亚马逊谷歌微软 三大PaaS供应商优劣较量

2011-04-07 13:35:46对于大部分的企业用户来说，平台即服务（PaaS）将软件开发人员和IT运行维护人员从基础设施日常管理、安全问题，以及许可证问题等琐碎事务中解放出来，因此PaaS是最有可能在企业应用的云计算。

对于大部分的企业用户来说，平台即服务（PaaS）将软件开发人员和IT运行维护人员从基础设施日常管理、安全问题，以及许可证问题等琐碎事务中解放出来，因此PaaS是最有可能在企业应用的云计算。

Amazon公司的新业务Elastic Beanstalk服务不过是一个测试版本，却让AWS和Google公司、微软公司一起成为了PaaS供应商中的三大巨头。这些组织易于通过由上级管理和IT厂商董事会成员所建立的绝大多数治理标准，如下列出：

金融稳定性支持对多个数据中心的大规模资本投资，而不会有来自于电信公司或其他任何可能需要寻找新云服务供应商公司的或敌意或善意的收购风险。

地理上分散分布的数据中心可应用复制的应用程序和数据实现灾难恢复。

评审证书以证明符合ISO/IEC 27001的信息安全管理和SAS 70 I型、II型的IT控制和控制目标。

服务水平协议（SLAs）以确保应用程序（计算）和数据（存储）的可用性。（应当指出PaaS SLA可为超过停机限制时间而提供***赔偿。）

根据截至2011年1月中旬所公布的数据，下图所示描述了三家云平台供应商之前的状态：

* Google公司的SAS 70 II型Google Apps证书似乎并不适用于Google App Engine。

** 本文发稿时Google App Engine for Business仍在预览阶段。

*** Windows Azure的计算服务水平协议要求***有两个运行的实例。

IT经理和软件开发人员必须决定供应商的平台如何与本组织当前的数据中心基础设施和编程技能进行集成，并熟悉针对诸如SQL数据库和内容交付网络等特定应用程序的可选功能。以下是这三大巨头为PaaS客户所提供现有产品的详细信息：

* Google App Engine for Business是一个每个客户每月收费8美元的高级托管应用程序服务，***每个应用程序每月1000美元。

微软和Amazon的定价在计算、存储和带宽方面都***竞争力，无论应用程序是否使用，两家公司均按小时计算时间收费。因此，Amazon EC2和Windows Azure并不是托管低流量网站的合适候选服务。Amazon于2011年二月下旬更新了S3服务，从而为一个消除计算变化的完整（静态）网站或博客提供服务，发布的带宽和每月存储价格仍然适用。

另一方面，Google则根据实际CPU计算的使用情况进行收费，同时还提供慷慨的免费配额。配额支持大约每月五百万个免费网页的带宽和CPU使用资源（由Google公司推算）。如果你的企业组织使用Java，那么你有三个选择，请务必核实Google公司的Java SDK支持所有你所需的功能。

Windows Azure和Google App Engine支持PHP，但如果你希望在App Engine上使用Django，请阅读Carlos Ble的《Goodbye Google App Engine》一文（及相关评论）。只使用Microsoft产品、且对从PaaS中获得最小管理效益感兴趣的公司可通过选择Windows Azure平台而得到***服务，并使用Visual Studio而简化部署。

作者简介：

Roger Jennings是一名面向数据 .Net开发人员与作家、OakLeaf系统的主要顾问、OakLeaf系统博客的管理人。他也是30多本书籍的作者，其内容包括Windows Azure平台、微软操作系统Windows NT和2000 Server、数据库（SQL Azure, SQL Server和Access），.NET数据库访问、网络服务和InfoPath 2003。他的著作有超过125万份的印刷英文拷贝，并已被翻译成20多种语言。

【编辑推荐】

云 操作系统 云应用中的云 是什么意思

怎么说呢，据我了解，云计算是一种很先进的方法。 1、狭义云计算狭义云计算是指IT基础设施的交付和使用模式，指通过网络以按需、易扩展的方式获得所需的资源（硬件、平台、软件）。 提供资源的网络被称为“云”。 “云”中的资源在使用者看来是可以无限扩展的，并且可以随时获取，按需使用，随时扩展，按使用付费。 这种特性经常被称为像水电一样使用IT基础设施。 2、广义云计算广义云计算是指服务的交付和使用模式，指通过网络以按需、易扩展的方式获得所需的服务。 这种服务可以是IT和软件、互联网相关的，也可以是任意其他的服务。 解释：这种资源池称为“云”。 “云”是一些可以自我维护和管理的虚拟计算资源，通常为一些大型服务器集群，包括计算服务器、存储服务器、宽带资源等等。 云计算将所有的计算资源集中起来，并由软件实现自动管理，无需人为参与。 这使得应用提供者无需为繁琐的细节而烦恼，能够更加专注于自己的业务，有利于创新和降低成本。 有人打了个比方：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。 云计算是并行计算(Parallel Computing)、分布式计算(Distributed Computing)和网格计算(Grid Computing)的发展，或者说是这些计算机科学概念的商业实现。 云计算是虚拟化(Virtualization)、效用计算(Utility Computing)、IaaS(基础设施即服务)、PaaS(平台即服务)、SaaS(软件即服务)等概念混合演进并跃升的结果。 总的来说，云计算可以算作是网格计算的一个商业演化版。 早在2002年，我国刘鹏就针对传统网格计算思路存在不实用问题，提出计算池的概念：“把分散在各地的高性能计算机用高速网络连接起来，用专门设计的中间件软件有机地粘合在一起，以Web界面接受各地科学工作者提出的计算请求，并将之分配到合适的结点上运行。 计算池能大大提高资源的服务质量和利用率，同时避免跨结点划分应用程序所带来的低效性和复杂性，能够在目前条件下达到实用化要求。 ”如果将文中的“高性能计算机”换成“服务器集群”，将“科学工作者”换成“商业用户”，就与当前的云计算非常接近了。 云计算具有以下特点：(1) 超大规模。 “云”具有相当的规模，Google云计算已经拥有100多万台服务器， Amazon、IBM、微软、Yahoo等的“云”均拥有几十万台服务器。 企业私有云一般拥有数百上千台服务器。 “云”能赋予用户前所未有的计算能力。 (2) 虚拟化。 云计算支持用户在任意位置、使用各种终端获取应用服务。 所请求的资源来自“云”，而不是固定的有形的实体。 应用在“云”中某处运行，但实际上用户无需了解、也不用担心应用运行的具体位置。 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。 (3) 高可靠性。 “云”使用了数据多副本容错、计算节点同构可互换等措施来保障服务的高可靠性，使用云计算比使用本地计算机可靠。 (4) 通用性。 云计算不针对特定的应用，在“云”的支撑下可以构造出千变万化的应用，同一个“云”可以同时支撑不同的应用运行。 (5) 高可扩展性。 “云”的规模可以动态伸缩，满足应用和用户规模增长的需要。 (6) 按需服务。 “云”是一个庞大的资源池，你按需购买；云可以象自来水，电，煤气那样计费。 (7) 极其廉价。 由于“云”的特殊容错措施可以采用极其廉价的节点来构成云，“云”的自动化集中式管理使大量企业无需负担日益高昂的数据中心管理成本，“云”的通用性使资源的利用率较之传统系统大幅提升，因此用户可以充分享受“云”的低成本优势，经常只要花费几百美元、几天时间就能完成以前需要数万美元、数月时间才能完成的任务。 云计算可以彻底改变人们未来的生活，但同时也用重视环境问题，这样才能真正为人类进步做贡献,而不是简单的技术提升。

人工智能0基础学习好学吗？

1、打好基础，学习高数和Python编程语言高等数学是学习人工智能的基础，因为人工智能里面会设计很多数据、算法的问题，而这些算法又是数学推导出来，所以你要理解算法，就需要先学习一部分高数知识。 先将高等数学基础知识学透，从基础的数据分析、线性代数及矩阵等等入门，只有基础有了，才会层层积累，不能没有逻辑性的看一块学一块。 再就是学习python编程语言，Python具有丰富和强大的库，作为人工智能学习的基础编程语言是非常适合的。 一方面Python是脚本语言，简便，拿个记事本就能写，写完拿控制台就能跑；另外，Python非常高效，效率比java、r、matlab高。 matlab虽然包也多，但是效率是这四个里面最低的。 2、阶段晋升，开始学习机器学习算法掌握以上基础以后，就要开始学习完机器学习的算法，并通过案例实践来加深理解和掌握。 机器学习无疑是当前数据分析领域的一个热点内容。 很多人在平时的工作中都或多或少会用到机器学习的算法。 机器学习的算法很多。 很多时候困惑人们都是，很多算法是一类算法，而有些算法又是从其他算法中延伸出来的。 还有很多机器学习的小案例等着你来挑战，前面掌握得好，后面当然轻松很多，不如深度学习。 3、不断挑战，接触深度学习深度学习需要机器大量的经过标注的数据来训练模型，所以你得掌握一些数据挖掘和数据分析的技能，然后你再用来训练模式。 在这里你可能会有疑问，据说深度学习，好像有很多神经网络，看着好复杂，编辑这些神经网络那不是太难了，你大可放心，谷歌、亚马逊、微软等大公司已经把这些神经网络模型封装在他们各自的框架里面了，你只需要调用就可以了。 4、不断实战，增强自己的实力经验当你掌握了基本的技术理论，就要开始多实践，不断验证自己的理论，更新自己的技术。 找一个开源框架，自己多动手训练深度神经网络，多动手写写代码，多做一些与人工智能相关的项目。 如果有条件的话，可以从一个项目的前期数据挖掘，到中间模型训练，并做出一个有意思的原型，能把一整套的流程跑通，那么恭喜你，你已经具备一名人工智能初级工程师的水准了。 5、找到自己的兴趣方向人工智能有很多方向，比如NLP、语音识别、计算机视觉等等，生命有限，必须得选一个方向深入的专研下去，这样才能成为人工智能领域的大牛，有所成就。

java如何做云计算？

广义云计算是指服务的交付和使用模式，指通过网络以按需、易扩展的方式获得所需的服务。 这种服务可以是IT和软件、互联网相关的，也可以是任意其他的服务。 解释：这种资源池称为“云”。 “云”是一些可以自我维护和管理的虚拟计算资源，通常为一些大型服务器集群，包括计算服务器、存储服务器、宽带资源等等。 云计算将所有的计算资源集中起来，并由软件实现自动管理，无需人为参与。 这使得应用提供者无需为繁琐的细节而烦恼，能够更加专注于自己的业务，有利于创新和降低成本。 有人打了个比方：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。 云计算是并行计算(Parallel Computing)、分布式计算(Distributed Computing)和网格计算(Grid Computing)的发展，或者说是这些计算机科学概念的商业实现。 云计算是虚拟化(Virtualization)、效用计算(Utility Computing)、IaaS(基础设施即服务)、PaaS(平台即服务)、SaaS(软件即服务)等概念混合演进并跃升的结果。 总的来说，云计算可以算作是网格计算的一个商业演化版。 早在2002年，我国刘鹏就针对传统网格计算思路存在不实用问题，提出计算池的概念：“把分散在各地的高性能计算机用高速网络连接起来，用专门设计的中间件软件有机地粘合在一起，以Web界面接受各地科学工作者提出的计算请求，并将之分配到合适的结点上运行。 计算池能大大提高资源的服务质量和利用率，同时避免跨结点划分应用程序所带来的低效性和复杂性，能够在目前条件下达到实用化要求。 ”如果将文中的“高性能计算机”换成“服务器集群”，将“科学工作者”换成“商业用户”，就与当前的云计算非常接近了。 云计算具有以下特点：(1) 超大规模。 “云”具有相当的规模，Google云计算已经拥有100多万台服务器， Amazon、IBM、微软、Yahoo等的“云”均拥有几十万台服务器。 企业私有云一般拥有数百上千台服务器。 “云”能赋予用户前所未有的计算能力。 (2) 虚拟化。 云计算支持用户在任意位置、使用各种终端获取应用服务。 所请求的资源来自“云”，而不是固定的有形的实体。 应用在“云”中某处运行，但实际上用户无需了解、也不用担心应用运行的具体位置。 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。 (3) 高可靠性。 “云”使用了数据多副本容错、计算节点同构可互换等措施来保障服务的高可靠性，使用云计算比使用本地计算机可靠。 (4) 通用性。 云计算不针对特定的应用，在“云”的支撑下可以构造出千变万化的应用，同一个“云”可以同时支撑不同的应用运行。 (5) 高可扩展性。 “云”的规模可以动态伸缩，满足应用和用户规模增长的需要。 (6) 按需服务。 “云”是一个庞大的资源池，你按需购买；云可以象自来水，电，煤气那样计费。 (7) 极其廉价。 由于“云”的特殊容错措施可以采用极其廉价的节点来构成云，“云”的自动化集中式管理使大量企业无需负担日益高昂的数据中心管理成本，“云”的通用性使资源的利用率较之传统系统大幅提升，因此用户可以充分享受“云”的低成本优势，经常只要花费几百美元、几天时间就能完成以前需要数万美元、数月时间才能完成的任务。 云计算可以彻底改变人们未来的生活，但同时也用重视环境问题，这样才能真正为人类进步做贡献,而不是简单的技术提升。