各位老铁们，大家好，今天由我来为大家分享云计算交易平台诞生，以及简述云计算的演进历程的相关问题知识，希望对大家有所帮助。如果可以帮助到大家，还望关注收藏下本站，您的支持是我们最大的动力，谢谢大家了哈，下面我们开始吧！

本文目录

1. 大数据、云计算、人工智能之间有什么样的关系
2. 云计算前景好么
3. 简述云计算的演进历程

一、大数据、云计算、人工智能之间有什么样的关系

云计算最初的目标是对资源的管理，管理的主要是计算资源，网络资源，存储资源三个方面。想象你有一大堆的服务器，交换机，存储设备，放在你的机房里面，你最想做的事情就是把这些东西统一的管理起来，最好能达到当别人向你请求分配资源的时候（例如1核1G内存，10G硬盘，1M带宽的机器），能够达到想什么时候要就能什么时候要，想要多少就有多少的状态。

这就是所谓的弹性，俗话说就是灵活性。灵活性分两个方面，想什么时候要就什么时候要，这叫做时间灵活性，想要多少就要多少，这叫做空间灵活性。

物理机显然是做不到这一点的。虽然物理设备是越来越牛了：

服务器用的是物理机，例如戴尔，惠普，IBM，联想等物理服务器，随着硬件设备的进步，物理服务器越来越强大了，64核128G内存都算是普通配置。

网络用的是硬件交换机和路由器，例如思科的，华为的，从1GE到10GE，现在有40GE和100GE，带宽越来越牛。

存储方面有的用普通的磁盘，也有了更快的SSD盘。容量从M，到G，连笔记本电脑都能配置到T，更何况磁盘阵列。所以人们想到的第一个办法叫做虚拟化。所谓虚拟化，就是把实的变成虚的。

物理机变为虚拟机：cpu是虚拟的，内存是虚拟的。

物理交换机变为虚拟交换机：网卡是虚拟的，交换机是虚拟的，带宽也是虚拟的。

物理存储变成虚拟存储：多块硬盘虚拟成一个存储池，从中虚拟出多块小硬盘。

虚拟化很好的解决了上面的三个问题：

人工运维：虚拟机的创建和删除都可以远程操作，虚拟机被玩坏了，删了再建一个分钟级别的。虚拟网络的配置也可以远程操作，创建网卡，分配带宽都是调用接口就能搞定的。

浪费资源：虚拟化了以后，资源可以分配的很小很小，比如1个cpu，1G内存，1M带宽，1G硬盘，都可以被虚拟出来。

隔离性差：每个虚拟机有独立的cpu,内存，硬盘，网卡，不同虚拟机的应用互不干扰。

在虚拟化阶段，领跑者是VMware，可以实现基本的计算，网络，存储的虚拟化。

当然这个世界有闭源，就有开源，有Windows就有Linux，有iOS就有Andord，有VMware，就有Xen和KVM。在开源虚拟化方面，Citrix的Xen做的不错，后来Redhat在KVM发力不少。

对于网络虚拟化，有Open vSwitch，可以通过命令创建网桥，网卡，设置VLAN，设置带宽。

对于存储虚拟化，对于本地盘，有LVM，可以将多个硬盘变成一大块盘，然后在里面切出一小块给用户。

但是虚拟化也有缺点，通过虚拟化软件创建虚拟机，需要人工指定放在哪台机器上，硬盘放在哪个存储设备上，网络的VLAN

ID，带宽具体的配置，都需要人工指定。所以单单使用虚拟化的运维工程师往往有一个Excel表格，有多少台机器，每台机器部署了哪些虚拟机。所以，一般虚拟化的集群数目都不是特别的大。

为了解决虚拟化阶段的问题，人们想到的一个方式为池化，也就是说虚拟化已经将资源分的很细了，但是对于如此细粒度的资源靠Excel去管理，成本太高，能不能打成一个大的池，当需要资源的时候，帮助用户自动的选择，而非用户指定。所以这个阶段的关键点：调度器Scheduler。

于是基于Xen和KVM的私有云平台CloudStack，后来Citrix将其收购后开源。

当这些私有云平台在用户的数据中心里面卖的其贵无比，赚的盆满钵满的时候。有其他的公司开始了另外的选择，这就是AWS和Google，开始了公有云领域的探索。

AWS最初就是基于Xen技术进行虚拟化的，并且最终形成了公有云平台。也许AWS最初只是不想让自己的电商领域的利润全部交给私有云厂商吧，于是自己的云平台首先支撑起了自己的业务，在这个过程中，AWS自己严肃的使用了自己的云计算平台，使得公有云平台不是对于资源的配置更加友好，而是对于应用的部署更加友好，最终大放异彩。

公有云的第一名AWS活的很爽，第二名Rackspace就不太爽了，没错，互联网行业嘛，基本上就是一家独大。第二名如何逆袭呢？开源是很好的办法，让整个行业大家一起为这个云平台出力，兄弟们，大家一起上。于是Rackspace与美国航空航天局（NASA）合作创始了开源云平台OpenStack。OpenStack现在发展的和AWS有点像了，所以从OpenStack的模块组成，可以看到云计算池化的方法。

计算池化模块Nova：OpenStack的计算虚拟化主要使用KVM，然而到底在那个物理机上开虚拟机呢，这要靠nova-scheduler。

网络池化模块Neutron：OpenStack的网络虚拟化主要使用Openvswitch，然而对于每一个Openvswitch的虚拟网络，虚拟网卡，VLAN，带宽的配置，不需要登录到集群上配置，Neutron可以通过SDN的方式进行配置。

存储池化模块Cinder:OpenStack的存储虚拟化，如果使用本地盘，则基于LVM，使用哪个LVM上分配的盘，也是用过scheduler来的。后来就有了将多台机器的硬盘打成一个池的方式Ceph，则调度的过程，则在Ceph层完成。

有了OpenStack，所有的私有云厂商都疯了，原来VMware在私有云市场实在赚的太多了，眼巴巴的看着，没有对应的平台可以和他抗衡。现在有了现成的框架，再加上自己的硬件设备，你可以想象到的所有的IT厂商的巨头，全部加入到社区里面来，将OpenStack开发为自己的产品，连同硬件设备一起，杀入私有云市场。

网易当然也没有错过这次风口，上线了自己的OpenStack集群，网易云基础服务（网易蜂巢）基于OpenStack自主研发了IaaS服务，在计算虚拟化方面，通过裁剪KVM镜像，优化虚拟机启动流程等改进，实现了虚拟机的秒级别启动。在网络虚拟化方面，通过SDN和Openvswitch技术，实现了虚拟机之间的高性能互访。在存储虚拟化方面，通过优化Ceph存储，实现高性能云盘。

但是网易并没有杀进私有云市场，而是使用OpenStack支撑起了自己的应用，仅仅是资源层面弹性是不够的，还需要开发出对应用部署友好的组件。

随着公有云和基于OpenStack的私有云越来越成熟，构造一个成千上万个物理节点的云平台以及不是问题，而且很多云厂商都会采取多个数据中心部署多套云平台，总的规模数量就更加大了，在这个规模下，对于客户感知来说，基本上可以实现想什么时候要什么时候要，想要多少要多少。

云计算解决了基础资源层的弹性伸缩，却没有解决应用随基础资源层弹性伸缩而带来的批量、快速部署问题。比如在双十一期间，10个节点要变成100个节点，如果使用物理设备，再买90台机器肯定来不及，仅仅有IaaS实现资源的弹性是不够的，再创建90台虚拟机，也是空的，还是需要运维人员一台一台地部署。于是有了PaaS层，PaaS主要用于管理应用层。我总结为两部分：一部分是你自己的应用应当自动部署，比如Puppet、Chef、Ansible、

Foundry，CloudFormation等，可以通过脚本帮你部署；另一部分是你觉得复杂的通用应用不用部署，比如数据库、缓存等可以在云平台上一点即得。

要么就是自动部署，要么就是不用部署，总的来说就是应用层你也少操心，就是PaaS的作用。当然最好还是都不用去部署，一键可得，所以公有云平台将通用的服务都做成了PaaS平台。另一些你自己开发的应用，除了你自己其他人不会知道，所以你可以用工具变成自动部署。

当然这种部署方式也有一个问题，就是无论Puppet、

Chef、Ansible把安装脚本抽象的再好，说到底也是基于脚本的，然而应用所在的环境千差万别。文件路径的差别，文件权限的差别，依赖包的差别，应用环境的差别，Tomcat、

Apache等软件版本的差别，JDK、Python等版本的差别，是否安装了一些系统软件，是否占用了哪些端口，都可能造成脚本执行的不成功。所以看起来是一旦脚本写好，就能够快速复制了，但是环境稍有改变，就需要把脚本进行新一轮的修改、测试、联调。例如在数据中心写好的脚本移到AWS上就不一定直接能用，在AWS上联调好了，迁移到Google

容器是Container，Container另一个意思是集装箱，其实容器的思想就是要变成软件交付的集装箱。集装箱的特点，一是打包，二是标准。

在没有集装箱的时代，假设将货物从A运到B，中间要经过三个码头、换三次船。每次都要将货物卸下船来，摆的七零八落，然后搬上船重新整齐摆好。因此在没有集装箱的时候，每次换船，船员们都要在岸上待几天才能走。

有了集装箱以后，所有的货物都打包在一起了，并且集装箱的尺寸全部一致，所以每次换船的时候，一个箱子整体搬过去就行了，小时级别就能完成，船员再也不能上岸长时间耽搁了。

这是集装箱“打包”、“标准”两大特点在生活中的应用。

部署任何一个应用，也包含很多零零散散的东西，权限，用户，路径，配置，应用环境等！这就像很多零碎地货物，如果不打包，就需要在开发、测试、生产的每个环境上重新查看以保证环境的一致，有时甚至要将这些环境重新搭建一遍，就像每次将货物卸载、重装一样麻烦。中间稍有差池，都可能导致程序的运行失败。

那么容器如何对应用打包呢？还是要学习集装箱，首先要有个封闭的环境，将货物封装起来，让货物之间互不干扰，互相隔离，这样装货卸货才方便。

封闭的环境主要使用了两种技术，一种是看起来是隔离的技术，称为namespace，也即每个namespace中的应用看到的是不同的IP地址、用户空间、程号等。另一种是用起来是隔离的技术，称为cgroup，也即明明整台机器有很多的CPU、内存，而一个应用只能用其中的一部分。

有了这两项技术，集装箱的铁盒子我们是焊好了，接下来就是如何将这个集装箱标准化，从而在哪艘船上都能运输。这里的标准一个是镜像，一个是容器的运行环境。

所谓的镜像，就是将你焊好集装箱的那个时刻，将集装箱的状态保存下来，就像孙悟空说定，集装箱里面就定在了那一刻，然后将这一刻的状态保存成一系列文件。这些文件的格式是标准的，谁看到这些文件，都能还原当时定住的那个时刻。将镜像还原成运行时的过程（就是读取镜像文件，还原那个时刻的过程）就是容器的运行的过程。

有了容器，云计算才真正实现了应用层和资源层的完全弹性。

在云计算的发展过程中，云计算逐渐发现自己除了资源层面的管理，还能够进行应用层面的管理，而大数据应用作为越来越重要的应用之一，云计算也可以放入PaaS层管理起来，而大数据也发现自己越来越需要大量的计算资源，而且想什么时候要就什么时候要，想要多少就要多少，于是两者相遇，相识，相知，走在了一起。

说到大数据，首先我们来看一下数据的分类，我们生活中的数据总体分为两种：结构化数据和非结构化数据。

结构化数据：指具有固定格式或有限长度的数据，如数据库，元数据等。

非结构化数据：指不定长或无固定格式的数据，如邮件， word文档等

当然有的地方还会提到第三种，半结构化数据，如 XML， HTML等，当根据需要可按结构化数据来处理，也可抽取出纯文本按非结构化数据来处理。

随着互联网的发展，非结构化数据越来越多，当我们遇到这么多数据的时候，怎么办呢？分为以下的步骤：

数据的收集：即将散落在互联网世界的数据放到咱们的系统中来。数据收集分两个模式，推和拉，所谓的推，即推送，是在互联网世界里面放很多自己的小弟程序，这些小弟程序收集了数据后，主动发送给咱们的系统。所谓的拉，即爬取，通过运行程序，将互联网世界的数据下载到咱们的系统中。

数据的传输：收到的数据需要通过一个载体进行传输，多采用队列的方式，因为大量的数据同时过来，肯定处理不过来，通过队列，让信息排好队，一部分一部分的处理即可。

数据的存储：好不容易收集到的数据，对于公司来讲是一笔财富，当然不能丢掉，需要找一个很大很大的空间将数据存储下来。

数据的分析：收到的大量的数据，里面肯定有很多的垃圾数据，或者很多对我们没有用的数据，我们希望对这些数据首先进行清洗。另外我们希望挖掘出数据之间的相互关系，或者对数据做一定的统计，从而得到一定的知识，比如盛传的啤酒和尿布的关系。

数据的检索和挖掘：分析完毕的数据我们希望能够随时把我们想要的部分找出来，搜索引擎是一个很好的方式。另外对于搜索的结果，可以根据数据的分析阶段打的标签进行分类和聚类，从而将数据之间的关系展现给用户。

当数据量很少的时候，以上的几个步骤其实都不需要云计算，一台机器就能够解决。然而量大了以后，一台机器就没有办法了。

所以大数据想了一个方式，就是聚合多台机器的力量，众人拾柴火焰高，看能不能通过多台机器齐心协力，把事情很快的搞定。

对于数据的收集，对于IoT来讲，外面部署这成千上万的检测设备，将大量的温度，适度，监控，电力等等数据统统收集上来，对于互联网网页的搜索引擎来讲，需要将整个互联网所有的网页都下载下来，这显然一台机器做不到，需要多台机器组成网络爬虫系统，每台机器下载一部分，同时工作，才能在有限的时间内，将海量的网页下载完毕。开源的网络爬虫大家可以关注一下Nutch。

对于数据的传输，一个内存里面的队列肯定会被大量的数据挤爆掉，于是就产生了Kafka这样基于硬盘的分布式队列，也即kafka的队列可以多台机器同时传输，随你数据量多大，只要我的队列足够多，管道足够粗，就能够撑得住。

当数据量非常大的时候，一个索引文件已经不能满足大数据量的搜索，所以要分成多台机器一起搜索，如图所示，将索引分成了多个shard也即分片，分不到不同的机器上，进行并行的搜索。

所以说大数据平台，什么叫做大数据，说白了就是一台机器干不完，大家一起干。随着数据量越来越大，很多不大的公司都需要处理相当多的数据，这些小公司没有这么多机器可怎么办呢？

于是大数据人员想起来想要多少要多少，想什么时候要什么时候要的云平台。空间的灵活性让大数据使用者随时能够创建一大批机器来计算，而时间的灵活性可以保证整个云平台的资源，不同的租户你用完了我用，我用完了他用，大家都不浪费资源。

于是很多人会利用公有云或者私有云平台部署大数据集群，但是完成集群的部署还是有难度的，云计算的人员想，既然大家都需要，那我就把他集成在我的云计算平台里面，当大家需要一个大数据平台的时候，无论是Nutch,

Kafka，hadoop，ElasticSearch等，我能够马上给你部署出来一套。我们管这个叫做PaaS平台。

大数据平台于是作为PaaS融入了云计算的大家庭。

作为国内最早诞生的互联网公司之一，网易在过去十余年的产品研发、孵化和运维过程中，各个部门对数据有着不同且繁杂的需求。而如何把这些繁杂的需求用统一的手段来解决，网易在大数据分析方面同样进行了十余年的探索，并自去年开始通过“网易云”将这些能力开放出来

“网易猛犸”与“网易有数”两大数据分析平台就是在这个阶段逐渐成型的。

网易猛犸大数据平台可以实现从各种不同数据源提取数据，同步到内核存储系统，同时对外提供便捷的操作体验。现在每天约有130亿条数据进入网易猛犸平台，经过数据建模和清洗，进行数据分析预测。

网易的另一大数据分析平台，网易有数则可以极大简化数据探索，提高数据可视化方面的效率，提供灵活报表制作等，以帮助分析师专注于自己的工作内容。

有了大数据平台，对于数据的处理和搜索已经没有问题了，搜索引擎着实火了一阵，当很多人觉得搜索引擎能够一下子帮助用户搜出自己想要的东西的时候，还是非常的开心的。

但是过了一阵人们就不满足于信息仅仅被搜索出来了。信息的搜索还是一个人需要适应机器的思维的过程，要想搜到想要的信息，有时候需要懂得一些搜索或者分词的技巧。机器还是没有那么懂人。什么时候机器能够像人一样懂人呢，我告诉机器我想要什么，机器就会像人一样的体会，并且做出人一样的反馈，多好啊。

这个思想已经不是一天两天了，在云计算还不十分兴起的时候，人们就有了这样的想法。那怎么做的这件事情呢？

人们首先想到的是，人类的思维方式有固有的规律在里面，如果我们能够将这种规律表达出来，告诉机器，机器不就能理解人了吗？

人们首先想到的是告诉计算机人类的推理能力，在这个阶段，人们慢慢的能够让机器来证明数学公式了，多么令人欣喜的过程啊。然而，数学公式表达相对严谨的，推理的过程也是相对严谨，所以比较容易总结出严格个规律来。然而一旦涉及到没有办法那么严谨的方面，比如财经领域，比如语言理解领域，就难以总结出严格的规律来了。

看来仅仅告知机器如何推理还不够，还需要告诉机器很多很多的知识，很多知识是有领域的，所以一般人做不来，专家可以，如果我们请财经领域的专家或者语言领域的专家来总结规律，并且将规律相对严格的表达出来，然后告知机器不就可以了么？所以诞生了一大批专家系统。然而专家系统遭遇的瓶颈是，由人来把知识总结出来再教给计算机是相当困难的，即便这个人是专家。

于是人们想到，看来机器是和人完全不一样的物种，干脆让机器自己学习好了。机器怎么学习呢？既然机器的统计能力这么强，基于统计学习，一定能从大量的数字中发现一定的规律。

其实在娱乐圈有很好的一个例子，可见一斑

有一位网友统计了知名歌手在大陆发行的 9张专辑中 117首歌曲的歌词，同一词语在一首歌出现只算一次，形容词、名词和动词的前十名如下表所示（词语后面的数字是出现的次数）：

如果我们随便写一串数字，然后按照数位依次在形容词、名词和动词中取出一个词，连在一起会怎么样呢？

例如取圆周率 3.1415926，对应的词语是：坚强，路，飞，自由，雨，埋，迷惘。稍微连接和润色一下：

是不是有点感觉了？当然真正基于统计的学习算法比这个简单的统计复杂的多。

然而统计学习比较容易理解简单的相关性，例如一个词和另一个词总是一起出现，两个词应该有关系，而无法表达复杂的相关性，并且统计方法的公式往往非常复杂，为了简化计算，常常做出各种独立性的假设，来降低公式的计算难度，然而现实生活中，具有独立性的事件是相对较少的。

于是人类开始从机器的世界，反思人类的世界是怎么工作的。

人类的脑子里面不是存储着大量的规则，也不是记录着大量的统计数据，而是通过神经元的触发实现的，每个神经元有从其他神经元的输入，当接收到输入的时候，会产生一个输出来刺激其他的神经元，于是大量的神经元相互反应，最终形成各种输出的结果。例如当人们看到美女瞳孔放大，绝不是大脑根据身材比例进行规则判断，也不是将人生中看过的所有的美女都统计一遍，而是神经元从视网膜触发到大脑再回到瞳孔。在这个过程中，其实很难总结出每个神经元对最终的结果起到了哪些作用，反正就是起作用了。

于是人们开始用一个数学单元模拟神经元

这个神经元有输入，有输出，输入和输出之间通过一个公式来表示，输入根据重要程度不同(权重)，影响着输出。

于是将n个神经元通过像一张神经网络一样连接在一起，n这个数字可以很大很大，所有的神经元可以分成很多列，每一列很多个排列起来，每个神经元的对于输入的权重可以都不相同，从而每个神经元的公式也不相同。当人们从这张网络中输入一个东西的时候，希望输出一个对人类来讲正确的结果。例如上面的例子，输入一个写着2的图片，输出的列表里面第二个数字最大，其实从机器来讲，它既不知道输入的这个图片写的是2，也不知道输出的这一系列数字的意义，没关系，人知道意义就可以了。正如对于神经元来说，他们既不知道视网膜看到的是美女，也不知道瞳孔放大是为了看的清楚，反正看到美女，瞳孔放大了，就可以了。

对于任何一张神经网络，谁也不敢保证输入是2，输出一定是第二个数字最大，要保证这个结果，需要训练和学习。毕竟看到美女而瞳孔放大也是人类很多年进化的结果。学习的过程就是，输入大量的图片，如果结果不是想要的结果，则进行调整。如何调整呢，就是每个神经元的每个权重都向目标进行微调，由于神经元和权重实在是太多了，所以整张网络产生的结果很难表现出非此即彼的结果，而是向着结果微微的进步，最终能够达到目标结果。当然这些调整的策略还是非常有技巧的，需要算法的高手来仔细的调整。正如人类见到美女，瞳孔一开始没有放大到能看清楚，于是美女跟别人跑了，下次学习的结果是瞳孔放大一点点，而不是放大鼻孔。

听起来也没有那么有道理，但是的确能做到，就是这么任性。

神经网络的普遍性定理是这样说的，假设某个人给你某种复杂奇特的函数，f(x)：

不管这个函数是什么样的，总会确保有个神经网络能够对任何可能的输入x，其值f(x)（或者某个能够准确的近似）是神经网络的输出。

如果在函数代表着规律，也意味着这个规律无论多么奇妙，多么不能理解，都是能通过大量的神经元，通过大量权重的调整，表示出来的。

这让我想到了经济学，于是比较容易理解了。

我们把每个神经元当成社会中从事经济活动的个体。于是神经网络相当于整个经济社会，每个神经元对于社会的输入，都有权重的调整，做出相应的输出，比如工资涨了，菜价也涨了，股票跌了，我应该怎么办，怎么花自己的钱。这里面没有规律么？肯定有，但是具体什么规律呢？却很难说清楚。

基于专家系统的经济属于计划经济，整个经济规律的表示不希望通过每个经济个体的独立决策表现出来，而是希望通过专家的高屋建瓴和远见卓识总结出来。专家永远不可能知道哪个城市的哪个街道缺少一个卖甜豆腐脑的。于是专家说应该产多少钢铁，产多少馒头，往往距离人民生活的真正需求有较大的差距，就算整个计划书写个几百页，也无法表达隐藏在人民生活中的小规律。

基于统计的宏观调控就靠谱的多了，每年统计局都会统计整个社会的就业率，通胀率，GDP等等指标，这些指标往往代表着很多的内在规律，虽然不能够精确表达，但是相对靠谱。然而基于统计的规律总结表达相对比较粗糙，比如经济学家看到这些统计数据可以总结出长期来看房价是涨还是跌，股票长期来看是涨还是跌，如果经济总体上扬，房价和股票应该都是涨的。但是基于统计数据，无法总结出股票，物价的微小波动规律。

基于神经网络的微观经济学才是对整个经济规律最最准确的表达，每个人对于从社会中的输入，进行各自的调整，并且调整同样会作为输入反馈到社会中。想象一下股市行情细微的波动曲线，正是每个独立的个体各自不断交易的结果，没有统一的规律可循。而每个人根据整个社会的输入进行独立决策，当某些因素经过多次训练，也会形成宏观上的统计性的规律，这也就是宏观经济学所能看到的。例如每次货币大量发行，最后房价都会上涨，多次训练后，人们也就都学会了。

然而神经网络包含这么多的节点，每个节点包含非常多的参数，整个参数量实在是太大了，需要的计算量实在太大，但是没有关系啊，我们有大数据平台，可以汇聚多台机器的力量一起来计算，才能在有限的时间内得到想要的结果。

于是工智能程序作为SaaS平台进入了云计算。

网易将人工智能这个强大的技术，应用于反垃圾工作中，从网易1997年推出邮箱产品开始，我们的反垃圾技术就在不停的进化升级，并且成功应用到各个亿量级用户的产品线中，包括影音娱乐，游戏，社交，电商等产品线。比如网易新闻、博客相册、云音乐、云阅读、有道、BOBO、考拉、游戏等产品。总的来说，反垃圾技术在网易已经积累了19年的实践经验，一直在背后默默的为网易产品保驾护航。现在作为云平台的SaaS服务开放出来。

回顾网易反垃圾技术发展历程，大致上我们可以把他分为三个关键阶段，也基本对应着人工智能发展的三个时期：

第一阶段主要是依赖关键词，黑白名单和各种过滤器技术，来做一些内容的侦测和拦截，这也是最基础的阶段，受限于当时计算能力瓶颈以及算法理论的发展，第一阶段的技术也能勉强满足使用。

第二个阶段时，基于计算机行业里有一些更新的算法，比如说贝叶斯过滤(基于概率论的算法)，一些肤色的识别，纹理的识别等等，这些比较优秀成熟的论文出来，我们可以基于这些算法做更好的特征匹配和技术改造，达到更优的反垃圾效果。

最后，随着人工智能算法的进步和计算机运算能力的突飞猛进，反垃圾技术进化到第三个阶段：大数据和人工智能的阶段。我们会用海量大数据做用户的行为分析，对用户做画像，评估用户是一个垃圾用户还是一个正常用户，增加用户体验更好的人机识别手段，以及对语义文本进行理解。还有基于人工智能的图像识别技术，更准确识别是否是色情图片，广告图片以及一些违禁品图片等等。

二、云计算前景好么

作为一名计算机专业的研究生导师，研究方向集中在大数据与机器学习领域，所以我来回答一下这个问题。

目前部分高校陆续开设了云计算与数据科学专业，从发展趋势来看，云计算专业是不错的选择，具体原因有以下几个方面：

第一：云计算是第三次信息化浪潮的代表技术。当今社会正处在第三次信息化浪潮中，云计算、物联网和大数据是此次信息化浪潮的三个代表技术。云计算提供服务支撑，物联网提供数据采集，大数据完成数据价值化。另外，云计算、物联网、大数据与人工智能均有密切的联系，也都是未来产业互联网的核心技术，从这个角度来看，未来云计算的发展前景将非常广阔。

第二：云计算技术已经落地使用。与大数据和人工智能智能技术不同，云计算技术目前已经被广泛采用，大量的互联网企业和科技企业已经完成了云端化升级，包括设计云端化、开发云端化、部署云端化和服务云端化，云计算提供的服务也逐渐从IaaS（基础设施即服务）向PaaS（平台即服务）和SaaS（软件即服务）过渡。

第三：云计算与边缘计算整合。随着5G和物联网逐渐开始落地应用，边缘计算将成为一个重要的发展方向，而云计算与边缘计算的结合将构建出一个响应更加迅速且安全级别更高的互联网服务环境。

第四：云计算将整合大量的行业资源。云计算发展的早期提供的服务主要以IaaS为主，这个阶段主要解决的是硬件资源的整合，随着PaaS的发展，云计算开始整合更多的行业资源，从而形成多领域的垂直发展。PaaS将被更多的科技企业整合进自身的产品中，从而为客户提供更加稳定且可动态扩展的服务。

全球云计算市场风起云涌、群雄争霸，中国云计算市场百花齐放、百舸争流。

世界云计算战场已经成为中美之间的角逐，中国云计算产业也迎来了属于它的快速发展期！

云计算、大数据、人工智能被誉为驱动未来、赋能实体经济的三驾马车！目前，《财富》全球50强企业中有48家公司公开宣布了自己的云部署计划，其中多家企业的IT部门已在广泛使用云服务。

Adobe转型SaaS服务9年间，公司市值增幅达10倍；Salesforce上市9年间，公司市值增幅达30倍。微软第三财季营收为306亿美元，而云计算成为其中微软业务营收增长的最大功臣，智能云服务板块收入达97亿美元，增长22%。

援引调研机构Canalys给出的数据报告：2018年全球云计算市场规模突破800亿美元，达到804亿美元，同比大幅增长46.5%，2018年AWS营收254亿美元，占有31.7%的市场份额，微软Azure则位居市场第二，全年营收规模达到135亿美元，市场份额达到16.8%。此外，据《福布斯》网络版报道，Bain Company公布的最新报告显示，到2020年全球云计算市场的规模预计将升至3900亿美元，年复合增长率(CAGR)达到17%。全球云计算市场规模占GDP比率为0.37%，国内云计算市场规模占GDP比重同期仅为0.13%！

中国有着和美国实力相当的消费互联网巨头，却在产业互联网相差几倍，伴随着互联网人口红利消失，国内2C消费互联网用户红利消退，而2B产业互联网已经在走来的路上了，云计算、大数据、人工智能三驾马车，将会见证产业互联网的发展同时迎来属于自己的黄金发展。产业互联网加速、科技赋能、我国云计算千亿市场正等待属于它的耕耘者。

这里分享一份来自云计算行业从业人士、分析师和企业决策层，对云计算产业2019年的发展趋势所作出的十大预测，供各位知友参考。

1、广泛使用智能决策成为企业先进标志

人工智能走出“娱乐界”，开始在企业运营中广泛辅助人类做决策。

企业对于使用人工智能等技术进行业务创新比以往任何时候都更迫切。同时，以云为基础的智能商业也将触发企业进行组织变革。

更多大型企业逐渐放弃自建的IT基础设施，整体迁移到公有云，出现“云基原生企业”。

美国视频网站Netflix的基础设施已经全部搬迁到亚马逊AWS上。中国少数企业在2018年实现了这样的整体上云搬迁，而在2019年预计这样整体搬迁上云的案例将会大量涌现。

生产资料的云化意味着一个新时代的开启。

3、云成为企业获取人工智能最重要路径

云天然解决了企业数据和技术的统一，并构成了企业获取人工智能能力的最重要路径。

目前，公有云平台已经成为客户低成本获取人工智能服务的最重要渠道。

在商业领域，经过云服务商自身业务验证的人工智能技术备受企业决策者青睐。

4、硬件云服务商逐步告别公有云市场

2018年传统硬件起家的厂商在公有云时代集体遭遇水土不服。

IBM的云计算份额下滑，此前惠普、思科、富士通等企业借助开源OpenStack技术进入公有云市场先后挫折。分析认为硬件厂商在公有云市场折戟，在于没有搞清楚云计算的本质。

云计算的本质并非“计算机”而是服务，加上此类企业几乎与互联网时代完美错身。由此，上述厂商的硬件基因如此强大既有商业如此成功以至于面临“创新者的窘境”。

根据权威市场研究机构Gartner和IDC的统计，包括亚马逊AWS、微软Azure、阿里云、谷歌云在内四家厂商成为了全球公有云市场的主导力量，并且这四家厂商的营收增长速度都远超行业平均增长。

华尔街投行高盛预计，2019年亚马逊、微软、阿里巴巴等巨头厂商将占据核心云计算市场约84%的份额。这些厂商在人才、技术、运营、服务、资本、生态等多方面都大幅领先行业对手，可以预见2019年全球云计算市场集中度将进一步提高，并在未来几年更加显著。

过去一年，随着智能技术在商业领域的加速渗透，很多企业已经在部分业务环节中实现了智能化。

但是，相对人工智能技术提升某一业务或者环节而言，越来越多的CEO群体表示更加青睐全面的解决方案。这类方案不但可以实现公司业务的数据化，还提供一整套经过验证的智能工具，帮助企业实现智能决策。

2019年，更全面的智能解决方案将会不断出现，并得到市场欢迎。

过去提到上云，安全成为一个阻碍因素。

很多企业在选择是否上云时，最重要的担忧是安全问题，不仅担忧自身的信息安全，也担心业务系统的稳定性。但是随着全社会数字化转型，各类企业业务经营将不可能避免地触网，为了寻求业务安全反而开始成为促进企业积极上云的驱动因素。

云计算厂商拥有强大的安全团队，服务过多类型的客户，可以让企业低成本获得了强大的安全防护能力，这改变了以往企业在安全方面的投资习惯。

经过10多年发展，云计算技术已经逐渐成熟，企业对于云计算的接受程度也在进一步提高。

由于云计算能够给企业IT运营、业务创新等带来明显效用，上云已经成为企业常态。

2019年，全社会将把越来越多的预算投放在云计算领域，而这将进一步提升云计算在整体IT支出的占比。华尔街投行高盛预测，2019年云计算的市场渗透率将首次突破10%，到2021年该数字将跃升至15%。这意味着，云计算将进一步蚕食企业IT支出，提升在IT市场的影响力。

9、云计算产业并购活动将更加频繁

2018年，云计算领域出现了诸多规模巨大的并购交易，这些交易分部在芯片、安全、人工智能、开发者社区、云解决方案等不同领域。

主流云计算厂商为了维持高速增长，需要推出更多高附加值的产品或者服务，并不断扩大付费客户群体规模，通过合并或者收购成为快速见效的手段。

2019年，云计算巨头公司针对技术或者客户方向的收购活动预计还将高频出现。此外，部分公司还可能通过收购跨界进入云计算产业。

随着主流云计算厂商在IT市场上拥有更强大的市场影响力，它们开始尝试向产业上游延伸，尝试涉足芯片、服务器等核心环节，这给传统硬件产业链带来冲击。

过去几年，诸多云计算厂商先后宣布人工智能芯片、物联网芯片等开发计划，比如谷歌推出TPU(张量处理器)、阿里云开发神经网络芯片Ali-NPU、亚马逊AWS开发人工智能芯片Inferentia等。2019年，预计更多云厂商主导的专用芯片或者其他硬件将会上市。在特定场景下，这些专用芯片将挑战传统芯片的绝对统治地位。

云计算行业将会见证越来越多的传统企业上云，云计算的渗透正在逐步从互联网领域客户，向传统产业的领域渗透。

在国家产业政策的驱动下，各个国家部委、省政府、垂直性的行业协会、大型央企，正在逐步将一类非敏感性的业务系统，搬迁到公有云上，并优选私有云作为整个IT架构转型和业务升级的载体，我们看到过去的一年中，国内几乎所有的省份都启动了区域性的云计算建设项目。

银行、保险、制造业等均选择云计算作为未来战略转型升级的重要支撑载体，一改过去主要以互联网客户为主的现状。云计算产业正在进入广泛的应用渗透，以及产品迭代升级与客户拓展交互推进的阶段，整体行业正在进入业绩逐步兑现的阶段。

云计算市场无论是放眼全球还是聚焦国内，已然百家争鸣的云服务市场将会迎来新一轮的洗牌。

包括全球六大云计算巨头：亚马逊AWS，谷歌，阿里云，IBM，微软Azure和甲骨文，也包括云服务市场的新玩家、初创企业等，从全球到国内，2019年云服务市场将不会太安静。

“马太效应”这个词经常会被拿来形容云计算这个行业，这和云计算产品既有的行业基因有密切联系，规模化竞争，布局及盈利、重资产化、先入为主，意味着更早入局的拥有更多资源的云服务商往往拥有更大的获胜机会，亚马逊AWS能有今天的成绩便是最好的例证。

当然，这也并不是意味着新来的玩家没有机会，不过对于新玩家而言无疑也提出了更高的要求：具有对云计算行业的掌控力、具备扩展行业应用和计算能力、具有能够提供一站式解决方案能力、具有能够满足差异化需求和定制化服务能力、需要更加专注在所属领域的纵向发展和延伸，以达到更高的产品进入壁垒，保持在所属细分领域存在价值和竞争力，这样新玩家才可以在云服务的江湖占有一方天地，云计算市场将会呈现多寡头和垂直领域云服务商并存发展的局面。

云计算将会向成为「云生态」更进一步，不只是孤立独自发展，将会与人工智能、大数据和物联网、5G等技术做更多的融合、交流和碰撞，彼此依附且相互助力！

我是中国计算机学会会员，我来回答这个问题。

首先要明白云计算是什么？云计算（cloud computing）通过互联网按需提供 IT资源，并且采用按使用量付费的定价方式。您可以根据需要从诸如 Amazon Web Services(AWS)、 Microsoft Azure、阿里云、华为云、腾讯云之类的云提供商那里获得技术服务，例如计算能力、存储和数据库，而无需购买、拥有和维护物理数据中心及服务器。

云计算本质上来说是分布式计算的一种，还是没有脱离计算机网络的概念和范畴，比如以前的企业都会自建机房，部署ERP、OA、MES等各种软件服务器，随着互联网技术的不断发展，带宽越来越大，慢慢的头部互联网公司搭建了庞大的数据中心，拥有专业的运维团队，如果用户上云省去了运维费用，简单的组建就可以快速部署全国设置全球的应用场景。这将是未来互联网发展的趋势。比如微软这些年通过云转型就非常成功，国内的阿里云这几年也发展迅速。

我个人用过以上几个知名的云，各有优势，但领先的技术还是首推国外的AWS和Azure。国内的云发展的空间无限大，也有越来越多企事业单位上云，每年的云计算从业人员也越来越多，但还是应用层面的比较多，希望将来有更多服务商和有志之士把精力投入到基础层面的研发上，才能赶超欧美。

相信云计算绝对是一个非常有发展前景的领域。当地时间周一，联合国宣布将与谷歌展开合作，它将利用这家搜索引擎巨头公司的云计算技术对抗气候变化问题。联合国希望利用谷歌的先进技术监测人类对环境的影响，以便在未来时间内实施更适当的应对措施。

谷歌将通过提供它的云计算技术和“地球观测公共目录”来协助联合国展开相关工作。

据联合国的新闻稿了解到，谷歌此次的协助将可能是无价的，因为在面对实时环境问题时，联合国环境部门面临的主要障碍之一就是缺乏充足的数据支持。

对于这次合作，谷歌地球项目总监Rebeca Moore表示，公司非常高兴能让所有国家获得最新技术和信息以此来支持全球气候行动和可持续发展。

1，云计算的基本原理。通过使计算分布在大量的分布式计算机上，而非本地计算机或远程服务器中，企业数据中心的运行将更与互联网相似。这使得企业能够将资源切换到需要的应用上，根据需求访问计算机和存储系统。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，它是通过互联网进行传输的。云计算的蓝图已经呼之欲出：在未来，只需要一台笔记本或者一个手机，就可以通过网络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。从这个角度而言，最终用户才是云计算的真正拥有者。云计算的应用包含这样的一种思想，把力量联合起来，给其中的每一个成员使用。从最根本的意义来说，云计算就是利用互联网上的软件和数据的能力。

2，“云计算”的特点。首先，云计算提供了最可靠、最安全的数据存储中心，用户不用再担心数据丢失、病毒入侵等麻烦。因为在“云”的另一端，有全世界最专业的团队帮助用户管理信息，有全世界最先进的数据中心帮助用户保存数据。同时，严格的权限管理策略可以帮助用户放心地与用户指定的人共享数据。其次，云计算对用户端的设备要求最低，使用起来也最方便。用户只要有一台可以上网的电脑，有一个自己喜欢的浏览器，唯一要做的就是在浏览器中键入 URL，然后尽情享受云计算带来的无限乐趣。此外，云计算可以轻松实现不同设备间的数据与应用共享。在云计算的网络应用模式中，数据只有一份，保存在“云”的另一端，你的所有电子设备只需要连接互联网，就可以同时访问和使用同一份数据。当然，这一切都是在严格的安全管理机制下进行的，只有对数据拥有访问权限的人，才可以使用或与他人分享这份数据。最后，云计算为我们使用网络提供了几乎无限多的可能，为存储和管理数据提供了几乎无限多的空间，也为我们完成各类应用提供了几乎无限强大的计算能力。

3，“云计算”的未来前景。目前，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U盘与他人分享信息。如果PC硬盘坏了，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。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。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接在一起以提供各种IT服务。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”。“云计算”带来的就是这样一种变革——由专业网络公司来搭建计算机存储、运算中心，用户通过一根网线借助浏览器就可以很方便的访问，把“云”作为资料存储以及应用服务的中心。

4，现在很多互联网公司都在推进服务上云，这样公司业务可以更快推出服务，可以节约大量成本，以后很多传统行业的服务回上云

云计算的前景好吗！现在很多院校都开设了云计算与数据科学专业，从发展趋势来看，云计算专业是不错的选择

说到云计算，可能很多人会感觉离我们好像很遥远，但是云计算却时时刻刻陪伴在我们身边，如果你淘宝了，如果你导航了，如果你上网浏览网页了。有人说我去深山老林里面去，那应该和云计算没什么关系了吧？那你最好不要带上手机，因为手机会有天气预报，这样就可以了。

云计算作为一个大型数据服务的提供载体，可能帮助大部分人获取资讯和想要的消息，而资讯的提供商需要有一个数据中心来帮助其储存数据，这种数据库有自己运营的，也有需要租借的，今天我们介绍的就是一种共享的租借服务器，这是接下来云计算领域的主流。

举一个非常简单的例子，有一天你开了一个公司，生产了一个产品，你需要建立一个网站来对你们公司进行介绍，当然也包括产品，同时还要开发一款APP，毕竟现在移动端的人太多了，大家不可能时时都在抱着电脑。那么数据的存储需要一个服务器，这个服务器如果自己买，费用有点贵，而且作为初创型的公司，可能不能负担，那怎么办？还有一种方式是从阿里巴巴或者百度等这种大型的互联网服务商租用一部分服务器的空间进行数据存储，那么这个东西就叫做IaaS（基础设施即服务）。

从互联网最初的运行来看，主要的IT结构是以本地部署服务器，储存源等，其模式主要是数据中心IDC，费用比较大，而且后期的维护需要专门的人来进行管理，现在的IaaS模式解决掉了这个问题，服务器有提供商维护，网站所有者只需要数据的提供即可。在IaaS的快速发展下，新的云计算数据中心大概率出现涌现。

云计算中的服务器是整个IaaS中成本最大的部分，在未来五年的时间，摆阔云计算、5G、AI以及IOT将成为推动云服务器爆炸性增长的重要驱动力，从2013年以来，我国的服务器市场的收入和发展出现了快速增长的趋势，今年的一季度达到了66亿美元的产值，而在2013年一季度的时候，云计算的服务器费用产值才不到30亿美元的空间，五年的时间增长超过一倍，市场发展趋势明显。

随着云计算产业的不断发展，再加上IaaS模式的发展，大型服务器的生产商的供货量将会大幅度提升，同时随着市场的不断扩大，国内生产服务器的龙头企业也将会直接受益。从目前来看，浪潮信息作为国内的第一大，全球第三大的服务器生产商，业绩增长明显增强，目前维持在第三的规模，但是其同比增长率达到77.5%，属于规模前三的企业中增长速度最快的企业。

自互联网诞生以来，其发挥其发挥了空前的作用，极大提升了各种工作的效率，实现了人类的互联，故基于互联网相关技术的云计算发展潜力巨大，如果您从事的是该专业，希望您做好此领域的细分工作，精研技术，深挖自身潜力。

全球范围内，混合云和公有云已经成为企业用云的主要形式。虽然目前大部分公司都在使用云，但是这些公司中大部分对云的技术和知识是较为欠缺的。而管理服务提供商为云使用企业提供云管理平台，帮助云技术不足的企业更加方便的使用和管理云。因此，在企业上云成主流趋势的背景下，全球云管理服务及公有云服务市场高速增长。

企业拥抱多云，混合云和公有云成主要模式

根据Flexera发布的《2021年云计算市场发展状态报告》，受访企业中有92%的企业采用了多云战略，其中，采用了混合云战略的企业占比由58%上升至82%。对于大部分企业来说，混合云和公有云是企业主要的云应用方式。企业多云战略下，管理服务提供商(MSP)也必须做出转型，帮助企业上云。

云计算渗透率上升，云管理服务行业高速增长

根据Gartner统计，2015-2020年，全球云计算市场渗透率逐年上升，由4.3%上升至13.2%，至2021年，全球云计算渗透率将上升至15.3%。可见，随着世界互联网飞速发展，越来越多的企业运用云的技术，企业应用云计算成为大势所趋。

受限于公司技术的原因，IT外包化、网络外包化趋势明显。因此，云管理服务行业在最近几年发展迅速。据Gartner统计，从投资上来看，企业对于云管理服务行业的投资正稳步增加，从2016年的185.9亿美元逐步增长到2020年的427.3亿美元，年增长率维持在20%左右。

公有云应用继续加速，推动公有云服务市场高速增长

Flexera《2021年云计算市场发展状态报告》数据显示，36%的受访企业每年在公共云上的花费超过1200万美元，55%的企业工作负载预计将在12个月内进入公共云。90%的受访者预计，由于疫情，云的使用将超过计划。

近年来，全球以IaaS、PaaS和SaaS为代表的的全球公有云市场呈现稳步上升趋势。根据IDC最新发布的《全球及中国公有云服务市场(2020年)跟踪》报告显示，2020年全球公有云服务整体市场规模(IaaS/PaaS/SaaS)达到3124亿美元，同比增长24.1%。

——更多数据来请参考前瞻产业研究院《中国云计算产业发展前景预测与投资战略规划分析报告》

云计算的前景好不好？这个问题，毋庸置疑，我的答案一个字：好！

这个问题，就好比八十年代末期计算机进入中国的时候，学生在选择学习计算机课程时，心里一直在问：学计算机前景好么？现在，这样的问题已经不再是问题，计算机已经深入到我们生活的方方面面，离开了计算机（现在叫互联网、电脑、职能手机），我们会感觉寸步难行。

在我的印象中，最近六七年来，经常上网时，网络上出现了“百度云”、“阿里云”、“腾讯云”等词汇，当时不知道这是干啥用的。知之为知之，不知为百度知，就顺手百度了下，大致意思好像是利用互联网计算的一种方式，“云”就是互联网的形象说法，换句话说，在八九十年代，我们教科书上的称呼为：大型计算机，现在的形象说法叫云计算。

在我看来，云计算与八九十年代的高速计算机的区别之一为，云计算是基于大数据计算，采用智能化计算，为企业和政府机构提供服务的一种方式，必将越来越多地影响到普通民众的生活。云计算的兴起，必定也要对电脑芯片等核心部件产生冲击，促进科学技术革命升级。

由此看来，云计算的前景是广阔的，学习云计算的相关知识，在未来的社会中很有前瞻性，无论是找工作还是自己创业，都是不错的选择。

三、简述云计算的演进历程

1、IDC发布的报告显示,从2009年底到2013年底4年的时间里,云

2、计算将为全球带来8000亿美元的新业务收人,为中国带来超过11050

3、亿元的新业务收入。同时,东方策略团队预计,到2015年,我国云计算产

4、业链规模将达7500亿至1万亿元,在战略性新兴产业中所占的份额有

5、望达到15%以上。基于此,国家发改委、工业和信息化部、科技部等多部委共同参与的

6、《加快发展高技术服务业的指导意见》进入起草阶段,其中云计算产业将

7、被明确为未来高技术服务业的主角。未来一段时间内,随着多项扶持政

8、策的陆续出台，云计算近万亿元的市场空间将徐徐开启，云计算也必将

9、成为21世纪IT业界乃至社会关注的焦点和热点。

关于本次云计算交易平台诞生和简述云计算的演进历程的问题分享到这里就结束了，如果解决了您的问题，我们非常高兴。