云計算研究進展綜述

摘 要:對現有的云計算系統進行分析和總結，以期為下一步的研究指明方向。采用文獻分析方法簡述了云計算的定義、特點和基本結構，介紹了實現云計算的各項相關技術的研究現狀，包括虛擬化技術、Web服務技術、編程模型，對已有的幾個較有代表性的云計算系統進行了介紹并指出了當前云計算系統亟待解決的問題與下一步的研究方向，可為云計算相關研究提供參考。

關鍵詞:云計算; 虛擬化; 并行編程模型; Web服務與SOA

中圖分類號:TP316

文獻標志碼:A

文章編號:1001-3695(2010)02-0429-05

doi:10.3969/j.issn.1001-3695.2010.02.007

Survey of research progress on cloud computing

ZHANG Jian-xun1，2， GU Zhi-min1， ZHENG Chao2

(1. School of Computer Science Technology， Beijing Institute of Technology， Beijing 100081， China; 2.Education Technology Information Center， Tianjin University of Traditional Chinese Medicine， Tianjin 300193， China)

Abstract:The goal of this paper is to give a brief analysis and summary of current cloud computing system in order to facilitate future research. This paper adopted the literature analysis method. First， presented the definition， character and system architecture of the cloud computing. Then， reviewed the relevant techniques for building the cloud computing， including virtualization technology， Web service technology and programming model. Finally， introduced several recently proposed cloud computing system. It’s an important target to implement the inter-operation， QoS， and availability and security of cloud computing system. Researchers of related topic can gain useful information about the cloud computing.

Key words:cloud computing; virtualization; parallel programming model; Web service and SOA

0 引言

隨著互聯網時代信息與數據的快速增長，科學、工程和商業計算領域需要處理大規模、海量的數據，對計算能力的需求遠遠超出自身IT架構的計算能力，這時就需要不斷加大系統硬件投入來實現系統的可擴展性。另外，由于傳統并行編程模型應用的局限性，客觀上要求一種容易學習、使用、部署的新的并行編程框架。在這種情況下，為了節省成本和實現系統的可擴放性，云計算[1]的概念被提了出來。云計算是分布式計算、并行處理和網格計算的進一步發展，它是基于互聯網的計算，能夠向各種互聯網應用提供硬件服務、基礎架構服務、平臺服務、軟件服務、存儲服務的系統。通常云系統由第三方擁有的機制提供服務，用戶只關心云所提供的服務。

云計算的思想可以追溯到20世紀60年代，John McCarthy[2]曾經提到“計算遲早有一天會變成一種公用基礎設施”，這就意味著計算能力可以作為一種商品進行流通，就像煤氣、水電一樣，取用方便、費用低廉。云計算最大的不同在于它是通過互聯網進行傳輸的。從最根本的意義來說，云計算就是數據存儲在云端，應用和服務存儲在云端，充分利用數據中心強大的計算能力，實現用戶業務系統的自適應性。2007年10月IBM和Google宣布在云計算領域的合作后[3]，云計算吸引了眾多人的關注，并迅速成為產業界和學術界研究的熱點。

1 云計算系統簡介

1.1 云計算的定義

目前關于云計算系統沒有統一的定義，云計算供應商根據自己企業業務推出相關的云計算戰略。Hewitt [4]認為云計算系統主要是將信息永久地存儲在云中的服務器上，在使用信息時只是在客戶端進行緩存。客戶端可以是桌面機、筆記本、手持設備等。Wang Li-zhe等人[5]從云計算系統應該具有的功能角度給出了科學云計算系統的定義，指出計算云系統不僅能夠向用戶提供硬件服務HaaS(hardware as a service)、軟件服務SaaS(software as a service)、數據資源服務DaaS(data as a ser-vice)，而且還能夠向用戶提供能夠配置的平臺服務PaaS(platform as a service)。因此用戶可以按需向計算平臺提交自己的硬件配置、軟件安裝、數據訪問需求。Buyya等人[6]從面向市場的角度認為云計算是由一組內部互連的虛擬機組成的并行和分布式計算系統，系統能夠根據服務提供商和客戶之間協商好的服務等級協議動態提供計算資源。UC Berkeley[7]的觀點認為:云是指數據中心的硬件和系統軟件，云分為公共云(對公眾開放)和私有云(業務組織自己使用)。在公共云的基礎上，云計算系統是指終端用戶應用軟件通過Internet以服務的形式由SaaS提供商交付，云提供商向SaaS提供商提供數據中心的硬件和軟件服務。

本文認為云計算系統是以付費使用的形式向用戶提供各種服務的分布式計算系統，系統對用戶來講是透明的，其本質是對虛擬化的計算和存儲資源池進行動態部署、動態分配/重分配、實時監控的系統，從而向用戶提供滿足QoS要求的計算服務、數據存儲服務以及平臺服務。

1.2 云計算系統的特征

a)支持虛擬化，云計算系統可以看做是一個虛擬資源池。通過在一個服務器上部署多個虛擬機和應用，從而提高資源的利用率;當一個服務器過載時支持負載的遷移。

b)提供服務質量保證(QoS)。云計算系統能夠向用戶提供滿足QoS要求的服務，能夠根據用戶的需求對系統作出調整，如用戶需要的硬件配置、網絡帶寬、存儲容量等。

c)高可靠性、可用性和可擴放性。云計算系統必須保證向用戶提供可靠的服務，保證用戶能夠隨時隨地地訪問所需要的服務，并且用戶的系統規模變化時，云計算系統能夠根據用戶的需求自由伸縮。

d)自治性。云計算系統是一個自治系統，系統的管理對用戶來講是透明的，不同的管理任務是自動完成的，系統的硬件、軟件、存儲能夠自動進行配置，從而實現對用戶按需提供。

1.3 云計算系統的體系結構

通過對現有的云計算系統進行深入剖析，云計算系統內部可以看做是一組服務的集合。圖1為云計算系統的體系結構。

a)基礎設施層。主要包括計算資源和存儲資源，整個基礎設施也可以作為一種服務向用戶提供，即IaaS(infrastructure as a service)。IaaS向用戶提供的不僅包括虛擬化的計算資源、存儲，同時還要保證用戶訪問時的網絡帶寬等。

b)平臺層。在基礎設施之上的平臺層可以認為是整個云計算系統的核心層，主要包括并行程序設計和開發環境、結構化海量數據的分布式存儲管理系統、海量數據分布式文件系統以及實現云計算的其他系統管理工具，如云計算的系統中資源的部署、分配、監控管理、安全管理、分布式并發控制等。平臺層主要為應用程序開發者設計，開發者不用擔心應用運行時所需要的資源，平臺層提供應用程序運行及維護所需要的一切平臺資源。平臺即服務稱之為PaaS。

c)應用層。它是面向用戶提供簡單的軟件應用服務以及用戶交互接口等，這一層稱為軟件即服務，即SaaS。

2 云計算實現的相關技術及系統分類

2.1 虛擬化技術

云計算實現的關鍵技術是虛擬化技術[8]。通過虛擬化技術，單個服務器可以支持多個虛擬機運行多個操作系統和應用，從而大大提高服務器的利用率，通過虛擬化為應用提供了靈活可變、可擴展的平臺服務。虛擬機技術的核心是Hypervisor(虛擬機監控程序)，Hypervisor在虛擬機和底層硬件之間建立一個抽象層，它可以攔截操作系統對硬件的調用，為駐留在其上的操作系統提供虛擬的CPU和內存。目前VMware ESX[9]和Citrix XenServer[10]能直接運行在硬件上，虛擬的操作系統又運行在Hypervisor之上，從而能夠按照用戶需求提供IT基礎設施。

隨著虛擬化技術的應用，對虛擬資源的管理是研究的熱點之一。文獻[11]提出一種方法將VM提供模型集成到現有的資源管理框架中，采用兩級調度的方法將對VM的管理集成到批調度器中，向用戶提供最大努力的調度服務，但目前不支持虛擬資源的預定服務。

傳統的調度器對短期租賃請求調度時，要完成嚴格的預定資源服務租賃是很困難的。文獻[12]提出使用虛擬機的無縫掛起和恢復計算的能力來解決這個問題。對于可用性要求不太嚴格的批量計算任務，調度器先掛起當前計算任務，然后去完成具有嚴格可用性要求的作業，如預定資源的作業。

當前的云計算系統如Scientific Cloud[13]、Amazon EC2[14]等一般是以虛擬機的形式來滿足用戶的計算資源需求，但用戶需要根據自己的要求將這些虛擬機手動配置成一個工作集群。針對這種情況，文獻[15]通過對虛擬集群所需上下文環境的詳細分析，如虛擬機的IP地址、安全信息等，提出了一種在多個虛擬機之間自動、快速部署上下文環境的機制(one-click virtual clusters)。另外，虛擬專用網絡VPN[16]的發展為用戶在訪問計算云的資源時提供了一個可以定制的網絡環境。目前對于虛擬資源管理的研究，在滿足用戶對虛擬資源的QoS需求及服務等級協議(service level agreement， SLA)方面還有待進一步研究。

2.2 Web服務與SOA

云服務一般是以Web服務的形式來實現的。在云中服務的組織和協同可以在面向服務的架構中進行管理。在SOA架構下的云服務可以部署在各種分布式平臺上，也可以通過網絡訪問各種服務。近年來SOA得到了相當廣泛的關注，但它并不是一個新概念。早期一些基于網絡的SOA的例子有RPC、DCOM和ORBs(object request brokers)等，近期的網格計算就是基于SOA的架構和解決方案。

在一個SOA環境中，終端用戶請求一個IT服務(或一組服務的集合)，并希望這些服務滿足一定的QoS要求，用戶請求可以得到即時服務，或在一個特定的延遲后滿足。可以預期在未來十年，基于服務的解決方案將是向個人和機構遞交信息和其他IT相關功能的主要手段。例如軟件應用、基于Web的服務、個人和商業的桌面機計算等。

2.3 并行編程模型

隨著Web 2.0的出現，互聯網上的信息呈指數級增長，如搜索引擎、在線事務處理等應用系統處理數據的規模越來越大。云計算系統必須給用戶提供一個簡單易用的編程模型來并行處理用戶的數據，從而更好地利用云計算系統的資源。因此研究者提出了一些分布式系統和并行編程模型來支持大規模數據處理。

Google文件系統GFS(Google file system)被用來滿足Google快速增長的數據處理需求。為發揮GFS集群的計算能力，Google提出了MapReduce[17]并行編程模型。MapReduce是一個簡化的并行編程計算模型，模型采用函數式編程中的函數來實現并行編程，模型的核心操作是map和reduce。Map操作對每個元素進行操作并生成一組新數據，原數據保持不變，數據之間不存在相關，因此map操作可以高度并行實現;reduce操作對map操作的中間結果進行合并，并得到最后的輸出。只需對map和reduce函數進行并行化處理便得到了MapReduce的基本框架。

Zaharia等人[18]針對MapReduce模型調度建立在系統同構的假設上對MapReduce模型的調度進行了改進，設計了一種新的調度算法LATE(longest approximate time to end)，使Map-Reduce能夠在異構環境中高效運行。Liu Huan等人[19]提出了另外一個并行編程模型GridBatch。GridBatch也是一個隱藏并行程序復雜性的并行編程模型，主要用來解決在計算云中大規模數據密集型應用的并行化問題。文獻的整個工作與Google的MapReduce模型相似，但是GridBatch主要針對分析型應用，對MapReduce模型作了優化，允許用戶控制數據的劃分，減少了系統的通信開銷。Christopher Moretti等人[20]針對數據密集型云計算應用系統，提出為用戶提供一個抽象接口來定義任務的計算和存儲需求，并以科學領域中的all-pairs問題為例實現了這個抽象接口。

Gu Yun-hong等人[21]提出了不同于MapReduce的另一種云編程模型sector and sphere。系統主要分為sector存儲云和sphere計算云。與現有的數據云不同的是，sector存儲云不僅支持數據在數據中心內存儲，還支持數據跨廣域網絡存儲。Sector存儲數據時并不把數據分成塊(block)存儲在各個節點，而是根據用戶要求將大的數據集分成若干文件存儲在各個節點上。Sphere是建立在sector和一組編程接口之上的計算服務，sphere沒有使用MapReduce作為計算模型，而是使用在GPU和多核處理器中常見的流數據處理模型(stream proces-sing paradigm)。

綜上所述，并行編程模型的發展對云計算系統的推廣實現具有極大的推動作用，現有的云編程模型均是以MapReduce編程模型為主，編程模型的適用性方面還存在一定局限性，還需要進一步的研究和完善。

2.4 系統分類

云計算系統可以根據它提供服務的層次進行分類，主要有提供平臺服務的系統(PaaS)、提供軟件服務的系統(SaaS)和提供基礎設施服務(IaaS)的系統。表1對幾個代表性的云計算項目進行了比較。

表1 幾個代表性云平臺比較

cloud systemfocusservice typeSLAQoSWeb APIprogramminglanguage

Amazon EC2IaaScompute storagenoneyesCustomizable

Google AppPaaSWeb applicationnoneyesPython

Apache HadoopPaaSWeb applicationnoneyesJava， C++

Microsoft AzurePaaSWebnonWeb appnoneyesVisual Studio

Scientific CloudIaaScomputenoneyesCustomizable

OpenNebulaIaaScomputenoneyesCustomizable

EucalyptusIaaScomputenoneyesCustomizable

3 代表性的云計算系統

云計算一經提出便受到了產業界和學術界的廣泛關注，目前國外已經有多個云計算的科學研究項目，最有名是Scientific Cloud[22]和OpenNebula[23]項目。產業界也在投入巨資部署各自的云計算系統，目前主要的參與者有Google、IBM、Microsoft、Amazon等。國內關于云計算的研究剛剛起步，并于2007年啟動了國家“973”重點科研項目“計算機系統虛擬化基礎理論與方法研究”，取得了階段性成果。下面討論幾個最具代表性的研究計劃。

1)Amazon EC2

Amazon EC2[14](elastic computing cloud)，稱為Amazon彈性計算云，是美國Aamzon.com公司推出的一項提供彈性計算能力的Web服務。Amazon EC2向用戶提供一個運行在Xen虛擬化平臺上的基于Linux的虛擬機，從而用戶可以在此之上運行基于Linux的應用程序。使用Amazon EC2之前，用戶首先需要創建一個包含用戶應用程序、運行庫、數據以及相關配置信息的虛擬運行環境映像，稱為AMI(Amazon machine image)或者使用Amazon通用的AMI映像。Amazon同時還提供另外一項Web服務——簡單存儲服務S3(simple storage ser-vice)，用來向用戶提供快速、安全、可靠的存儲服務。用戶需要將創建好的AMI映像上傳到Amazon提供的簡單存儲服務S3，然后可以通過Amazon提供的各種Web服務接口來啟動、停止和監控AMI實例的運行。用戶只需為自己實際使用的計算能力、存儲空間和網絡帶寬付費。

Garfinkel[24]對Amazon提供的Web服務進行了評測。評測結果指出，Amazon的Web服務能達到很好的可用性，但目前Amazon提供的Web服務缺乏與用戶之間的SLA，并且用戶關鍵業務的持續性和數據備份要求是由用戶自己來考慮的，如運行關鍵業務在多個AMI實例上等。

2)Google App Engine

Google App Engine[25]是Google公司推出的云計算服務，允許用戶使用Python編程語言編寫Web應用程序在 Google 的基礎架構上運行。另外，Google App Engine還提供了一組應用程序接口(API)，主要包括datastore API、images API、mail API、memcache API、URL fetch API和user API。用戶可以在應用程序中使用這些接口來訪問Google提供的空間、數據庫存儲、e-mail和memcache等服務，用戶可以通過Google App Engine提供的管理控制臺管理用戶Web應用程序。

簡言之，Google App Engine是一個由Python應用服務器群、BigTable[26]結構化數據分布存儲系統及GFS數據儲存服務組成的平臺，它能為開發者提供一體化的、主機服務器及可自動升級的在線應用服務。Google App Engine專為開發者設計，開發者可以將自己編寫的在線應用運行于Google的資源上。開發者不用擔心應用運行時所需要的資源，Google提供應用運行及維護所需要的一切平臺資源。這與Amazon提供的類似服務(S3、EC2及SimpleDB)不同，Amazon上直接提供一系列資源供用戶選擇使用。目前，Google APP Engine平臺向用戶免費提供500 MB的存儲空間，大約每月500萬次頁面訪問。當前Google只提供了Python一種編程語言的支持，其聲稱將來會支持多種編程語言。

3)Apache Hadoop

Hadoop[27]最早是作為一個開源搜索引擎項目Nutch[28]的基礎平臺而開發的，之后Hadoop從Nutch項目中獨立出來單獨開發，成為開源云計算平臺的代表。Hadoop主要實現了GFS的思想和MapReduce模型，它作為一個開源的軟件平臺使得編寫和運行處理海量數據的應用程序更加容易。Hadoop主要包括三個部分Hadoop分布式文件系統(HDFS)、MapReduce實現及HBase(Google Bigtable的實現)。HDFS在存儲數據時，將文件按照一定的數據塊大小進行切分，各個塊在集群中的節點中分布，為了保證可靠性，HDFS會根據配置為數據塊創建多個副本，并放置在集群的計算節點中。MapReduce將應用分成許多小任務塊去執行，每個小任務就對計算節點本地存儲的數據塊進行處理。目前，Hadoop已經在Yahoo!等公司的集群上成功部署并運行一些商業應用[29]。

4)Microsoft Azure

Azure[30]是微軟公司推出的依托于微軟數據中心云服務平臺，它實際是由一個公共平臺上的多種不同服務組成的，主要包括微軟的云服務操作系統以及一組為開發人員提供的接口服務。Azure平臺提供的服務主要有Live Services、.NET服務、SQL服務、SharePoint服務以及動態CRM服務。開發人員可以用這些服務作為基本組件來構建自己的云應用程序，能夠很容易地通過微軟的數據中心創建、托管、管理、擴展自己的Web和非Web應用。同時Azure平臺支持多個Internet協議，主要包括HTTP、REST、SOAP和XML，從而為用戶提供一個開放、標準以及能夠互操作的環境。

Azure的不同之處在于:Azure平臺除能夠提供其自主的Azure托管服務外，它也是為運行于本地工作站和企業服務器而設計的。這使得測試應用變得方便，支持企業應用既能運行于公司的內部網也能運行于外部環境。

5)Scientific Cloud: Nimbus[12，22]

Scientific Cloud是由美國芝加哥大學和佛羅里達大學發起的研究項目，目的是向科研機構提供類似Amazon EC2類型的云服務。該平臺通過使用Nimbus工具對外提供短期的資源租賃服務。Nimbus工具包原先稱為虛擬工作空間服務(virtual workspace service)，是一組用來提供IaaS云計算方案的開源工具包，實際上是一個基于Globus Toolkit 4的虛擬機集群管理系統。Nimbus工具包主要由以下幾部分組成，如圖2[22]所示。

a)Workspace服務允許遠端用戶部署和靈活地管理虛擬機VM，主要由一個Web服務前端和基于VM的資源管理器組成。目前Web服務前端支持兩種接口:基于網格的WSRF(Web service resource framework)和基于Amazon EC2的WSDL(Web service description language)。

b)Workspace資源管理器主要用來完成VM的部署。

c)Workspace pilot程序擴展了本地資源管理器(LRM)的功能，使得本地配置不用作大的更改就能夠部署VM。當本地節點不分配workspace服務時，節點用于運行正常系統用戶的作業。

d)Workspace控制工具主要用來完成啟動、停止、暫停VM，實現VM的重構和管理，連接VM到網絡等功能。

e)IaaS網關主要用于實現用戶持本地PKI證書訪問其他IaaS基礎設施的服務。

f)Context broker主要用來完成用戶提交的虛擬機集群的快速部署功能。

使用Nimbus工具包，用戶可以瀏覽云系統里的VM映像、提交用戶定制的VM映像、部署虛擬機、查詢虛擬機的狀態等功能。

6)OpenNebula

OpenNebula[23]是一個開源的虛擬架構引擎，最初由馬德里大學的分布式系統結構研究組開發，后經歐盟發起的Reservoir[31]項目開發人員增強和完善了OpenNebula的功能。OpenNebula主要用來在物理資源池上部署、監控和管理虛擬機VM的運行，其內部結構主要分為三層。其中，內核層是最關鍵的部分，主要用來完成虛擬機VM的部署、監控和遷移等功能，同時也提供了一組對物理主機的管理和監控接口;工具層主要是利用內核層提供的接口開發各種管理工具;驅動層使OpenNebula內核能夠在不同的虛擬化環境上運行，OpenNebula并不與具體的環境綁定，驅動層屏蔽掉了不同的虛擬環境和存儲，向內核層提供了一個統一的功能接口。

7)Eucalyptus

Eucalyptus[32，33](elastic utility computing architecture for linking your programs to useful systems)是由美國加利福尼亞大學開發的一個開源的軟件基礎架構，用于在cluster上實施云計算，旨在為學術研究團體提供一個云計算系統的實驗和研究平臺。該平臺能夠提供計算和存儲架構的IaaS服務，它在接口級與Amazon EC2兼容，可以使用Amazon EC2的Command-line tools與Eucalyptus交互。目前只支持Linux系統，需要安裝Xen虛擬化平臺。

Eucalyptus的結構采用層次化設計，主要包括CM(cloud manager)、GM(group manager)和IM(instance manager)三部分。IM主要用來控制VM的執行、停止和狀態檢查，IM運行在每個節點，主要用來托管VM實例;GM主要用來調度VM實例在特定IM上運行，控制實例之間虛擬網絡的連接，收集關于IM的信息;CM分為三層，主要提供接口服務、數據服務和資源服務。接口服務是整個云系統用戶和管理員的訪問入口點，并完成用戶授權認證、協議轉換等功能。數據服務用于存儲用戶和系統的數據，資源服務主要用于完成資源分配和監控。

4 云計算亟待解決的問題

實現云計算系統面臨著諸多挑戰，現有的云計算系統的部署相對分散，各自內部能夠實現VM的自動分配、管理和容錯等，但云計算系統之間的交互還沒有統一的標準。關于云計算系統的標準化工作還需要更進一步的研究，還有一系列亟待解決的問題。

首先云計算系統中，用戶數據存儲在云端，如何保證用戶的數據不被非法訪問和泄露是系統必須要解決的兩個重要問題，即數據的安全和隱私問題。同時云計算系統本身的可擴展性、可用性、可靠性、可管理性等都是要重點解決的問題。在服務的層次上，云計算系統必須要解決服務的描述及轉換問題，如何將用戶的業務理念需求轉換成對基礎設施的需求、如何確定高層的服務需求和度量到基礎設施的需求和度量之間的映射、如何保證多級別的QoS，這些都是云計算系統要解決的問題。

在云計算系統的管理方面，云系統之間的互操作是必須要考慮的一個問題。當一個云系統需要使用另外一個云系統的計算資源時，要能夠提供跨云的管理策略，從而使得云系統之間能夠自動交互。同時為了保證SLA，系統必須能夠進行SLA的監測，當有服務失敗時，自動地進行資源的重新分配。在基礎設施層次上，云計算系統要能夠進行服務的動態遷移，目前的虛擬機只支持共享存儲的遷移[9，10]，如何將虛擬機遷移到沒有共享存儲的其他物理主機上也是云計算系統面臨的挑戰之一。

5 結束語

云計算系統已經成為下一代IT的發展趨勢，但是關于云系統的安全性、自治性、服務QoS、服務描述發現、云間交互等方面的研究仍顯不足，仍需要進一步深入研究。本文介紹了云計算系統的基本概念，并分析了實現云計算系統的相關技術的研究現狀，介紹了幾個有代表性的云計算系統，展望了進一步的研究方向。

參考文獻:

[1]Wikipedia. Cloud computing[EB/OL].(2007-03-03) [2008-12-20]. http://en.wikipedia.org/wiki/Cloud_computing.

[2]Wikipedia. John McCarthy(computer scientist) [EB/OL]. (2008-10-07) [2008-12-10]. http://en.wikipedia.org/wiki/John_McCarthy_(computer_scientist).

[3]IBM. Google and IBM announced university initiative to address internet-scale computing challenges [EB/OL]. (2007-10-08) [2008-10-15]. http://www-03.ibm.com/press/us/en/pressrelease/22414.wss.

[4]HEWITT C. ORGs for scalable， robust privacy-friendly client cloud computing [J]. IEEE Internet Computing， 2008，12(5):96-99.

[5]WANG Li-zhe， TAO Jie， KUNZE M. Scientific cloud computing: early definition and experience[C]//Proc of the 10th IEEE International Conference on High Performance Computing and Communications.2008:825-830.

[6]BUYYA R， YEO C S， VENUGOPAL S. Market-oriented cloud computing: vision， hype， and reality for delivering IT services as computing utilities[C]//Proc of the 10th IEEE International Conference on High Performance Computing and Communications. 2008:5-13.

[7]ARMBRUST M， FOX A， GRIFFITH R， et al. Above the clouds:a Berkeley view of cloud computing[R/OL]. (2009-02-10) [2009-05-15]. http://www.grid.pku.edu.cn/cloud/Berkeley-abovetheclouds.pdf.

[8]JONES M T. Cloud computing with Linux cloud computing platforms and applications [EB/OL]. (2008-09-10) [2008-10-15]. http://www.ibm.com/developerworks/library/l-cloud-computing/.

[9]VMware virtualization technology [EB/OL]. [2008-12-15]. http://www.vmware.com.

[10]BARHAM P， DRAGOVIC B， FRASER K， et al. Xen and the art of virtualization[C]//Proc of the 19th ACM Symposium on Operating Systems Principles. New York:ACM Press， 2003:164-177.

[11]FREEMAN T， KEAHEY K. Flying low:simple leases with workspace pilot [C]//Proc of the 14th International Conference on Parallel Processing. 2008:499-509.

[12]SOTOMAYOR B， KEAHEY K， FOSTER L， et al. Enabling cost-effective resource leases with virtual machines [C]//Proc of IEEE International Symposium on High Performance Distributed Computing. 2007.

[13]Nimbus Project. Science clouds [EB/OL]. [2008-12-10]. http://workspace.globus.org/clouds/.

[14]Amazon elastic compute cloud (Amazon EC2) [EB/OL]. [2008-12-21]. http://aws.amazon.com/ec2.

[15]KEAHEY K， FREEMAN T. Contextualization: providing one-click virtual clusters[C]//Proc of the 4th IEEE International Conference on e-Science. 2008:301-308.

[16]GLEESON B， LIN A， HEINANEN J， et al. RFC 2764， A framework for IP based virtual private networks[S]. Internet Engineering Task Force， 2000.

[17]DEAN J，GHEMAWA S. MapReduce:simplified data processing on large clusters [J]. Communications of the ACM，2008，51(1):107-113.

[18]ZAHARIA M， KONWINSKI A， JOSEPH A D. et al. Improving Map-Reduce performance in heterogeneous environments[C]//Proc of the 8th USENIX Symposium on Operating Systems Design and Implementation. 2008:29-42.

[19]LIU Huan， ORBAN D. GridBatch:cloud computing for large-scale data-intensive batch application[C]//Proc of the 8th IEEE International Symposium on Cluster Computing and the Grid. 2008:295-305.

[20]MORETTI C， BULOSAN J， THAIN D， et al. All-pairs: an abstraction for data-intensive cloud computing[C]//Proc of IEEE International Symposium on Parallel and Distributed Processing. 2008:1-11.

[21]GU Yun-hong， GROSSMAN R L. Sector and sphere: the design and implementation of a high performance data cloud[C]//Proc of Workshop on Cloud Computing and Its Applications. 2008:2429-2445.

[22]KEAHEY K， FIGUEIREDO R， FORTES J， et al. Science clouds: early experiences in cloud computing for scientific applications[C]//Proc of Workshop on Cloud Computing and its Applications.2008.

[23]OpenNebula project[EB/OL]. [2008-12-31]. http://www.opennebula.org/doku.php.

[24]GARFINKEL S L. An evaluation of Amazon’s grid computing services: EC2， S3 and SQS， TR-08-07[R]. Cambridge:Harvard University， 2007.

[25]Google App Engine [EB/OL]. [2008-12-15]. http://appengine.google.com.

[26]CHANG F， DEAN J， GHEMAWAT S， et al. Bigtable:a distributed storage system for structured data[C]//Proc of the 7th USENIX Symposium on Operating Systems Design and Implementation. 2006:205-218.

[27]Hadoop[EB/OL].[2008-12-16]. http://hadoop.apache.org/core/.

[28]Nutch[EB/OL]. [2008-12-16]. http://lucene.apache.org/nutch/.

[29]Scaling Hadoop to 4000 nodes at Yahoo![EB/OL]. [2008-12-15]. http://developer.yahoo.net/blogs/hadoop/2008/09/scaling_hadoop_to_4000_nodes_a.html.

[30]Microsoft Azure[EB/OL].[2008-12-26]. http://www.microsoft.com/azure/.

[31]Reservoir project[EB/OL]. [2008-12-20]. http://www.reservoir-fp7.eu/home/.

[32]Eucalyptus project[EB/OL]. [2008-12-26]. http://eucalyptus.cs.ucsb.edu/.

[33]NURMI D， WOLSKI R， GRZEGDRCZYK C， et al. The Eucalyptus open-source cloud-computing system[C]//Proc of Workshop on Cloud Computing and its Applications.2008.