务、提高资源利用效率。 从表现形式上看,虛拟化又分两种应用模式。一是将一台性能强大的服务器 虚拟成多个独立的小服务器,服务不同的用户。二是将多个服务器虚拟成一个强 大的服务器,完成特定的功能。这两种模式的核心都是统一管理和动态分配资源 提高资源利用率。在云计算中,这两种模式都有比较多的应用。 3.2分布式数据存储与资源管理技术 云计算的一大优势就是能够快速、高效地处理海量数据。 为了保证数据的高可靠性,云计算通常会采用分布式存储技术,将数据存储 在不同的物理设备中。这种模式不仅摆脱了硬件设备的限制,同时扩展性更好 能够快速响应用户需求的变化。 分布式存储与传统的网络存储并不完全一样,传统的网络存储系统采用集中 的存储服务器存放所有数据,存储服务器成为系统性能的瓶颈,不能满足大规模 存储应用的需要。分布式网络存储系统采用可扩展的系统结构,利用多台存储服 务器分担存储负荷,利用位置服务器定位存储信息,它不但提高了系统的可靠性 可用性和存取效率,还易于扩展。 在当前的云计算领域, Google的GFS和 Hadoop开发的开源系统HDFS是比 较流行的两种云计算分布式存储系统。 云计算采用了分布式存储技术存储数据,那么自然要引入分布式资源管理技 术。在多节点的并发执行环境中,各个节点的状态需要同步,并且在单个节点出 现故障时,系统需要有效的机制保证其它节点不受影响。而分布式资源管理系统 恰是这样的技术,它是保证系统状态的关键。 云计算系统所处理的资源往往非常庞大,少则几百台服务器,多则上万台 同时可能跨跃多个地域。云平台中运行的应用也是数以千计,如何有效地管理这 批资源,保证它们正常提供服务,需要强大的技术支撑。因此,分布式资源管理 技术的重要性可想而知 3.3大规模数据管理技术 处理海量数据是云计算的一大优势。高效的数据处理技术也是云计算不可或 缺的核心技术之 对于云计算来说,数据管理面临巨大的挑战。云计算不仅要保证数据的存储 和访问,还要能够对海量数据进行特定的检索和分析。由于云计算需要对海量的 分布式数据进行处理、分析,因此,数据管理技术必需能够高效的管理大量的数 据 Google的BT( Bigtable)数据管理技术和 Hadoop团队开发的开源数据管理 模块 HBase是业界比较典型的大规模数据管理技术。 3.4云计算平台管理技术务、提高资源利用效率。 从表现形式上看，虚拟化又分两种应用模式。一是将一台性能强大的服务器 虚拟成多个独立的小服务器，服务不同的用户。二是将多个服务器虚拟成一个强 大的服务器，完成特定的功能。这两种模式的核心都是统一管理和动态分配资源， 提高资源利用率。在云计算中，这两种模式都有比较多的应用。 3.2 分布式数据存储与资源管理技术 云计算的一大优势就是能够快速、高效地处理海量数据。 为了保证数据的高可靠性，云计算通常会采用分布式存储技术，将数据存储 在不同的物理设备中。这种模式不仅摆脱了硬件设备的限制，同时扩展性更好， 能够快速响应用户需求的变化。 分布式存储与传统的网络存储并不完全一样，传统的网络存储系统采用集中 的存储服务器存放所有数据，存储服务器成为系统性能的瓶颈，不能满足大规模 存储应用的需要。分布式网络存储系统采用可扩展的系统结构，利用多台存储服 务器分担存储负荷，利用位置服务器定位存储信息，它不但提高了系统的可靠性、 可用性和存取效率，还易于扩展。 在当前的云计算领域，Google 的 GFS 和 Hadoop 开发的开源系统 HDFS 是比 较流行的两种云计算分布式存储系统。 云计算采用了分布式存储技术存储数据，那么自然要引入分布式资源管理技 术。在多节点的并发执行环境中，各个节点的状态需要同步，并且在单个节点出 现故障时，系统需要有效的机制保证其它节点不受影响。而分布式资源管理系统 恰是这样的技术，它是保证系统状态的关键。 云计算系统所处理的资源往往非常庞大，少则几百台服务器，多则上万台， 同时可能跨跃多个地域。云平台中运行的应用也是数以千计，如何有效地管理这 批资源，保证它们正常提供服务，需要强大的技术支撑。因此，分布式资源管理 技术的重要性可想而知。 3.3 大规模数据管理技术 处理海量数据是云计算的一大优势。高效的数据处理技术也是云计算不可或 缺的核心技术之一。 对于云计算来说，数据管理面临巨大的挑战。云计算不仅要保证数据的存储 和访问，还要能够对海量数据进行特定的检索和分析。由于云计算需要对海量的 分布式数据进行处理、分析，因此，数据管理技术必需能够高效的管理大量的数 据。 Google 的 BT（BigTable）数据管理技术和 Hadoop 团队开发的开源数据管理 模块 HBase 是业界比较典型的大规模数据管理技术。 3.4 云计算平台管理技术