京公网安备 11010802034615号
经营许可证编号:京B2-20210330
详述从IaaS到PaaS的三种实现方法_数据分析师
随着云计算平台的优势变得越来越清晰,从IaaS到PaaS似乎是一项比较轻松的工作了。但是,方法各有不同,而找到实施PaaS最好的方法就意味着在三个可能的选项中进行选择。
市场上有越来越多的声音在说,应当把云计算服务的等级提升至基础设施即服务(IaaS)以上。按价值链的先后顺利来说,在云计算的层次结构中紧随其后的下一个选择就是平台即服务(PaaS)了。与IaaS(即虚拟机托管,并要求用户提供一个操作系统和中间件)不同,PaaS提供了一个包括软硬件在内的完整平台,以供应用程序运行使用。PaaS所提供的服务更多,因此它能给用户带来更多的潜在好处。也正是因为这个原因,PaaS供应商们能够证明他们所提供的服务是与其定价相符的。
PaaS可能是云计算服务从IaaS自然发展的一个必然产物,但是其具体实施的途径可能并不止一种。微软公司的Azure代表了一种途径,即:利用一个现有的数据中心平台,然后将其在云计算中复制。而实现PaaS的第二种途径则是通过诸如Cloud Foundry之类的工具来实现的:通过所选择的工具来开发你自己的“平台”,并部署它。而第三种方法则是需要由亚马逊网络服务(AWS)支持来实现的,它是通过网络服务扩展IaaS的方法来创建一个“平台服务”模式的。从IaaS至PaaS的这三种途径都有其可取之处,因此在做出决策之前应进一步深入了解其中的更多细节。
实现PaaS的微软Azure模式
为了进一步了解PaaS的微软Azure模式,必须确保你的以云计算为目标的应用程序是正在或者是能够在数据中心内,微软服务器软件套件上运行的。因此,这种方法的优势在于,它是与当前的软件策略相关联的;用户可以很容易地从微软服务器更新换代至Azure,因为云计算的供应商也正是内部部署软件平台的供应商。确保两者之间的同步应当是简单直接的。
而Azure模式的弱点在于,绝大多数的数据中心服务器平台并不是以一个单一的形式广泛部署的。所以,除非客户本身之前就使用了微软公司的产品,否则都指向一个平台是比较困难的,虽然这种方法是可行的。一直以来,微软公司都拒绝向相关的PaaS竞争对手们开放其Windows 服务器框架,这就意味着一些Azure用户是受制于微软公司的。我们还不清楚,微软将如何打造Azure,将如何把本地功能添加至与Windows 服务器无关的云计算中,例如目前AWS所提供的缓存服务。
PaaS的这个Azure模式的其他示例就是基于Java虚拟机(VM)的云计算平台了,这是一个可在多个架构上运行的便携式平台。亚马逊等公共云计算供应商所提供的托管Java虚拟机和Java应用程序是能够在几乎所有的数据中心或桌面系统上运行的。但是,这种方法只有在目标应用程序是使用Java语言开发时才能有效,而这一点对于大多数用户来说是一个非常苛刻的限制。
使用第三方工具开发PaaS
实施PaaS的第二种方法则更具推广意义。诸如Cloud Foundry和OpenShift这类的工具可帮助用户从IaaS入手,通过添加操作系统和中间件工具来开发一个云计算平台。通过使用这种方法,用户就能够让应用程序在一个可靠的软硬件系统上正常运行起来。而用户和应用程序的生命周期流程都可免于对平台软件进行维护。
组合PaaS的问题在于需要搞清楚将由谁来负责平台镜像的开发与维护。一个公共云计算供应商可以使用一个组合工具来开发一个基于PaaS的平台,但他们不可能会冒这个风险。供应商将不得不赌上一把,看是否有足够的应用程序会在这个平台上运行,从而建立一个可行的市场机会。如果组合工具的灵活性被用于建立多个平台,那么确保每个平台实时更新的工作就成为了一个民工活,同时管理成本也会随之增加。这些任务都会被推给云计算用户。
用户自己就可以使用相同的工具来组建一个平台并在IaaS上运行。如果这些工具可允许用户自行组织中间件和操作系统组件并让它们用于应用程序部署,那么用户将从中受益。当操作系统或中间件发生变化时,这是一个协助更新每台机器镜像的替代解决方案。事实上,这正是如今平台组合工具的最大应用。但是,为一个特定平台找到一个利基市场则又与将该方法广泛应用于公共PaaS的初衷相违背。
采用平台服务的方法
最后一个选项就是平台服务了,这是AWS目前正在实际采用的方法。平台服务假定PaaS的目标是增加高度云计算优化的或云计算特有的服务,并在任何通过 URL运行网络服务的应用程序中支持它们。这种方法是独一无二的,因为它以针对云计算而特别修改或开发的应用程序为目标,而不是那些从内部部署中迁移过来的应用程序。
这种方法着眼于未来平台服务将成为公共云计算服务发展趋势的推动因素。平台服务模式提供了改良的灵活性(就类似于组合平台模式一样),但是它会让新的平台组件支持有价值的云计算应用程序功能。
其中行不通的一点是,用户必须对他们的机器镜像进行维护,因为这一模式并不托管操作系统或中间件。增加一个组合平台工具(如Cloud Foundry)来管理这些元素就能够帮助用户解决这个问题。
从理论上来说,一家诸如AWS这样的公共云计算供应商可提供如此之多的平台服务以至于它可高效地定义一个云计算操作系统。如果这样做了,同时也提供了为当前平台开发云计算操作系统相同的特殊开发工具来进行应用程序开发,那么内部部署平台供应商可能就会决定支持它以便于利用新应用程序的优势。然后,云计算就算实施完成了,它实现了从云计算适应内部部署平台到内部部署平台适应云计算的市场转移。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12在数字化转型深度渗透的今天,企业管理已从“经验驱动”全面转向“数据驱动”,数据思维成为企业高质量发展的核心竞争力,而CDA ...
2026-03-12在数字经济飞速发展的今天,数据分析已从“辅助工具”升级为“核心竞争力”,渗透到商业、科技、民生、金融等各个领域。无论是全 ...
2026-03-11上市公司财务报表是反映企业经营状况、盈利能力、偿债能力的核心数据载体,是投资者决策、研究者分析、从业者复盘的重要依据。16 ...
2026-03-11