雲計算
產生背景(雲計算的驅動力)
- 技術驅動(
- 需求驅動(海量的數據信息給現階段設備帶來巨大的壓力,雲計算技術可以降低成本
- 商業模式轉變(
- 其他方面,海量的數據及信息、各種各樣的終端設備也促使着現階段技術的變革。
雲計算的概念
現階段廣爲接受的是美國國家標準與技術研究院(NIST)定義:雲計算是一種按使用量付費的模式,這種模式提供可用的、便捷的、按需的網絡訪問,進入可配置的計算資源共享池(資源包括網絡,服務器,存儲,應用軟件,服務),這些資源能夠被快速提供,只需投入很少的管理工作,或與服務供應商進行很少的交互。(from:https://blog.51cto.com/changfei/1656729)
-
商業視角:雲計算==信息電廠(大家都可以按需使用付費)
-
技術視角:雲計算==計算、存儲的網絡
-
狹義:IT基礎設施的交付和使用模式,通過按需,易擴展的方式獲得所需的資源。包括基礎架構,平臺,軟件。
-
廣義:通過網絡以按需,易擴展的方式獲得所需服務,這種服務可以是IT和軟件,互聯網相關的,也可以是其他任意的服務,比如政務雲,教育雲,醫療雲等,,,
雲計算部署模式
- 私有云
- 公有云
- 混合雲
私有云和公有云通過企業防火牆隔離,保證信息的安全
雲計算的應用模式
雲計算的價值體現
-
智能資源調度:
1:業務可以實現基於策略的資源調度以實現負載均衡;
2:通過熱遷移實現節能減排。 -
提高資源的利用率
1:資源共享;
2:分時共享。(不同業務有不同高峯期) -
分佈式的計算存儲
-
統一管理
-
業務快速部署
虛擬化
概念
虛擬化前後最大的區別就是物理機上可以同時運行多個虛擬機,而且還有虛擬機監控器。
通過這個虛擬機監控器的模擬,虛擬機在上層軟件看起來就像一個真實的機器。虛擬機是將物理資源池化了,多個虛擬機直接從資源池中獲取資源與硬件解耦合。
虛擬化的主要內容
- 計算虛擬化:CPU虛擬化、內存虛擬化、VO虛擬化
- 存儲虛擬化:裸設備+邏輯卷、存儲設備虛擬化、主機虛擬化+文件系統
- 網絡虛擬化:VPN、VLAN。
虛擬化的本質
- 分區(在單一物理服務器上可以同時使用多個虛擬機,按需使用硬件資源池中的資源)
- 隔離(每個虛擬機之間都是隔離的,虛擬機之間互不影響)
- 封裝(整個虛擬機的執行文件封裝在獨立的執行環境中,可以通過移動複製這些文件來移動和複製該虛擬機)
- 獨立(相對於硬件獨立,虛擬機無需任何修改,可在任何服務器上使用,實現虛擬機的熱遷移)
OpenStack
- openstack是一對大大小小項目的統稱
Openstack架構
keystone組件 - 身份服務,提供身份驗證、服務規則和服務令牌功能
- 管理用戶,住戶,角色,服務和服務端點
- 可以支持SQL,PAM,LDAP作爲後盾
- 任何服務之間相互調用,都需要經過Keystone的身份驗證
NOVA組件 - 計算服務——計算節點,運行虛擬機的hypervisor
- 分佈式控制器——負責處理器調度策略及AP調用等。
GLANCE - 爲NOVA提供鏡像服務
- 通常不負責鏡像的本地存儲
- 實現對鏡像的管理(快照、備份、鏡像模塊額管理。。)
- 鏡像格式:raw,qcow,vhd,vmdk,iso
- 後端存儲,Swift,Filesystem,AmazonS3
SWIFT
- 高可用分佈式對象存儲服務
- 提供存儲數據的易用服務
- 適用於互聯網場景下非結構數據的存儲
- 爲NOVA組件提供虛擬機鏡像存儲
NETWORKING Neutron - 提供網絡服務的核心組件
- 基於軟件定義網絡的思想
- 提供支持/試下SDN框架
- 基於插件的模型
CINDER
- 塊存儲服務(卷服務)|爲虛擬機實例提供volume卷的塊存儲服務
- 一個volume可以同時掛載到多個實例上
- 共享的卷同時只能被一個實例進行寫操作
- 持久化磁盤
- 基於插件的架構便於擴展
- 支持的文件系統類型:LVM/ISCSI,NFS,NetAPP NFS, Gluster,DELL Equall Logic
HORIZON
- 儀表板
- 自服務界面
- 基於雲管理功能
CEILOMETER
- 提供openstack平臺組件的監控
- 計量服務,爲流量計費提供數據支撐
Heat
- OpenStack核心項目之一
- 提供基於模板的編排服務
Docker技術
- Docker?
- 容器管理
- linux中,容器技術,進程隔離技術
容器迅猛發展的背景:
- 應用架構正在發生變革——微服務化
- 基礎架構系統也在發生變革——虛擬化、混合雲
- 面臨越來越多的應用數量和種類越來越多的底層環境,容器技術可以完美的將應用的各種組件封裝起來,應用開發以後呢,一次封裝,多次部署,隨時遷移,完全不需要關注底層環境,可以更好實現一些東西。
- 容器是一種比虛擬機更加輕量級的技術
Docker優勢
Docker容器狀態:
Docker鏡像:
Docker倉庫
- 容器一旦關閉,他的修改信息就會丟失
- 對於有狀態的應用來說難以接受
- 通過掛在文件目錄或者是存儲來解決
Docker平臺對比:
Docker平臺架構
大數據
大數據的產生背景:隨着雲時代的來臨,大數據也吸引了越來越多的關注,大數據通常用來形容一個公司創造的大量非結構化和半結構化數據,這些數據在下載到關係型數據庫用於分析時,會花費過多的時間和金錢。大數據分析常和雲計算聯繫到一起,因爲實時的大型數據集分析,需要像MapReduce一樣的框架來向數十、數百甚至數千的主機分配工作。
大數據的其前世今生
大數據的定義:
數據類型:
- 數據可以分爲結構化和非結構化數據
- 結構化數據指可以存在數據庫裏的,可以用二維表結構來邏輯表達實現的數據
- 非結構化數據是指不方便用數據庫二位邏輯表來表示的數據包括:所有格式的辦公文檔、文本、圖片、XML、HTML、各類報表、圖像和音頻、視頻信息等等
- 半結構化數據,介於結構化和非結構化數據之間的,HTML文檔就是半結構化數據
分析當代的數據集合,有25% 結構化數據,剩下由75% 非結構化和半結構化數據構成。
大數據的價值(value)
大數據對我們的生產生活有着重要作用:
在衛星測繪領域,大數據具備海量數據存儲服務能力,每天能存儲1TB的數據,整個系統可以存儲PB級的數據;
在金融領域,大數據可以幫助金融機構盤活客戶少量數據資產,深挖存量數據價值;
在能源勘測領域,大數據工具可以有效降低能源公司的勘探成本,根據大數據分析,沒扣油井的勘探成本從800美金下降到300萬美金;
在影音娛樂領域,播放的真人秀綜藝可能只有一個小時,但是卻會有着超過1000分鐘的高清原始素材,消耗存儲大概有2TB,通過使用大數據工具,可以很好的完成製作任務。
- 海量數據存儲
- 盤活歸檔數據
- 潛力分析
- 高清製播
大數據關乎着我們的未來:
- 對於企業,大數據在競爭能力、決策即使、成本控制等領域有廣泛的應用前景
- 對於事業組織,在科學探索、知識、社會安全等領域也有強烈需求
大數據的特徵
大數據帶來的挑戰
網絡架構:傳統網絡架構對南北向的網絡流量需求支持良好,但不適配大數據應用對東西向流量的需求,爲了滿足東西向流量的傳輸需求,要對傳統網絡架構進行重配。
數據中心:傳統數據中心裏,計算、存儲等各個子系統相對獨立,用於大數據處理的數據中心需要更高的資源利用率、自動化,需要使用虛擬化、雲計算等技術對這些子系統進行整合和拉通,在重構過程中,增加了技術上的複雜性,給規劃、建設、運維帶來壓力和新的挑戰。
數據倉庫:傳統數據倉庫對各類結構化關係型數據庫支持良好,但不適應非結構化和半結構化數據在數據處理上的需求,無法高效、迅速處理非結構化和半結構化數據,同時,在存儲的非結構化和半結構化數據原始數據上,數據倉庫也面臨挑戰
1;傳統網路架構不適應“大數據”時代,從垂直訪問到水平訪問。
2;數據中心面臨巨大壓力,同時訪問子系統壓力大。
3;數據倉庫架構不適應高速反應的要求,非結構化數據無法處理。
大數據所面臨的的挑戰的解決方案:雲計算技術
雲計算技術
雲計算之於大數據,雲計算是底層平臺,大數據是應用。雲計算作爲底層平臺整合計算、存儲和網絡等資源,同時提供基礎架構資源彈性伸縮的能力。大數據在雲計算平臺支撐下,調度下層資源,進行數據源加載、計算和最終結果輸出等工作。
大數據與雲計算的關係
大數據對運營商的作用
國內外電信運營商均擁有豐富的數據資源,國內運營商主要系統youqCRM、BI 、BOSS等,這些系統中數據涉及客戶的基本信息、通話行爲、上網行爲、數據業務使用、智能終端、出道接觸等諸多方面,價值巨大。
在生產經營中,通過使用大數據工具進行數據分析,運營商可以提高精準營銷、經營分析、要客保障等工作的效率。在網絡應用中,通過對積累的客戶位置信息進行分析,可以描繪運動軌跡,進而開發增值業務。運維保障工作中,通過使用大數據工具,有助於降低投訴率、降低平均故障時長、提升客戶滿意度。
如何面對大數據:
爲了應對激烈的競爭,各類組織在管理方法、技術工具、基礎架構、思維方式等各類需求的倒逼下,渴望對應用和數據的關係進行變革,從傳統的被動應對應用產生的數據到主動挖掘數據的價值,大數據是解決之道。
電信大數據應用
大數據帶給電信行業的機會和挑戰:
第一個挑戰:電信行業生產圈的信息產業遇到了革命性的變化,運營商相關業務的發展更加依賴數據,如傳統的語音、窄帶、寬帶數據以及超寬帶、數字經濟等相關業務的數據量越來越大。
第二個挑戰:OTT,虛擬運營商的介入,使得運營商競爭環境更加複雜和激烈。
第三個挑戰:客戶消費模式的改變,需要大數據分析深入洞察客戶的需求,進行定製化的服務,改善客戶體驗
第四個挑戰:提升精細化的管理水平,以數據爲中心的一體化、精細化陳偉必然趨勢,數據成爲企業的核心資產。
電信行業大數據典型需求:
大數據的總體目標是構建統一的數據採集與整合能力、大數據分析處理能力,計算及數據服務能力,大數據應用能力,和互聯網化的數據開放能力,支撐業務創新與商業成功
1:延長用戶生命週期。大數據建模支撐用戶全生命週期的營銷和維繫(潛在離網用戶維挽場景)
2:提升用戶使用量。基於大數據的營銷體系有效運作,支撐多批次、小羣體、高成功率、多用戶觸點的營銷
3:對外價值變現,實現對外合作。MR數據軌跡形成商業價值,用戶成爲軌跡,形成商業價值。