自2006年被Google提出之后，云计算的概念就在ICT产业界产生了巨大反响。云计算是一种全新的领先信息技术，结合IT技术和互联网实现超级计算和存储能力，它的目标是要像供水、供电、金融系统一样，把“计算力”作为一种公用基础设施、组织大规模的信息和计算资源，面向用户提供便捷、全面的公众服务，满足个人和社会信息服务的需要。是分布式计算（Distributed Computing）、并行计算（Parallel Computing）、网格计算（Grid Computing）、效用计算（Utility Computing）和虚拟化（Virtualization）等传统计算机和网络技术发展融合的产物[1]。
　　目前，云计算有多种定义，还没有统一的标准。美国国家标准和技术研究所颁布的最新版《NIST云计算工作定义》[2]试行稿定义云计算为：用户可以方便的、按需通过网络访问共享资源池（网络、服务器、存储、应用和服务等），具有快速部署，最小的管理代价或最少的服务提供商干预的一种新型IT基础运行模式。NIST给出云计算以下描述：
　　1）五个关键特征：按需自服务、宽带接入、虚拟化的资源“池”、快速弹性架构和可测量的服务。
　　2）三个服务模型：云软件作为服务（SaaS）、云平台作为服务（PaaS）、云基础设施作为服务（IaaS）。
　　3）四个部署模型：公有云、私有云、社区云和混合云。
　　云计算已经成为未来发展的重要趋势之一，是业界中的热点名词和技术，吸引了不同技术领域巨头，IBM、微软、Google、Amazon等信息巨头都已经参与到云计算研究和开发中。这些业界巨头依托已有的技术优势，架构不同的云计算平台，因此，对云计算关键技术的研究有助于云计算理论及实现架构标准的统一。同时，开发自己的云计算系统，能更清楚地剖析云计算的各项关键技术，如计算和存储的整合、计算向存储迁移、文件的分布式存储、计算的并行化等。
　　1 云计算的关键技术
　　云计算是一种新型的计算模式，它在数据存储、编程模型、数据管理等方面都有自己的技术特点，下面对云计算的关键技术着重描述。
　　1.1 数据存储技术
　　云计算数据存储技术的典型代表有谷歌的GFS和Hadoop的HDFS，HDFS的原型来自于GFS。为了满足Google迅速增长的数据处理要求，在对自己应用的负载情况和技术环境分析的基础上，Google设计并实现了Google文件系统（GFS）。Google文件系统是一个可扩展的、面向大规模数据密集型应用的的分布式文件系统，具有可伸缩性。GFS运行在廉价的普通硬件设备上，是一种面向不可信服务器节点而设计的文件系统，但是它对节点失效有很好的应对措施。提供了灾难冗余的能力，可以给大量的用户提供总体性能较高的服务。
　　一个GFS集群主要由一个Master节点和众多chunkserver（大块设备）构成，同时能被多个客户端访问，所有的服务器节点都是普通的Linux机器。
　　Master节点管理文件系统元数据，包括名字空间、访问控制信息、文件和Chunk的映射信息、以及当前Chunk的位置信息。同时，它还监控着Chunk在Chunk服务器之间的迁移，并使用心跳信息周期地和每个Chunk服务器通讯，发送指令到各个Chunk服务器，接收Chunk服务器的状态信息。
　　GFS存储的文件被分割成固定大小的64k文件块。创建文件块的时候，Master服务器会给每个文件块分配一个全球唯一的、不变的64位的Chunk标识。Chunk服务器以Linux文件的形式保存文件块到本地硬盘上，并根据指定的Chunk标识和字节范围读写数据块。为了保证数据的安全性，每个块都会复制到多个数据块服务器上。
　　1.2 编程模型
　　Google作为云计算概念的提出者选择了MapReduce作为其处理海量数据的架构，Hadoop的跟进更使MapReduce深入人心。MapReduce是一个编程模型，可以处理和生成超大规模的数据集。MapReduce架构的程序能够在大量的普通配置的计算机上实现并行化处理。
　　MapReduce编程模型的原理是：利用一个输入Key/value对集合产生一个输出key/value对集合。MapReduce库的用户用两个函数表达这个计算：Map和Reduce[3]。
　　用户程序首先调用MapReduce库将输入文件分割为M个数据片段，然后在多台机器上并行执行用户自定义的Map函数，接受一个输入的Key/value对值，产生一个中间key/value对值的集合。而后使用MapReduce库的分区函数把所有具有相同中间key值的中间value值集合在一起，形成R个不同分区，然后传递给Reduce函数，用户自定义的Reduce函数接受一个中间Key的值和相关的一个value值的集合。Reduce函数合并这些value值，形成一个较小的value值的集合。Reduce调用也被分布到多台机器上执行。一般的，每次Reduce函数调用只产生0或1个输出value值。用户定义的Map和Reduce函数都有相关联的类型：
　　Map（k1,v1）->list(k2,v2)
　　Reduce(k2,list(v2))->list(v2)
　　1.3 数据管理技术
　　为了实现大规模数据的分布式计算，Google设计、实现并部署了一个分布式的结构化数据存储系统——Bigtable。BigTable为客户提供了简单的数据模型，利用这个数据模型，客户可以动态控制数据的分布和格式。Bigtable是一个稀疏的、分布式的、持久化存储的多维度排序Mao，Map的索引是行关键字、列关键字以及时间戳，Map中的value都是一个未经解析的byte数组：(row:string,column:string,time:int64)->string
　　以海量网页的存储为例，设计并实现了Webtable表。在Webtable里，使用URL作为行关键字，使用网页的某些属性作为列名，网页的内容存在“contents:”列中，并用获取该网页的时间戳作为标识。
　　BigTable通过行关键字的字典顺序来组织数据，表中的每个行都可以动态分区，每个分区叫做一个“Tablet”，Tablet是数据分布和负载均衡调整的最小单位。表中的行关键可以是任意的字符串，对同一个行关键字的读或者写操作都是原子的。
　　列关键字组成的集合叫做“列族”，列组是访问控制的基本单位。列关键字的命名语法如下：列族：限定词。列族的名字必须是可打印的字符串，而限定词的名字可以使任意的字符串。
　　2 系统实例
　　云计算系统是一个庞大而综合的系统，不是单个人能完成的。所以本章设计并实现的云计算系统CloudSys只是具备了云计算的一些基本特点，如计算和存储的整合、计算向存储的迁移、文件的分布式存储、计算的并行化等。 (责任编辑：南粤论文中心)转贴于南粤论文中心: http://www.nylw.net(南粤论文中心__代写代发论文_毕业论文带写_广州职称论文代发_广州论文网）