《云計算技術(shù)行業(yè)應(yīng)用及發(fā)展趨勢》

=============================================================
《云計算技術(shù)行業(yè)應(yīng)用及發(fā)展趨勢》 ——段方
某世界 500 強企業(yè)大數(shù)據(jù)總設(shè)計師 北京大學(xué)博士后 教授
=============================================================
193529791471 云計算發(fā)展分析
-------------------------------------------------------------
1.1 云計算概念和特點
1.1.1 云計算的概念
1.1.1.1 不同的定義
1.1.1.2 云計算的基本內(nèi)容
1.1.1.3 云計算的應(yīng)用價值
1.1.2 云計算的特點
1.1.3 云計算就是 IDC 嗎？
1.2 云計算的發(fā)展歷史
1.2.1
1.2.2
1.2.3
1.2.4
1.2.5
并行計算 集群計算 網(wǎng)格計算 云計算
未來演進
1.3 云計算的服務(wù)架構(gòu)
1.3.1 IAAS
1.3.2 PAAS
1.3.3 SAAS
1.3.4 其它？——DAAS
1.4 云計算改變了什么？
1.4.1 成為新的基礎(chǔ)設(shè)施——水電汽暖？
1.4.2 IT 系統(tǒng)（ERP/CRM 等）的遷移
1.4.3 數(shù)據(jù)庫的遷移——到 HADOOP 的旅程
1.4.4 管理的遷移——從單點到云上
1.5 云計算的關(guān)鍵技術(shù)
1.5.1 虛擬化技術(shù)
1.5.2 分布式技術(shù)
1.5.3 數(shù)據(jù)中心技術(shù)
1.6 云原生基礎(chǔ)
1.6.1 云原生基本概念
1.6.2 云原生業(yè)務(wù)特點
1.6.3 云原生技術(shù)基礎(chǔ)
1.6.4 云原生的標(biāo)準(zhǔn)
1.7 算力網(wǎng)絡(luò)新發(fā)展
1.7.1 算力網(wǎng)絡(luò)的基本概念
1.7.2 算力網(wǎng)絡(luò)發(fā)展趨勢
1.7.3 算力網(wǎng)絡(luò)生態(tài)發(fā)展
1.7.4 算力網(wǎng)絡(luò)帶來的改變
1.8 案例分享
1.8.1 附件——阿里云架構(gòu)示例
1.8.2 附件——某電信企業(yè)的云計算架構(gòu)案例
1935291166722 云計算產(chǎn)業(yè)鏈分析
-------------------------------------------------------------
2.1 從谷歌云計算說起
2.2 云計算改變了什么？
2.2.1 成為新的基礎(chǔ)設(shè)施
2.2.2 IT 系統(tǒng)（ERP/CRM 等）的遷移
2.2.3 數(shù)據(jù)庫的遷移——到 HADOOP 的旅程
2.2.4 管理的遷移——從單點到云上
2.3 新基建中的數(shù)據(jù)中心——云計算中心
2.4 云計算的產(chǎn)業(yè)鏈
2.4.1
2.4.2
2.4.3
2.4.4
2.4.5
硬件 軟件 服務(wù) 網(wǎng)絡(luò) 安全
2.5 云計算運營的關(guān)鍵——貴陽為什么能夠“火 ”？
2.6 云計算與大數(shù)據(jù)的關(guān)系
2.6.1 大數(shù)據(jù)需要云計算提升處理能力
2.6.2 云計算需要大數(shù)據(jù)凸顯價值
2.6.3 大數(shù)據(jù)中云計算案例
2.7 云計算與物聯(lián)網(wǎng)的關(guān)系
2.7.1 物聯(lián)網(wǎng)的概念和特點
2.7.2 物聯(lián)網(wǎng)的計算基礎(chǔ)
2.7.3 物聯(lián)網(wǎng)上的云計算案例
2.8 云計算支撐元宇宙
2.8.1 元宇宙的基本概念
2.8.2 元宇宙需要龐大的算力
2.8.3 元宇宙的一些場景距離
2.9 案例分享
2.9.1 附件——元宇宙概述
2.9.2 附件——算力網(wǎng)絡(luò)基礎(chǔ)
134651166713 云計算標(biāo)準(zhǔn)化進展
-------------------------------------------------------------
3.1 云計算的標(biāo)準(zhǔn)概述
3.1.1 《云計算綜合標(biāo)準(zhǔn)化體系建設(shè)指南》〔2015〕132 號
3.1.1.1 云基礎(chǔ)標(biāo)準(zhǔn)
3.1.1.2 云資源標(biāo)準(zhǔn)
3.1.1.3 云服務(wù)標(biāo)準(zhǔn)
3.1.1.4 云安全標(biāo)準(zhǔn)
3.1.2 《云計算系統(tǒng)設(shè)備工程技術(shù)標(biāo)準(zhǔn)》
3.1.3 中國云計算產(chǎn)業(yè)聯(lián)盟-云產(chǎn)業(yè)聯(lián)盟白皮書
3.2 國際云計算標(biāo)準(zhǔn)組織
3.2.1 NIST（National Institute of Standards and Technology ，美國國家標(biāo)準(zhǔn)技術(shù)研究院）
3.2.2 DMTF（The Distributed Management Task Force ，分布式管理任務(wù)組）
3.2.3 CSA（Cloud Security Alliance ，云安全聯(lián)盟）
3.2.4 IEEE
3.2.5 SNIA（Storage Networking Industry Association ，存儲網(wǎng)絡(luò)協(xié)會）
3.3 國際云計算標(biāo)準(zhǔn)化的特點
3.4 OPENSTACK
3.5 VMware
3.6 Kubernetes
3.7 案例分享
3.7.1 附件——云遷移部署案例
3.7.2 附件——云原生概述
134651166834 云計算核心技術(shù)及發(fā)展
-------------------------------------------------------------
4.1 云計算的關(guān)鍵技術(shù)
4.1.1 虛擬化技術(shù)
4.1.2 分布式技術(shù)
4.1.3 安全管理技術(shù)
4.2 云計算參考架構(gòu)
4.2.1 用戶視圖
4.2.2 功能視圖
4.2.3 關(guān)系
4.3 資源虛擬化
4.3.1 服務(wù)器虛擬化
4.3.2 網(wǎng)絡(luò)虛擬化
4.3.3 存儲虛擬化
4.3.4 虛擬化管理
4.4 分布式數(shù)據(jù)存儲與管理技術(shù)
4.4.1 分布式文件系統(tǒng)
4.4.2 分布式對象存儲系統(tǒng)
4.4.3 非結(jié)構(gòu)化分布式數(shù)據(jù)庫系統(tǒng)
4.5 并行計算模式技術(shù)
4.5.1 面向互聯(lián)網(wǎng)數(shù)據(jù)密集型應(yīng)用的并行編程模型
4.5.2 面向高性能計算的并行計算模型
4.6 安全管理
4.6.1 云安全風(fēng)險
4.6.2 云安全管理
4.6.3 云安全管理技術(shù)
4.7 運營支撐管理
4.7.1 云的部署
4.7.2 負(fù)載管理和監(jiān)控
4.7.3 計量計費
4.7.4 SLA
4.7.5 能效評測
4.8 云計算的發(fā)展趨勢
4.8.1 “云邊端 ”的架構(gòu)
4.8.2 新基建中的“云邊端 ”
4.8.3 開源生態(tài)的建立
4.8.4 行業(yè)應(yīng)用規(guī)模化
4.8.5 多云管理
4.8.6 華為為什么提出“云手機 ”
4.9 邊緣計算
4.9.1 5G 引出的邊緣計算
4.9.2 邊緣計算與云計算的關(guān)系
4.9.3 邊緣計算的架構(gòu)
4.9.4 邊緣計算的應(yīng)用舉例
4.10 動態(tài)遷移技術(shù)
4.10.1 動態(tài)遷移的概念
4.10.1.1 概念
4.10.1.2 虛擬機遷移的性能指標(biāo)
4.10.1.3 P2V 、V2V 和 V2P 三種方式
4.10.2 VMware 的 VMOTION 遷移
4.10.3 OpenStack 的 Nova 組件
4.11 【案例分享】天翼云產(chǎn)品介紹
914231168635 云化部署——虛擬化概念及相關(guān)技術(shù)
914231167505.1 虛擬化概念
5.1.1 從 VMware 說起
5.1.2 概念
5.1.3 虛擬化的優(yōu)點
5.1.3.1 Subtopic
5.1.4 虛擬化的分類
5.1.4.15.1.4.25.1.4.35.1.4.4軟件虛擬化 硬件虛擬化 全虛擬化
半虛擬化
5.1.5 虛擬機技術(shù)架構(gòu) 5.1.5.1 宿主機
5.1.5.2 客戶機
5.1.5.3 VMM----虛擬機監(jiān)視器等
5.1.6 特點
5.1.6.1分區(qū)
5.1.6.2隔離
5.1.6.3封裝
5.1.6.4獨立于硬件
5.2 云化中間件基礎(chǔ)
5.2.1 云化中間件基礎(chǔ)
5.2.2 從容器開始的中間件
5.2.3 Kubernetes 等中間件
5.2.4 云原生的中間件
5.3 資源虛擬化層級
5.3.1 服務(wù)器虛擬化
5.3.1.1 技術(shù)框架 5.3.2 網(wǎng)絡(luò)虛擬化 5.3.2.1 發(fā)展歷程
5.3.2.2 兩臺虛擬機的通信原理
5.3.3 存儲虛擬化
5.3.4 虛擬化管理
5.4 容器技術(shù)
5.4.1 容器的引出
5.4.2 容器的概念和特點
5.4.3 容器與虛擬機的對比
5.4.4 從容器到容器云
5.4.5 容器的開源工具
5.5 Kubernetes 技術(shù)
5.5.1
5.5.2
5.5.3
概念及特點 技術(shù)架構(gòu)
開源工具
5.6 云原生技術(shù)
5.6.1 云原生的引出
5.6.2 云原生的概念和特點
5.6.3 云原生的開源工具
5.7 動態(tài)遷移技術(shù)
5.7.1 動態(tài)遷移的概念
5.7.1.1 概念
5.7.1.2 虛擬機遷移的性能指標(biāo)
5.7.1.3 P2V 、V2V 和 V2P 三種方式
5.7.2 VMware 的 VMOTION 遷移
5.7.3 OpenStack 的 Nova 組件
5.8 【案例】附件-常用的虛擬化工具
1935291166836 云計算產(chǎn)業(yè)細(xì)分市場發(fā)展現(xiàn)狀與趨勢分析
-------------------------------------------------------------
6.1 云計算的產(chǎn)業(yè)劃分
6.1.1 硬件服務(wù)器
6.1.2 云計算軟件
6.1.3 云服務(wù)方式
6.1.4 云計算機房建設(shè)
6.2 IAAS
6.2.1
6.2.2
6.2.3
6.2.4
范圍界定 技術(shù)內(nèi)容 典型廠商 案例分享
6.3 PAAS
6.3.1 范圍界定
6.3.2 技術(shù)內(nèi)容
6.3.3 典型廠商
6.3.4 案例分享——華為案例
6.4 SAAS
6.4.1 范圍界定
6.4.2 技術(shù)內(nèi)容
6.4.3 典型廠商
6.4.4 案例分享——saleforce
6.5 私有云/公有云/混合云
6.6 【案例分享】
6.6.1 亞馬遜的云計算架構(gòu) AWS
6.6.2 某企業(yè)云計算應(yīng)用案例
6.7 【思考】
6.7.1 PAAS 的工具能力
6.7.2 云計算能否包打天下？
1935291161777 云計算的應(yīng)用
-------------------------------------------------------------
7.1 云計算應(yīng)用概述
7.1.1 如何切入行業(yè)的解決方案
7.1.2 在大數(shù)據(jù)中的價值
7.2 云計算中的應(yīng)用模式
7.2.1
7.2.2
7.2.3
云服務(wù)提供 云服務(wù)代理 云服務(wù)承載
7.3 部分企業(yè)的云計算案例
7.3.1 社交網(wǎng)絡(luò)--Facebook
7.3.2 CPU 和存儲--亞馬遜 EC2/S3
7.3.3 網(wǎng)絡(luò)應(yīng)用--GOOGLE
7.3.4 企業(yè)應(yīng)用--saleforce
7.4 電信企業(yè)的應(yīng)用場景
7.4.1 資源池
7.4.1.1 存儲和 CPU
7.4.1.2 IDC 機房的升級
7.4.1.3 SAN 存儲
7.4.2 智能管道
7.4.3 各行業(yè)解決方案
7.4.3.1 如何與物聯(lián)網(wǎng)結(jié)合？
7.4.3.2 行業(yè)解決方案舉例
7.5 商業(yè)模式探索——API 經(jīng)濟
7.5.1 如何用云計算賺錢？
7.5.2 API 經(jīng)濟的內(nèi)涵
7.5.3 API 經(jīng)濟的延伸
7.6 云計算的應(yīng)用開發(fā)模式
7.6.1 云產(chǎn)品的掌握
7.6.2 業(yè)務(wù)需求的調(diào)研
7.6.3 設(shè)計和開發(fā)過程
7.6.4 上線測試
7.6.5 DEVOPS 開發(fā)模式
7.7 【思考】如何進行某個行業(yè)產(chǎn)品的開發(fā)、測試工作
134651161878 云計算的網(wǎng)絡(luò)安全
-------------------------------------------------------------
8.1 網(wǎng)絡(luò)數(shù)據(jù)安全概述
8.1.1 數(shù)據(jù)安全定義
8.1.2 與傳統(tǒng)安全技術(shù)的關(guān)系
8.1.3 相關(guān)數(shù)據(jù)安全的法律規(guī)定
8.1.3.1 《國家網(wǎng)絡(luò)安全法》
8.1.3.2 《國家數(shù)據(jù)安全法》
8.1.3.3 其它法律和法規(guī)
8.1.4 中國移動在數(shù)據(jù)安全方面的工作
8.1.4.1 網(wǎng)絡(luò)數(shù)據(jù)安全壓力巨大
8.1.4.2 從大數(shù)據(jù)領(lǐng)域開始數(shù)據(jù)安全研究
8.1.4.3 大數(shù)據(jù)安全管理辦法等
8.1.5 敏感數(shù)據(jù)的定義和范圍
8.1.6 數(shù)據(jù)安全管控技術(shù)
8.1.7 加密與解密的方法綜述
8.1.8 數(shù)據(jù)使用權(quán)限管理
8.1.9 【示例】附件—信息安全管控案例及要求
8.2 主要網(wǎng)絡(luò)安全威脅及防御
8.2.1 網(wǎng)絡(luò)安全攻擊的概述
8.2.1.1 概述
8.2.1.2 中外黑客的歷史等
8.2.1.3 網(wǎng)絡(luò)攻擊的思路
8.2.2 網(wǎng)絡(luò)攻擊的方法及原理
8.2.2.1 端口攻擊 8.2.2.2 獲取口令 8.2.2.3 放置木馬
8.2.2.4 網(wǎng)絡(luò)釣魚
8.2.2.5 DDOS 攻擊等
8.2.3 網(wǎng)絡(luò)攻擊的類型舉例
8.2.3.1 特洛伊木馬
8.2.3.2 后門攻擊
8.2.3.3 病毒攻擊
8.2.3.4 拒絕服務(wù)攻擊 8.2.4 網(wǎng)絡(luò)防御技術(shù) 8.2.4.1 防火墻技術(shù)
8.2.4.2 入侵監(jiān)測系統(tǒng) 8.2.4.3 密碼學(xué)
8.2.4.4 網(wǎng)絡(luò)安全態(tài)勢感知
8.2.4.5 病毒監(jiān)測技術(shù) 8.2.4.6 蜜罐技術(shù)
8.2.5 【案例】附件——網(wǎng)絡(luò)安全介紹
134651168639 分布式數(shù)據(jù)庫基礎(chǔ)
-------------------------------------------------------------
9.1 分布式數(shù)據(jù)庫的背景
9.1.1 大數(shù)據(jù)的時代
9.1.1.1 “顛覆 ”性的影響
9.1.1.2 重新“洗牌 ”的可能
9.1.1.3 大數(shù)據(jù)下 ”數(shù)字中國“
9.1.2 為什么是 HADOOP？
9.1.2.1 非結(jié)構(gòu)化數(shù)據(jù)
9.1.2.2 海量數(shù)據(jù)存儲和處理需求
9.1.2.3 X86 的崛起
9.1.3 HADOOP 的生態(tài)環(huán)境概述
9.1.3.1 生態(tài)組件 9.1.3.2 生態(tài)哲學(xué)
9.1.3.2.1 合適的工具干合適的活
9.1.3.2.2 開源的意義
9.1.3.3 Apache 社區(qū)
9.1.4 大數(shù)據(jù)人才的必備技能
9.1.4.1 技術(shù)技能要求
9.1.4.2 項目技能要求
9.1.4.3 應(yīng)用分析技能要求
9.1.4.4 管理技能要求
9.1.4.5 大數(shù)據(jù)下的人力資源分析
9.1.5 HADOOP 與數(shù)據(jù)倉庫等關(guān)系
9.1.5.1 站在數(shù)據(jù)倉庫的肩膀上
9.1.5.2 逐漸成為“主角 ”
9.1.6 去 IOE 的重任
9.1.6.1 為什么要去 IOE?
9.1.6.2 去 IOE 的意義
9.1.7 為何要選擇 HADOOP？
9.1.7.1 海量的大數(shù)據(jù)處理壓力
9.1.7.2 非結(jié)構(gòu)化數(shù)據(jù)的壓力
9.1.7.3 互聯(lián)網(wǎng)數(shù)據(jù)多源化的處理壓力
9.1.8 MPP 數(shù)據(jù)庫簡介
9.1.8.1 MPP 數(shù)據(jù)庫原理
9.1.8.2 MPP 產(chǎn)品簡介
9.1.8.3 GP/vertica 等產(chǎn)品
9.1.9 【案例】HADOOP 的應(yīng)用案例
9.1.9.1 阿里大數(shù)據(jù)案例
9.1.9.2 騰訊大數(shù)據(jù)案例
9.2 HADOOP 技術(shù)介紹
9.2.1 發(fā)展歷史
9.2.1.1 google 的影響
9.2.1.2 命名來源
9.2.2 HDFS 原理
9.2.2.1 適合做什么？
9.2.2.2 不適合做什么？
9.2.2.3 namenode 和 datanode
9.2.3 HA 方法
9.2.3.1 基本原理
9.2.3.2 HADOOP 2.0 的 HA 實現(xiàn)方法
9.2.4 MAP/REDUCE 原理
9.2.4.1 map 函數(shù)和 reduce 函數(shù)
9.2.4.2 【案例】Wordcount 例子
9.2.5 YARN 原理
9.2.5.1 2.0 引出的原因
9.2.5.2 與容器（docker）的關(guān)系
9.2.6 zookeeper 原理
9.2.6.1 功能
9.2.6.2 集群管理方法
9.2.7 HADOOP 的難點
9.2.7.1 安全性
9.2.7.2 可操作性 9.2.7.3 運維難題
9.2.8 【案例】HADOOP 的案例 9.2.8.1 安裝案例
9.2.8.2 某企業(yè) HADOOP 系統(tǒng)應(yīng)用實例
9.3 HIVE 技術(shù)
9.3.1 從 SQL 開始的 HQL
9.3.1.1 SQL 的例子
9.3.1.2 HQL 的例子
9.3.2 HIVE 架構(gòu)
9.3.2.1 基本架構(gòu) 9.3.2.2 索引機制 9.3.3 解釋器功能 9.3.3.1 元數(shù)據(jù)
9.3.3.2 Thrift Server
9.3.4 與傳統(tǒng)數(shù)據(jù)庫的對比
9.3.5 HIVE 基本命令
9.3.5.1 CLI
9.3.5.2 DDL
9.3.5.3 DML
9.3.6 數(shù)據(jù)存儲模型
9.3.6.1 桶
9.3.6.2 分區(qū) 9.3.6.3 表
9.3.7 【案例】HIVEANLI
9.3.7.1 HIVE 安裝
9.3.7.2 某企業(yè) HIVE 系統(tǒng)應(yīng)用案例
9.4 HBASE 技術(shù)
9.4.1 基礎(chǔ)
9.4.1.1 概念
9.4.1.2 特點
9.4.2 系統(tǒng)架構(gòu)
9.4.2.1 架構(gòu)圖
9.4.2.2 HMaster/HRegionServer
9.4.3 數(shù)據(jù)模型 9.4.3.1 列簇
9.4.3.2 時間戳 9.4.4 存儲模型
9.4.4.1 HFILE
9.4.4.2 HLOG FILE
9.4.5 【案例】HBASE 技術(shù)案例
9.4.5.1 安裝案例
9.4.5.2 查詢大表案例
9.5 實時數(shù)據(jù)處理
9.5.1 為什么要實時？
9.5.1.1 海量數(shù)據(jù)處理的一種模式
9.5.1.2 業(yè)務(wù)需求迫切
9.5.2 從內(nèi)存數(shù)據(jù)庫開始
9.5.2.1 數(shù)據(jù)倉庫時代的選擇
9.5.2.2 內(nèi)存的成本高
9.5.3 STORM 的原理
9.5.4 kafka 原理
9.5.5 FLUME 原理
9.5.6 SPARK streaming 的原理
9.5.6.1 最熱的熱門
9.5.6.2 與 SPARK 的關(guān)系 9.5.6.3 基本原理
9.5.7 flink 的原理
9.5.8 【案例】SPARK streaming 案例
9.6 案例分享
9.6.1 【案例】某企業(yè)的大數(shù)據(jù)案例分享
9.6.2 【案例】某企業(yè)人工智能應(yīng)用案例
1346511662210 總結(jié)
-------------------------------------------------------------
10.1 云計算是基礎(chǔ)
10.2 大數(shù)據(jù)、物聯(lián)網(wǎng)提供了應(yīng)用場景
10.3 商業(yè)模式探索更重要

段方老師的其它課程