当前课程知识点:万物互联 > 第2章 万物互联支撑要素 > 第二节下:“数据”要素(下) > Video
现在的互联网连接每周
ད་སྐབས་མཉམ་འབྲེལ་དྲ་རྒྱ་གཟའ་འཁོར་རེ་
都将产生超过20EB
དྲ་སྦྲེལ་བྱས་པ་དེ་20EBདང་
超过20个艾字节的数据
20ཅན་གྱི་ཨའེ་ཡིག་ཚིགས་གཞི་གྲངས་ལས་བརྒལ་ཡོད།
这就相当于过去十年中
འདི་ནི་ཧ་ལམ་འདས་ཟིན་པའི་ལོ་ངོ་བཅུའི་ནང་དུ་
一年产生的数据量
ལོ་གཅིག་ལ་བྱུང་བའི་གཞི་གྲངས་ཀྱི་ཚད་དང་མཚུངས།
随着更多未连事物的互联
སྔར་ལས་མང་བའི་སྦྲེལ་མེད་བྱ་དངོས་དག་གི་མཉམ་འབྲེལ་དང་བསྟུན་ནས་
传感器 摄像头
ཚོར་འདྲེན་ཆོས། བརྙན་མིག་དང་
和一些其它的互联设备
མཉམ་འབྲེལ་སྒྲིག་ཆས་གཞན་འགས་
不断地提供新的数据
རྒྱུན་ཆད་མེད་པར་གཞི་གྲངས་གསར་བ་མཁོ་སྤྲོད་བྱེད་པ་དང་།
全球每秒钟发送2.9百万封电子邮件
སའི་གོ་ལ་ཧྲིལ་བོར་སྐར་ཆ་རེར་གློག་རྡུལ་སྦྲག་བསྐུར་འབུམ་གཉིས་དང་ཁྲི་དགུ་བསྐུར་བཞིན་ཡོད་ལ།
淘宝 滴滴每天上千万的订单
ཐའོ་པའོ། ཏེས་ཏེས་ལ་ཉིན་རེར་མངག་ཐོ་བྱེ་བ་འགའ་དང་
亚马逊每天将产生6.3百万笔订单
ཡ་མ་ཞོན་ལ་ཉིན་རྒྱུན་མངག་ཐོ་བྱེ་བ་དྲུག་དང་ས་ཡ་གསུམ་ལྷག་འབྱུང་བཞིན་ཡོད།
每天会有2.88万个小时的视频
ཉིན་རེར་དུས་ཚོད་ཁྲི་གཉིས་དང་བརྒྱད་སྟོང་བརྒྱད་བརྒྱའི་བརྙན་
上传到Youtube
Youtubeལ་བསྐུར་བཞིན་ཡོད།
Youtube我们知道它是
Youtubeའདི་ནི་ང་ཚོས་ཤེས་གསལ་ལྟར།
世界上最大的一个视频网站
འཛམ་གླིང་སྟེང་ཆེས་ཆེ་བའི་བརྙན་རིས་དྲ་ཚིགས་ཤིག་ཡིན།
所有的这些
འདི་དག་ཡོད་ཚད་ཀྱིས་
其实都是在见证
དོན་དངོས་སུ་
一种大趋势 大数据
གཞི་གྲངས་དང་འཕེལ་ཕྱོགས་ཆེན་པོ་ཞིག་བདེན་དཔང་བྱེད་ཀྱིན་ཡོད།
大数据之大
གཞི་གྲངས་ཆེན་པོའི་ཆེ་བ་ནི་
并不仅仅是在于它的容量
དེའི་ཤོང་ཚད་ཁོ་ན་ཙམ་མ་ཡིན་པར་
更在于它对社会产生的价值
གཙོ་བོ་དེས་སྤྱི་ཚོགས་ལ་ཐོན་པའི་རིན་ཐང་ཀྱི་སྟེང་ནས་འཇོག
有人曾经这样来形容
སྔོན་ལ་མི་ལ་ལས་
大数据的潜在价值
གཞི་གྲངས་ཆེན་པོའི་མངོན་མེད་ཀྱི་རིན་ཐང་ལ་འདི་ལྟར་བརྗོད་བཞིན་ཡོད་དེ།
就说 大数据
གཞི་གྲངས་ཆེན་པོ་ནི་
就像漂浮在海洋中的冰山
མཚོ་ངོས་སུ་ལྡིང་བའི་འཁྱགས་རི་དང་མཚུངས་ལ་
一眼看上去
བལྟས་པ་ཙམ་གྱིས་
只能看到它的一角
དེའི་ཟུར་ཙམ་ལས་མཐོང་རྒྱུ་མེད།
而绝大部分隐藏于表面之下
འོན་ཀྱང་མང་ཆེ་ཤོས་ཤིག་ནི་མཚོ་མོའི་ནང་དུ་ཡིབ་འདུག
大数据的终极目标
གཞི་གྲངས་ཆེན་པོའི་མཐར་ཐུག་གི་དམིགས་ཡུལ་ནི་
就是挖掘它潜在的巨大价值
ཁོའི་མངོན་མེད་ཀྱི་འབོར་ཆེན་རིན་ཐང་སྔོག་འདོན་བྱེད་དགོས་པ་དེ་ཡིན་པ་དང་
而万物互联的终极目标是
འོན་ཀྱང་བྱ་དངོས་མཉམ་འབྲེལ་གྱི་མཇུག་མཐའི་དམིགས་འབེན་ནི་
利用万物互连产生的大量数据
བྱ་དངོས་མཉམ་སྦྲེལ་ལས་བྱུང་བའི་གཞི་གྲངས་ཆེན་པོ་བེད་སྤྱད་ནས་
通过特定的流程
ཆེད་དམིགས་ཀྱི་བརྒྱུད་རིམ་བརྒྱུད་ནས་
来实现人们的智能决策
མིའི་རིགས་ཀྱི་ཤེས་ནུས་ཐབས་ཇུས་མངོན་འགྱུར་བྱེད་པ་དང་།
这两者的目标是完全一致的
འདི་གཉིས་ཀྱི་དམིགས་འབེན་ནི་ཡོངས་སུ་ཆ་མཚུངས་པ་ཡིན།
所以说
དེར་བརྟེན།
万物互联也是越来越关注大数据
བྱ་དངོས་མཉམ་འབྲེལ་གྱིས་སྔར་ལས་ལྷག་པས་གཞི་གྲངས་ཆེན་པོར་དོ་ཁུར་བྱེད་བཞིན་ཡོད་ལ།
实际上互联的结果
དོན་དངོས་སུ་མཉམ་འབྲེལ་གྱི་མཇུག་འབྲས་ནི་
就是数据的收集
གཞི་གྲངས་ཀྱི་འཚོལ་བསྡུ་དང་
传送 处理和应用
བརྒྱུད་བསྐུར། སྒྲིག་གཅོད་དང་རྒྱུན་སྤྱོད་གཏོང་བ་དེ་ཡིན།
在众多的大数据解决方案中
གཞི་གྲངས་འབོར་ཆེན་ཐག་གཅོད་བྱེད་པའི་བྱེད་ཐབས་ཁྲོད་
Hadoop成为了人们
Hadoopནི་མིའི་རིགས་ཀྱིས་
实现大数据分析的
གཞི་གྲངས་ཆེན་མོའི་དབྱེ་ཞིབ་མངོན་འགྱུར་བྱེད་པའི་
首选软件平台和框架
ཐོག་མའི་མཉེན་ཆས་སྟེགས་བུ་དང་སྒྲོམ་གཞི་རུ་གྱུར།
然而
འོན་ཀྱང་།
大数据离不开虚拟化
གཞི་གྲངས་ཆེན་པོ་རྟོག་བཟོ་ཅན་
和云计算技术的支撑
དང་སྤྲིན་རྩིས་ལག་རྩལ་གྱི་འདེགས་སྐྱོར་དང་འབྲལ་ཐབས་མེད།
发展成熟的虚拟化
འཕེལ་རྒྱས་འཐུས་ཚང་བའི་རྟོག་བཟོ་ཅན་
和有着广阔前景的云计算
དང་མདུན་ལྗོངས་ཁོད་ཡངས་པའི་སྤྲིན་རྩིས་རྒྱག་ནི་
成为大数据价值实现的左膀右臂
གཞི་གྲངས་ཆེན་པོའི་རིན་ཐང་མངོན་འགྱུར་བྱེད་པའི་དཔུང་བ་གཉིས་སུ་གྱུར་ཡོད།
云计算偏重的是偏的计算处理
སྤྲིན་རྩིས་རྒྱག་གལ་ཆེར་འཛིན་པ་ནི་རྩིས་འཁོར་སྒྲིག་གཅོད།
存储和指令发布
ཉར་གསོག་དང་བཀའ་བཀོད་ཁྱབ་བསྒྲགས་བཅས་ཡིན་ལ།
而云计算平台的搭建
འོན་ཀྱང་སྤྲིན་རྩིས་ཀྱི་སྟེགས་བུ་འཛུགས་པར་
需要虚拟化技术
རྟོག་བཟོ་རང་བཞིན་གྱི་ལག་རྩལ་མཁོ།
智能家电
རིག་ལྡན་ཁྱིམ་སྤྱོད་གློག་ཆས།
机器人
འཕྲུལ་མི།
无人驾驶汽车
ཁ་ལོ་བ་མེད་པའི་རླངས་འཁོར་
已经从屏幕逐渐走向了人们的生活
སོགས་ནི་བརྙན་མིག་ངོས་ནས་རིམ་བཞིན་མིའི་རིགས་ཀྱི་འཚོ་བ་དངོས་ཀྱི་ཁྲོད་འགྲོ་བཞིན་ཡོད།
云计算
སྤྲིན་རྩིས་རྒྱག
大数据
གཞི་གྲངས་ཆེན་པོ།
万物互联
བྱ་དངོས་མཉམ་འབྲེལ་
也正在以人们无法想象的速度
སོགས་ཡང་མིའི་རིགས་ཀྱི་བློས་དཔག་དཀའ་བའི་མྱུར་ཚད་ཀྱིས་
改变着这个世界
འཇིག་རྟེན་འདི་བསྒྱུར་བཅོས་བྱས་ནས་
驱动着消费的升级和产业的变革
འཛད་སྤྱོད་ཀྱི་གོང་འཕེལ་དང་ཐོན་ལས་འཕོ་འགྱུར་ལ་སྒུལ་ཤུགས་སྩོལ་བཞིན་ཡོད།
过去 每台计算机
སྔོན་ཆད་རྩིས་འཁོར་རེ་རེ་
都有自己的操作系统
ཚང་མར་རང་ཉིད་ཀྱི་བཀོལ་སྤྱོད་རྒྱུད་ཁོངས་དང་
应用程序和专用的硬件部件
ཉེར་སྤྱོད་བྱ་རིམ། ཆེད་སྤྱོད་ཀྱི་སྲ་ཆས་ཁག་བཅས་ཡོད།
现在 我们可以使用软件模拟
ད་སྐབས། ང་ཚོས་ལད་ཟློས་མཉེན་ཆས་བེད་སྤྱོད་བྱས་ཏེ་
可以在这一台物理机上
དངོས་ལུགས་འཕྲུལ་འཁོར་འདིའི་སྟེང་ནས་
运行多个虚拟计算机
རྟོག་བཟོའི་རྩིས་འཁོར་མང་པོ་ཞིག་འཁོར་སྐྱོད་བྱས་ཆོག
每一个虚拟计算机
རྟོག་བཟོའི་རྩིས་འཁོར་རེ་རེ་
都有自己的操作系统
ཚང་མར་རང་ཉིད་ཀྱི་བཀོལ་སྤྱོད་རྒྱུད་ཁོངས།
应用程序和专用的硬件部件
ཉེར་སྤྱོད་བྱ་རིམ་དང་ཆེད་སྤྱོད་ཀྱི་སྲ་ཆས་ཁག་བཅས་ཡོད།
这就是计算的虚拟化
འདི་ནི་རྩིས་འཁོར་གྱི་རྟོག་བཟོ་རང་བཞིན་ཡིན།
每个虚拟机独立运行
རྟོག་བཟོ་རྩིས་འཁོར་རེ་རེ་རང་ཚུགས་ཀྱིས་འཁོར་སྐྱོད་བྱེད་སྐབས་
我们可以尝试
ང་ཚོས་རྟོག་བཟོའི་རྩིས་འཁོར་གཅིག་གི་
在一台虚拟机上
སྟེང་བཀོལ་སྤྱོད་རྒྱུད་ཁོངས་
安装新的操作系统
གསར་བ་ནང་འཇུག་བྱས་ཏེ་ཚོད་ལྟ་བྱས་ཆོག
而不去损坏另外一台虚拟机的系统
འོན་ཀྱང་རྟོག་བཟོའི་རྩིས་འཁོར་གཞན་གྱི་བཀོལ་སྤྱོད་རྒྱུད་ཁོངས་ལ་ཆག་སྐྱོན་མི་བཟོ་བ་དང་
也不会损坏物理机上的系统
ད་དུང་དངོས་ལུགས་རྩིས་འཁོར་གྱི་བཀོལ་སྤྱོད་རྒྱུད་ཁོངས་ལའང་ཆག་སྐྱོན་བཟོ་མི་སྲིད།
您可以使用虚拟机
ཁྱེད་ཀྱིས་རྟོག་བཟོའི་རྩིས་འཁོར་བཀོལ་སྤྱོད་བྱས་ཏེ་
安全地浏览互联网
བདེ་འཇགས་ངང་དྲ་རྒྱར་ཞུགས་ཆོག
如果出现任何问题
གལ་ཏེ་གནད་དོན་ཅི་ཞིག་བྱུང་རུང་
直接将这个虚拟机删除就行
ཐད་ཀར་དུ་རྟོག་བཟོའི་རྩིས་འཁོར་འདི་གསུབ་པས་ཆོག
企业也可以在一个
ཁེ་ལས་ཀྱིས་ཀྱང་
单一的物理主机上
དངོས་ལུགས་གཙོ་འཁོར་རྐྱང་བ་གཅིག་གི་སྟེང་དུ་
在这个单一的物理基础设施上
དངོས་ལུགས་ཀྱི་རྨང་གཞིའི་སྒྲིག་ཆས་རྐྱང་བ་གཅིག་གི་སྟེང་དུ།
运行多个虚拟的基础设施
རྟོག་བཟོའི་རྨང་གཞིའི་སྒྲིག་ཆས་མང་པོ་ཞིག་འཁོར་སྐྱོད་བྱས།
通过虚拟化的服务器和网络
རྟོག་བཟོ་རང་བཞིན་གྱི་ཞབས་ཞུའི་སྒྲིག་ཆས་དང་དྲ་བ་བརྒྱུད་ནས་
企业能够减少物理机器的数量
ཁེ་ལས་ཀྱིས་དངོས་ལུགས་འཕྲུལ་ཆས་ཀྱི་གྲངས་ཀ་ཇེ་ཉུང་ལ་གཏོང་ཞིང་།
减少电力的需求和冷却的需求
གློག་ཤུགས་ཀྱི་དགོས་མཁོ་དང་འཁྱགས་རྫས་ཀྱི་དགོས་མཁོ་ཇེ་ཉུང་ལ་གཏོང་ཐུབ་པར་མ་ཟད་
从而进一步降低企业的运营成本
དེ་ནས་བཟུང་ཁེ་ལས་འཁོར་སྐྱོད་ཀྱི་འགྲོ་སོང་སྔར་ལས་ཇེ་ཉུང་ལ་གཏོང་ཐུབ།
云计算
སྤྲིན་རྩིས་རྒྱག
云计算是继1980年
སྤྲིན་རྩིས་རྒྱག་ནི་༡༩༨༠ལོའི་རྗེས་སུ་
从最原始的
ཆེས་སྡོད་མའི་དུས་ཀྱི་
大型计算机工作模式
རྩིས་འཁོར་ཆེ་གྲས་ཀྱི་བྱ་བའི་རྣམ་པའི་
之后向客户机 服务器这种工作模式
རྗེས་སུ་མི་སྒེར་གྱི་རྩིས་འཁོར། ཞབས་ཞུའི་འཕྲུལ་ཆས་འདིའི་རིགས་ཀྱི་ལས་ཀའི་མ་དཔེ་ཕྱོགས་ལ་
进行大转变之后的又一个巨变
འཕོ་འགྱུར་ཆེན་པོ་བྱུང་རྗེས་ཀྱི་ཡང་བསྐྱར་འགྱུར་ལྡོག་ཅིག་རེད།
云计算是分布式计算
སྤྲིན་རྩིས་རྒྱག་ནི་ཁྱབ་ཚུལ་རྩིས་རྒྱག་ཡིན་ལ།
并行计算
ཕྲེང་གཅིག་རྩིས་རྒྱག
网络存储
དྲ་རྒྱའི་གསོག་འཇོག
虚拟化
རྟོག་བཟོ་ཅན་
负载均衡
ཁུར་པོ་དོ་མཉམ།
冗余热备份等
ཚ་ལྷག་གྲབས་ཉར་སོགས་
传统的计算机和网络技术
སྲོལ་རྒྱུན་གྱི་རྩིས་འཁོར་དང་དྲ་རྒྱའི་ལག་རྩལ་
进行发展和融合的产物
མཉམ་འདྲེས་དང་གོང་འཕེལ་གྱི་ཐོན་དངོས་རེད།
云计算它将IT作为一种
སྤྲིན་རྩིས་རྒྱག་གིས་ITདེ་
按照使用量来付费的
བཀོལ་སྤྱོད་བྱས་ཚད་ལྟར་རིན་སྤྲོད་པ་ཞིག་ལ་གཞིར་འཛིན་སྲིད།
这种服务交付模式
རིན་སྤྲོད་ཞབས་ཞུའི་རྣམ་པ་འདིའི་རིགས་ནི་
云计算的提供商在很大的程度上
སྤྲིན་རྩིས་རྒྱག་གི་མཁོ་སྤྲོད་བྱེད་མཁན་གྱིས་ཚད་ངེས་ཅན་ཞིག་གི་སྟེང་ནས་
是依赖于虚拟化来提供服务
རྟོག་བཟོ་རང་བཞིན་གྱི་ཞབས་ཞུར་རྒྱབ་རྟེན་བཅོལ་ནས་ཞབས་ཞུ་མཁོ་འདོན་བྱས་པ་རེད།
所以说它能够提供
དེའི་རྐྱེན་གྱིས་དེས་
更高效的使用资源
སྔར་ལས་མཐོ་བའི་བེད་སྤྱོད་ཐོན་ཁུངས་མཁོ་འདོན་དང་
降低了企业的运营成本
ཁེ་ལས་ཀྱི་འཁོར་སྐྱོད་འགྲོ་སོང་ཇེ་དམའ་རུ་གཏོང་སྲིད།
云计算的提供商
སྤྲིན་རྩིས་རྒྱག་གི་མཁོ་སྤྲོད་བྱེད་མཁན་གྱིས་
通常提供四种不同的服务
དུས་རྒྱུན་ཞབས་ཞུའི་རིགས་མི་འདྲ་བ་བཞི་མཁོ་སྤྲོད་བྱེད་ཀྱིན་ཡོད་ལ།
这四种不同的服务分别是
ཞབས་ཞུའི་རིགས་མི་འདྲ་བ་འདི་བཞི་བོ་རེ་རེ་ནི་
软件即服务SaaS
མཉེན་ཆས་ཡང་ན་SaaSཞབས་ཞུ།
平台即服务PaaS
འཕྲིན་སྟེགས་ཡང་ནPaaSཞབས་ཞུ།
基础设施即服务IaaS
རྨང་གཞིའི་སྒྲིག་ཆས་ཡང་ན་IaaSཞབས་ཞུ།
以及IT即服务ITaaS
དེ་མིན་ITཡང་ན་ITaaSཞབས་ཞུ།
企业只需要向云计算的服务商
ཁེ་ལས་ཀྱིས་སྤྲིན་རྩིས་རྒྱག་གི་ཞབས་ཞུའི་ཚོང་ར་ལ་
来订阅所需的服务
བརྟེན་ནས་མཁོ་བའི་ཞབས་ཞུའི་རིགས་གང་དགོས་པ་དེ་མངག་ཉོ་བྱས་ཆོག
他可以只订阅其中的SaaS
ཁོས་དེའི་ཁྲོད་ཀྱི་SaaSམངག་ཉོ་བྱས་ཆོག་ལ་
也可以只订阅其中的IaaS
གཞན་ད་རུང་དེའི་ཁྲོད་ཀྱི་IaaSཡང་མངག་ཉོ་བྱས་ཆོག
这样就能够进一步的
འདི་ལྟར་བསྒྲུབ་ན་སྔར་ལས་ལྷག་པའི་སྒོ་ནས་
简化企业自身的IT运营
ཁེ་ལས་ཀྱི་ITའཁོར་སྐྱོད་བྱེད་པར་སྟབས་བདེ་བཟོ་ཐུབ།
这样的话
འདི་ལྟར་ཡིན་ན།
企业本身也不需要
ཁེ་ལས་ལ་ཡང་མ་གཞི་ནས་
购买这么多的IT设备
འདི་འདྲའི་ITསྒྲིག་ཆས་མང་བོ་ཉོ་མི་དགོས།
也不需要去现场
ཡུལ་དངོས་སུ་སོང་ནས་
维护和管理这些IT设备
སྒྲིག་ཆས་འདི་དག་ལ་དོ་དམ་དང་སྲུང་སྐྱོབ་ཀྱང་བྱེད་མི་དགོས།
所以说
དེའི་རྐྱེན་གྱིས།
采用云计算能够削减企业的成本
སྤྲིན་རྩིས་རྒྱག་བེད་སྤྱད་ན་ཁེ་ལས་ཀྱི་འགྲོ་སོང་ཇེ་ཉུང་དུ་གཏོང་ཐུབ་ལ།
它可以降低设备成本
དེས་སྒྲིག་ཆས་ཀྱི་མ་རྩ་ཇེ་དམའ་རུ་གཏོང་ཐུབ་པར་མ་ཟད།
可以降低能源成本
ནུས་ཁུངས་ཀྱི་མ་རྩ་ཡང་ཇེ་དམའ་རུ་གཏོང་ཐུབ།
物理设施对环境的要求
དངོས་ལུགས་སྒྲིག་ཆས་ཀྱི་ཁོར་ཡུག་གི་ཆ་རྐྱེན་
以及所需要的人员培训等等
དང་དགོས་མཁོའི་མི་སྣ་གསོ་སྐྱོང་བྱེད་པ་སོགས།
通常有四种云部署的模型
རྒྱུན་ལྡན་ལྟར་ན་སྤྲིན་བཀོད་དཔེ་དབྱིབས་རིགས་བཞི་ཡོད་པ་ནི་
分别是私有云
རེ་རེ་ནི་སྒེར་སྤྲིན་དང་
公共云 社区云和混合云
སྤྱི་སྤྲིན། སྡེ་ཁུལ་སྤྲིན་དང་སྤྲིན་རྩིས་མཉམ་བསྲེས་བཅས་ཡིན།
数据中心是对互联网业务资源
གཞི་གྲངས་ལྟེ་གནས་ནི་མཉམ་འབྲེལ་དྲ་རྒྱའི་བྱེད་སྒོའི་ཐོན་ཁུངས་
进行集中式处理和分发的地方
གཞི་གཅིག་ཅན་སྒྲིག་གཅོད་དང་བགོས་སྤྲོད་བྱེད་ས་ཡིན།
它也是大数据运用的
དེ་གཞི་གྲངས་ཆེན་པོ་བེད་སྤྱོད་དང་
网络基础设施的
དྲ་རྒྱའི་རྨང་གཞིའི་སྒྲིག་ཆས་ཀྱི་
集中所在地
གཞི་གཅིག་ཅན་འདུས་སྡོད་བྱེད་ས་ཡང་ཡིན།
数据中心包括计算机系统
གཞི་གྲངས་ལྟེ་གནས་ལ་རྩིས་འཁོར་རྒྱུད་ཁོངས་དང་
还包括与之配套的设备
གཞན་ད་རུང་སྒྲིག་ཆས་ཆ་ཚང་སྒྲིག་པ་འདུས་ཡོད།
比如说网络设备
དཔེར་ན་དྲ་རྒྱའི་སྒྲིག་ཆས།
存储系统
གསོག་འཇོག་མ་ལག
通信链路
འཕྲིན་གཏོང་སྦྲེལ་ལམ།
以及监控设备 安全设备
གཞན་བརྙན་མིག་སྒྲིག་ཆས་དང་བདེ་འཇགས་སྒྲིག་ཆས་
环境控制设备等等
ཁོར་ཡུག་ཚོད་འཛིན་སྒྲིག་ཆས་སོགས།
数据中心它是处于
གཞི་གྲངས་ལྟེ་གནས་དེ་ནི་
大数据产业的传输层
གཞི་གྲངས་ཆེན་མོའི་ཐོན་ལས་ཀྱི་བརྒྱུད་གཏོང་བང་རིམ་ན་གནས་ཡོད་ལ།
云计算是处于大数据产业的处理层
སྤྲིན་རྩིས་རྒྱག་ནི་གཞི་གྲངས་ཆེན་པོའི་ཐོན་ལས་ཀྱི་ཐག་གཅོད་བང་རིམ་ན་གནས་ཡོད།
在部署数据中心的时候
གཞི་གྲངས་ལྟེ་གནས་ལ་བཀོད་སྒྲིག་བྱེད་པའི་དུས་སུ་
我们必须考虑的这五个因素是
ང་ཚོས་ངེས་པར་དུ་བསམ་གཞིག་བྱེད་དགོས་པའི་རྒྱུ་རྐྱེན་འདི་ལྔ་ནི་
位置的因素 安全的因素
གནས་ཡུལ་གྱི་རྒྱུ་རྐྱེན་དང་བདེ་འཇགས་ཀྱི་རྒྱུ་རྐྱེན།
电力的 环境的和网络的因素
གློག་ཤུགས་དང་ཁོར་ཡུག དྲ་བའི་རྒྱུ་རྐྱེན་བཅས་ཡིན།
其中 位置的因素
དེའི་ཁྲོད་གནས་ཡུལ་གྱི་རྒྱུ་རྐྱེན།
我们在部署数据中心的时候
ང་ཚོས་གཞི་གྲངས་ལྟེ་གནས་བཀོད་སྒྲིག་བྱེད་དུས་སུ་
应该考虑到
བསམ་གཞིག་བྱེད་སྲིད་པ་ནི་
数据中心应该处在
གཞི་གྲངས་ལྟེ་གནས་ནི་
自然灾害少
རང་བྱུང་གནོད་སྐྱོན་ཉུང་བ།
远离人口流量大的区域
མི་ཚོགས་འདུ་སའི་ས་ཁོངས་དང་བར་ཐག་རིང་སར་འདང་རྒྱག་དགོས།
比如说它要远离机场
དཔེར་ན་གནམ་གྲུ་ཐང་དང་བར་ཐག་རིང་བ།
要远离一些大的商场
ཚོང་ཁང་ཆེན་པོ་རིགས་དང་བར་ཐག་རིང་བ།
要远离政府与公用事业战略的重点区域
སྲིད་གཞུང་དང་སྤྱི་སྤྱོད་ལས་དོན་འཐབ་ཇུས་ཀྱི་ས་ཁུལ་གཙོ་བོ་དང་བར་ཐག་རིང་བ།
要远离炼油厂 大坝和核反应堆等等
རྡོ་སྣུམ་བཙོ་སྦྱང་བཟོ་གྲྭ་དང་རགས་ཆེན་ཉིང་འགྱུར་རིགས་སོགས་དང་བར་ཐག་རིང་བ།
这是我们首要考虑的
འདི་ནི་ང་ཚོའི་ཐོག་མར་འདང་རྒྱག་དགོས་པ་ཞིག་ཡིན།
数据中心的位置因素
གཞི་གྲངས་ལྟེ་གནས་གནས་ཡུལ་གྱི་རྒྱུ་རྐྱེན་
第二个要考虑的
བསམ་བློ་གཏོང་དགོས་པ་གཉིས་པ་ནི་
是数据中心的安全要求
གཞི་གྲངས་ལྟེ་གནས་ཀྱི་བདེ་འཇགས་ཐད་ཀྱི་རེ་བ་ཡིན།
从这个角度出发
ཕྱོགས་འདི་ནས་འདང་བརྒྱབ་ན།
我们在选择数据中心的时候
ང་ཚོས་གཞི་གྲངས་ལྟེ་གནས་གནས་ཡུལ་འདེམ་དུས་
应该选择距离
བར་ཐག་ལ་འདང་རྒྱག་དགོས་ཏེ།
军事威胁区较远的区域
དམག་དོན་ཉེན་ཁ་ཆེ་ས་དང་བར་ཐག་རིང་དགོས་པ་
而且在这些区域还能够
མ་ཟད་གནས་འདི་དག་ལ་
严格的控制访客的进入和现场人员的进入
མགྲོན་པོ་ཡོང་བ་དང་ཡུལ་དངོས་ཀྱི་མི་རྣམས་ནང་ལ་ཡོང་བར་གཟན་ནན་སྒོས་ཚོད་འཛིན་བྱེད་དགོས།
第三个
གསུམ་པ་ནི་
在部署数据中心的时候
གཞི་གྲངས་ལྟེ་གནས་བཀོད་སྒྲིག་བྱེད་དུས་
我们要考虑的是
ང་ཚོས་བསམ་གཞིག་བྱེད་དགོས་པ་ཞིག་ནི་
电力的因素
གློག་ཤུགས་ཀྱི་རྒྱུ་རྐྱེན་ཡིན།
我们需要考虑到这个
ང་ཚོས་ངེས་པར་བློའི་ཡུལ་ལ་དཔག་དགོས་པ་ཞིག་ནི་
所选的这个地方
འདེམ་པའི་གནས་འདིར་
要有足够的电力
གློག་ཤུགས་ཀྱིས་འདང་དགོས་པ་དང་
还要配备不同的不间断电源
ད་རུང་གློག་ཁུངས་རིགས་མི་འདྲ་བ་གློག་སྨན་དང་
电池组和发电机等等
སྒུལ་བྱེད་གློག་འདོན་འཕྲུལ་ཆས་སོགས་སྒྲིག་སྦྱོར་བྱས་པ་ལས་
构成的备用电源
གྲུབ་པའི་གྲ་སྒྲིག་གློག་ཤུགས་བཀོད་སྒྲིག་གང་ལེགས་བྱེད་དགོས།
第四个我们要考虑的
ང་ཚོས་བསམ་གཞིག་བྱེད་དགོས་པ་བཞི་བ་ནི་
就是环境因素了
ཁོར་ཡུག་གི་རྒྱུ་རྐྱེན་ཡིན་ལ་
我们需要严格的控制
ང་ཚོའི་གཟབ་ནན་སྒོས་
数据中心的物理环境
གཞི་གྲངས་ལྟེ་གནས་ཀྱི་དངོས་ལུགས་ཁོར་ཡུག་ལ་ཚོད་འཛིན་བྱེད་དགོས།
一般在选择数据中心的时候
སྤྱིར་བཏང་དུ། གཞི་གྲངས་ལྟེ་གནས་འདེམས་དུས་
要把它选在冷凉的地方
གྲང་མོ་ཡིན་ས་ཞིག་འདེམ་དགོས།
而且所选的地方还必须
དེ་ལས་གཞན་འདེམས་ཟིན་པའི་གནས་ཡུལ་ན་ངེས་པར་དུ་
配备先进的灭火系统
སྔོན་ཐོན་རང་བཞིན་གྱི་མེ་གསོད་སྒྲིག་ཆས་བཀོད་སྒྲིག་བྱེད་དགོས།
最后一个
མཐའ་མཇུག་ནི་
在部署数据中心的时候
གཞི་གྲངས་ལྟེ་གནས་བཀོད་སྒྲིག་བྱེད་དུས།
我们需要考虑的是
ང་ཚོས་བསམ་གཞིག་བྱེད་དགོས་པ་ཞིག་ནི་
网络的因素
དྲ་བའི་རྒྱུ་རྐྱེན་ཡིན།
数据中心所在的网络基础架构
གཞི་གྲངས་ལྟེ་གནས་ཡོད་སའི་དྲ་རྒྱའི་སྒྲིག་ཆས་སྒྲོམ་གཞི་
应该可扩展
རྒྱ་སྐྱེད་དགོས་ལ་
而且能够提供可靠的
དེ་ལས་གཞན་བློ་གཏད་ཆོག་པའི་
冗余的连接
དྲ་རྒྱའི་སྦྲེལ་མཐུད་མཁོ་སྤྲོད་བྱེད་དགོས།
目前 全球总共有超过了3000个数据中心
མིག་སྔར། འཛམ་གླིང་སྟེང་ཁྱོན་བསྡོམས་གཞི་གྲངས་ལྟེ་གནས་སྟོང་གསུམ་ལས་བརྒལ་ཡོད་ལ།
为个人 为企业 为政府
མི་སྒེར་དང་ཁེ་ལས། སྲིད་གཞུང་སོགས་ལ་
提供托管服务
ཚབ་གཉེར་ཞབས་ཞུ་མཁོ་སྤྲོད་བྱེད།
这个托管服务
ཚབ་གཉེར་ཞབས་ཞུ་འདི་ནི་
就是我们刚才所讲的这个IaaS
ང་ཚོས་སྔོན་མར་བཤད་པའི་IaaSའདི་ཡིན་ལ།
在数据中心中也普遍使用了虚拟化的技术
གཞི་གྲངས་ལྟེ་གནས་སུ་ཡང་རྟོག་བཟོ་རང་བཞིན་གྱི་ལག་རྩལ་ལ་བརྟེན་ནས་
来快速扩展云计算
མགྱོགས་མྱུར་སྒོས་སྤྲིན་རྩིས་རྒྱ་སྐྱེད་བྱེད་པ་དེ་ཁྱབ་གདལ་དུ་བཀོལ་སྤྱོད་བྱེད་བཞིན་ཡོད།
所以说
དེའི་རྐྱེན་གྱིས།
虚拟化是云计算
རྟོག་བཟོ་རང་བཞིན་ནི་སྤྲིན་རྩིས་དང་
和数据中心的关键因素
གཞི་གྲངས་ལྟེ་གནས་ཀྱི་གནད་འགག་རྒྱུ་རྐྱེན་ཡིན།
-第一节:互联网简介
--Video
-第二节上:互联网主要特点(上)
--Video
-第二节中:互联网主要特点(中)
--Video
-第二节下:互联网主要特点(下)
--Video
-第三节:什么是万物互联
--Video
-第四节:思科网络学院IoE在线课程互动游戏
--Video
-第1章 万物互联简介--第一章习题
-第一节 “事物”要素
--Video
-第二节上:“数据”要素(上)
--Video
-第二节下:“数据”要素(下)
--Video
-第三节 “人员”要素
--Video
-第四节 “流程”要素
--Video
-第2章 万物互联支撑要素--第二章习题
-第0节:联所未连简介
--Video
-第一节:连接设备
--Video
-第二节上:配置设备(上)
--Video
-第二节下:配置设备(下)
--Video
-第三节:编程
--Video
-第3章 联所未连--第三章习题
-第一节 IoE连接
--Video
-第二节 实施IoE解决方案
--Video
-第三节 IoE的安全性
--Video
-第4章 过渡到IoE--第四章习题
-第一节 人工智能
--人工智能
--人工智能讨论
-第二节 模式识别
--模式识别
--模式识别讨论
-第三节 深度学习
--深度学习
--深度学习讨论
-第四节 小节
--小节
--第五章 习题
-第一节 大数据的思维方式
--大数据的思维方式
--大数据思维作业
-第二节 大数据分析基础
--大数据分析基础
--大数据分析作业
-第一节 云计算概述
--云计算概述
-第二节 虚拟化技术
--虚拟化技术
-第三节 存储技术
--存储技术
-第一节 复杂网络
--复杂网络
-第二节 复杂网络视角下的万物互联