近日，国家测绘地理信息局印发通知，正式发布了《智慧城市时空大数据与云平台建设技术大纲》(2017版)。该技术大纲的发布对指导各地加快推进智慧城市时空大数据与云平台试点建设、加强与其他部门智慧城市工作的衔接、全面支撑智慧城市建设具有重要意义。

与2015版相比，2017版技术大纲进一步明确了测绘地理信息部门在智慧城市中的工作定位，突出了时空大数据和时空信息云平台两项重点任务，明确了建设目标、建设思路、技术路线及建设要求；进一步明确了测绘地理信息部门的任务是开展智慧时空基础设施建设及应用，为智慧城市建设提供时空基础。

时空基础设施作为智慧城市建设重要组成，既是不可或缺、基础性的信息资源，又是其他信息交换共享与协同应用的载体，实现基于统一时空基础下的规划、布局、分析和决策。

2017版技术大纲规定，作为主要建设内容之一的时空大数据包括历史与现状的基础地理信息数据、公共专题数据、智能感知数据、空间规划数据以及这四类数据的数据引擎和管理分析系统等六部分，强化了对基于时空大数据开展挖掘分析、决策服务的技术要求。

为支撑多类型应用需求，根据应用对象的不同，2017版技术大纲将时空信息云平台细化为通用化平台、专业化平台、个性化平台

其中，作为平台建设必备任务内容的专业化平台有两个重要建设方向：一是服务城市“多规合一”工作，打造空间规划平台，二是服务领导干部自然资源资产离任审计、城市地理国情监测等工作，打造生态环境监测平台

此外，2017版技术大纲还从坚持需求导向、问题导向、注重解决民生问题、实现信息共享和业务融合等方面对示范应用提出了新的要求，给出了智慧社区、智慧国土、智慧公安、智慧交通等10项惠及城市重点领域、重大工程、便民利民的应用案例。

苍穹的智慧城市时空信息云平台

苍穹数码技术股份有限公司成立于2001年，致力于政府空间信息化的全面解决方案，具有高新技术企业、甲级测绘、双软认证、计算机系统集成 、信息安全管理（ISO27001）、CMMI5级认证等10余种资质。

在专业与实力的基础上，苍穹数码开发的智慧城市时空信息云平台有着鲜明的优势和特点。

实时位置信息：集成北斗、GPS、通信基站、RFID、WIFI等空间位置定位技术，拥有精确到厘米级的实时位置获取能力。

实时感知位置解析：能够获取感知设备的各类信息，拥有流式数据解译分析能力，实时获取感知设备的位置信息。

个性化应用搭建：拥有自由搭建应用程序的能力，通过可视化的流程定制帮助用户搭建泛在终端的应用系统。

时空大数据管理：拥有动态、静态数据资源汇集能力和时空信息挖掘能力，满足时空大数据整理和序化的需求。

丰富的二次开发接口：拥有丰富的二次开发接口，提供各类功能服务和数据服务，满足开发过程中多样化的需求。

资源注册管理监控：拥有资源注册能力和管理监控能力，为平台的资源交换共享和监控提供强有力的技术支撑。

农业物联网：智慧农业云平台系统

智慧农业云平台可广泛应用于国内外大中型农业企业、科研机构、各级现代化农业示范园区与农业科技园区，助力农业生产标准化、规模化、现代化发展进程。

实时监测与远程监控

智慧农业云平台通过传感设备实时采集农业环境的空气温度、空气湿度、二氧化碳、光照、土壤水分、土壤温度、棚外温度与风速等数据；将数据通过移动通讯网络传输给服务管理平台，服务服管理平台对数据进行分析处理。生产者可及时采取防控措施，降低生产风险；同时在云平台生产者可远程自动控制生产现场的灌溉、通风、降温、增温等设施设备，实现精准作业，减少人工成本的投入。以智慧大棚为例：远程控制功能针对条件较好的大棚，安装有电动卷帘，排风机，电动灌溉系统等机电设备，可实现远程控制功能。农户可通过手机或电脑登录系统，控制温室内的水阀、排风机、卷帘机的开关；也可设定好控制逻辑，系统会根据内外情况自动开启或关闭卷帘机、水阀、风机等大棚机电设备。

科学、标准生产管理 利用物联网云平台，可迅速生成专业的无线传感系统解决方案、温室智能控制解决方案、农业示范园区解决方案、终端控制解决方案、土壤墒情检测解决方案、大田环境监测解决方案、畜禽舍环境监控解决方案、园艺自动控制解决方案、科研院所配套解决方案、智能节水灌溉解决方案、水产养殖管理解决方案、视频监控系统解决方案、气象环境监测解决方案。云平台可根据农业生产需求，定制建立标准化生产管理流程，流程一经启动，平台将自动进行任务创建、分配与跟踪。工作人员可在手机上收到平台发布的任务指令,并按任务要求进行农事操作与工作汇报。同时，管理者亦能在平台中对工作人员进行任务派发与工作效率监督，随时随地了解园区生产情况。

产品安全溯源 智慧农业云平台可以帮助用户进行农产品品牌管理，并为每一份农产品建立丰富的溯源档案。通过平台，生产者可进行生产投入物品，以及农产品检测、认证、加工、配送等信息的记录管理，相关信息可自动添加到农产品溯源档案；同时通过部署在生产现场的智能传感器、摄像机等物联网设备，平台可自动采集农产品生长环境数据、生长期图片信息、实时视频等，丰富农产品档案。平台利用一物一码技术，将独立的防伪溯源信息生成独一无二的二维码、条形码及14位码，用户使用手机扫描二维码、条形码，或登录一品一码农产品溯源平台录入14位码，即可快速通过图片、文字、实时视频等方式，查看农产品从田间生产、加工检测到包装物流的全程溯源信息。使用一物一码技术，一次扫码后即无效，可实现有效防伪。

智慧农业云平台需要的设备

软件系统：监控中心、报表中心、溯源中心。

传输设备：采集器、传感器、智能网关。

监测设备：土壤检测设备或水质检测设备；大气温湿度监测、空气监测、风速、风向监测、光照度监测等设备、视频设备。

智慧农业云平台系统功能

查询功能

农户使用手机或电脑登录系统后，可以实时查询温室（大棚）内的各项环境参数、历史温湿度曲线、历史机电设备操作记录、历史照片等信息；登录系统后，还可以查询当地的农业政策、市场行情、供求信息、专家通告等，实现有针对性的综合信息服务。

预警功能

警告功能需预先设定适合条件的上限值和下限值，设定值可根据农作物种类、生长周期和季节的变化进行修改。当某个数据超出限值时，系统立即将警告信息发送给相应的农户，提示农户及时采取措施。

智慧农业云平台系统应用情况

目前智慧农业云平台系统已整合了农业物联网、生态循环、农业产业化等共10块相关业务资源，形成了智慧农业大数据中心。

1、农业物联网：对物联网应用点进行集中展示和统一管控，实时掌握物联网的建设情况。

2、生态循环：对农业环境监控点进行不间断的进行实时监控、可视化管理和集中展示，掌握生态环境情况，实现异常预警。

3、种植业管理：对主导产业的种植总面积、总产量、产业分布、市场行情、经营主体等整体发展状况和植物保护情况进行全方位分析和展示。

4、畜牧业管理：整合全省畜牧生产、流通、屠宰加工和无害化处理等业务系统，实现畜牧业的资源整合、数据共享和业务协同。

5、质量安全：将农业生产主体、农资经营主体和“三品一标”农产品纳入监管，实现农产品的正向监管和逆向溯源。

6、农业机械管理：整合农机相关业务和数据，为农机调度和决策管理提供科学依据。

7、农业产业化：整合并分析特色和优势产业的分布、经营主体数量、全产业链年产值等产业数据，反映农业现代化整体水平。.......

来源：中国智慧农业网

大数据的时代已经来临，到底什么是大数据，大数据技术如何和企业运营结合起来？读完本文，你会有新的答案。

本文为青云QingCloud 大数据平台研发工程师迟连义在 青云QingCloud 实践课堂·南京站中的演讲总结而来，他以《大数据平台的应用化、场景化及服务化实践》为议题，分享了青云QingCloud 大数据平台的整体架构及每个组件的应用场景，大数据产品云化的过程中的经验、青云 AppCenter 2.0 的整体结构和功能特性以及青云QingCloud 大数据平台未来的发展规划。全文5320字，建议阅读时间13分钟.

青云QingCloud 大数据平台架构

上图详细介绍了青云QingCloud 大数据平台目前的整体架构。分层来看：输入端的数据源，可以是企业的用户浏览记录数据、电商平台的交易数据、视频用户的浏览记录、播放时长记录等数据。这些数据会接入到存储或者计算单元进行分析。

在整个过程中需要有一个缓冲区去缓冲数据。青云QingCloud 提供了主流的 Kafka 分布式消息队列服务来满足这一需求，它的优点是：以订阅和发布模式有效地解耦了输入端与输出端，可以实现即使只有一次输入，输出端也可以多次消费，彼此之间不会发生影响。

在存储层，青云QingCloud 提供 MongoDB 非关系型数据库。MongoDB 是最接近关系型数据库的非关系型数据库，它可以提供类 SQL 的访问模式，并且提供 HBase，一个可以承载海量数据存储的分布式数据库。HBase 有一个特点，只能通过 RowKey 进行检索，但它能够保证每行很好的一致性访问，同时具备很好的读写性能，如果不想把数据存在数据库里面，青云QingCloud 还提供了 HDFS 和对象存储服务。HDFS 本身是针对于大文件进行设计的，在处理小文件的时候它会有一些问题。小文件同样会在 HDFS namenode 里面占一块内存，如果小文件过多就会导致 namenode 的内存性能受到一定影响。同时，在后续做数据分析的时候，小文件过多会导致 MapRuduce 中的 Map 数量过多，整体分析过程会很慢。相比之下，对象存储则会对小文件做一些优化，所以如果需要处理大量小文件，存储到对象存储里面是更好的选择。

从数据本地化的角度来看，如果经常要进行计算，还是采用本地化的存储计算会更快，因为从对象存储取数据会通过公网。从成本角度来说，存在 HDFS 内会比存在对象存储上成本稍高。青云QingCloud 是对数据进行分层分类，如果需要处理的是一些历史数据，不需要经常进行查询和分析，可以放在对象存储上，而对于一年内经常进行分析和查询可以放在 HDFS 上。

在数据计算层，青云QingCloud 提供了实时数据处理 Storm 和准实时处理的 Spark (包括Spark Streaming)。同时提供了 Hadoop MapReduce 及 Hive 等离线批处理工具。在服务协调方面，提供 Zookeeper 服务，Zookeeper 是一个非常通用的功能，很多大数据组件，如 HBase、Kafka 等都依赖于 Zookeeper，很多企业用户也会基于 Zookeeper 开发自己的服务协调。

Elasticsearch，常用于企业内部的日志查询及分析。除了 Elasticsearch 集群，青云QingCloud 还提供一个 ELK 套件，囊括了从日志收集、日志检索到分析结果最终展现的全过程的功能套件，青云QingCloud 还提供了 Redis 和 memcached 两个非常通用的缓存工具。

大数据管理平台

上图列出了比较主流的大数据工具，但有一个问题，这些大数据工具彼此之间都是独立的。比如：Storm 有自己的一套监控 UI，监控拓扑的执行情况以及是否存在延迟等。在 Hadoop 中，HDFS 也有一套自己的 UI，可以监控每一个 namenode 节点的状况和文件的情况。那么，如果一个企业用了很多大数据组件，一定需要一个统一的平台把所有大数据组件管理起来，青云QingCloud 提供了这样一个大数据管理平台，可以把该平台理解成一个 UI，把所有大数据组件囊括其中。

该平台根据开源 Hue 做的二次开发，支持直接 Hive 查询，结果可以通过图表展现出来，也可以提交 Spark SQL、Spark Shell 等。还可以将关系型数据库，如 MySQL，放进来统一管理。在 Job 方面，可以直接用 Oozie 进行调度，也能直接看到 MapReduce Job 目前的运行情况，包括刚才提到的 Storm 拓扑的管理，以及 Zookeeper 节点信息展现。

在储管层面，对 HDFS 及 QingStor 对象存储，都提供了数据路径的监控及展示页面，HBase 可以在管理平台上面直接做 Shell 查询，也可以看到表的信息等等。Kafka, 可以清楚展示 topic 的信息，和每个 Kafka Group 对某个 topic 的消费情况。

大数据产品云化瓶颈

在对这些应用进行运化开发的过程中，青云QingCloud 也遇到了一些问题，会影响到以后大数据平台的扩展。主要这三个方面：

第一个是大数据发展太快，各个领域存在很多竞品。比如在列式数据库方面，青云QingCloud 提供了 HBase，但还有 Canssandra。在离线计算方面，还有比 Hive 快很多倍的 Impala 这些工具目前青云QingCloud 还没有放到云平台上。另外，在一些特有领域，如 AI，区块链，机器学习，深度学习方面，如容器应用领域，这些应用都还没有集成到青云QingCloud 的大数据平台上。这些领域的产品非常多，但青云QingCloud 的精力有限，这是遇到的第一个挑战。

第二个挑战是云化周期长。以青云QingCloud 的经验要云化一个大数据产品，把大数据产品真正放到 QingCloud 上，作为一个云原生应用大约需要两到三个月的时间。首先要搭建一个整体开发测试环境，要把大数据应用的一些自带的东西放在开发设计环境里面去，同时开发人员要对青云的 API，包括生命周期管理体系都要有一定的了解。在开发过程中，撰写针对云平台生命周期管理的代码，之后还要开发应用监控、报警等功能，最后经过测试，需对接云平台内的计费、工单等等这些系统，最终做成一个独立的应用。

第三个是挑战产品间的组合非常复杂。比如，目前青云QingCloud 的 Hadoop 和 HBase 是独立提供的。 如果一个用户要想一键部署一个 Hadoop + HBase 的集群，青云QingCloud 就需要按第二点提到的开发流程重新做一个新的产品发布出来。这样子导致组件间的组合特别复杂。

同时，青云QingCloud 还需要一种服务之间的自动发现能力。比如：Kafka 是依赖于 Zookeeper 的，如果在一个部署的 ZooKeeper 集群中添加或删除一个节点，Kafka 集群需要手动修改与 ZooKeeper 的链接地址。青云QingCloud 希望这一过程是自动的，自动感知变化并作出修改 。

面对这三个挑战，最终青云QingCloud 找到了比较好的解决方案，就是青云QingCloud 的 AppCenter 2.0。首先产品特别多，而青云QingCloud 自身精力有限。但是青云QingCloud 可以联合一些技术能力很强的开发伙伴，让他们可以基于青云QingCloud 去便捷地开发云化一些大数据产品。做到这点的关键是需要提供一套很方便开发的手段,降低开发难度。

AppCenter 2.0 提供了一套模版化的开发流程，大幅降低开发难度。同时，AppCenter 2.0 也把主要的功能，如应用生命周期管理，监控告警，工单系统，计费等等全部抽象出来，以标准化的形式交付出来，最终把整个应用的开发周期从几个月降低到了几周，这也解决了第二个开发周期长的挑战。

青云QingCloud AppCenter 2.0 简介

青云QingCloud AppCenter 2.0 是什么样的平台？

首先，AppCenter 2.0 是一个经过高度抽象，可以部署各种分布式应用的平台。青云QingCloud 知道分布式应用整体架构多种多样的，比如: ZooKeeper 是 peer to peer 架构; Hadoop 是主从架构； Redis cluster 是分片式的。AppCenter 2.0 会对这些不同的架构做高度的抽象，把应用整个生命周期抽象出来，然后开发者只需用类似自然语言的方式在模版中进行修改，表明应用需要在生命周期的不同阶段，做哪些动作从而完成整个开发流程。这种高度抽象使云上的应用开发和交付变的异常的简便和标准化，它是以模版的形式提供给开发者。

其次，AppCenter 2.0 是全新的云操作系统，贯穿资源与应用平台。青云QingCloud 可以把 IaaS 理解成对物理资源的虚拟化，可以类比成现在用的 PC 机。实际上最终用户在使用 PC 机时用到的是上层的软件应用，在 PC 机和软件之间还有一定的距离，需要一个东西去调动 PC 机中的各种资源，这个东西就是操作系统。

AppCenter 2.0 实质上就是架构在 IaaS (云平台) 层上的操作系统，操作系统会提供很多接口，让开发者在青云QingCloud 操作系统上开发各种各样的应用，最终提供给最终用户去使用。

AppCenter 2.0 架构图

上图为 AppCenter 2.0 的整体架构图，主要分三块：开发者控制台、用户控制台以及调度系统（中间部分）。首先，开发者控制台：开发者可以通过这里创建一个应用及不同的版本，然后基于每个版本，分别创建配置文件，其中会描述需要被定义的信息，如环境变量、集群节点的可选个数、每一个节点角色需要的 CPU 和内存配置等。

同时还要在模版文件中完整定义整个应用的生命周期。之后将配置文件打成一个压缩包并在开发者控制台提交，之后青云QingCloud 人员会进行审核，对应用进行详细的测试，看它的监控报警是否有完善等等。当青云QingCloud 觉得该应用符合标准，会批准开发者进行发布。应用发布之后，在用户控制台，最终用户便可以看到它的应用。如果用户对该应用感兴趣，就可以进行安装和部署。

用户部署以后会真正的进入调度系统的处理范围。青云QingCloud 调度系统首先会在用户需要中创建一个元数据管理服务，基于一个 3 节点的集群，对最终用户是免费开放。然后会根据最终用户的选择，创建相应数量的节点，CPU 核数，内存容量及存储空间等资源。

在AppCenter 中， 这些资源是支持 KVM、Docker、及 LXC 三种架构。创建好资源后，这些资源的元数据信息会被注册到元数据管理集群。之后在资源管理层面会启动一个 confd，它相当于一个 agent，会时刻监控元数据管理服务中注册进去的元数据。如果这些元数据发生变化，那么会触发由开发者定义好的要执行命令，后者更新配置文件等各类操作。

接下来，调度系统会负责整个应用的生命周期管理，包括创建、扩容、关闭或启动等等这些操作。同时调度系统还会周期性地调用由开发者定义的一系列管理操作，如监控、健康检查等等。

接下来青云QingCloud 详细看一下 AppCenter 2.0 的功能和技术特性。上图显示的是开发者需要提供的一些模板文件，比较重要是这几个第一个 config.json，主要用来配置应用的 UI，其中定义了最终用户在前端需要看到的一些信息，如该应用可以选择多少核的 CPU，多少容量的内存，每一类节点橘色可以创建多少个节点。

因为很多应用对节点数量是由限制的：Hadoop 集群，salve 节点的数量最少需要 3 个；像 ZooKeeper 集群，节点数量一般都是奇数个的。对于这样的限制，都可以在在模版文件中具体的进行配置。

Json 文件最终的效果会是，青云QingCloud 通过预置好的统一的 UI 界面，把 json 文件中的各项配置在前端提供给最终用户。然后是 cluster.json.mustache，该文件实际上定义了整个应用的基础架构。

基础架构包括定义应用中需要哪些类型或角色的节点，如 Hadoop 集群中会分三种不同角色的节点，而针对每一个节点的角色，开发者需要定义其完整的生命周期管理以及监控报警。生命周期管理刚才有提到，包括如横向扩容和纵向扩容等等操作。

开发者要通过 cluster.json.mustache 模版文件，告诉调度系统需要执行哪些操作，需要执行主机里面哪些脚本，那么调度系统在生命周期到来的时候，会触发这些脚本的执行。

接下来是监控报警功能，这一点在青云QingCloud 审核过程中，会强制要求每一个应用必须存在。因为作为一个云应用，监控和报警很重要，在客户业务出现问题的时候，他需要了解到底是业务出现问题还是产品出现问题。

最后一个是多语言翻译功能，青云QingCloud 提供的是英文，最终用户其实想看到一些中文展示，开发者需要定义一个多语言翻译的文件，告诉青云QingCloud 它的行业变量和角色对应的中文是什么样的名字，青云QingCloud 会最终展示在界面上。

以上这张图就是一个上传配置文件的界面，开发者在创建应用和版本以后，并完成以上的两个配置文件的撰写后，就在该位置提交，并发布版本。之后会现在后台通过青云QingCloud 的审核。青云QingCloud 现在的审核比较严格，因为青云QingCloud 要对最终用户负责，开发者对应链接到控制台测试，测试一下配置文件写的是否合理，测试生命周期管理，并测试监控报警是否合理。

以上介绍的是 AppCenter 2.0 的一些基本功能，可以帮助开发者通过模板文件的方式很便捷地在运平台上开发一个自己的应用。还有一个比较高级的功能，就是应用编排。通过元数据管理集群以及 Confd 这两者之间的交互，可以实现应用之间的自主感知。举例来说，Kafka 需要依赖 ZooKeeper，那么如果 ZooKeeper 集群发生了增加或删减节点的变化，Kafka 集群是可以感知到该变化，并自动执行配置文件更新和重启集群等操作。

另外一个例子是上文提到的大数据平台管理 UI 系统。该 UI 在启动的时候通过应用间自主感知能力，可以感知到用户的 VPC 下面已经使用了哪些大数据产品，之后可以自动将大数据产品添加到管理 UI 里面去，而且后续如果在同一个 VPC 下，�...

什么是大数据？

分析是一种使用哪些数据模式可以被理解和性能量化来做出决策的方法。为了实现这种编程，使用了统计和研究。最终目标是帮助做出更多基于数据而不是直觉的决策。这是因为基于证据或数据的决策被认为更可靠。

大数据与传统上称为分析的内容分开的主要区别是什么?差异在于现在可以轻松获取的数据量，数据与各种数据点一起整理的速率。

1.数据量 - 每40个月创建的数据量翻倍。目前的数据创建速率在每天2.5艾字节的范围内。换句话说，二十年前互联网上可用的数据量在今天的任何特定时间都在互联网上传播。这些数据发布于2013年哈佛商业评论出版物。

2.数据速度 - 收集的数据量不如今天收集数据的速度重要。只要公司能够实时处理大量数据，公司就具有竞争力。其中一个最大的例子是麻省理工学院媒体实验室使用基于位置的数据收集来查找黑色星期五在梅西停车场的购物者数量。唯一的目的是甚至在销售结束之前估算销售额。这种数据让分析师占上风。

3.数据多样性 - 据我们所知，大数据来自各种来源，但其中最突出的数据包括来自手机的GPS信号，以及社交网络平台上发布的消息，图像和更新。大多数这些大数据来源都是新的。 Facebook和Twitter等社交网络分别于2004年和2006年开始，而iPhone仅在2007年发布。因此，今天新开发的数据库非常不适合存储大数据。然而，诸如带宽，存储器，处理和存储的计算元件逐渐变得更便宜。

什么是云计算？

云计算是一种利用大规模低成本运算单元通过IP网络相连而组成的运算系统，以提供各种运算服务。

云计算将为处理大型复杂并行数据集的即将到来的复杂性提供答案。这是因为云计算具有处理需要大量计算能力的大数据所需的灵活性和灵活性。云计算也是处理结构化和非结构化数据的最佳平台。

云计算发源于搜索引擎平台，互联网企业在创业阶段出于追求低成本高效能的考虑开发出一种计算技术，目前已成为提供各种互联网服务的重要平台。

大数据Hadoop与云计算openStack一起不仅仅是当今时代的要求，而是一种必需品。

云平台能织造“警网”时刻控制无人机。在植保过程中有的飞行区域是国家或是地区行政设定的限飞区、禁飞区，当无人机靠近这些区域时，云平台提供报警机制与管理手段，在特别紧急情况下云平台支持自定义电子围栏和远程强制。

此外，云平台上大数据在未来还能帮助用户：

1)农药生产商作市场需求动方分析

2)植保服务队对自己作业效率分析

3)飞手降低植保操作失误率

4)根据地理土壤与季节匹配最佳的作物选种

5 ) 农户对被植保的作物健康作科学的植保方案

6)政府对政策执行依据

7)让市场需求和生产保持平衡

物联云平台行业服务模式：不过，现有的无人机植保平台并非一家独有，五花八门的信息管理平台给行业管理造成了一定的乱象：

缺乏统一标准，未来，一体、两翼、三平台、N+的服务模式将是全局化行业云平台新的应用和服务标准。我坚持认为，云平台的本质应该是一个既提高农业生产力，又能构建以数据服务改善产业链的高效数字化服务平台与监控管理平台。

今天构建一个以物联网为入口的农业云平台，可以让不同的行业融入其中，数据中心共享把智能运算和自然处理相整合，也将实现数据服务生态链、金融、互联网整合的完整解决方案。未来以智能化的革新行业生产链和整个行业的生态链也许会成为主流。

物联云平台在不久的未来能做农场主的智能贴心管家，农业政策实施的智囊库、行业服务差异化的阶梯、数据交易中心。

大胆预想一下，如果农场主有很多很大几块田地，每当植保季到来只需接受云平台智能种植计划(选种子、植物生长时期的植保计划(幼/中/成生期什么样的植保季用什么的植保手段)、可视化植保过程、农作物收仓、交易中心)其它的动作就是一路点“OK”到收获的喜悦。

未来它会不会咬人?由于公有云在规模和功能等方面的优势，它会受到绝大多数用户的欢迎。但是在短期之内，因为信任和遗留等方面的不足，会尤其对大型企业降低公有云对企业的吸引力。

在未来很长一段时间内，私有云将成为大中型企业最认可的云模式，而且将极大地增强企业内部的IT能力，并使整个IT服务围绕着业务展开，从而更好地为业务服务。

混合云比较适合那些想尝云计算、但面对突发流量又不愿将企业IT业务都迁移至公有云的企业。虽然混合云不是长久之计，但是它应该也会有一定的市场空间，并且也将会有一些厂商推出类似的产品。

行业云非常适合那些业务需求比较相似，而且对成本非常关注的行业。虽然现在还没有非常好的示例，但是对部分行业应该存在一定的吸引力，比如游戏业、物联网、无人机农业植保。

总结：每一种部署模型都具备各自的独特特性和意义，企业可以根据不同的市场需求提供不同的租户服务，以便在不同的应用场景去消耗云计算资源，最终提供消费终端的云服务。

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。

如下图：智慧工地大数据云服务平台的大屏展示图，图一位浙江省的大数据云服务平台，从图中，我们主要看的的是一个监管数据，包括各市级单位的资金，项目进度，材料用量，质量安全整改情况等数据，从屏幕上点开地图，可以看到各市的大数据监管情况，再继续点击到单个项目，就呈现出图二的界面，真正的智慧工地具体实施界面。

从图二，我们可以看出，界面主要有几组数据，分别是资金监管，进度监管，变更管理，拌合站数据联网，试验室数据联网，视频监控界面等，各层级的管理人员都可以从大屏上了解到自己需要了解的数据内容，真正做到项目数据心中有数。

具体到工地管理的大数据服务平台，则各有特色，主要体现的是工地上的现场安全管理情况，包括智慧安全帽，环境监测，塔吊监视仪，人员管理等具体情况，如图三，

智慧工地的发展伴随着科技的发展而日新月异，但是总有一项不变的宗旨，那就是向监管集中，越来越精细化，从质量安全，到材料管理，到进度管理，到资金管控，当云平台普及到每一个工地的时候，可以想象一个大屏幕显示全国工程建设大数据会是什么盛况

什么是云平台(云计算平台)？

云平台是虚拟主机,但云平台不是一个普通的虚拟主机啊，我说这个云平台是虚拟主机的高级版本，当然比一般的虚拟主机高级多了。

让我们看看云平台和虚拟主机本质上相同的一点：

是提供一个虚拟计算环境。与普通的虚拟主机不同，虚拟主机是物理主机提供虚拟环境的多个站点，云平台是主机众多站点提供无数虚拟环境的实体。

将提供对一种或几种语言的支持。一些常见的虚拟主机只支持一种语言，而另一些则支持多种语言。云计算平台也是如此。

为了在一定程度上确保所有语言的支持。一般的虚拟主机通常会限制本地文件操作API的种类，而云计算平台会有更多的限制。

API服务是特殊的。由于API仅限于不使用其中的一部分，因此API仅限于其他安全选项。另外，为了绑定他们的平台，用户提供一些特定的API服务将会让网站的用户无法轻易转移。

将提供数据存储服务。不像普通的虚拟主机通常提供SQL数据存储，而云计算平台提供的分布式计算NOSQL更有利于数据存储。

将提供具体的管理平台。虚拟主机通常会提供一些Web管理界面，或FTP和其他管理方法来管理它。云计算平台通常会提供用于上传的特殊数据同步工具。

按时间衡量并收取费用。所不同的是，云计算平台更详细的计费和计量，数量会准确到多少CPU时间和使用M的商店。

足以显示相同云平台的这些相似之处是虚拟主机的高级版本。

回答这个问题后，后一个问题很简单。

问：云计算平台有未来吗？有人用它？

答：只要使用了虚拟主机，云计算平台就会具有相同性质的更好的服务，用户没有理由不选择云计算平台。

问：云计算平台要做什么？

答：我使用的虚拟主机，能够，并在云平台是有能力的。但是云平台提供了更多的计算资源和存储资源，只要你有钱，不必担心虚拟主机，因为流量会被密封一次。