C轮），WorkFusion （35M00万美元D轮） and MapD （3500万美元B轮）等。去年12月DataBricks也拿到了6000万美元的C轮。

2016年，大数据初创企业的总融资达到了148亿美元，占到了全球技术风险投资的10%。

其次，自去年的大数据版图推出以来，本领域的并购活动一直在稳步推进，但不是特别显著，其中部分原因也许是未上市公司的估值仍然高企。入选2016大数据版图的公司当中共有41家被收购（完整清单参见附注），这个节奏跟上一年是一致的。

另一方面，2017年刚开始就发生了一些大型的并购事件，其中包括Mobileye（被英特尔以153亿美元收购），AppDynamics（被思科以37亿美元收购），以及Nimble Storage（被HPE以12亿美元收购）。

去年还有一个显著的现象，那就是大型技术公司纷纷收购AI初创企业，尤其是那些解决水平问题、有着很好团队的AI初创企业。其中包括Turi（苹果）、Magic Pony（Twitter）、Viv Labs（三星）、MetaMind（Salesforce）、Geometric Intelligence（Uber）、API.ai（Google）以及Wise.io（GE）。当然，这种现象未必能持续太久，因为对AI的需求太旺盛了，人才实在是不够用了。

第三，一些较大的大数据初创企业羽翼渐丰，正在成为独立的上市公司。Snap无疑引领了技术公司IPO的复兴，但是目前为止是大数据公司借了这股东风。

2016年只有Talend一家大数据公司上市，但2017年大数据公司已经呈现出爆发之势。其中Mulesoft和Alteryx已经上市并且表现不错，而Cloudera也即将上市，其最新估值（41亿美元）与收入（2.61亿美元）之间的差异将延至“独角兽”估值现象的成色。另外，MapR以及定位智能公司Yext也已经在排队等待了。

下一个会是谁呢？也许是Palantir这个超级独角兽。这家多年以来保持神秘的公司已经公开表达了上市的兴趣。其最新估值达到了200亿美元，如果上市的话必将引起轰动。

云大战

虽然大规模并购尚未出现，但业界的另一股趋势值得注意，这就是“功能性整合”，这种现象在云端尤其显著。一些关键的玩家正在通过自研产品和开源计算引擎的实现逐步构建“大数据+AI”的基础构件，面向众多客户群提供其所期盼的“一站式”的服务。

AWS在产品发布的速度和幅度方面继续给人留下深刻印象。目前AWS几乎提供了大数据和AI方面的所有服务，包括分析框架、实时分析、数据库（NoSQL、图谱等）、商业智能以及日益丰富的AI能力，尤其是深度学习方面的能力。按照这种速度发展下去，AWS产品几乎就要把大数据版图的所有的基础设施和分析细分领域都占据了。

加入云大战稍晚的Google一直在积极开发广泛的大数据产品（BigQuery、DataFlow、Dataproc、Datalab以及Dataprep等），并且把AI视为跨越式发展的杀手锏。在AI方面Google去年做了很多事情，包括推出了新的翻译引擎，聘请了李飞飞和李佳领导新成立的Cloud AI and Machine Learning部门，推出了视频识别的机器学习API，并且收购了数据科学家社区Kaggle。

其他大型的IT供应商，比如微软、IBM、SAP、Oracle以及Salesforce等也在努力推出大数据产品（包括云端和本地）。除了技术自研和进行收购以外，这些玩家还越来越重视通过合作来打造生态链，其合作的重点是手上有数据的公司以及有“头脑（AI）”的公司。IBM与Salesforce的合作以及SAP与Google的合作就是值得注意的案例。

用企业IT的行业标准来看，云供应商还比较小，但是其不断膨胀的野心（其中包括从企业栈底层的IaaS向应用发展的企图）与企业数据逐渐向云端迁移的趋势结合，将打开庞大的企业技术市场大门，与传统IT供应商展开激战，而大数据和AI将是核心战场。

2017数据生态体系概览

基础设施

去年的许多趋势今年仍将延续，比如流处理技术，这方面Spark目前是主宰，不过像Flink这样的有趣竞争者正在出现。此外，还有以下一些趋势：

SQL正式回归

在给NoSQL当了10年副手之后，曾经的霸主SQL数据库正式吹响了回归的号角。Google最近发布了Spanner数据库的云端版。Spanner和CockroachDB（Spanner的开源版）都提供了可行的、强一致性的、可伸缩的SQL数据库。Amaozn推出了Athena，跟Snowflake等产品类似，这是一款SQL数据引擎，可直接查询S3下的数据。Google BigQuery、SparkSQL以及Presto等在企业逐渐获得采用——这些都是SQL产品。

数据可视化

与公有云采用相关的一个有趣的趋势是数据可视化。旧的ETL处理需要转移大量的数据（而且往往要建立冗余数据集）并且建立数据仓库，而数据可视化可以在数据保持不动的情况对其进行分析，提高了速度和敏捷性。许多下一代的分析供应商现在都可以同时提供数据可视化和数据准备服务，并让客户可访问存储在云端的数据。

数据治理与安全

随着大数据在企业侧走向成熟，以及数据的多样性和体量的不断发展，像数据治理这样的主题也变得日益重要。许多公司已经选择了“数据湖”作为把所有数据收集起来的手段。但除非你知道里面有什么东西，并且能够访问到合适的数据进行分析，否则的话数据湖再大也没有意义。但是想让用户方便地找到想要的东西同时管理好权限并不容易。除了数据湖以外，治理的另一个集中的主题是以安全的、可审计的方式为任何人提供对可靠数据的便捷访问。Informatica、 Collibra、Alation等大小供应商提供了数据目录、参考数据管理、数据字典以及数据帮助台等服务。

结论

通过大数据与AI的黄金搭档，我们正在进入大数据技术的“收获”阶段。其潜能将非常巨大。随着核心基础设施不断走向成熟，以及在AI推动下应用侧的爆发，2017年的大数据（以及AI）生态体系将开足马力，驶向光明的未来。

【ps:以下纯属个人观点和看法，有什么不对的，还请多多指教。】

1：之前发过一个Java攻城狮的学习路线图【ps:挺详细的~~~】：http://cnblogs/biehongli/p/5754555.html

恰恰是这个Java攻城狮学习路线图使我在学习编程的路上看到了希望，使迷茫的我找到了方向。现在还为此在努力......

2：而今天呢，结合一些培训机构的学习路线图，今天发一个大数据云计算的学习路线图，也许有的人心中会有些疑问说这货是骗浏览量，点击量的吧，可是原因不是这样的哦！【ps:有的人会想，之前发了Java学习路线，今天又发大数据云计算学习路线，这货瞎搞什么，下面我说说一些原由】。

2.1：第一呢，首先声明呢，楼主现在依旧是在校生，今天之所以发这个学习路线图，算是给自己制定一个技术职业生涯规划吧。

2.2：第二呢，因为lz的专业是云计算，昨天老师给我们讲hadoop集群的搭建，lz竟然搭建起来了，当然班里不学习的不算了，学习的搭建起来的也不多，虽然是一个很简单的hadoop集群搭建吧。为什么说这个，还要从lz发的Java攻城狮学习路线图说起，发这个图大概一年了吧，lz虽然专业是云计算，但是由于大学老师讲的也很浅，加上电脑硬件和需要服务器等等一些原由，lz没有学习云计算开发,而lz一直学习的是Java开发【自我感觉学的还不错，虽然还没找到工作吧，因为校招还没开始呢。】，但是今天怎么会花一上午的时间搞了这个很low的学习路线图呢。

2.3：第三呢，紧接上面，为了搞这个真low的学习路线图，因为lz踏踏实实学习java这一年【ps:之前学的乱七八糟的】内心有些小感慨吧，现在IT这个行业，形形色色，各种培训机构如雨后春笋，但凡有点经验的，都想办培训机构，我这里不是反对培训机构哈，因为培训机构太多了，这里就不说培训机构的好坏的，有的是真心实意做教育的，有的是出来搂钱的，被培训出来没找到工作还被银行追着要贷款的也是屡见不鲜,我想中国的培训结构一个一个查都查不过来，因为培训机构说实话挺挣钱的，跑题了，说正题，培训机构真么多，他们培训机构也想活下去，是不是，就想到各种办法招人，这样一来就很容易达到供满于求的状况了，lz仔细想想，这年头学Java的真是TNN多啊，像Java，php,HTML5，python,ui,甚至有的培训大数据，云计算，真的是太多太多了，甚至外行转行来学习编程，而又仔细想想，学的最多的也就是这种大家都能学的，但是现在都说是大数据云计算时代，真正学精通的还真不多，lz也是我们学校第一届招收的云计算专业，虽然lz当了小白鼠，但是lz不后悔啊！虽然当初选专业的时候胡选的，也算是瞎猫碰到死耗子啊，lz觉得值就行~.~。

2.4：所以呢，lz现在虽然还在学Java开发，但是lz心里有念头在上班挣钱之后买性能高本本学习大学没有学习的这些知识啊，【ps:我们的机房i7处理器，8G内存都被学生搞的卡了。学习云计算大数据真的需要投入啊，而且我们都是搭建在学校的服务器上的，课下基本没法好好学习啊，当然在lz眼里也挺复杂的，都是命令，但是很装逼啊，都是命令行，啪啪啪的敲起来】，所以先发个图震震惊，就像之前发的Java学习，lz没事还翻翻看看那些没学呢。总之吧，lz个人觉得有个学习路线真的蛮重要的，有目标有规划，并为此努力，想想都刺激。

路是自己选的，就算再难也要走下去。夸张点说：路是自己选的，就算跪着也要走下去；

周末到啦！李雷和他的小伙伴们约好一起去珍珠泉春游and烧烤。。。

于是，到了这天，每个小伙伴都带来了烧烤所需的器材和食材：

烧烤结束之后，大家都发现这次烧烤很不开森。。。

因为：

1 每个人都带着一整套的器材和食材，背包太重，很累

2 每个人都要搭架子，生火，穿铁签，抹酱料整个流程走一遍，时间太久

3 有的人木炭不够用，有的人却浪费了很多

…………

第二周，小伙伴们又相约去烧烤。

鉴于上次的经验，大家商量了一下，提前进行了分工如下（方案A）：

李雷专门负责带木炭、烧烤架、打火机，并且全程负责把火烧好。

其他4人，负责各自食材的烧烤。

当然，最后烤好之后，四个人给李雷一份自己烤好的食物。

这次烧烤之后，大家都觉得比第一次好多啦！

但是，还是存在一些问题，如下：

1 吉姆酱料用得多，带的酱料不够用。韩梅梅、露西、莉莉的酱料用得少，浪费了很多。

2 韩梅梅、吉姆、露西、莉莉每个人都要负责各自食材的烧烤，觉得太累。

第三周，小伙伴们又又相约去烧烤。。。

大家商量了之后，进一步进行调整分工如下（方案B）：

李雷带的东西和负责的工作不变。

韩梅梅改成只带酱料、酱料刷、铁签，并且，全程负责穿铁签，烤食材，刷酱料。

剩下的3个人，负责带食材。

当然，拿到食物之后，3人每个人给李雷、韩梅梅一份烤好的食物。

这次烧烤之后，大家觉得更方便了，很开森，很满足。。。

到了第四周。。。。。。

李雷、韩梅梅、吉姆三个小伙伴，瞅准了烧烤带来的商机，干脆合伙开起了烧烤摊（方案C）。。。专门卖给游客烤好的鸡腿、鸡翅、羊肉。。。

他们三个人开始了幸福的生活。。。

故事The End....

大家好，《鲜枣课堂肥皂剧》第二期，不知道大家还满意否？

(⊙﹏⊙)b....

其实，今天我们要说的，是关于这些年大红大紫的“云计算”。

云计算里面，有三个词经常被提及：

很多人搞不清这3个“ass”是什么意思，其实，它们是云计算的三种服务模式。

所谓“云计算”，“云”其实是互联网的一个隐喻。“云计算”其实就是使用互联网来接入存储或者运行在远程服务器端的应用，数据，或者服务。使用云计算提供的应用或服务，可以按照不同的层级来。

最底层的，就是IaaS——

IaaS: Infrastructure-as-a-Service（基础设施即服务）

Infrastructure就是基础设施的意思，IaaS有时候也叫Hardware-as-a-Service，一下子就理解了吧？就是提供硬件相关的服务。以前，你要建个网站，建个FTP，需要自己买服务器和交换机等硬件设备，现在不用了，可以使用IaaS服务商提供的IaaS服务。

方案A的李雷，其实就类似一个IaaS服务商

再往上，就是——

PaaS: Platform-as-a-Service（平台即服务）

P就是Platform，平台。某些时候也叫做中间件。基于硬件之上，平台开发都可以在这一层进行。PaaS服务提供商提供各种开发和分发应用的解决方案，比如虚拟服务器和操作系统，以及数据库系统等。

方案B的李雷+韩梅梅，类似一个PaaS服务商

继续往上，就是——

SaaS: Software-as-a-Service（软件即服务）

这一层是和你的生活每天接触的一层，在这一层上，就可以直接访问和使用服务功能了！例如通过网页浏览器收发电邮，订购商品，查看航班信息等。在你的面前，就是具体的应用服务。

方案C，好基友烧烤摊，就是一个SaaS

游客们可以直接购买食物，买了就能直接吃，什么都不用自己操心，无需自己去准备器材、食材、也无需自己进行烧烤。

好啦！ 通过这个烧烤的故事，大家一定理解了IaaS、PaaS、SaaS的概念和含义了吧！

下次，如果再有人问你，“*aaS是什么意思？”，你就可以这么和他说——

今天就到这里，记得帮我们转发哟！ 下期再见啦！

<欢迎转载，请联系我们开放授权>

尽管云计算行业如今已经成为技术领域当中较为成熟的分支之一，但投资方与创业者们仍致力于在这一层面寻找新的发展机遇。自 2012 年以来，众多睿智的风险投资方已经向云计算行业注入了超过 7 亿美元的投资。

从云网络技术到云安全解决方案， CB Insights 立足九大云计算新兴领域，整理出 180 多家杰出的企业与投资方，创建出的一份周期表。其中囊括了业内最具发展前景的初创企业、值得关注的退市公司以及各活跃投资方。表格中的这些企业与投资方根据 Mosaic 评分等重要指标选拔而来，并由 CB Insights 预测算法负责分析其财务与非财务信号，从而衡量对应组织的运营状况。

本周期表中包括提供数据存储、管理以及处理能力的远程（非本地）服务器解决方案技术供应商。具体技术则涵盖从存储到网络硬件在内的各类基础设施产品，乃至监控与安全解决方案等软件产品。

周期表解读（点击原文链接查看清晰大图）

本份周期表上方列出了过去 24 个月内已经完成股权融资的私营云计算初创企业，而最下方的两排则为自 2012 年以来云计算领域最广为人知的退市公司与各活跃投资方。下面一一介绍周期表内的区域特点。

1、存储与备份(Storage & Backup)

数据中心为云基础设施中的根本所在，负责为企业客户提供多种多样且日益增多的存储解决方案。这一类别中的初创企业负责提供硬件与软件解决方案，用以存储远程服务器（数据中心）数据。其中部分企业为一级存储服务供应商，另一些则主要提供备份存储与 / 或恢复解决方案。

Nasuni 公司提供企业级存储解决方案，而 Rubrik 则专门从事数据备份与恢复服务类业务。在另一方面，IO Data Centers 专门帮助那些希望自己掌握私有云基础设施，但却不愿承担相关管理负担的企业客户。

2、网络技术(Networking Technology)

这一类别当中的企业主要设计软件与硬件方案，用以提升云通信效率、灵活性以及可靠性。此类技术能够为云环境与最终用户之间的往来移动信息提供底层系统。

Barefoot Networks 与 Big Switch Networks 提供解决方案以提升网络效率、安全性以及可编程性，而 KEMP Technologies 公司则面向混合与公有云环境提供负载均衡解决方案。

3、容器化(Containerization)

随着云计算基础设施的持续改进，应用程序架构也在不断发生变化。容器化旨在为传统的资源密集型虚拟化技术提供一套轻量化备选方案。这一类别中的初创企业主要为云环境部署或兼管理容器解决方案。

Docker 公司提供一整套容器产品套件，而 Heptio 方面则改进了现有容器管理工具（即 Kubernetes 与 Mesos）。

4、云管理(Cloud Management)

随着云解决方案复杂程度的日益提升，云管理初创企业开始提供各类工具以协调并管理云基础设施、平台以及相关软件，这一点对于采用多家云服务供应商的企业客户而言尤为重要。

CloudHealth Technologies 公司允许企业客户对其云服务的性能与成本作出预测，而 Datrium 则提供一系列云解决方案及产品，其中也包括云管理类产品。

5、开发环境(Development Environments)

随着基于云环境的容器化技术成为常态，整个开发流程也开始向云端迁移。从本地主机向基于云的集成开发环境（简称 IDE）的持续过渡也已经给整个开发流程带来显著改善。这一类别中的企业负责提供平台以帮助客户在云环境中完成软件的开发与部署。

GitLab 及 Replicated 等初创企业提供的平台能够提升开发与部署效率。在另一方面，Sourcegraph 公司则允许用户立足云环境以更理想的协作能力实现代码编辑、搜索与共享。

6、数据平台(Data Platforms)

这一类别中的初创企业负责提供数据管理、可访问性以及分析解决方案，旨在为企业客户提供新的方法以利用数据资源满足自身运营需求。

Panzura 公司提供非结构化数据管理解决方案，而 BlazingDB 则利用高性能 GPU 改善数据库管理能力。

7、集成与迁移(Integration & Migration)

将工作负载迁移至云端或在不同云服务供应商之间迁移无疑是个复杂的过程，这一点在大型企业身上体现得尤为明显。

这一类别中的初创企业负责管理来自内部存储、指向云存储资源的数据移动工作，亦帮助客户完成由一家云服务供应商向另一家供应商的数据移动。一部分企业专注于跨云环境、平台以及软件服务的持续集成，或者说统一化工作。

SnapLogic 公司能够立足云端实现数据与应用程序集成，而 PagerDuty 公司则提供云迁移服务以及监控解决方案。

8、监控(Monitoring)

云环境的复杂度正在日益提升，因此其中的很多复杂问题往往难以及时得到解决。监控解决方案的出现使得企业客户能够实时监控并分析云基础设施性能。也有部分云监控初创企业提供通知警报推送，而另一些厂商则帮助客户预测何时可能出现问题。

LogicMonitor 公司监控云环境与混合数据中心，而 Datadog 公司则监控云基础设施及应用程序性能。

9、安全性(Security)

随着数据泄露事故的持续出现，各类组织机构开始将安全性作为一件大事来抓。这一类别中的初创企业主要负责保护客户存放在私有云、混合云以及公有云环境当中的内容。

Armor Defense 公司面向公有云及私有云提供网络安全软件，而 Obsidian Security 公司则利用人工智能技术保护混合云环境安全。

10、重要退市事件(Top Exits)

托管服务供应商 Switch 公司正是此阶段内规模最大的退市厂商，其曾在 2017 年第四季度上市时的估值高达 42 亿美元。与此同时，负责提供云集成与监控解决方案的 AppDynamics 公司则代表着规模最大的一云业务收购案：这家初创企业于 2017 年第一季度以 37 亿美元被思科系统公司收入囊中。

11、最活跃投资方(Most Active Investors)

这一类别中的企业代表着自 2012 年以来曾支持本份周期表内各从业厂商的十大最活跃投资方。

网络投资公司 Lightspeed Venture Partners 堪称最活跃投资方，其曾对周期表内的 14 家公司进行 45 笔投资 ; 除此之外，思科投资、戴尔技术资本以及英特尔投资则在最活跃集团旗下风险投资公司榜单中名列三甲。

原文链接：https://cbinsights/research/cloud-computing-companies-investors-infographic/

翻译｜核子可乐

全文共3066词，预计阅读时间 ： 13分钟

云计算厂商到底哪家强，各家有各家的说法，今天西秦来跟你聊一聊，各家厂商的云计算技术到底怎么样。我选取了国内知名度比较高的几家厂商，通过弹性计算能力（云计算的核心能力）、数据库能力、存储能力、人工智能（大数据）、CDN业务、域名服务等几个方面来评判，看看哪个才是适合你的云计算厂商。

AWS(中国)

AWS 作为云计算的老大哥，在弹性计算方面，发展其了以EC2为首的计算服务矩阵，提供了10项不同的产品，联合来使用，满足用户对于计算能力的要求。但是产品缺乏场景，无法满足用户的直接需求，需要用户自行构建一些计算的服务。给4.5分。

在数据库方面，AWS提供的数据库类型是相当丰富的，六种常见的SQL数据库（Amazon Aurora、PostgreSQL、MySQL、MariaDB、Oracle 和 Microsoft SQL Server）、特有的DynamoDB、基于Redis和Memcahed的ElastiCache产品，给你以最完美的用户体验。给5分。

在存储方面，AWS的S3存储服务可以说是鼎鼎大名，不少人都听说过或使用过，AWS还推出其块存储和弹性文件存储系统，以及PB级文件存SnowBall。不过本身由于产品类型的限制，对应某些特定场景下的用户需求，无法很好的满足，需要用户进行一定的妥协，给4分。

在安全方面，AWS提供身份认证系统、证书系统、WAF系统、密钥管理系统等多项安全、合规方面的服务，来帮助用户更好的规范化自己的业务，实现更好的业务拓展。给4分

在大数据方面，AWS投入了大量的精力研发了EMR、QuickSight、Lex、Polly等产品，来帮助用户去更好的进行大数据研发和人工智能的研究。给4分

在CDN方面，AWS在全球范围内建设了近70个 CloudFront 节点，足够满足用户出海的需求，可惜的是没有一个国内节点，如果当前业务主力仍在国内，可能并不适合使用 AWS 的 CloudFront。给3.5分。

AWS并没有提供域名注册的服务，不过其提供的DNS服务 Route 53 也属于非常出名的，很多大型企业都在使用该服务，给个及格分（3 分）

Azure(中国)

在云计算的基础能力-弹性计算上，Azure似乎更倾向于由用户自行实现场景化，所提供的计算服务较为基础，只有虚拟机、虚拟机规模集（集群）、应用服务、批处理等6项服务，由用户自身借助虚拟机实现场景化，给4.5分。

在数据库方面，Azure着重其SQL Server产品，围绕SQL Server提供了不少的服务。不过也没有忘记广大用户的需求，提供了MySQL 产品和 Redis缓存，以及其所特有的DocumentDB，给5分。

在存储方面，Azure只提供了一种云存储，而且只能挂载在虚拟机上，相对来说，可以使用的场景就少了一些，给3分。

在安全方面，Azure只提供了秘钥保管库、Active Directory 和 多重身份验证，使用的场景有限，只能给2分。

在大数据方面，Azure只提供了HDInsight、流分析、认知服务、PowerBI这四种服务，在大数据方面的投入太少，给2分。

在CDN方面，Azure在国内投入建设了大概50个节点，在之前的测评中，Azure的可用节点量还是非常多的。使用效果还算给力。不过由于Azure的CDN只能用于自家的虚拟机产品，这一方面还是不如其他家相对开放宽容一些。给2.5分。

由于Azure并没有提供域名服务，所以在这一方面，0分。

阿里云

阿里云在弹性计算投入巨大，拥有包括云服务器、专有网络、容器服务、弹性伸缩、负载均衡等9项业务，涵盖用户的每一种选择。但是其在计算领域更加专注于底层的的计算能力，而不关注顶层的封装。不管是新颖的 ServerLess 还是火热的BaaS技术都未曾涉及，不免有些遗憾，给4.5分。

在数据库方面，阿里云拥有足够的诚意，满足用户的一切需求，不管是普通用户常用的三大SQL数据库（MsSQL、MySQL、PostgreSQL），还是流行的NoSQL（MongoDB、Redis、Memcache），都为用户提供了服务，帮助用户更好的使用这些能力同时，对于大数据需要的海量存储，阿里云也提供了对应的产品（PetaData、HBase以及 OceanBase）。除此之外所提供的数据传输、数据管理的服务也大大的帮助用户更好的进行数据管理，可惜对于企业应用常用的Oracle数据库没有支持。给4分。

在存储方面，阿里云提供了对象存储、文件存储、归档存储、块存储和表格存储等多种存储模式，帮助用户更好的管理数据，给4分。

在安全方面，阿里云以云盾为基础，发展出了14款安全产品，涵盖了WAF、内容过滤、数据加密、ddos防护、数据风控等多项功能，为用户的数据安全保驾护航。给4.5分。

在大数据方面，阿里云以数加为基础，发展了数据应用、数据分析展现、人工智能、大数据基础服务四大板块，14项不同的产品，在众多产品体系中，属于阿里云集中力量发展的项目。给4分

在CDN方面，阿里云官方给出的数字是500+全球节点，之前在进行CDN测评时，测试域名使用的国内节点也有30余个，满足你对带宽的需要，给5分。

在域名服务上，阿里云做的是最好的，其域名业务源自收购的国内的最大的域名供应商万网。不仅提供了基础的域名注册的服务，还针对域名交易的人群，提供了域名交易、域名预定、域名转入等服务，帮助用户更好的管理域名，点赞，给5分。

腾讯云

腾讯云在基础计算能力的提供上，投入不少精力，包括标准的云服务器、GPU云服务器、FPGA云服务器等，在弹性计算上，大量的投入研发和实践，帮助用户更好的使用云计算，给4分。

在数据库方面，腾讯云提供了标准的SQL数据库和其特有的TDSQL，针对高速缓存场景的Redis和Memcached、标准的NoSQL数据MongoDB以及一些适合于大数据的数据库，如HBase、分布式数据库DCDB。不过丰富的产品缺没有配套的应用，腾讯云没有针对用户提供数据迁移的服务，会导致用户在使用时的体验不佳。给3分。

在存储方面，腾讯云的技术研发略显吃力。只提供了标准的对象存储和云硬盘服务，对于一些不同场景下的需求来说，还是显得不足。给3分。

在安全方面，腾讯云依托大禹网络安全和天御业务安全防护，提供了不少场景化的安全服务。相比之下，腾讯云的产品更加倾向场景化为用户提供服务。给3.5分。

在大数据方面，腾讯云发展出来了大数据基础服务、数据应用和AI三大体系，提供了丰富的技术产品，对于用户来说，也是可以更好的去借助云计算的资源来实现自己的需要。给4分

在CDN方面，腾讯云依托腾讯本身的业务，提供了全国500多个加速节点，来帮助用户去提升用户体验。不过也可能是由于节点过多，导致腾讯云的CDN的每次变更，都会有较长的时间才能生效。给4分

在域名方面，腾讯云只提供了基础的域名注册服务，只能算个及格。给3分。

百度云

百度云在计算上提供了多样化的计算能力，除了提供基础的IAAS的云服务器，还提供了专属服务器、物理服务器和GPU服务器。特别是其一直以来的发展的BAE应用引擎，增添了一些亮点。不过本身计算产品的种类较少，也确实是其问题。给4分。

百度云在数据库的建设上，不如其他家用心，只提供了标准的MySQL、SQL Server、Memcache、Redis和NoSQL 数据库 MolaDB。只能算的上及格，给3分。

在存储方面，百度云如同腾讯云，只提供了对象存储和云磁盘，只能够给一个及格分，3分。

在安全方面，百度云可以说是诸多云计算厂商中提供的最差的了。只提供了标准的安全服务和DDos防护服务，也只能够给3分及格分。

在大数据和人工智能方面，百度投入了大量的人力物力进行研发，提供了多种不同的大数据产品和人工智能产品，包括MapReduce、批量计算、OLAP引擎、机器学习等。做的是非常不错的。给4.5分。

在CDN方面，百度没有说明到底提供了多少个几点，但是根据其节点分布图，除了海南和西藏，都能够保证每个省份至少一个加速节点。给3分。

百度云提供了域名注册的基础服务，没有提供其他服务，只能算个及格。给3分。

结语

各家云计算厂商都有自己的优势业务，AWS的数据库、Azure的弹性计算、腾讯云的场景化、百度云的人工智能、阿里云的安全。但是相比之下，AWS作为云计算老大哥，领跑云计算技术竞赛。阿里云则更均衡，全面开发自身潜力。全面展开云计算能力。

同样，我们也看到太多的不足。来自海外的Aws和Azure虽然技术强劲，但是同时也出现了一些体验不好的部分，无法给用户以一站式的体验，对于产品本身的规划、产品的质量，应当再做考量。

云计算不同于现在的互联网创业，往往是轻资产，重人员。云计算打的是基础设施的仗，如果想要做好云计算，就要有大笔的资金投入，来去提升自家产品的体验，如果没有良好的输血能力，可能会倒在胜利的黎明前。

最后，给一些想要做云计算创业的人一些建议，如果你想要做云计算的创业，关注小众用户，做个性化的云计算服务，或许能够让你从诸多大厂的围追堵截中走出来。

云计算是一种能够通过网络以便利的、按需付费的方式获取IT资源（包括网络、服务器（虚机、容器）、存储、平台、应用和服务等）并提高其可用性的模式，这些资源来自一个共享的、可配置的资源池，并能够以最省力和无人干预的方式获取和释放。

云计算：第三次IT革命

云计算发展背景

云计算特征

云计算服务类型：IaaS、PaaS、SaaS

SaaS是一种新型软件发布模式，应用软件安装在 厂商或者服务供应商那里，用户通过网络使用。Salesforce、NetSuite、Google Apps、微软Office365是典型案例。

软件开发者可以在PaaS之上直接开发新的应用，不需要购买和部署服务器和OS、数据库和中间件软件而直接部署代码即可运行客户自己的应用。Salesforce的Force、Google AppEngine和微软 Azure都是PaaS模式的典型代表。

IaaS（Infrastructure as a Service，基础架构即服务）通过互联网提供数据中心、基础架构硬件和软件资源。典型IaaS的代表产品是亚马逊的AWS（Elastic Compute Cloud）、Google的CloudEngine。

云计算部署模式

公有云：关注性价比

面向公众/政企提供的云服务，基于互联网获取和使用服务、关注盈利模式、具有强大的可扩展性和较好的规模共享经济性等。

私有云：关注信息安全

面向内部用户、通过内部或专有网络获得和使用服务，私有云的使用体验较好，安全性较高，但投资门槛高，当出现突发性需求时，私有云因规模有限，将难以快速地有效扩展。

混合云：兼顾性价比与安全

在公有云中创建网络隔离的专有云，用户可以完全控制该专有云的网络配置，同时还可以通过VPN/专线连接到内部私有云，实现公有云与私有云的连接，兼顾公有云和私有云的优点。

社区云：过渡性模式

面向一个行业（行业云）或一个地理区域范围内（园区云）提供服务，阶段性发展的产物。