圖書館云計算可行性研究

王彥明+薛云+饒洪+劉斌+奉國和

〔摘要〕從海量數據處理、高并發訪問和競爭主體多元化3方面闡述圖書館云計算需求。采用統計分析法研究基礎設施、資金投入、技術人才和用戶接入條件。采用對比分析法將云計算方案分為商業云和開源云，提出基于Eucalyptus的服務器整合、基于MongoDB的高性能網站和基于Hadoop的個性化推薦系統3種典型方案。從初始投資成本、運維成本和擴展能力3個角度評價圖書館云計算效益。

〔關鍵詞〕圖書館；云計算；可行性；分布式；虛擬化；解決方案；效益評價

知識經濟時代，創新是發展的動力。圖書館作為科學研究支撐機構承擔著信息保障職責。數字資源增長為圖書館信息化建設提出了挑戰。傳統建設采用一次性投入方法，資金投入表現出明顯的周期性。巨額初始投資是圖書館數字資源服務建設的主要障礙之一。為了解決高端硬件價格昂貴，擴展性不足的問題，產生了云計算模式。通過廉價設備，設備購置從集中轉為分散，在成本和擴展性方面具有明顯優勢。一些國外圖書館已經開始采用云計算模式[1]，例如美國俄亥俄圖書館與信息網絡（OhioLINK）使用AWS托管數字資源；科羅拉多州西部州立大學采用Google App架設服務；OCLC從2010年開始提供基于云計算的協作管理服務。鑒于云計算的廣泛應用價值，我國科技部于2013年9月發布“中國云科技發展十二五專項規劃”，提出以需求為導向發展自主可控的云計算技術[2]。本文研究圖書館采用云計算的技術需求、建設條件、建設方案和效益評價，希望為相關建設提供參考。

1圖書館云計算需求分析

11海量數據處理

在信息化社會，科學研究、物聯網和互聯網領域正在產生海量數據。據統計，美國研究圖書館協會（ARL）的110家成員每年花費數億美元采購電子資源。我國截至2005年在線數據庫達到30多萬個。中科院擁有自建數據庫388個，容量達13TB。圖書館每年加工的數字化文獻達數千萬頁，平均每個圖書館擁有4個自建數據庫。科學研究進入了數據密集型階段，除了數據規模海量增長外還表現出分布、異構、低質量的特征。多核處理器、GPU計算、FPGA（現場可編程邏輯器件）以及每秒計算速度超過千萬億次的高性能計算設備在一定程度上緩解了海量數據處理壓力。除了硬件技術的進步，計算模式的變革對于解決海量數據處理問題具有更為重要的意義。并行計算、分布式計算以及數據流等技術克服了單一節點計算能力的不足，適合海量非結構化數據處理[3-6]。

12高并發訪問

圖書館信息系統面向廣大讀者，并發訪問能力是影響服務范圍和用戶體驗的關鍵因素。采用通用成熟方案能夠降低技術風險，但在高流量下會遇到各種瓶頸，通過升級硬件一般不能滿足需求。采用IBM等大公司定制的解決方案需要采購大型機，支付軟件使用費及各項技術專利費用。一些企業采用自主研發方式，例如淘寶等電子商務企業，但這種方式仍需要投入巨大的資金和技術力量。大型分布式系統依據CAP理論和BASE原則。高并發訪問是高性能和高可用的兼顧，是在系統性能達到極限的情況下為盡可能多的用戶提供穩定服務。圖書館分布式系統可以在保證最終一致性條件下降低任意時刻一致性。采用SSD、SAS、SATA等讀寫速度有差異的設備混合搭配，判定和遷移熱點數據提供分層存儲。NAS架構下通過MemCached分布式緩存能有效降低數據庫負載[7-9]。

2014年7月第34卷第7期現？代？情？報Journal of Modern InformationJuly，2014Vol34No72014年7月第34卷第7期圖書館云計算可行性研究July，2014Vol34No713競爭主體多元化

依據波特的競爭戰略分析模型，圖書館可以視為具有非營利性和依附性特征的一類企業。其服務不產生盈利，成本來自社會投入。近年來同類機構例如博物館、檔案館、網絡中心和計算機中心等和圖書館在用戶和投入資金方面形成了競爭。信息娛樂業、網上書店、搜索引擎等營利性機構通過對信息資源進行開發、管理、經營獲取收益，對圖書館的用戶產生了分流作用。書刊出版發行商、數據服務商、自動化系統廠商等上游機構隨著文獻信息量的激增，除了將價格提高以外直接向最終用戶提供服務，使圖書館處于不利地位。面對嚴峻的競爭形勢，圖書館在數字資源建設和服務方面應采取差異化競爭、資本領先、聯盟共建共享以及個性化服務等措施，提高運營效率改善用戶體驗。云計算最初產生于網絡企業主要原因是為了節約成本提高效率。網絡企業作為技術密集型企業數量眾多，成本差異決定企業能否生存以及競爭能力高低。廉價和高效云計算技術同樣是面臨多元化競爭的圖書館的必然選擇[10-12]。

2圖書館云計算建設條件

21基礎設施

隨著數字資源的增長，大多數圖書館采購了服務器、磁盤陣列、交換機等設備。2012年參加統計的463所高校圖書館擁有服務器5 948臺，平均每館13臺。有些采用托管或租賃方式的中小型圖書館正在計劃建設專用機房。網絡帶寬穩步增長。截至2012年，有17個圖書館主干網帶寬達到10 000Mbps，254個達到1 000Mbps以上[13]。具體統計和匯總見表1～表3。表1高校圖書館存儲與帶寬

231利用公有云對技術人才的要求

云計算是IT領域的創新，也是商業模式的變革。圖書館利用公有云托管或租賃能夠簡化信息系統復雜性。有利于發揮本機構在文獻加工、信息咨詢、知識管理領域的優勢。技術崗位從重視架構設計轉向終端開發。網絡終端應用、移動終端應用、供應商管理和數據分析在各項業務建設中具有關鍵作用。懂流程管理，SLA服務等級管理、云計算立法以及擅長需求分析的復合型技術人才將倍受歡迎。

232建設私有云對技術人才的要求

圖書館擁有成百上千的服務器，通過虛擬化技術整合建設私有云對技術人員開發和管理能力要求較高。不但要掌握傳統的網絡存儲、關系數據庫、負載均衡、容災備份等核心技術還要掌握開源軟件、分布式、虛擬化、數據中心、綠色計算等知識和技術。數據存儲設計注重非結構化或半結構化數據。Linux虛擬機和移動云終端將成為重要的開發環境。建設云計算數據中心還要求管理者明確本機構業務需求和帶來的投資回報[15]。endprint

233技術人才培養情況

面對信息化浪潮，各國普遍重視信息技術人才的培養。美國將信息技術人才分為基礎人才、系統理論人才、實踐技能人才以及在崗培訓人員。日本通過e-Japan、u-Japan、i-Japan等計劃推進基礎建設、應用開發、信息利用和人才培育。德國以技能加理論培育貼合生產實際的信息人才。印度采用實用化和市場化的教育模式，根據需求采用產學研互動方式提高人才實踐科研能力[16]。國內在管理科學與工程、工商管理、數學、電氣信息以及電子信息科學等專業增加GFS、Hadoop、MapReduce、VMware等云計算相關技術，增強需求分析、信息安全、商業智能、分布式計算、并行計算、大數據存儲、Linux編程、手機嵌入式開發等技能。北航軟件學院已經開設了首個移動云計算軟件工程碩士專業，在師資和實驗室建設方面受到大企業支持[17]。

24用戶接入

據統計，截至2013年底，我國網民規模達591億，普及率441%。30歲以上網民46%，學生268%，個體工商戶與自由職業者178%，企業人員106%，專業技術人員68%。上網設備臺式電腦695%，手機785%。上網時長平均每周217小時。截至2013年底，IPV4地址總數331億，域名1 469萬，網站294萬，國際出口帶寬2 098 150Mbps。用戶信息獲取主要通過搜索引擎和網絡新聞。搜索引擎用戶數47億，使用率796%，除了傳統搜索還有微博搜索、社交網站搜索、電商網站搜索以及垂直搜索。網絡新聞用戶461億，使用率78%。移動互聯下碎片閱讀、微博微信新聞傳播活躍，并與主流媒介形成聯動，新聞類程序大量出現，手機客戶端推送效果良好[18]。2010統計數據表明高校圖書館共有微機12萬臺，館均259臺。在校學生人數2～5萬，信息資源檢索獲取能力普遍提高。擁有個人電腦占比20%～60%。用戶接入時間比較集中，并發訪問波動明顯[19]。

3圖書館云計算建設方案

31云計算方案匯總

311商業云

根據服務方式劃分商業云計算有兩種形式。第一種是亞馬遜、Google、微軟提供的公有云服務。一般采取免費形式提供一定存儲空間和計算能力，對超出的部分按量收費。第二種是IBM、浪潮、華為等硬件廠商提供的商業性整體解決方案。通過開源或自行研發的管理系統預先安裝，同時銷售硬件和管理系統。選擇商業方案性價比通常是決定因素，在滿足需要的條件下重點考慮預算條件。

大數據平臺大數據平臺（BDP）、大數據流引擎（BDF）、大數據加速器（BDA）SkyForm云平臺資源管理系統、運營管理系統TCloud集群控制器、節點控制器、非活動節點資源池中華電信、上海國家軟件產業基地公共服務平臺、運營商手機上網日志查詢系統、某商業銀行歷史數據和影像數據查詢系統、某科學研究院上海分院高性能計算方案中國移動大云虛擬化彈性計算系統、分布式列存儲數據倉庫、MapReduce并行計算框架、并行數據挖掘工具中國移動盤古搜索、WAP/彩信雙業務云資源池，中國移動南方基地的WAP網關部署、MMSC雙業務系統以及對WAP業務30 000TPS、彩信3 000條/秒并發的支持，黑龍江無線城市平臺

312開源云

開源云技術具有顯著成本優勢。但是某些開源系統存在商業版，導致開源版本功能很少或者不完善。選擇開源云需要考慮系統功能是否全面、用戶界面是否直觀、支持的虛擬化技術、安裝配置難易度以及開發文檔詳盡程度、開發者社區規模和活躍程度等[20]。

32典型方案設計

321基于Eucalyptus的服務器整合

圖書館服務器眾多。以往為了追求穩定的性能，多采用單臺服務器承擔單一功能的做法，容易造成設備利用率低的問題。因此對服務器進行整合勢在必行。Eucalyptus是搭建IaaS的著名開源云計算系統，能夠實現不同檔次服務器的整合。應用被預先安裝在Linux或Windows server 2003操作系統中，制作成鏡像，然后上傳到各個節點。使用中根據需要啟動和關閉對應的節點，實現硬件資源彈性使用。結合KVM或XEN虛擬化能夠實現更加靈活的系統部署和資源配置。

322基于MongoDB的高性能網站

當網站發展到一定規模，海量存儲、高并發訪問和擴展性需求明顯。主流關系型數據庫的事務一致性、讀寫實時性和復雜多表查詢優勢難以體現，而且擴展困難。MongoDB采用鍵/值存儲方式，查詢功能豐富，易實現高性能、高伸縮的分布式部署。用于網站后端數據庫能實現動態擴展，從而應對不可預測峰值流量。如圖2所示，MongoDB通過復制分片方式實現靈活擴展。Mongod1、Mongod2、Mongod3、Mongod4是運行在兩臺服務器上的4個MongoDB數據庫進程，通過自動分片將數據分割存儲在不同機器上形成對應的復制集RepSet1和RepSet2。復制集可用于故障轉移、數據一致性、分散讀、熱備份或離線批處理[21-23。

323基于Hadoop的個性化推薦系統

個性化推薦通過分析用戶特征為其推薦感興趣的商品或信息，是解決信息過載的重要技術。推薦系統由記錄采集、數據處理和推薦算法三部分組成。推薦算法是推薦系統的核心部分。常用的有協同過濾、基于內容、基于規則和混合推薦四種類型。隨著用戶和資源的增加，單一節點的推薦系統逐漸不能滿足速度和精度要求。基于MapReduce編程模型實現的推薦算法能夠運行在分布式集群上，實現動態擴展，解決了單一節點計算能力不足的問題。數據采用副本形式存儲在HDFS或Hbase中，實現了海量數據的廉價存儲。

4圖書館云計算效益評價

41初始投資成本

圖書館信息系統建設需要巨額初始資本。雖然技術革新使單位計算和存儲成本不斷下降，但使用量飛速增長使得總投資不減反增。傳統建設模式面臨資金壓力。公有云運營商通過較強的管理能力和規模經濟降低單位成本。圖書館利用共有云可以將初始投資轉變成經營費用，同時避免硬件更新換代帶來的損失。規模較大的圖書館應用繁多，全部遷移到云端并不現實，私有云是優先選擇。開源分布式系統通過若干中低端服務器實現高端性能。傳統建設中數據庫、操作系統、中間件等軟件費用占總成本15%以上，云計算集群采用開源軟件或自行開發的中間件，因此在軟硬件方面都具有明顯的成本優勢[24]。endprint

數據中心運維成本包括安裝、調試、維護、管理、培訓、機房租金和設備能耗等。云計算采用復制模板鏡像的方式進行部署，減少了人力資源相關成本。設備能耗通常占運維成本的15%以上。主要能耗部件有CPU、內存、磁盤和網絡。節能方式分為關閉/開啟、動態電壓/頻率調整和虛擬機管理[25-26]。隨著頻率提高任務很快完成，節點能耗顯著降低，當頻率超過一定值節點能耗開始增加，轉折點依賴于具體任務、硬件和網絡，通過部署相應的程序能夠實現最佳節能效果[27]。虛擬機管理分為節點和集群兩個層次。節點實時監控和調整虛擬機大小，在超過上限時將虛擬機移出；集群檢測并選擇最佳節點接收遷出的虛擬機[28]。虛擬機分配可以看成動態規劃解決背包問題。每臺虛擬機視為一個物品，背包容量由對應主機的處理器核心數量和內存大小決定[29]。虛擬化之前服務器和存儲利用率一般僅維持在10%～15%。通過虛擬機調配，閑置資源得到充分利用，空閑節點關閉或休眠，從而節約電能消耗并減少熱量散發。

43擴展能力

數據中心擴展性是一項重要考量指標，決定著圖書館是否能及時擴容把握發展機會，擴展新的業務，避免讀者流失。根據摩爾定律，處理器晶體管數量每18個月增加1倍，新產品性能更高，功耗和價格更低。傳統圖書館機房建設過程漫長。項目從規劃、立項、審批到招標、采購、調試、運行至少需要1年以上。在此期間許多軟硬件都已升級換代，正式投入使用以后沒過幾年就已淘汰落伍。受制于硬件兼容性，部件升級面臨困難，造成整個系統擴展能力嚴重受限。云計算系統采用分布式部署，新節點加入比較容易，可實現新舊機型共存。相對于一次性購置高性能服務器，云計算能夠更好地利用摩爾定律帶來的收益。隨著云計算的發展，研究人員不斷對原有系統進行改進，克服潛在缺陷，進一步提高可擴展性。例如針對Hadoop的NameNode性能瓶頸，采用HDFS和MongoDB相結合的系統MHDFS，在需要處理更多任務時添加新的的名字節點，將名字節點內存數據轉移到MongoDB，提高了擴展能力[30]。針對XEN網絡I/O完全虛擬化中虛擬機數量不斷增加或處理器數量超過限度時網絡性能的下降，提出改善虛擬機調度機制和事件通道機制，通過找出引發二級緩存缺失的熱點函數進行優化提高執行效率，以提高系統擴展能力[31]。

5結論和建議

面對數據規模快速增長，圖書館信息化系統建設模式逐漸不能滿足硬件資源快速革新的擴容需求，外部競爭帶來的挑戰亟須圖書館從技術層面提高信息服務能力。利用IT基礎設施、資金、技術、人才和用戶接入等方面優勢建立云計算系統能夠滿足百萬級并發訪問、大規模數據分析以及個性化推薦等多方面需求。本研究表明，圖書館采用云計算技術順應IT技術發展潮流，符合大規模、低成本、高擴展的應用需求，對提高圖書館現代化水平，提高信息服務競爭力具有良好的促進作用。縱觀云發展實踐，圖書館采用云計算障礙有兩方面：一是關系數據庫的主流地位，很多圖書館寧愿選擇已經被證實成功可行的成熟方案。二是缺乏相應的技術人才，個性化定制和二次開發能力不足。對此，政府主管部門應該充分發揮引導和調控作用，鼓勵各級科研立項。借鑒其他行業成功案例，以降低成本為基本立足點，以大規模數據業務為發展方向，大力建設分布式開源云計算平臺。

參考文獻

[1]張紅麗.基于云計算平臺的分布式數字圖書館框架模型研究[J].情報科學，2013，31（3）：40-44，67.

[2]中華人民共和國科技部.中國云科技發展“十二五”專項規劃[EB/OL].http：∥www.most.gov.cn/mostinfo/xinxifenlei/fgzc/gfxwj/gfxwj2012/201211/W020120918516104069531.doc，2014-02-23.

[3]黃曉斌，蒲筱哥.我國圖書館特色數據庫建設的現狀、問題與對策[J].情報科學，2007，25（5）：784-789.

[4]張麗萍.圖書館數字資源長期保存與管理研究[D].福州：福建師范大學，2013.

[5]宮學慶，金澈清，王曉玲.數據密集型科學與工程：需求和挑戰[J].計算機學報，2012，35（8）：1563-1578.

[6]劉智慧，張泉靈.大數據技術研究綜述[J].浙江大學學報：工學版，2014，48（6）：1-16.

[7]李煜民，章才能.海量數據高并發訪問系統的風險規避研究[J].湘南學院學報，2012，33（5）：50-54.

[8]張敏杰，羅華永.大并發訪問下的企業J2EE信息系統集群架構研究[C].北京：中國電機工程學會，2009：2009.

[9]魯克文，艾中良，劉忠麟.分布式衛星資源高效共享平臺研究[J].計算機工程與應用，2014，50（5）：121-125，174.

[10]楊廣鋒.核心競爭力研究的基礎：圖書館競爭分析[J].圖書館雜志，2007，26（3）：2-6.

[11]閆勇.基于波特五力模型的圖書館競爭戰略研究[J].大學圖書情報學刊，2013，31（5）：12-15.

[12]呂冠珠.基于戰略管理的圖書館競爭環境分析[J].科技情報開發與經濟，2008，18（20）：43-44.

[13]教育部高等學校圖書情報工作指導委員會.2012年高校圖書館主要統計數據排行榜[EB/OL].http：∥www.scal.edu.cn/tjpg，2014-03-11.

[14]繆小燕，熊麗，何鈞.北京市屬高校圖書館歷年財政專項經費情況統計分析[J].圖書館理論與實踐，2013，（8）：23-26.

[15]徐國慶.面向云計算的創新人才培養實踐[J].吉林省教育學院學報，2013，29（3）：12-13.endprint

[16]楊立軍，劉陳.美、日、德、印四國信息人才培養方案研究[J].中國電化教育，2010，（7）：45-51.

[17]黃務蘭.云計算時代高校IT人才培養模式的創新[J].計算機時代，2012，（3）：59-61，64.

[18]中國互聯網絡信息中心.第32次中國互聯網絡發展狀況統計報告[EB/OL].http：∥www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201307/P020130717505343100851.pdf，2014-03-11.

[19]張靜.圖書館用戶數字資源利用行為實證研究[J].廣東工業大學學報：自然科學版，2012，12（4）：74-78.

[20]鄧紅，王東興.主流開源云平臺的商業選擇[J].電腦知識與技術，2012，8（32）：7830-7832.

[21]鄭靜靜，葉焱，劉太君，等.基于Flex、Red5和MongoDB的視頻直播、錄制及存儲系統設計[J].計算機應用，2014，34（2）：589-592.

[22]張文盛，鄭漢華.基于MongoDB構建高性能網站技術研究[J].吉林師范大學學報：自然科學版，2013，（1）：123-126.

[23]郭匡宇.基于MongoDB的傳感器數據分布式存儲的研究與應用[D]，南京：南京郵電大學，2013.

[24]孫健，賈曉菁.Google云計算平臺的技術架構及對其成本的影響研究[J].電信科學，2010，（1）：38-44.

[25]張小慶，何忠堂，李春林.云計算系統中數據中心的節能算法研究[J].計算機應用研究，2013，30（4）：961-964，970.

[26]殷波，王穎，孟洛明.綜合遷移成本和通信成本的云計算節能策略[J].北京郵電大學學報，2012，35（1）：68-71.

[27]雷成軍，羅亮，吳文峻.基于云計算的集群能耗監控與節能方法研究[J].計算機應用與軟件，2011，28（11）：242-244，253.

[28]馬飛，劉峰，劉真.云計算中高效節能的虛擬機分布式管理方法[J].計算機工程，2012，38（11）：5-7.

[29]吳毅華，曹健，李明祿.云計算環境下基于需求預測的虛擬機節能分配方法研究[J].小型微型計算機系統，2013，34（4）：778-782.

[30]田熾.基于HDFS的高可擴展性云存儲的研究與實現[D].廣州：華南理工大學，2012.

[31]付塞平，任國林.XEN網絡I/O完全虛擬化機制的可擴展性研究[J].計算機工程，2008，34（23）：102-104.

（本文責任編輯：馬卓）endprint

[16]楊立軍，劉陳.美、日、德、印四國信息人才培養方案研究[J].中國電化教育，2010，（7）：45-51.

[17]黃務蘭.云計算時代高校IT人才培養模式的創新[J].計算機時代，2012，（3）：59-61，64.

[18]中國互聯網絡信息中心.第32次中國互聯網絡發展狀況統計報告[EB/OL].http：∥www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201307/P020130717505343100851.pdf，2014-03-11.

[19]張靜.圖書館用戶數字資源利用行為實證研究[J].廣東工業大學學報：自然科學版，2012，12（4）：74-78.

[20]鄧紅，王東興.主流開源云平臺的商業選擇[J].電腦知識與技術，2012，8（32）：7830-7832.

[21]鄭靜靜，葉焱，劉太君，等.基于Flex、Red5和MongoDB的視頻直播、錄制及存儲系統設計[J].計算機應用，2014，34（2）：589-592.

[22]張文盛，鄭漢華.基于MongoDB構建高性能網站技術研究[J].吉林師范大學學報：自然科學版，2013，（1）：123-126.

[23]郭匡宇.基于MongoDB的傳感器數據分布式存儲的研究與應用[D]，南京：南京郵電大學，2013.

[24]孫健，賈曉菁.Google云計算平臺的技術架構及對其成本的影響研究[J].電信科學，2010，（1）：38-44.

[25]張小慶，何忠堂，李春林.云計算系統中數據中心的節能算法研究[J].計算機應用研究，2013，30（4）：961-964，970.

[26]殷波，王穎，孟洛明.綜合遷移成本和通信成本的云計算節能策略[J].北京郵電大學學報，2012，35（1）：68-71.

[27]雷成軍，羅亮，吳文峻.基于云計算的集群能耗監控與節能方法研究[J].計算機應用與軟件，2011，28（11）：242-244，253.

[28]馬飛，劉峰，劉真.云計算中高效節能的虛擬機分布式管理方法[J].計算機工程，2012，38（11）：5-7.

[29]吳毅華，曹健，李明祿.云計算環境下基于需求預測的虛擬機節能分配方法研究[J].小型微型計算機系統，2013，34（4）：778-782.

[30]田熾.基于HDFS的高可擴展性云存儲的研究與實現[D].廣州：華南理工大學，2012.

[31]付塞平，任國林.XEN網絡I/O完全虛擬化機制的可擴展性研究[J].計算機工程，2008，34（23）：102-104.

（本文責任編輯：馬卓）endprint

[16]楊立軍，劉陳.美、日、德、印四國信息人才培養方案研究[J].中國電化教育，2010，（7）：45-51.

[17]黃務蘭.云計算時代高校IT人才培養模式的創新[J].計算機時代，2012，（3）：59-61，64.

[18]中國互聯網絡信息中心.第32次中國互聯網絡發展狀況統計報告[EB/OL].http：∥www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201307/P020130717505343100851.pdf，2014-03-11.

[19]張靜.圖書館用戶數字資源利用行為實證研究[J].廣東工業大學學報：自然科學版，2012，12（4）：74-78.

[20]鄧紅，王東興.主流開源云平臺的商業選擇[J].電腦知識與技術，2012，8（32）：7830-7832.

[21]鄭靜靜，葉焱，劉太君，等.基于Flex、Red5和MongoDB的視頻直播、錄制及存儲系統設計[J].計算機應用，2014，34（2）：589-592.

[22]張文盛，鄭漢華.基于MongoDB構建高性能網站技術研究[J].吉林師范大學學報：自然科學版，2013，（1）：123-126.

[23]郭匡宇.基于MongoDB的傳感器數據分布式存儲的研究與應用[D]，南京：南京郵電大學，2013.

[24]孫健，賈曉菁.Google云計算平臺的技術架構及對其成本的影響研究[J].電信科學，2010，（1）：38-44.

[25]張小慶，何忠堂，李春林.云計算系統中數據中心的節能算法研究[J].計算機應用研究，2013，30（4）：961-964，970.

[26]殷波，王穎，孟洛明.綜合遷移成本和通信成本的云計算節能策略[J].北京郵電大學學報，2012，35（1）：68-71.

[27]雷成軍，羅亮，吳文峻.基于云計算的集群能耗監控與節能方法研究[J].計算機應用與軟件，2011，28（11）：242-244，253.

[28]馬飛，劉峰，劉真.云計算中高效節能的虛擬機分布式管理方法[J].計算機工程，2012，38（11）：5-7.

[29]吳毅華，曹健，李明祿.云計算環境下基于需求預測的虛擬機節能分配方法研究[J].小型微型計算機系統，2013，34（4）：778-782.

[30]田熾.基于HDFS的高可擴展性云存儲的研究與實現[D].廣州：華南理工大學，2012.

[31]付塞平，任國林.XEN網絡I/O完全虛擬化機制的可擴展性研究[J].計算機工程，2008，34（23）：102-104.

（本文責任編輯：馬卓）endprint