云計算技術優勢精選(五篇)

序言：作為思想的載體和知識的探索者，寫作是一種獨特的藝術，我們為您準備了不同風格的5篇云計算技術優勢，期待它們能激發您的靈感。

篇1

關鍵詞:云計算;廣電領域;應用

引言

當今，信息技術發展快速，信息和數據高度密集，云計算改變了人們的生活，成為最為熱議的話題，也是目前最為先進的技術。云計算已經廣泛運用計算機和互聯網行業中去，谷歌、微軟等公司都擁有了自己的云計算平臺。現在更多的科研者正在研究如何把云計算運用到更多的領域，云計算如今正在電信和光電行業開展，為廣電領域的發展開辟了廣闊的途徑。

1云計算概述

最早云計算是大型互聯網服務商在擴建基礎設施時所采用的。云計算為應用模式提供了新的平臺，它作為一種實用的計算形式，非常新穎，其硬件、軟件、存儲等資源可以隨時合并，然后再合并為客戶所需要的服務。從通俗意義上而言，云計算中的“云”是基于互聯網服務器集群中的各類資源，由硬件資源和軟件資源組成，包括服務器、CPU、存儲器、集成開發環境、應用軟件等等，本地計算機再利用互聯網發送請求之后，遠端就會有計算機為其提供資源，將結果反饋到本地計算機中。云計算包括幾個顯著的特征，即按需自助服務、無所不在的網絡訪問、無地區區別資源地、可度量服務、快速彈性能力等。從嚴格意義來講，云計算其實并不是一門新技術，而是在計算過程中所運用的新思維和方法，表現為需求和市場關系發展的變化，它是對計算手段的一種完美解讀，是網絡發展到一定階段后，業務和形態共同體現。云計算不能脫離網絡，離開網絡，云計算就失去了應有的效能。

2云計算在廣電行業的發展

近些年，云計算在信息領域成為一枝獨秀，受到全世界的重視。我國也積極研究云計算，并把云計算運用到各個領域，廣電行業也開始運用云計算，這不僅給廣電業帶來巨大發展，也給廣電業提出了挑戰。從廣播電視內容的制作、數字存儲，再到雙向互動、有線電視管理等，云計算的作用是不可估量的。“三網融合”是我國廣電行業未來發展的目標，但是受到技術、體制等問題的約束，“三網融合”遲遲沒有得到實質性突破。從2010年政府再提出這一目標，才開始走上實質性的試點建設軌道。在建設過程中，要積極發展新的技術和業務，其中最重要的就是“云計算”和“云服務”。“三網融合”的真正意圖就是要把廣播電視網、電信網和互聯網三者融合在一起，做到資源共享，業務范圍和技術逐步達到一致，滿足用戶更多的需求，提高人們更高的精神需求。通過“三網融合”使網絡和信息資源最大程度實現共享，使重復建設得以避免，打破了三者之間的界限。云計算在三網融合中運用，必將給廣電行業帶來前所未有的發展機遇。廣電行業也要以云計算為抓手，緊跟時代步伐，運用好云計算。

3云計算在廣電領域的實踐運用

云計算的核心理念就是在很多的機器上提供服務，這種服務具有高性能、安全可靠。當今，網絡寬帶飛速發展，速度增長非常快，就給云計算提供了便捷的條件。云計算的發展給廣電“三網融合”帶來了更大的發展潛力。運用云技術可以使數據壓縮能力顯著提高，使廣電資源和業務相互分離，資源根據客戶需要進行分配，使設備的使用效率大大提高。另外，云計算還使服務具有連續性。當前，廣電運營商所面臨的問題很多，這些問題對廣電行業發展起到了阻礙作用。但是云計算的運用，使電視變成了電腦，實現了語音和視頻功能，讓電視具有電腦一樣強大的功效，這是云計算在廣電行業的主要運用體現。天然視頻云計算終端和寬帶網絡是廣電網絡的兩個優點，實踐顯示，只要增加視頻云技術的處理器，這樣云計算就可以發揮作用了。只要是技術的應用呈現能夠運行，在終端就能夠顯現出來，使終端的成本大大降低。不管任何的時間、任何地點，都可以對各類應用功能進行訪問，客戶不需要再去升級終端，減少不必要的麻煩，也使更新和維護成本降低。云計算對廣電行業的發展具有很大促進作用，為廣電行業發展開辟新途徑。云計算對廣電行業來說是一項非常基礎的工程，以廣電網絡為基礎，構建云計算平臺，使傳統媒體和視聽新媒體有機聯系在一起。對廣電行業來說，還可以利用云計算建立IT系統和業務平臺，做到差異化競爭，改善產業結構，促進廣電行業的新發展。

4結語

總之，“三網融合”不斷前行，競爭更加白熱化。廣電業當前亟需解決的問題就是怎樣才能在競爭中嶄露頭角。云計算正是在廣電行業困難時刻應運而生的，為廣電行業調整結構、改變運營模式打下了堅實基礎。廣電行業要積極開展“三網融合”，充分運用云計算技術，構建廣電行業的云計算平臺，在激烈競爭中提高質量，提供更加優質、快捷的服務，開辟出新的發展之路。

參考文獻:

［1］嚴海兵，姚武霞，過言之．云計算下的圖書館數字資源存儲研究［J］．蘇州科技學院學報(自然科學版)，2011(3)．

［2］石蓉蓉．論大數據在廣電系統中的應用———基于技術層面的思考［J］．電視研究，2015(6)．

篇2

IBM將這一能力稱為技術運算。繼去年10月收購Platform之后，11月19日，IBM中國系統與科技（西安）開發中心正式（以下簡稱西安開發中心）揭牌。該中心將整合IBM在全球的創新資源，繼續在包括高性能計算在內的技術運算領域進行研發。

整合資源推動創新

據悉，西安開發中心是繼IBM中國系統與科技開發中心落戶上海、北京、臺北和無錫之后又一個位于中國本土的IBM全球研發機構。IBM中國系統與科技開發中心總經理、Enterprise Systems全球研發副總裁Michael Desens表示，西安開發中心將配置一流的研發人員，參與IBM核心產品的研發和技術創新，支持IBM的全球整合創新戰略，有效推動新興市場的業務增長。“IBM的全球開發中心需要將本地創新與全球資源有效整合，實現以深度科技服務客戶的目標。IBM將堅持人才的多元化和豐富性，為創新不斷注入新鮮活力，增強執行能力。” Michael Desens說。

作為IBM系統與科技部位于中國的唯一研發機構，IBM中國系統與科技開發中心（IBM GCG STG Labs）涉及涵蓋半導體芯片、HPC（高性能計算）、系統軟件等多方面的研發工作。“開發中心在發展到一定規模后，迫切需要技術、工程和行業經驗過硬的研發團隊，緊跟市場發展的腳步，不斷創新。”IBM中國系統與科技開發中心技術總監謝東表示，“研發創新的核心是人才。西安開發中心將整合當地和全國一流的高校人才資源，開展包括研發在內的多方面合作。這種深入的合作和完整的人才培養機制將為IBM的研發創新提供持續動力。”

談到此次西安開發中心的成立，不得不提到已經被IBM收購的Platform。據了解，Platform早在2005年就在西安成立了其全球研發中心。此次新成立的西安開發中心將全部整合Platform在西安的研發團隊，該團隊將占整個開發中心人員比例的90%以上。

“后Platform時代”重要戰略

“Platform無疑是IBM歷史上一次非常重大的收購，西安開發中心是推進Platform及IBM技術運算整合創新戰略中非常重要的一步。”IBM系統與科技部技術運算及高性能計算副總裁Brain J.Connors高度評價了西安開發中心的地位。

“智慧驅動創新”越來越成為產業界對IT商業價值的普遍共識，高性能計算的應用場景正在從科研、政府等傳統領域更多地向行業應用滲透。“未來，高性能計算系統將進一步靠近商業應用環境，針對大數據的技術運算和HPC云可能成為兩大系統演進的趨勢。”IBM系統與科技部技術運算開發副總裁Chris Maher認為，“計算更加接近數據，大規模計算正在與大數據更緊密地結合，在此基礎上將形成可操作并支持行動的洞察力。包括IBM Symphony、IBM General Parallel File System（GPFS）等在內的工具將為高性能計算系統提供大規模的資源配置和擴展性系統的管理能力，以及強大的集群和文件管理能力。IBM將持續整合Platform技術并不斷創新，將云的能力不斷擴展延伸。”

篇3

在計算機的使用過程中應用云計算技術可有效打破這種局限。目前，我國高校實驗室資源還普遍存在較多問題。常見問題主要為資源匱乏、分布不均、資源利用率低等。合理地將云計算技術應用于高校實驗室資源管理中，可促進實驗室資源得到優化配置，進而促進資源的價值得到充分發揮[1]。

2云計算技術的基本內涵(Cloudcomputingbasicconnotationtechnology)

2.1云計算技術的含義

云計算技術的意義表現為以具有公開性的相關服務和標準作為主要基礎，以互聯網作為中心部位，為計算機使用用戶提供具有更高安全性和更好快捷性的數據存儲相關服務，使得計算機使用用戶可通過互聯網更加高效地進行相關數據的儲存、分析和處理[2]。云計算技術憑借其科學性、易用性、可移植性優勢越來越廣泛地被應用于各個領域中，其已成為未來網絡虛擬化存儲的一個必然發展趨勢。

2.2云計算體系的構架

云計算可根據用戶的實際需要，提供具有云計算體系的彈性的相關資源。云計算的表現形式實質上表現為一系列服務的集合。結合目前關于云計算的實際應用和研究結果，可將云計算體系的構架分為核心服務層、服務管理層、用戶訪問接口三大部分。核心服務層是將相關軟件的硬件基礎設施、運行環境、應用程序抽象成為一種服務。抽象出來的這一系列服務均具有較高的可用性和較強的可靠性，且服務規模具有可伸縮性。因此，這些服務能夠更好地滿足用戶在使用互聯網過程中的各種需求。服務管理層為核心服務層提供服務質量、安全管理等保障，保證核心服務的可用性、可靠性和安全性。用戶訪問接口通常包含命令行、Web門戶等諸多形式，其實現了端到云的訪問。2.3云計算平臺的介紹云計算平臺也可稱為云平臺，其可劃分為三大類，分別為存儲型云平臺、計算型云平臺、綜合云計算平臺。存儲型云平臺的主要作用為存儲數據，綜合云計算平臺則兼顧數據存儲和數據處理。云計算平臺在架構主要分為硬件層、虛擬層、軟件平臺層、能力層、應用平臺、軟件服務層，每個層次間均表現為松耦合關系。云計算平臺的特點主要表現在如下幾點：首先，各用戶在應用該種技術的過程中不用理會云平臺底層的實現情況。各用戶在應用云計算平臺，或者應用云平臺來云平臺用戶、服務提供商等第三方應用開發者時，均無需詳細了解云內部的相關細節，其僅僅需要充分利用平臺中所提供的相關接口便可直接通過該平臺來進行相關工作。其次，云平臺具有突出的靈活性，其在應用過程中的規模可根據用戶的實際需要來進行相應的調節。在調節的過程中，通過虛擬化技術，該平臺的提供商便可按照各用戶的實際需要向其提供相應的服務。由此可見，應用云計算平臺時，云的成本得到有效降低，同時還可更好地滿足各個用戶的不同需求。最后，云平臺是在大規模網格或數據中心基礎之上形成的，其可為各用戶提供具有更高性能的計算服務。同時，對于云平臺使用者來講，云的資源更加豐富。

3云計算技術的應用與發展歷程(Cloudcomputingtechnologyapplicationanddevelopmentprocess)

云計算技術的具體發展和應用歷程表現如下：第一，2007年10月，IBM與Google、聯合美國馬里蘭大學、加州大學等諸多高校開始研發云計算技術，并將該種技術應用于高校實驗室。第二，第二年10月份，IBM與北卡羅來納州立大學合作，充分應用云計算技術為整個州使用網絡的用戶提供云計算技術服務，且提供的相關服務均是免費的，云計算技術逐漸被廣泛應用于互聯網中。也是在這一年，EMC與清華、復旦幾所重點大學相互合作，加強對云計算技術群的相關系統軟件進行研究和開發，并將相關的系統軟件逐步應用于對互聯網上存在的龐大數據信息進行分析和處理，同時積極地將這些系統軟件向更多的領域進行推廣，使這些系統軟件在全社會逐漸得到應用。以此同時，該階段通過研究和開發，還積極的在高校實驗室資源管理中應用云計算技術，促進中國高校的實驗室資源得到有效優化。第三，2009年4月份，“雅虎”與加州大學、馬薩諸塞大學等高校合作，研發云計算技術群的系統軟件，將該種技術應用于規模巨大的信息數據處理，同時也將該技術應用于高校驗室資源優化中。2010年，“云安全”在諸多所高校中得到應用，為校園網絡的安全提供有效保障。同時，在高校實驗室資源優化中也較為廣泛地應用到了該種技術。

4云計算技術對高校實驗室資源的優化價值(Cloudcomputingtechnologytooptimizethevalueofuniversitylaboratoryresources)

4.1有助于構建資源共享空間

通過云計算技術可構建起一個資源共享空間，并將該空間延伸各個家庭，乃至延伸至社會。因此，各高校在不用對本校實驗室硬件設備進行更新的基礎上便可分享到由一個龐大的系統相互連接而形成的一個基礎設施，促進高校實驗室運行成本得到有效降低。同時，通過這個基礎設施，各個高校均可實現對其他高校的資源進行實時共享。高校中的學生、教師在家中、社會中均可共享相關資源，提高了資源的利用價值。

4.2有助于減少軟件使用成本

應用云計算技術所提供的相關服務，僅需要將存在于高校實驗室中的硬件設備接入到互聯網中，然后開啟客戶端。這樣便可將硬件維護工作、各軟件帶來的大量負荷直接交由云計算技術服務的供應商去實施[3]。將云計算技術服務接入到高校實驗室中后，學校就不用再花錢購買商業軟件授權，進而降低軟件使用成本。通過運行瀏覽器，各個用戶便可享受到由云計算技術所提供的相關服務，而不再需要再花錢去進行軟件升級。

4.3有助于保證資源數據安全

當高校的教師或者學生將實驗室資源數據保持到其自己平時所使用的電腦上時，一旦計算機出現故障或者丟失會直接導致相關數據遭受破壞或者丟失。而在實驗室資源管理過程中應用云計算技術時，可充分利用云計算技術提供的豐富服務，將管理過程中所涉及的相關數據均直接存儲到云端。將數據存儲于云端可促進數據存儲的安全性和可靠性得到大大提升，有效避免數據資料的損壞和丟失。此外，使用云計算技術服務之后，高校無需再重新花錢購買更多的數據庫服務器來對龐大的數據進行儲存和管理。在管理過程中應用虛擬化管理模式之后，管理過程中的諸多事物均可交由云計算技術服務供應商來實施，促進工作效率和工作質量得到有效提高。

4.4有助于促進行業教育發展

近年來，我國網絡用戶數量不斷增加，據互聯網信息中心統計數據顯示，截至2012年8月，我國網絡用戶已達5.3億之多，且還表現出不斷增長的趨勢。隨著云計算技術的不斷優化，每個用戶均可在校內建立個人學習網絡環境，在學習過程中依然可以充分利用實驗室資源。在這樣的學習環境中，學生在學習過程中的主體性地位得到更加充分的體現，學生的自學意識及自學能力可得到有效提升，促進國民綜合素質和能力得到有效提升。

5我院實驗室云計算技術的具體應用效果(Ourhospitallaboratorycloudcomputingtechnologyapplicationeffect)

目前，我校已加強對校內實驗室進行合理規劃，標準化定義了校內所有相同設備儀器，將存在差異性的設備進行單獨規劃。將所有設備均置于云計算技術平臺中，然后將各個學科專業作為主要依據，將與之相適應的數據信息和資源放入具體的區域中。用戶可根據實際需要對所需資源進行檢索。為了保證數據在格式上具有統一性，我校對相關資源數據實施標準化處理，使其具有統一性。同時，對形式上具有差異性的所有數據實施相應的轉化以及認證，使全部數據均具有統一性和可用性。在使用過程中，按照各個操作者進行各個使用權限以及使用類別設置。在云計算技術的實際應用過程中，將所有的資源數據均集中到數據中心，或者集中到計算云中。在應用云計算技術過程中為了保證高校實驗室資源數據的安全，需健全并完善保密體系和認證體系。

6云計算技術資源優化的未來發展趨勢(Cloudcomputingtechnicalresourcestooptimizefuturedevelopmenttrend)

首先，云計算技術應用的不斷推廣急需相應的科研人才。在這樣的背景下，高校在發展過程中應積極對教學大綱進行科學調整，更加學校實際發展狀況和人才市場需求適當增設一些與計算技術相關的課程，及其對專業技術人才進行培養。其次，在應用云計算技術的過程中，龐大的數據資源會被全部集中于數據中心或者計算云中。所以，在加強技術建設的同時也需加強相關法律法規建設。只有不斷完善相關法律法規才能為計算技術應用過程中的安全問題提供可靠法律依據，保證數據資料的安全性。同時，完善的法律法規可促進服務供應商的運作不斷向規范化發展。再次，目前，我國大部分高校已經應用到網絡服務系統，但是各校在應用過程中還存在較大差異性。所以須積極制定一個統一的接口標準，使云計算技術接入能夠具有統一性，進而促進云計算技術才能更好地應用于高校實驗室資源優化中。

7結論(Conclusion)

篇4

關鍵詞：視頻分割；稀疏優化；子空間模型

中圖分類號：TP302 文獻標識碼：A 文章編號：1009-3044（2016）27-0139-05

1 介紹

視頻的運動分割，旨在從視頻序列中分解出多個連續移動的不同物體。將不同運動物體的信息從視頻中提取出來之后，可以做很多后續的研究，如異常行為分析或者運動物體的追蹤。近幾年，基于特征點軌跡聚類的視頻運動分割問題是主要的研究方向，首先對提取的實際視頻序列進行預處理獲得特征點軌跡，如KLT[1]，SIFT[2]或者SURF[3]等特征點提取算法，基于不同的運動目標對特征點軌跡集合進行聚類。但是長視頻序列中提取和跟蹤的特征點集合往往是高維復雜的大數據，需要尋求一種高精度并能快速對高維復雜數據進行分類的方法。基于子空間模型下的運動分割，是現如今被普遍研究的分類方法。子空間模型下分類的基本思想是，從視頻序列中提取到的每一組特征點軌跡都認為其點集合共同構建了一個子空間，那么不同特征點集合的聚類問題，即轉化為對一組子空間集合進行聚類的問題。

本文基于LSA聚類算法[7]以及稀疏子空間聚類算法（SSC）[6]的思想，提出一種基于稀疏優化對子空間進行聚類的新方法。實驗結果表示，本文所提出的方法，可以有效且快速地分類實際視頻中的不同運動目標。

2 基于子空間模型下的運動分割

2.1 子空間聚類模型

對特征點集合組成的高維數據聚類，基于子空間的模型，首先需要獲得高維數據的低維表示，而這個低維表示能夠保持原大數據矩陣的本質特征。假設，將原高維數據的低維投影看作一個變換后的“全局子空間”，而全局子空間是由不同的更低維度的“本地子空間”相互交疊構成，如圖1，三種數據點集合構成三種子空間S1，S2，S3，集合S={ S1，S2，S3}稱作全局子空間，S1，S2，S3相對的稱作本地子空間。本文中基于子空間模型進行分類的基本思想就是從全局子空間中找出不同的本地子空間，屬于同一本地子空間的數據應當被劃分到同一類中，即劃分為屬于同一種運動目標。

4 實驗結果與分析

本文實驗數據選自標準的視頻數據庫Hopkins 155數據集[13]。并將本文提出的優化算法與現今其他優秀的運動分割算法進行比較，在分割的過程中，假設所有視頻中運動目標的個數已知。

圖6，7，8是采用本文所提出算法進行聚類的結果，不同顏色代表不同的運動目標。圖6中包含3中運動，紅色點代表背景，藍色和綠色代表兩種汽車的運動，圖7中包含2種運動，人的手臂以及手上拿的物體分別用紅色和綠色進行區分，圖8代表了3種物體的運動，紅色點代表背景，由圖7可知，對于特征點多且復雜的難以區分運動模式，我們所提出的算法可以有效的對不同的運動目標進行區分。為了進一步表明本文所提出算法的優勢，我們將從錯誤率和運算時間與SSC [6]， LSA [7]， RANSAC [4]， GPCA [5]， LLMC [14]算法進行對比。

從表1、2、3、4可以得出，我們所提出的算法具有比較好的準確度，雖然相比SSC算法來說準確度略低，但是我們的優化算法與SSC相比加快了運算的速度。

5 總結

本文提出了一種基于子空間的運動分割優化方法，可以對實際視頻序列中不同的運動物體進行有效分類。首先通過SPCA算法[15]將高維數據投影在一個低維的空間上，并且具有少數的非零元素；基于SMCE [9]的思想，對投影后低維空間中不同的子空間進行估計，尋找在低維空間中每一個數據點的稀疏近鄰（隸屬于同一子空間），將投影后分布于低維空間中的不同子空間分割出來，這種方式相比較LSA算法來說，改善了過度估計和不同子空間相互交叉的問題，大大提高了準確率。與SSC算法相比，運算時間得到提升。在未來的研究中，將對長視頻序列中運動目標分割的研究作為主要方向，并側重數據缺失或不完整軌跡等問題，進一步提升算法的準確性和實用性。

參考文獻：

[1] Tomasi C， Kanade T. Detection and tracking of point features. School of Computer Science， Carnegie Mellon Univ. Pittsburgh，1991.

[2] Zhou H， Yuan Y， Shi C. Object tracking using sift features and mean puter vision and image understanding， （2009，113：345，352.

[3] Bay H， Ess A， Tuytelaars T， Van Gool L.Speeded-up robust features （surf）. Computer vision and image understanding， 2008，110：346，359.

[4] Fischler M A， Bolles R C. Random sample consensus： a paradigm for model fitting with applications to image analysis and automated cartography. Communications of the ACM 1981：24：381，395.

[5] Vidal R， Ma Y， Sastry S.Generalized principal component analysis （gpca）. Pattern Analysis and Machine Intelligence， IEEE Transactions，2005，27：1945，1959.

[6] Elhamifar E， Vidal R. Sparse subspace clustering. In： Computer Vision and Pattern Recognition， 2009. CVPR 2009. IEEE Conference on IEEE，2009：2790，2797.

[7] Yan J， PollefeysM.A general framework for motion segmentation： Independent，articulated， rigid， non-rigid， degenerate and non-degenerate. In： Computer Vision ECCV 2006. Springer （2006，94：106.

[8] Hartley R， Zisserman A.Multiple View Geometry in Computer Vision. 2 edn. Cambridge University Press， New York， NY， USA.2003.

[9] Elhamifar E， Vidal R. Sparse manifold clustering and embedding. In： NIPS，2011：55，63.

[10] Journ_ee ， Nesterov ， Richt_arik ， Sepulchre . Generalized power method for sparse principal component analysis. The Journal of Machine Learning Research，2010， 11：517，553.

[11] d'Aspremont A， El Ghaoui L， Jordan M I， Lanckriet G R.A direct formulation for sparse pca using semidefinite programming. In： NIPS. Volume，2004， 16.：41，48.

[12] Tibshirani R.Regression shrinkage and selection via the lasso. Journal of the Royal Statistical Society. Series B （Methodological，1996：267，288

[13] Tron R， Vidal R.A benchmark for the comparison of 3-d motion segmentation algorithms. In： Computer Vision and Pattern Recognition， 2007. CVPR'07. IEEE Conference on， IEEE，2007：1，8.

篇5

關鍵詞 云計算技術；實驗室資源；優化應用

中圖分類號：G482 文獻標識碼：B 文章編號：1671-489X(2012)03-0077-02

Analysing Application of Cloud Computing Technology to Optimize Resources of University Laboratory//Li Wenguang, Lei Weijia

Abstract Through the introduction to the development and application process of cloud computing technology, the paper explores and analyzes the application of cloud computing technology to optimize resources of university laboratory.It can solve effectively the practical problems which including uneven setting, inadequate Equipments and security risks, etc. The paper looks into the future development trends of the application of cloud computing technology to optimize resources of university laboratory.

Key words cloud computing technology; resources of university laboratory; optimizing application

Author’s Address Normal College of Shenzhen University, Shenzhen, Guangdong, China 518060

隨著計算機互聯網的普及和發展，原有的互聯網系統和服務設計已經不能適應科技現代化的需要，云計算技術應運而生。云計算技術現有的定義是：以公開的標準和服務為基礎，以互聯網為中心，提供安全和快捷的數據存儲和網絡計算服務，讓互聯網這片“云”成為每位網絡用戶的數據中心和計算中心。

結合我國高校的現狀，普遍存在實驗室資源不足，分布不均，不能共享等問題。云計算技術的優化應用，能進一步改善高校實驗室資源狀況，促進高校又好又快發展。

1 云計算技術的發展和應用歷程

1）2007年10月，IBM與Google合作，聯合美國史丹佛大學、卡內基梅隆大學、加州大學、馬里蘭大學及麻省理工學院等高校，共同研究開發出云計算技術。同時通過云計算技術的應用，降低分布式計算技術的研究成本，并為高校實驗室提供了軟硬件設備及計算技術的支持。

2）2008年10月24日，IBM與北卡羅來納州立大學合作，通過云計算技術的應用，向整個州的網絡用戶提供免費的云計算技術服務。

同年，EMC與清華大學和復旦大學合作，共同研究云計算技術在中國高校的推廣和應用，其中包括高校實驗室資源的優化應用。

3）2009年4月16日，“雅虎”與加州大學、康奈爾大學以及馬薩諸塞大學3所高校共同合作，研究開發出云計算技術群的系統軟件，應用于分析和處理互聯網大規模的信息數據，并逐步推廣到全社會。同時也適用于高校實驗室資源的優化應用。

4）2010年，云計算技術中的趨勢科技“云安全”應用在鄭州輕工業學院等多所高校，為校園網絡安全防護構筑起立體式、多層次的防護體系。同時也為高校實驗室資源的優化應用，提供了更安全可靠和高效率的保證。

2 云計算技術對高校實驗室資源的優化應用大有 可為

通過分析云計算的技術特點，結合高校實驗室資源的現狀，可以探究出云計算技術對高校實驗室資源的優化應用大有可為。

1）云計算技術可以為所有高校之間構建共同資源共享空間，甚至可以把共享空間延伸到社會和家庭，使各個高校既能分享到龐大系統連接形成的基礎設施，又不必更新高校實驗室的硬件設備，從而大大降低高校實驗室運行成本，又實時地獲得其他高校的資源共享。

高校師生若身在社會或家庭中，可以通過云計算技術與高校實驗室共享所有資源，解決高校實驗室資源不均和不足的現實問題。

2）通過云計算技術服務，只需讓高校實驗室原有計算機硬件設備接入互聯網，把客戶端開起使用各軟件帶來的大量負荷和硬件維護工作，移交給云計算技術服務供應商去完成。

高校實驗室接入云計算技術服務后，不必花費大量資金購買商業軟件授權。客戶端的本地計算機只需運行瀏覽器即可享受云計算技術服務，不必為應用軟件升級而付費。

3）高校實驗室應用云計算技術服務后，資源數據存儲在云端，為實驗室資源儲存提供了安全和可靠的保證。這樣可以避免高校師生將實驗室資源數據存放在個人計算機上，可能感染計算機病毒而造成數據丟失。同時高校實驗室不需要購置數據庫服務器，也能滿足日益增加的實驗室資源數據。以上的功能均由云計算技術服務商提供優質服務來處理解決。

4）根據中國互聯網信息中心統計，截至2010年6月，中國網絡用戶規模已達到4.2億，并且逐年增加。通過云計算技術的優化應用，網絡用戶可以在校內外任何地方建立起以個人學習為中心的網絡學習環境，從各個高校實驗室廣泛的資源中，優化配置，合理選用。教學活動更多的由學習者自己而不是高校來掌控，極大地提升了自學環境，促進全社會各個行業終身教育的發展，有利于提高全體國民的綜合素質。

3 展望云計算技術在未來高校實驗室資源優化應 用的發展趨勢

當前云計算技術的應用還處在不斷探索階段，需要不斷完善云計算技術在未來高校實驗室資源的優化應用。

1）隨著云計算技術科技時代的到來，非常需要這方面的科研人才。我國的高校需要調整教學大綱，增加云計算技術的課程，培養出與國際科技現代化接軌的云計算技術專業人才。

2）應用云計算技術時，高校實驗室資源數據被高度集中在計算云或數據中心內。必須制定相應的法律和法規，規范云計算技術服務公司的運作，確保高校實驗室資源數據不被計算機病毒攻擊和隱私數據不泄露。

3）對于我國各個高校實驗室的網絡服務系統不同的現狀，必須制定一個接入云計算技術的統一接口標準，為云計算技術在中國高校實驗室的優化應用和推廣普及提供保障。

4 結束語

綜上所述，云計算技術模式的出現，給我國高校實驗室發展帶來機遇。雖然目前云計算技術應用還處于不斷完善的階段，但筆者相信，隨著科技發展的日新月異，云計算技術應用會日趨成熟，云計算技術在高校實驗室的優化應用會越來越普及，高校實驗室資源會更加合理配置和安全可靠，以適應未來培養更多高素質科技人才的需要。