雲端運算-期中考
第一章
- 雲端運算的特色
- 自主服務
- 決定自己的服務範疇(客製化)
- 網路存取
- 只需要有網路即可獲得服務
- 資源共享
- 網路、伺服器、儲存裝置等
- 快速彈性
- 動態彈性資源配置
- 按量計價
- 自主服務
- 雲端服務的類型與代表服務供應商
- 基礎設施即服務(IaaS)
- 提供用戶運算、儲存、網路和其他基本的計算資源
- 部署或執行各種作業系統或應用軟體
- 供應商:Amazon EC2、Google Compute Engine、Rackspace Cloud、Flexiscale、GoGrid、Joyent Cloud、RightScale
- 平台即服務(PaaS)
- 提供用戶部署開發應用程式所需的程式語言、程式庫、服務和工具的雲端基礎設施
- 供應商:Amazon Elastic Beanstalk、Google App Engine、Microsoft Windows Azure、Heroku、Forec.com、EngineYard、Mendix
- 軟體即服務(SaaS)
- 在雲端的基礎架構上使用供應商的軟體服務
- 供應商:Google Apps、Microsoft Office 365、Saleforce.com、Quickbooks Online
- 基礎設施即服務(IaaS)
- 雲端部署的模式與其特性/優缺點
- 私有雲(Private Cloud)
- 也稱為內部雲(Internal Cloud),為了一個組織自己使用所設計的雲端
- 優點:效率、可靠度、安全有高度的控制能力
- 缺點:需要自己購買、建置、管理,沒有初期無需建置成本的好處
- 公有雲(Public Cloud)
- 提供計算、儲存和應用程式資源給一般大眾使用,通常是由一個大型組織所提供,用戶透過Internet來存取服務,並採用隨用隨附的收費方式
- 優點:初期不用大量投資成本在基礎設施
- 缺點:缺乏較好的控制資料、網路和安全的機制,所以在企業的運用中大大降低效能
- 混合雲(Hybrid Cloud)
- 結合公有雲和私有雲,保有各自的特點又採用所有的優點。一部分的服務在公有雲中執行,一部分在私有雲中執行
- 優點:比公有雲和私有雲彈性,比公有雲具有更緊密的控制和安全性,可以有較佳的隨取即用的好處
- 缺點:在設計混合雲時需要仔細考慮公有雲和私有雲結合的分割點
- 社群雲(Community Cloud)
- 一些組織有共同特定的考量(例如任務、安全需求、政策法規)共享基礎設施,可能由自己、第三方、或是外部供應商來管理
- 優點:共享資源與安全性可同時兼顧、費用比私有雲少
- 缺點:費用比公有雲多
- 私有雲(Private Cloud)
- 雲端運算重要的技術
- 硬體
- 虛擬化技術
- 在資料中心建置和維運操作是一個好的解決技術
- 將處理器、記憶體和I/O設備等資源,增進資源的分享和使用率
- 可以在一個實體機器上執行許多的作業系統和軟體
- 虛擬化技術
- 分散式計算
- 網格計算
- 利用大量異構計算機的未用資源(CPU和磁碟存儲),作為分散式網路中的一個虛擬計算叢集
- 鬆散耦合、異質性和分散的特性
- 公用計算
- 整合計算資源,例如CPU、儲存裝置和服務,而且可計量的服務。
- 以較低的初始成本來使用計算資源
- 演進到所謂需求即用的方式
- 網格計算
- Internet技術
- Web服務(Web Service, WS)
- 在不同訊息的產品平台上將應用軟體整合起來
- 一個應用程式的資訊可在另外一個應用程式上使用
- 可使得內部的應用程式可透過Internet使用
- 服務導向架構(Service-oriented Architecture, SOA)
- 提供使用者一些服務,像是Web-based的應用程式,就是一種SOA-based的服務。強調系統之間能互相整合與溝通
- XML在SOA服務中,通常被用來當作介面
- Web 2.0
- 網路在WWW上分享資訊、容易溝通、使用者為中心和互相合作
- 使用者可以透過虛擬社群中與使用者產生內容的互動
- 社群網站、部落格(Blog)、Wiki百科全書(Wiki)、影音分享網站等
- Web服務(Web Service, WS)
- 系統管理
- 自主計算(Autonomic Computing)
- 系統只需人的高階指示,便能自行管理
- 自主計算使用高階策略來自我決策,將持續檢查以達最佳化的狀態,自動自我調整去適合現況
- 自主計算(Autonomic Computing)
- 硬體
- 何謂服務等級協定(SLA)與其好處
- 雲端運算的服務就像是公共資源的使用一樣,不同的服務品質(QoS)必須保證能符合使用者的需求
- SLA是服務供應商和使用者間確保服務品質的正式契約
- 優點:
- 加強客戶的滿意程度
- 改善服務品質
- 改善雙方關係
- 原始動機:減少雙方糾紛
- 雲端運算的挑戰,舉2個說明之類
- 安全、隱私和法規
- 使用了許多第三方(third-party)的服務和基礎設施去處理重要的資料和執行緊急的運算
- 資料的實際資料中心地點卻會受到當地法規的限制
- 資料套牢和標準
- 不具備透通性,資料也不能任意轉移
- 雲端運算互通論壇(CCIF)
- 統一雲端介面(Unified Cloud Interface,UCI)
- 開放虛擬格式(Open Virtual Format,OVF)
- 可用性、容錯和回復
- SLA制定了提供服務的細節,包括可用性、效率的保證。此外這些協議必須所有相關的人或廠商都同意,甚至制定違反協議時要如何賠償
- 資源管理和能源效益
- 如何有效管理虛擬資源池,虛擬機如何在一個實體資源中考慮一些因素找到好的對應方式,讓使用率最大化
- 資料中心消耗大量的能源,包含電力、冷卻系統、二氧化碳等
- 安全、隱私和法規
第二章
- 雲端運算特殊成本,舉2個說明
- 轉移或更改系統的花費、資料安全等問題
- 系統相容性與建置成本等問題
- 人力成本 → IT人員須熟悉新雲端技術 (培訓等成本)
- 資料或技術被竊取的安全性議題
- 當前雲端平台的使用限制
- 平台與資料轉移等限制 (From local server to cloud)
- 雲端服務轉移至另一個雲端服務或是私有設備的成本
- 不同平台與資料轉移問題 → 是否有通用/標準API?
- 傳統系統的授權機制與雲端環境不同所增加的授權成本
- 傳統系統的授權模型和雲端環境可能不同。組織可能需要重新考慮其軟體授權和許可成本,以確保符合雲端環境的需求。
- 轉移或更改系統的花費、資料安全等問題
- 雲端運算對中、小型組織的優點,舉2個說明
- 無投資成本
- 預備資源不足
- 快速切入市場
- 服務資源多元化
- 確保服務穩定
- 高延展性
- 高技術與專業RD
- 雲端運算對大型組織的優點,舉2個說明
- 異地備援
- 服務創新/開發市場
- 節省授權成本
- 高運算轉移至雲端
- 部分服務轉移雲端
- 雲端的價格模型說明
- 階層定價
- 雲端服務根據使用哪一層來提供服務,每一層在每單位時間內,採用固定的價格提供固定的運算規格與服務品質協議(SLA)
- 單位定價
- 基於特定服務的單位,例如資料移轉和記憶體分配
- 客戶可以根據應用軟體的需要,更有效率設定它的系統
- 例如GoGrid,戶在GoGrid雲端上佈建伺服器是根據RAM/每小時來付費
- 訂閱定價
- Saas供應商大都採用這種定價方式,使用者付一段訂閱時間來使用軟體或整合在他們應用軟體中的特定元件
- 階層定價
第三章
- 虛擬化成為關注的技術,舉2個說明
- 計算能力和效率的增加 → 軟硬體使用率下降
- 現行機器運算能力逐漸提升足以應用日常運作 → 浪費過多系統資源
- 具充足的資源來執行虛擬機
- 可使用處理其他業務來提高使用率
- 空間不足
- 中小型企業因空間不足無法建置大型資料中心 → 考量使用虛擬化技術來提升使用率並達到節省空間目的
- 綠色節能
- 透過減少伺服器數量進而降低碳足跡 → 虛擬化因提昇使用效率可降低伺服器數量
- 管理成本增加
- 電力與冷卻成本 > 資訊設備成本
- 越多資訊設備 → 管理成本越高 (增加人事系統管理員成本 → 資源監控、資源備份與設定更新等成本
- 計算能力和效率的增加 → 軟硬體使用率下降
- 虛擬機管理器(Hypervisor)的模型(Type I, II) 架構差別說明
- 第一型(Type I)
- 虛擬機管理器直接在硬體上執行,取代了OS的功能,直接與硬體下的ISA介面溝通
- 模解這個介面可以管理使用者的OS
- 也稱為原型虛擬機(Native Virtual Machine)、Bare-metal Hypervisor
- 第二型(Type II)
- 需要OS的支援來提供虛擬化服務,也就是它們是由OS來管理
- 作業系統透過ABI和模擬虛擬機的ISA來服務使用者的OS
- 也稱為主機虛擬機(Host Virtual Machine)、Hosted Hypervisor
- 第一型(Type I)
- 硬體的虛擬化技術說明
- 硬體輔助的虛擬化
- 硬體支援各種虛擬化 (如:CPU, Memory, Disk, and so on)
- 全虛擬化
- 虛擬機上執行一個幾乎像是作業系統的程式 → 執行在真實主機上
- 程式完全不需要修改
- 虛擬機須完整模擬底層硬體架構
- 優點:完全的隔離 → 提高安全性、容易模擬不同的架構
- 半虛擬化
- 目標:將部分難以虛擬化的作業直接運作在主機上
- 優點:User App 效能提升
- 缺點:需修改作業系統 → 僅適合Open source原始碼作業系統
- 部分虛擬化
- 提供部分的模擬
- 不允許在完全隔離下完整執行使用者的作業系統
- 硬體輔助的虛擬化
- 網路虛擬化
- 外部
- 聚集不同的實體網路成爲虛擬網路
- 內部
- 將硬體和作業系統層的虛擬化結合,使用者能夠藉由虛擬網路介面互相通訊
- 外部
第四章
- 大數據的特色,舉2個說明
- 通常都發生在非科學應用的領域
- 社群網路、大型的電子商務 (相片檔案庫與影音檔案庫)、RFID、感測網路、Internet上的文字和文件、Internet 搜尋索引
- 新的資料是隨著時間繼續增加,而不是取代舊的資料
- 這個世界已經變得感知(Instrumented)、物聯化(Interconnected)和智慧化(Intelligent)
- 所有的物件可感知周圍環境的資訊,像是溫度、濕度、風力等,然後透過物物相連的物聯化,將資料傳到雲端,經由這些巨量資料分析出有用的資訊
- 通常都發生在非科學應用的領域
- 大數據的五V特性說明
- 巨量化(Vloume)
- 靜態資料
- 必須處理TB甚至是EB的大量資料
- 快速化(Velocity)
- 動態資料
- 串流的資料或是短時間大量的資料產生
- 多樣化(Variety)
- 資料格式多樣
- 結構化、非結構化、文章、多媒體資等資料
- 不確定性(Veracity)
- 資料不確定、資料不一致、不完整、延遲、假資料
- 價值(Value)
- 高效的分析並且轉為利潤
- 巨量化(Vloume)
- 資料和分析模型種類說明
- 資料和分析模型都是私有的
- 資料牽扯隱私,分析模型也可能是公司獨創,採用私有雲架構
- 資料和分析模型都是公開的
- 沒有太大的機密性或是隱私問題需要考量,採用公有雲架構
- 若考慮組織內部IT設備使用率,可採用混合雲架構
- 資料是私有的,分析模型是公開的
- 資料是私有的,牽扯機密或是隱私問題,可以將資料與分析模型全部架設在私有雲上
- 分析模型是公開的,不會影響到企業本身,可部署在公有雲上,但不能讓其直接存取資料(私有雲),需考慮加密等問題。私有雲
- 資料是公開的,分析模型是私有的
- 資料爲公開資料,沒有機密、隱私的問題存在,可以利用公有雲來協助儲存資料,並且將需要保密的分析模組架設在企業內部的私有雲上,使用混合雲的模式協助進行。
- 資料和分析模型都是私有的
- MapReduce/Hadoop
- MapReduce
- 用兩個簡單的函數Map和Reduce來表示應用程式的計算邏輯
- 資料的傳送和管理完全由分散式的儲存基礎建設(例如:GoogleFile System, GFS) 來處理,它負責提供資料的存取、備份檔案和移動資料到所需的地方
- Hadoop
- 最常拿來架構MapReduce解決方案的開放原始碼系統
- 業界最常使用的運算架構
- 利用在 HDFS 的檔案系統上面製作多個分析節點 , 運行MapReduce的應用程式時,Hadoop的運算節點會分別將其資料進行彙整分析,之後再將結果傳回主節點進行整合
- MapReduce
- NoSQL資料庫 vs. 關聯性資料庫
- NoSQL資料庫
- 顧名思義就是不使用關聯式模型儲存資料的資料庫
- 適用於非結構化 (文件、圖型、與鍵-值等)
- 資料倉儲不適合在MapReduce的模型中分析這類關係的資料
- 智慧商業使用傳統資料倉儲造成BI在流程上也有問題
- 顧名思義就是不使用關聯式模型儲存資料的資料庫
- 關聯性資料庫
- 包含資料列和資料欄的資料表格式存放資料。資料欄包含資料屬性,而資料列則包含資料值
- 連結關聯式資料庫中的資料表,以深入了解不同資料點之間的互連情況
- NoSQL資料庫
- 大數據的營運模式
- 建立共享的平台讓各個使用者執行其分析工作
- 適用多個組織與企業皆須分析資料 → 自行上傳分析方案 (模組)
- End-to-end的完整服務提供
- 適用前提:使用者本身不具備大數據相關專業與數據
- 大數據服務供應商提供整套方案 (分析軟體和環境)
- 使用者僅需定義問題與調整模組與上傳資料
- 將分析能力本身作爲服務提供
- 大數據供應商提供分析模組與公開資料來販售服務
- 適用使用者本身不具備足夠的資料
- 建立共享的平台讓各個使用者執行其分析工作
- 大數據的分析服務
- 分析即服務(Analytics-as-a-Service, AaaS)
- 服務供應商提供多種分析方式給客戶,讓客戶依照他們的需求挑選能夠達到其目的之解決方法
- 使用者提供需求 → 供應商提供適合的模型給使用者 (模型已最佳化)
- 模型即服務(Model-as-a-Service, Maas)
- 提供分析模型讓使用者能將分析方法佈建其上
- 供應商提供多樣性模型 → 使用者自行決定使用模型與校調
- 但是這兩種服務若是與雲端運算結合將會面臨一些額外的挑戰,例如資料的傳輸
- 分析即服務(Analytics-as-a-Service, AaaS)
第五章
- 雲端儲存蓬勃發展的原因
- 大數據逐漸普及
- 越來越多的領域中,Big Data的資料處理越來越普及
- 因為需求,提出新的架構與資料庫管理技術
- 資料分析的重要性提升
- 資料是一種創造利潤的資產
- 透過巨量資料以支持需要的資料探勘與資料分析
- 處理更多不同種類的資料
- 傳統系統運用中結構化的資料會不斷地增加,同時系統必須要處理一些不同格式的資料
- 新的運算技術與運用方式
- 雲端運算提供動態運算能力,讓程式設計的架構產生變化,使程式可以擴展到任意數量的平行處理
- 雲端比起傳統可部屬在不同節點上,甚至可能只動態的存在很短的時間
- 大數據逐漸普及
- 雲端儲存與傳統儲存之差異比較表
- 資料庫管理系統 DBMS
- 為了管理資料庫所設計的電腦軟體
- 具有儲存、擷取、安全保障、備份等基礎功能
- 依據查詢語言、效能衝量重點、支援的資料庫模型來分類
- 分散式檔案系統 DFS
- 或稱網路檔案系統 Network File System (NFS)
- 允許檔案透過網路在多台主機上分享的檔案系統
- 藉由通訊協定的設計,可以讓客戶端和伺服器端都能根據存取控制清單或是授權,來限制對於檔案系統的存取
- 透通的資料複製與容錯
第六章
- 雲端運算搭配行動運算之3個優點
- 延長電池壽命
- 將複雜且消耗大量運算處理轉移到雲端伺服器,處理完再回傳給行動設備
- 以避免複雜計算與較長的執行時間
- 改善資料的處理能力和儲存的能力
- 處理和儲存都在雲端上進行,使用者可以節省大量的能源和儲存空間
- 提高可靠性
- 程式和資料可在雲端中進行備份
- 程式當機或是資料遺失等風險將大幅減少
- 延長電池壽命
- 行動雲端運算的應用,舉2~3個應用
- 行動商務
- 將電子商務(E-Commerce)與行動運算進行結合之後產生的新形態商業模式
- 傳統的電子商務流程套用在行動裝置上時,會因爲行動裝置的運算能力、網路頻寬和高複雜度的安全性等問題導致無法順利應用
- 行動學習
- 根據數位學習(E-Leaming)的應用而來
- 雲端運算強大的處理和儲存能力,配合行動裝置提供更豐富的學習內容,同時兼顧處理速度和行動裝置的電池壽命。最重要的是,透過雲端運算做到共享教育資源,提供更完整的教材和學習情境
- 行動照護
- 醫療行危中搭配行動運算減少了傳統醫療行爲的侷限性,同時降低醫療行烏的錯誤率
- 搭配行動照護的應用,使用者利用行動設備記錄自己的健康資訊,在需要的時候可以輕易地取得自己的健康資料提供專業醫護人員做爲參考
- 行動遊戲
- 雲端準備好的資源中進行運算,再將結果回傳給使用者。如此一來,使用者只需經由連接這些雲端資源的簡單設備或行動裝置的瀏覽器即可使用。
- 其他運用
- 內容的搜尋、文字、圖片辨識、語音、即時翻譯、大型資料
- 行動商務
- Native App與Web App之優缺點,各舉例兩點
- Native APP
- 優點:執行速度快、效能佳、硬體裝置支援度較好、網頁依存度較低
- 缺點:不同裝置需使用不同的程式語言、需個別開發、上架需官方審核、有更新需重新上架、審核
- Web APP
- 優點:不同的裝置上,使用相同的前端技術開發、只需在瀏覽器輸入網址即可測試(重新整理、不須支付開發者費用、不須上架、不須審核、網頁更新只要Server更新、使用者無需重新安裝
- 缺點:速度沒有手機app快、不適合較快速反應的程式、不適合複雜的動畫、不適合複雜的遊戲、對硬體支援度較不好、網路依存度高
- Native APP