云计算的六大相关技术

---

一、云计算核心技术有哪些云计算的核心技术包括虚拟化、分布式文件系统、分布式数据库、资源管理技术、功耗管理技术、信息安全等。
云计算系统的主要技术：并行计算。并行计算是指同时使用多个计算资源解决计算问题的过程。它是提高计算机系统处理速度和处理能力的有效手段。
比如，如果你打算从事大数据、nosql领域工作，你需要掌握Hadoop、Hbase、Cassandra以及一些理论（CAP、Base等）；（Iaas、Paas），可以搜索虚拟化技术（kvm、hyper-v等）、OpenStack、esxi等技术。

---

二、与云计算、云存储相关的IT技术都有哪些？云计算是
分布式计算、
并行计算、
效用计算、
网络存储技术、
虚拟化、
负载均衡（LoadBalance）、
热备（HighAvailable）等传统计算机和网络技术的开发和集成产品。
主要体现在虚拟化、标准化和自动化方面。
云存储是在云计算的概念基础上扩展发展起来的一个新概念。它是一种新兴的网络存储技术，解决集群应用、网络技术或分布式文件系统等功能。将大量不同类型的存储设备汇集在一个网络中，通过应用软件协同工作，共同提供业务访问和外部数据存储功能。云计算系统中广泛使用的数据存储系统是Google的GFS和HDFS，HDFS是Hadoop团队开发的GFS的开源实现。
从软件角度来看，VMware、Hyper-V、Citrix以及微软的开源KVM是主要的虚拟化平台，也是云计算的基础。Citrix的优势在于其桌面虚拟化和应用虚拟化能力。
对于云计算应用软件开发工具来说，云计算和云存储没有单独的编程语言。
许多人将云计算与大数据联系在一起。事实上，两者既相关又不同。云计算是硬件资源虚拟化，主要是单虚拟化和多虚拟化，充分利用高性能硬件资源；而大数据则是对大数据的高效处理，往往需要一体虚拟化或者多个虚拟化来进行处理；跨多个数据任务硬件的大量数据。亚马逊是云计算应用的先驱，谷歌是大数据应用的先驱。大数据可以使用基于虚拟化或高性能计算（HPC、集群技术、并行技术）的云计算架构进行处理。
大数据相当于一个巨大的数据“数据库”，纵观大数据领域的发展，我们可以看到大数据的处理现在正在向着与传统数据库类似的方向演化经验。Hadoop的产生使我们能够使用传统的机器来构建稳定的集群来处理TB级的数据，并给我们带来了传统的、昂贵的并行计算等概念。然而，它不适合数据分析师（因为MapReduce）。开发非常复杂），所以出现了PigLatin和Hive（分别由Yahoo!和Facebook发起的项目。说到这里，我想补充一下，Google、Facebook和Twitter等先进的互联网公司都非常活跃，贡献也很大）在大数据领域），给我们提供了一种类似SQL的方法，但是处理效率非常慢。与传统数据库的处理效率完全不同。就像大数据处理中的SQL一样，处理速度也可以“像SQL”。Google给我们带来了Dremel/PowerDrill等技术，Cloudera的Impala（Hadoop商业化最强的公司，Hadoop之父cutting负责技术领导）也出现了。
因此，云计算和云存储是最底层的计算资源。它们通过虚拟化提供“设备”级别（或操作系统级别）的服务，并且可以轻松地被用户采用以供“设备”使用。独立完成自己的任务（比如为你提供服务器），云中实际上提供给你的是虚拟机。至于这个虚拟机运行在哪个硬件设备上，甚至不一定非要“无缝”漂移。”，硬件故障几乎不会影响用户使用。