云计算知识思维导图：https://kdocs.cn/l/cpl2Kizx7IyC
云计算的核心判断标准通常基于美国国家标准与技术研究院（NIST）的定义，并结合实际应用场景。以下是判断一个服务是否为云计算的关键标准，以及对应的服务类型：
一、云计算的五大核心判断标准
1.按需自服务（On-Demand Self-Service）
用户无需人工干预（如联系客服或签订合同），即可通过自动化界面（如控制台或API）自主配置资源（如计算、存储、网络）。
2.广泛的网络访问（Broad Network Access）
- 资源通过标准网络协议（如HTTP、SSH）访问，支持多种终端设备（如手机、电脑、平板）。
3.资源池化（Resource Pooling）
- 服务商通过多租户模式共享底层资源（如服务器、存储），用户无需感知物理位置，按需分配。
4. 快速弹性（Rapid Elasticity）
- 资源可自动或手动快速扩展/收缩，按需应对流量波动，用户感知为“无限资源”。
5.可度量的服务（Measured Service）
- 资源使用量被监控、记录并按需计费（如按秒、按使用量）。
二、典型的云计算服务类型
1.按服务模型分类
- IaaS（基础设施即服务）
提供虚拟化计算资源（如虚拟机、存储、网络）。
示例：AWS EC2、阿里云ECS。
- PaaS（平台即服务）
提供应用开发和部署环境（如数据库、中间件、开发工具）。
示例：Google App Engine、Heroku。
- SaaS（软件即服务）
直接提供可通过网络访问的完整应用程序。
示例：Microsoft 365、Salesforce。
2. 其他衍生模型
- FaaS（函数即服务）
事件驱动的无服务器计算（如 AWS Lambda）。
- CaaS（容器即服务）
提供容器化应用的托管平台（如 Google Kubernetes Engine）。
- DBaaS（数据库即服务）
托管数据库服务（如 Amazon RDS）。
三、如何判断是否属于云计算？
- 传统托管服务 vs 云计算
- 传统托管：固定资源、手动扩展、长期合同。
- 云计算：弹性伸缩、按需付费、自动化管理。
- 关键差异点：是否满足五大核心标准（尤其是弹性、资源池化和按需计费）。
四、适用场景
- 企业选择云计算：需要快速部署、弹性扩展、降低成本（无需自建数据中心）。
- 选择服务模型：
- IaaS：需完全控制基础设施（如自定义操作系统）。
- PaaS：专注应用开发，无需管理底层环境。
- SaaS：直接使用现成软件（如CRM、办公协作工具）。
并行计算（Parallel Computing）是指同时使用多种计算资源解决计算问题的过程，是提高计算机系统计算速度和处理能力的一种有效手段。它的基本思想是用多个处理器来协同求解同一问题，即将被求解的问题分解成若干个部分，各部分均由一个独立的处理机来并行计算。并行计算系统既可以是专门设计的、含有多个处理器的超级计算机，也可以是以某种方式互连的若干台的独立计算机构成的集群。通过并行计算集群完成数据的处理，再将处理的结果返回给用户。
1. 什么是并行计算？
并行计算是指在计算过程中同时执行多个任务或操作，以提高计算效率的技术。与传统的串行计算相比，它能够利用多个处理单元或计算资源同时进行计算，从而更快地完成任务。
简单来讲，并行计算就是同时使用多个计算资源来解决一个计算问题。
•一个问题被分解成为一系列可以并发执行的离散部分；
•每个部分可以进一步被分解成为一系列离散指令；
•来自每个部分的指令可以在不同的处理器上被同时执行；
•需要一个总体的控制/协作机制来负责对不同部分的执行情况进行调度
2. 并行计算的分类
根据任务拆分方式和处理单元之间的通信方式，我们可以将并行计算分为以下几种类型：
- 数据并行：将数据划分成多个部分，分配给不同的处理单元并行计算，各处理单元之间独立执行。
- 任务并行：将任务划分成多个子任务，分配给不同的处理单元并行执行，各处理单元之间需要交换数据和信息。
- 流水线并行：将计算过程划分成多个阶段，每个阶段由一个处理单元执行，各处理单元之间按照数据流顺序依次执行。
- 指令级并行：通过在一个时钟周期内同时执行多条指令，提高指令级并行度。
3. 并行计算的优势
并行计算具有以下几个明显的优势：
- 加速计算速度：利用多个处理单元同时进行计算，可以大幅度提高计算速度，缩短任务完成时间。
- 提高系统可靠性：通过冗余计算和错误检测纠正技术，可以提高计算系统的可靠性，避免单点故障。
- 处理大规模问题：并行计算能够有效处理大规模复杂问题，通过将任务拆分成多个子任务并行求解，提高了问题的可解性。
4. 并行计算的分类
根据任务拆分方式和处理单元之间的通信方式，我们可以将并行计算分为以下几种类型：
- 数据并行：将数据划分成多个部分，分配给不同的处理单元并行计算，各处理单元之间独立执行。
- 任务并行：将任务划分成多个子任务，分配给不同的处理单元并行执行，各处理单元之间需要交换数据和信息。
- 流水线并行：将计算过程划分成多个阶段，每个阶段由一个处理单元执行，各处理单元之间按照数据流顺序依次执行。
- 指令级并行：通过在一个时钟周期内同时执行多条指令，提高指令级并行度。
5. 并行计算的优势
并行计算具有以下几个明显的优势：
- 加速计算速度：利用多个处理单元同时进行计算，可以大幅度提高计算速度，缩短任务完成时间。
- 提高系统可靠性：通过冗余计算和错误检测纠正技术，可以提高计算系统的可靠性，避免单点故障。
- 处理大规模问题：并行计算能够有效处理大规模复杂问题，通过将任务拆分成多个子任务并行求解，提高了问题的可解性。
- 网格计算和集群计算的区别
网格是由异构资源组成的。集群计算 主要关注的是计算资源;
网格计算则对存储、网络和计算资源进行了集成。
集群通常包含同种处理器和操作系统;
网格则可以包含不同供应商提供的运行不同操作系统的机器。(IBM、Platform Computing、DataSynapse 和 United Devices 提供的网格工作负载管理软件都可以将工作负载分发到类型和配置不同的多种机器上。)
（1）简单地，网格与传统集群的主要差别是网格是连接一组相关并不信任的计算机，它的运作更像一个计算公共设施而不是一个独立的计算机。网格通常比集群支持更多不同类型的计算机集合。
（2）网格本质上就是动态的，集群包含的处理器和资源的数量通常都是静态的。在网格上，资源则可以动态出现，资源可以根据需要添加到网格中或从网格中删除。
（3）网格天生就是在本地网、城域网或广域网上进行分布的。网格可以分布在任何地方。而集群物理上都包含在一个位置的相同地方，通常只是局域网互连。集群互连技 术可以产生非常低的网络延时，如果集群距离很远，这可能会导致产生很多问题。物理临近和网络延时限制了集群地域分布的能力，而网格由于动态特性，可以提供 很好的高可扩展性。
（4）集群仅仅通过增加服务器满足增长的需求。然而，集群的服务器数量、以及由此导致的集群性能是有限的：互连网络容量。也就是说如果一味地想通过扩大规模来提高集群计算机的性能，它的性价比会相应下降，这意味着我们不可能无限制地扩大集群的规模。 而网格虚拟出空前的超级计算机，不受规模的限制，成为下一代Internet的发展方向。
（5）集群和网格计算是相互补充的。很多网格都在自己管理的资源中采用了集群。实际上，网格用户可能并不清楚他的工作负载是在一个远程的集群上执行的。尽管网格与集群之间存在很多区别，但是这些区别使它们构成了一个非常重要的关系，因为集群在网格中总有一席之地—— 特定的问题通常都需要一些紧耦合的处理器来解决。然而，随着网络功能和带宽的发展，以前采用集群计算很难解决的问题现在可以使用网格计算技术解决了。理解网格固有的可扩展性和集群提供的紧耦合互连机制所带来的性能优势之间的平衡是非常重要的。
