云计算行业发展研究报告,SOA和云计算之间企业如何选择

如何使用云计算构建企业架构？

如果用云计算构建企业架构，首先要考虑企业架构设计中存在哪些问题，设计原则是什么？有哪些场景？为什么要考虑架构设计问题？1、墨菲定律（心理学效应）提出：任何事都没有表面看起来那么简单所有事都会比预计的时间长会出错的事总会出错如果你担心某种事发生，那么它更有可能发生2、必须要考虑的问题：将业务部署在公有云上是大势所趋企业对公有云服务能力的期待和公有云现有能力有差距不能简单依赖公有云提供的SLA来保障业务稳定性3、企业在云上设计高可用架构需要考虑的3个要素：云基础设施和云服务的高可用性企业运行业务环境的高可用性企业业务和客户端通信的高可用性企业架构设计原则1、 容错设计原则* 系统架构设计的时候需要考虑到应用系统的每一个层面（包 括软件和硬件）* 在应用系统架构设计上消除单一故障点，实现高可用性2、 从程序开发部署的视角看： 系统失效的容错设计 * 利用云原生容错的服务来增强业务的容错能力 松耦合和无状态设计 * 使用中间件进行解耦，无状态的应用能更好的伸缩 可扩展性和自动缩放设计 * 利用云端的弹性伸缩机制来增加资源的灵活性 安全的设计 * 将安全理念贯穿到设计中，减少不必要的暴露面3、从服务模块部署的视角看：* 高可用性（HA）、容灾和灾难恢复（DR)是架构设计中不可 忽略的两块内容* 高可用性的部署面向于将业务完全部署在云端的场景* 容灾和灾难恢复面向于将本地机房和云端业务打通的场景高可用架构设计客户在云端环境设计高可用架构时需考虑以下几个方面：服务器级别的容错恢复云服务区域级别的容错与恢复云平台级别的容错与恢复应用系统的SOA和服务化使用云端工具构建自动化平台，用代码管理基础设施企业进行高可用云架构设计场景应用场景1-服务器级别的容错和恢复应用场景2-使用弹性伸缩功能快速调整 集群应用场景3-区域级别的容错和恢复应用场景4-多可用区部署的容错和恢复。

以前没有云计算是什么情况？现在有了云计算又是什么情况？

云计算包括IaaS、PaaS、SaaS，其中IaaS、SaaS发展更快一些，PaaS发展相对偏慢，以前没有IaaS的时候都是各种硬件服务器，如:刀片式服务器、塔式服务器、机架式服务器等，大客户的机房多是机架式、刀片式服务器，整齐规范、易扩展、易维护，小规模客户则塔式服务器多一些，各种操作系统OS（WinServer系列、Linux系列等）直接安装在硬件服务器上，然后OS上安装中间件、数据库、应用程序等。

后续慢慢虚拟机盛行起来，如:Vmware、Citrix等，微软也有自己虚拟机，在硬件服务器上做虚拟机，在虚拟机上安装中间件、数据库、应用程序等也很常见了，这其实也是IaaS的前身，类似OpenStack、CoudStack开源云管理平台流行后，IaaS的时代就到来了，阿里云、华为云等各种IaaS提供商开始发力、抢占市场，其实企业自己做虚拟化配置门槛并不高，对于大型企事业单位都要求IaaS的私有化模式、要求整个集团共用IaaS，这也是当前集成商干的活儿。

我们SaaS真正做的好的并不多，没有类似Salesforce这种巨头，客户都要求个性化、很难整齐划一，而一旦个性化太多就像做项目模式来做SaaS很容易就做死了。SaaS要做个性化就必须有扩展开发平台，这样就PaaS化了，事实上这算是PaaS的一种变形。PaaS发展的最慢、也是最值得期待的，PaaS通常分两种，aPaaS和iPaaS，即:应用PaaS和集成PaaS，前者通常是应用开发平台（微服务化） 运行平台（容器化） 部分预置应用（CRM、OA、HR、FI），后者通常是SOA集成中间件起家的厂商在迭代升级，典型的模式就是把类似ESB、MDM、IDM、BPM、Portal、DAP等集成中间件产品容器化，基于K8S统一调度管理，iPaaS是数通畅联主推模式，连接应用、协同业务、共享数据，AEAI iPaaS=UMC 容器化的集成套件 CI/CD机制，其中UMC是对各容器化集成套件的管理工具（统一管理监控中心)。

如今，人人都在说，大数据、人工智能、云计算，它们之间是什么关系？

大数据和机器学习是我的主要研究方向，同时也在带相关方向的研究生，所以我来回答一下这个问题。要想了解大数据、云计算和人工智能之间的关系，首先要搞清楚他们各自的概念以及应用场景。大数据的核心是数据的价值化，整个大数据技术体系紧紧围绕数据展开。大数据的产业链包括数据的采集、存储、安全、分析和应用，其中大数据分析是大数据价值化的重要手段。

大数据的主要数据来源有三个渠道，分别是传统信息系统、Web系统和物联网系统，其中物联网系统是大数据的主要数据来源，所以说大数据是互联网和物联网发展的必然结果。云计算的核心是服务，云计算通过互联网为不同用户提供针对性的计算资源服务，包括IaaS、PaaS和SaaS。云计算的特点有三个，其一是为用户提供廉价的计算资源；其二是云计算的服务是动态可扩展的；其三是云计算能够根据用户的不同需求提供针对性的服务。

另外，云计算不仅为用户节省了硬件建设的成本，同时也降低了系统的运维成本，在安全控制方面也有系统的解决方案，云计算正逐渐成为整个互联网的支撑性服务。人工智能的核心是合理的决策和行动，主要的研究方向包括自然语言处理、机器学习、计算机视觉、自动推理、知识表示和机器人学，目前计算机视觉、自然语言处理和机器学习的应用比较普遍。

大数据的基础是物联网和云计算，可以说大数据是物联网和云计算发展的必然结果，从计算体系上来看，大数据与云计算都是以分布式存储和分布式计算为基础，只不过大数据关注数据，而云计算关注于服务。大数据是人工智能的基础，人工智能的决策依赖于大数据的分析，所以从层次结构上来看，物联网是第一层，负责感知和操控环境；云计算位于第二层，负责为大数据和人工智能提供服务支撑；大数据位于第三层，完成数据的整理和分析；人工智能位于第四层，完成最终的智能决策。