牛计算 _生活百科

牛计算【牛计算】牛计算是指集群计算，常用用途就是在一个高流量的网站中实现负载均衡。
基本介绍中文名：牛计算
外文名：Cattle calculation
牛计算：云计算的前身
云计算：并行计算、格线计算等的发展
别称：集群计算
基本定义牛计算即集群计算在计算机中，集群是使用多个计算机，如典型的个人计算机或UNIX工作站；多个存储设备；冗余互联，来组成一个对用户来说单一的高可用性的系统。集群计算能够被用来实现负载均衡，集群计算的倡导者提出，对一个企业来说，集群在许多情况下，能够达到99.999%的可用性。集群的一个主要思路就是，对外界来说，集群就像是一个唯一的系统。集群的一个常用用途就是在一个高流量的网站中实现负载均衡。一个网页请求被送到“管理者”伺服器，然后此伺服器决定此请求由几个相同Web伺服器中的哪一个进行处理。这种Web Farm（根据配置有时候被这样称呼）将能够提升通信量和处理速度。集群最早是在20世纪80年代DEC的VMS系统中出现的，IBM的sysplex是与集群接近的大型主机系统。微软、Sun微系统，以及其它主导硬体和软体流的公司提供有集群包，并保证提供可扩展性和可用性。随着通信量和可用性保证的增加，集群的整个部分或局部零件的大小与数量都可以增加。集群计算还可以被用来进行低廉的并行计算，这些并行计算通常为科学研究或其它需要并行运算的套用服务。一个着名的例子就是裴欧沃夫（Beowulf）计画，它使用一定数量现成的个人计算机组成集群来实现科学套用。发展历程从牛计算到云计算云计算是近年来风靡IT业界的一个词，无论它是否真能带来发展机遇，但它已经成为一种潮流，如果你不入流，就不能和大家说同一种语言，也就“OUT”了。好比股市的一波大行情来临，儘管可能会有泡沫，还是会有很多人参与其中，因为如果不参与，就可能失去赚钱的机会（对于云计算，可能会失去得到政府资助的机会），尤其在这波行情还没结束的时候。就连当初并不太认同云计算的Oracle CEO拉里·埃里森对此也无能为力，只能无奈地给Oracle也贴上“云计算”的标籤。云计算是“皇帝的新装”，这一点不少了解其来龙去脉的人是认同的，那幺这一轮新的热潮是否蕴含了新的发展机遇？对此问题是仁者见仁，智者见智。笔者并不反对云计算，作为业界较早参与国内外与云计算相关的一些工作的“老人”，笔者可能正好见证了和云计算相关的超级计算技术的发展，觉得自己对云计算，特别是技术发展方面的来龙去脉有一些了解，愿意与大家分享对此的理解。“牛计算”是根笔者从上个世纪80年代就开始在国内参与并行计算的研究，参与了李三立院士当年的Transputer合作项目，用于构建并行图像处理的Pyramid系统架构。同时代的理论还有美国CMU大学HT孔教授提出的 Systolic 阵列计算机的理念等。应该说，那时的理念一点儿也不比现在的落后，所谓Transputer，就是“Transistor+Computer”，就是说以后做并行（云）计算大系统，把Transputer当积木（Lego）搭起来就行了。笔者后来去国外学习，博士论文研究的是关于计算问题的并行分解技术和算法。毕业后在1993年有幸加入了美国Oak Ridge国家实验室Jack Dongarra教授（他每年6月负责发布世界超级计算Top 500排行榜）的PVM/MPI(Parallel Virtual Machine /Message Passing Library)研发团队，作为博士后研究员做“牛计算”（COW，也就是Cluster of Workstations）。当时美国的几个国家实验室都在进行并行系统的研究和开发，其中包括Argonne实验室的Ian Foster教授，有人称他为云计算之父，因为云计算的前身—格线计算的概念是他提出来的。云计算从技术发展来说源于“牛计算”，以及后来在此基础上出现的Globus、Beowulf（Harness the power of COW）集群计算、格线计算等等。从“牛计算”到云计算的发展和转变，是计算机的大众化商业套用（尤其是网际网路商业化和搜寻技术的发展）导致的转变，主要标誌就是从主要服务于科学计算的“计算中心”到主要服务于网际网路、广义的SaaS、搜寻技术等的“数据中心”的转变。笔者后来于1995年加入IBM公司的 SP（Scalable PowerParallel）并行系统部门，参与了当时世界上最快的超级计算机ASCI-Blue Pacific的研发工作，负责Job Scheduler（作业调度）系统（代表IBM LoadLeveler团队）的研发，再后来在硅谷一个初创公司，带领一个团队成功开发了一个基于“牛计算”技术和Java Web前端的人类基因组计算系统。作为当时世界首例全面成功“注释”（Annotation）了当时所有的人类基因组，美国CNN和旧金山纪事报等10多个世界主要媒体都做了报导。按现在的话说，这是一个早期的基于云计算后台技术的生物计算SaaS门户。当时研究的PVM/MPI等系统目前仍然是国内外超级计算机的核心基础软体之一，包括国内着名的曙光、深腾（联想）和最近的天河一号（国防科大）超级计算机，都用到PVM/MPI 。另外，和IBM Loadleveler类似的非商用系统，如PBS、Condor等（免费）作业调度系统，也是国内外超级并行计算系统的“标配”软体之一。应该说，正是COW（Cluster Of Workstation）计算系统（一种实用的分散式计算系统，也叫POP，Pile Of PCs）的出现改变了超级计算的格局，它使超级计算的核心技术由原来的以硬体和体系架构为主演变成了以软体为主。所以，笔者更愿意称COW为“牛计算”，是因为这个理念确实很“牛” 。最早的“牛计算”核心软体平台就是PVM，它是由美国Emory大学的印度裔教授 Vaidy Sunderam提出来的，但落地在Oak Ridge国家实验室，本人也有幸成为Oak Ridge PVM 开发组较早的成员之一。由于PVM只是一个事实标準，后来出现了MPI标準，于是有了很多MPI的实现系统，但基本上都是基于PVM系统改头换面做成的。“牛计算”也属于MPP（Massively Parallel Processing），只是它是一种松耦合的MPP，相对于IBM 的SP（Scalable PowerParallel）、国内的通用型曙光超级计算机等那样的紧耦合MPP，主要区别就是连线计算节点（通用计算机主机）之间的网路（或叫HPS，High Performance Switch）不一样。早年IBM的SP并行MPP机器的Switch都是自己做的，例如给LLNL实验室做的那台ASCI-Blue Pacific，但后来IBM不自己生产Swicth了，之后的SP机器都是用普通的RS6000加上OEM的HPS搭建而成的。Switch好比网路路由器，但是由于对传输速率和延迟要求较高，不通用，一般也是一些专业的小公司在做，例如Myricom公司的Myrinet 。IBM的SP超级计算机也主要用的是PVM、MPI等作为核心软体系统，外加一些提高HPS使用效率的运行环境或接口（当时IBM的这种系统叫POE，即Parallel Operating Environment），以及作业调度系统，如IBM的LoadLeveler（基于UWM大学Livny教授的Condor系统研发的）。做超级计算机就像组装PC由于COW的出现以及硬体产品的标準化，使得后来做一台MPP超级计算机和组装一台PC也没什幺太大的区别了。只要“不差钱”，买来现成的计算节点，再买来Infiniband、Myrinet那样的HPS, 配上PVM/MPI以及PBS/LSF等软体（大部分是免费的），然后根据计算任务的不同，也许还需要配HPF（High Performance FORTRAN）并行编译语言系统、openMP、LinPACK标準软体包等等，就可以组装成一台超级计算机了。对于专业人士和厂商，难度可能和做一个大型的系统集成项目差不多，主要技术难点在于整体系统的配置、组装联调和散热等。简单地理解，一台超级计算机，如果节点数量多，每个节点的计算能力都很强，也就是说资金投入足够大，基本上就可以在超级计算机的Top 500名单中占据一席之地，因为做法都是公开的，验证的套用（主要是验证系统对LinPack软体包等的Peak性能）也是公开的。而一台超级计算机能否发挥作用，主要还是要看使用它的应用程式能否有效地被分解，分解后能否和系统充分匹配，利用好系统的资源。最极端的情况是，一个算法不能分解，把它拿到超级计算机上运行可能和拿到一台PC上运行的执行速度是一样的。早期的COW系统中的计算节点主要都是闲置的计算资源，如办公室中的桌面工作站、普通PC等，採用普通的区域网路连线。因为这些节点白天要正常使用，所以作为集群计算的节点工作主要在晚上和周末的时间，SETI@HOME是“牛计算”的典型套用之一，这是一项利用全球网际网路上的闲置计算资源共同搜寻地球以外文明的科学实验计画，超级计算由此也走入千家万户。不过，后来超级计算这个词在业内逐渐被HPC（High Performance Computing，高性能计算）、HTC (High-throughput Computing，高吞吐计算)等词所取代。HPC计算的主要套用是科学计算，包括核爆炸的模拟（Nuclear Stockpile）、採掘业的模拟计算、气象预报计算等。随着网际网路的发展和普及，HPC计算技术越来越多地被用到了海量数据的存储和查询的套用中，例如Google、Amazon、Ebay、Salesforce，包括近期出现的FaceBook、Twitter、LinkedIn等社区网站以及国内的新浪、Alibaba、盛大等，这些公司都需要建立庞大的“牛计算”系统，用的机器多半都是常规的Linux PC，组成叫Server Farms(伺服器“农场”，和“牛”也相关)的大系统。在这样的系统中，计算能力不再是最关键的因素，HPS也不是必需的，高效的海量存储和处理能力成为核心。因此HPC、超级计算这样的词也逐渐让位给格线计算（Grid Computing）、云计算这样的更贴近于大众化语言的新词。云计算的核心是支撑“XaaS”云计算是并行计算、分散式计算（或“牛计算”）和格线计算的发展，或者说是这些计算机科学概念的商业实现。云计算代表了HPC从科学计算到大众化商业套用的变迁，使以前最烧钱和不赚钱的超级计算产业变成了最赚钱和省钱（充分利用现成的CPU 的计算能力）的生意。云计算使以前的“计算中心”边缘化，“数据中心”成为主流。云计算也是虚拟化、效用计算(Utility Computing)、IaaS(基础设施即服务)、PaaS(平台即服务)、SaaS(软体即服务)、HaaS（硬体作为服务）等XaaS（一切皆服务）概念和技术混合演进的结果。笔者认为云计算的卖点主要有两个：一是节省硬体投资，通过虚拟化等技术使得IT资源的利用率得到提高，而藉助SaaS、IaaS、PaaS、HaaS等服务，用户无需投入资金建立自己的数据中心，就可以灵活满足业务的变化; 二是SaaS 。云计算和SaaS成为一对“黄金搭档”，云计算托起SaaS, SaaS保持用户对云计算的粘性。这里说的SaaS是广义的SaaS，即任何通过浏览器就能实现的软体服务都属于SaaS，而不只是Salesforce所说的多租户（Multi-Tenants）概念下的狭义SaaS 。基于这个定义，网上银行可以算作SaaS，它一般是单租户的，而Google那样的搜寻门户也是SaaS，但它是无租户的。当然，新浪那样的信息门户以及Amazon、Ebay、FaceBook这样的门户也都可以划入SaaS之列，而不仅仅是像Saleforce这样的公司提供的那些服务。当年的ASP后台其实就是云计算，Exodus这样的一批数据中心公司在.COM年代曾经风光无限，但后来全军覆没。ASP厂商失败的根本原因就在于它们没有直接提供XaaS套用，其套用没有用户粘性。所以，前车之鉴，单靠推广IaaS/HaaS的云计算，作为一种商业模式，也多半是要失败的。Amazon使用弹性计算云（EC2）和简单存储服务（S3）为企业提供计算和存储服务。收费的服务项目包括存储伺服器、频宽、CPU资源以及月租费。Amazon把云计算做成一个大生意花了不到两年时间。Amazon上的注册开发人员已达44万人，还有为数众多的企业级用户。由第三方统计机构提供的数据显示，Amazon与云计算相关的业务收入已达1亿美元。云计算是Amazon增长最快的业务之一。在笔者看来，Amazon成功的关键在于它的主营业务保持了用户的粘性，1亿美元的云计算业务相对于它的电子商务主营业务其实可以忽略不计，属于现有资源的扩展利用，只是锦上添花。Google是最大的云计算使用者，其搜寻引擎就建立在分布于200多个地点、超过100万台伺服器的支撑之上。Google地球、地图、Gmail、Docs等也都基于这些基础设施提供。採用Google Docs之类的套用，用户的数据会保存在网际网路上的某个位置，只要通过任何一个与网际网路相连的系统就可以十分便利地访问这些数据。目前，Google已经允许第三方在Google的云计算中通过Google App Engine运行大型并行应用程式。所有这些套用的核心理念还是SaaS 。SaaS是对微软帝国最大的威胁之一，和Oracle一样，微软也可能是“被逼无奈”才大谈云计算。但是，此“云计算”非彼“云计算”，各有目的。在笔者看来，微软推出的Windows Azure云计算“作业系统”其实和云计算理念并不一致。因为云计算的目标之一就是要消除Windows这样的“作业系统”的存在，而目前Windows是市场份额最高的客户端。目前，云计算在我国发展非常迅猛。IBM在中国无锡太湖新城科教产业园建立的中国第一个云计算中心已投入运营，IBM自己在北京的中国创新中心成立了第二家中国的云计算中心—IBM大中华区云计算中心。2008年底，广东电子工业研究院与东莞松山湖科技产业园管委会签约，要在东莞松山湖投资两亿元建立云计算平台。阿里巴巴集团旗下子公司阿里软体也与江苏省南京市政府正式签订协定，要在南京建立国内首个“电子商务云计算中心”，首期投资额将达上亿元人民币。中国移动也推出了BigCloud（大云）。这些云计算中心（或者计画）中，阿里巴巴做云计算是合乎逻辑的，因为它有很大的SaaS业务资源;中国移动有自己的“内部需求”，也有很大规模的数据中心，引入云计算技术充分发挥现有资源的作用，也是合乎逻辑的。其他已建立的云计算中心，不少也就是原来的“计算中心”的升级版，它们对业务模式并不清楚。在笔者看来，国际几大巨头中IBM的云计算路数有些不同，因为IBM没有任何SaaS运营业务。所以，IBM推云计算的意图多半也是“项庄舞剑，意在沛公”，着眼点还是伺服器和软体。云计算的服务对象是数据中心，从技术层面来说，以前HPC系统中常用的软体系统，如PVM/MPI/HPF等都已经派不上大用场了（不过Amazon的CloudMaster基本上就是原来MPP系统中“作业调度”系统重新包装的结果），于是出现了许多新的算法和软体系统。例如Google推出的MapReduce、GFS、Bigtable以及MapReduce的开源实现Hadoop等，主要的东西还是出自Google的，其他厂商正在效仿。云计算的社会效益和商业模式有些人视云计算为第三次IT行业变革时代的开始，很多专家也预测云计算在中国将会有一个广阔前景。在国外人们主要谈商业模式，而在国内大家要考虑社会效益。要想使云计算在中国有一个更美好的未来，两点很关键：政府需要看到社会效益，商家需要看到能赚钱的商业模式。前者可以推动后者，但不能保证后者的成功。关于社会效益，笔者在主文提到的云计算的两个卖点中的第一点：节省硬体投资，充分利用已投入的资源。这一点显然是符合中国目前“建设节约型社会，发展循环经济”的大政方针的，社会效益不言自明。云计算可以缓解目前国内普遍存在的“低水平重複建设”的老大难问题。但是，目前云计算的模式对解决这个问题没有清晰的可操作性。由于受到相关法规，财政预算制度和国民文化习惯的影响，云计算的发展有三大障碍。第一，多数中国企业对从外部採购数据存储服务信心不足，担心会失去对数据的控制; 而且宽频接入速度还太低，无法保障优质的云服务。第二，财政预算制度不支持云计算和SaaS服务所提倡的按需付款的模式，往往上级领导批了一笔钱（尤其在政府部门），都是按项目模式，专款专用，限期必须花完，服务模式行不通。第三，国民文化习惯也不支持云计算和SaaS的“租用”模式，中国人喜欢“拥有”，而且还要是新的。如果上述问题处理不好，产业链是很难形成的。关于商业模式，目前中国还没有Google Docs、Amazon EC2、Salesforce等这样一批在XaaS业务方面有足够粘性作为基础开展云计算业务的企业，很多企业尤其是大企业的云计算计画往往是其研发部门提出来的，而不是真正的公司决策层提出的云计算战略规划。另外，目前国内有许多企业参与追捧云计算，其目的之一也是想藉机得到政府的支持。笔者认为，像阿里软体这样有基础做SaaS和云计算的企业在中国并不多，另外也有几家以前做ASP和SaaS的公司，想通过云计算（和SaaS）的理念重新包装自己，使业务上一个新台阶。在金融领域，云计算可能是率先能够得到成功套用的，例如在银行的柜檯和ATM机，云终端（也就是瘦PC、网路PC）的使用比较顺理成章，云终端比传统PC更安全（安全性是云计算的主要弊端），也可降低成本。当然没想明白的也有不少，从很多公司的业务模式定位上就能看出来，它们以为真的找到了新的发展机遇，其实有很多业务模式根本经不住推敲。笔者认为，云计算是一个很好的业务模式，尤其是它的成功实施会带来很好的社会效益，社会效益的提升必将带来云计算产业的繁荣和各种云计算商业模式的成功。虽然困难不少，但这条路还需走下去，我们祝愿云计算在社会效益和商业模式方面都能够在中国取得真正的成功。云计算与物联网“云计算”概念由Google提出，一如其名，这是一个美丽的网路套用模式。云计算时代，可以抛弃随身碟等移动设备，只需要进入Google Docs页面，新建文档，编辑内容，然后，直接将文档的URL分享给你的朋友或者上司，他可以直接打开浏览器访问URL 。我们再也不用担心因PC硬碟的损坏而发生资料丢失事件。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，指通过网路以按需、易扩展的方式获得所需的资源（硬体、平台、软体）。提供资源的网路被称为“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，指通过网路以按需、易扩展的方式获得所需的服务。这种服务可以是IT和软体、网际网路相关的，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，通常为一些大型伺服器集群，包括计算伺服器、存储伺服器、宽频资源等等。云计算将所有的计算资源集中起来，并由软体实现自动管理，无需人为参与。这使得套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，它是通过网际网路进行传输的。云计算是并行计算(ParallelComputing)、分散式计算(Distributed Computing)和格线计算(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(软体即服务)等概念混合演进并跃升的结果。总的来说，云计算可以算作是格线计算的一个商业演化版。早在2002年，我国刘鹏就针对传统格线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路连线起来，用专门设计的中间件软体有机地粘合在一起，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式所带来的低效性和複杂性，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“伺服器集群”，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。“云云计算管理系统”具有相当的规模，Google云计算已经拥有100多万台伺服器，Amazon、IBM、微软、Yahoo等的“云”均拥有几十万台伺服器。企业私有云一般拥有数百上千台伺服器。“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、使用各种终端获取套用服务。所请求的资源来自“云”，而不是固定的有形的实体。套用在“云”中某处运行，但实际上用户无需了解、也不用担心套用运行的具体位置。只需要一台笔记本或者一个手机，就可以通过网路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套用，在“云”的支撑下可以构造出千变万化的套用，同一个“云”可以同时支撑不同的套用运行。(5) 高可扩展性。“云”的规模可以动态伸缩，满足套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採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，但同时也要重视环境问题，这样才能真正为人类进步做贡献,而不是简单的技术提升。“云计算”时代云计算的演进当今社会，PC依然是我们日常工作生活中的核心工具——我们用PC处理文档、存储资料，通过电子邮件或随身碟与他人分享信息。如果PC硬碟坏了，我们会因为资料丢失而束手无策。而在“云计算”时代，“云”会替我们做存储和计算的工作。“云”就是计算机群，每一群包括了几十万台、甚至上百万台计算机。“云”的好处还在于，其中的计算机可以随时更新，保证“云”长生不老。Google就有好几个这样的“云”，其他IT巨头，如微软、雅虎、亚马逊（Amazon）也有或正在建设这样的“云” 。届时，我们只需要一台能上网的电脑，不需关心存储或计算发生在哪朵“云”上，但一旦有需要，我们可以在任何地点用任何设备，如电脑、手机等，快速地计算和找到这些资料。我们再也不用担心资料丢失。在谷雪梅加入Google以后，她发现这一类概念已经得到了实践。Google的技术，可以让几十万台计算机一起发挥作用，组成强大的数据中心。Google中国前CEO李开复此前接受《财经》采访人员专访时说，Google真正的竞争力就在于有这些“云”，他们让Google有了无与伦比的存储和计算全球数据的能力。Google在创立之初，并没有刻意地去追求“云计算”和“晶格计算”等概念。但作为一家搜寻引擎，Google在客观上需要拥有这些“云” 。实际上，雅虎的搜寻同样用到了“云计算” 。云计算是一种新兴的共享基础架构的方法，它可以将巨大的系统池连线在一起以提供各种IT服务。很多因素推动了对这类环境的需求，其中包括连线设备、实时数据流、SOA 的採用以及搜寻、开放协作、社会网路和移动商务等这样的Web 2.0 套用的急剧增长。另外，数字元器件性能的提升也使IT环境的规模大幅度提高，从而进一步加强了对一个由统一的云进行管理的需求。云计算+always-On设备被评为“25年来最具影响力的十大IT技术组合”《纽约时报》:云计算到底指什幺？云计算的说法正在广为流行，Gartner高级分析师Ben Pring评价道：“它正在成为一个大众化的词语。”但是，问题是似乎每个人对于云计算的理解各不相同。作为一个对网际网路的比喻，“云”是很容易理解的。但是一旦同“计算”联繫起来，它的意义就扩展了，而且开始变得模糊起来。有些分析师和公司把云计算仅仅定义为计算的升级版——基本上就是网际网路上提供的众多虚拟伺服器。另外一些人把云计算定义的更加宽泛，他们认为用户在防火墙保护之外消费的任何事物都处于“云”之中。云计算被人们关注是在人们考虑IT业到底需要什幺之后，人们需要找到一种办法能够在不增加新的投资，新的人力和新的软体的情况下增加网际网路的能力和容量。而云计算正好提供了这种可能。现今云计算正处于一个起步的阶段，大大小小的公司提供着各式各样的云计算服务，从软体套用到网路存储再到邮件过滤。这些公司一部分是基础设备提供商，另一部分是像Salesforce之类的SAAS（软体即服务）提供商。现今主要实现的是基于网际网路的个人服务，但是云计算的聚合和整合正在产生。云计算的几大形式InfoWorld网站同数十家公司、分析家和IT用户讨论出了云计算的几大形式：1.SAAS（软体即服务）这种类型的云计算通过浏览器把程式传给成千上万的用户。在用户眼中看来，这样会省去在伺服器和软体授权上的开支；从供应商角度来看，这样只需要维持一个程式就够了，这样能够减少成本。Salesforce是迄今为止这类服务最为出名的公司。SAAS在人力资源管理程式和ERP中比较常用。Google Apps和Zoho Office也是类似的服务2.实用计算（Utility Computing）这个主意很早就有了，但是直到最近才在Amazon、Sun、IBM和其它提供存储服务和虚拟伺服器的公司中新生。这种云计算是为IT行业创造虚拟的数据中心使得其能够把记忆体、I/O设备、存储和计算能力集中起来成为一个虚拟的资源池来为整个网路提供服务。3.网路服务同SAAS关係密切，网路服务提供者们能够提供API让开发者能够开发更多基于网际网路的套用，而不是提供单机程式。4.平台即服务另一种SAAS，这种形式的云计算把开发环境作为一种服务来提供。你可以使用中间商的设备来开发自己的程式并通过网际网路和其伺服器传到用户手中。5.MSP（管理服务提供商）最古老的云计算运用之一。这种套用更多的是面向IT行业而不是终端用户，常用于邮件病毒扫描、程式监控等等。物联网的概念是在1999年提出的。物联网的英文名称叫“TheInternet of things”，顾名思义，简而言之，物联网就是“物物相连的网际网路” 。这有两层意思：第一，物联网的核心和基础仍然是网际网路，是在网际网路基础上的延伸和扩展的网路；第二，其用户端延伸和扩展到了任何物品与物品之间，进行信息交换和通讯。严格而言，物联网的定义是：通过射频识别（RFID）、红外感应器、全球定位系统、雷射扫描器等信息感测设备，按约定的协定，把任何物品与网际网路连线起来，进行信息交换和通讯，以实现智慧型化识别、定位、跟蹤、监控和管理的一种网路。物联网中非常重要的技术是RFID电子标籤技术。以简单RFID系统为基础，结合已有的网路技术、资料库技术、中间件技术等，构筑一个由大量联网的阅读器和无数移动的标籤组成的，比Internet更为庞大的物联网成为RFID技术发展的趋势。物联网用途广泛，遍及智慧型交通、环境保护、政府工作、公共安全、平安家居、智慧型消防、工业监测、老人护理、个人健康等多个领域。预计物联网是继计算机、网际网路与移动通信网之后的又一次信息产业浪潮。有专家预测10年内物联网就可能大规模普及，这一技术将会发展成为一个上万亿元规模的高科技市场。国际电信联盟2005年一份报告曾描绘“物联网”时代的图景：当司机出现操作失误时汽车会自动报警；公文包会提醒主人忘带了什幺东西；衣服会“告诉”洗衣机对颜色和水温的要求等等。物联网把新一代IT技术充分运用在各行各业之中，具体地说，就是把感应器嵌入和装备到电网、铁路、桥樑、隧道、公路、建筑、供水系统、大坝、油气管道等各种物体中，然后将“物联网”与现有的网际网路整合起来，实现人类社会与物理系统的整合，在这个整合的网路当中，存在能力超级强大的中心计算机群，能够对整合网路内的人员、机器、设备和基础设施实施实时的管理和控制，在此基础上，人类可以以更加精细和动态的方式管理生产和生活，达到“智慧”状态，提高资源利用率和生产力水平，改善人与自然间的关係。物联网是利用无所不在的网路技术建立起来的，是继计算机、网际网路与移动通信网之后的又一次信息产业浪潮，是一个全新的技术领域。早在1999年，在美国召开的移动计算和网路国际会议就提出，“感测网是下一个世纪人类面临的又一个发展机遇”；2003年，美国《技术评论》提出感测网路技术将是未来改变人们生活的十大技术之首；2005年，在突尼西亚举行的信息社会世界峰会（WSIS）上，国际电信联盟（ITU）发布了《ITU网际网路报告2005：物联网》，正式提出了“物联网”的概念。毫无疑问，如果“物联网”时代来临，人们的日常生活将发生翻天覆地的变化。然而，不谈什幺隐私权和辐射问题，单把所有物品都植入识别晶片这一点现在看来还不太现实。人们正走向“物联网”时代，但这个过程可能需要很长很长的时间。