云计算技术优势精选(五篇)

序言：作为思想的载体和知识的探索者，写作是一种独特的艺术，我们为您准备了不同风格的5篇云计算技术优势，期待它们能激发您的灵感。

篇1

关键词:云计算;广电领域;应用

引言

当今，信息技术发展快速，信息和数据高度密集，云计算改变了人们的生活，成为最为热议的话题，也是目前最为先进的技术。云计算已经广泛运用计算机和互联网行业中去，谷歌、微软等公司都拥有了自己的云计算平台。现在更多的科研者正在研究如何把云计算运用到更多的领域，云计算如今正在电信和光电行业开展，为广电领域的发展开辟了广阔的途径。

1云计算概述

最早云计算是大型互联网服务商在扩建基础设施时所采用的。云计算为应用模式提供了新的平台，它作为一种实用的计算形式，非常新颖，其硬件、软件、存储等资源可以随时合并，然后再合并为客户所需要的服务。从通俗意义上而言，云计算中的“云”是基于互联网服务器集群中的各类资源，由硬件资源和软件资源组成，包括服务器、CPU、存储器、集成开发环境、应用软件等等，本地计算机再利用互联网发送请求之后，远端就会有计算机为其提供资源，将结果反馈到本地计算机中。云计算包括几个显著的特征，即按需自助服务、无所不在的网络访问、无地区区别资源地、可度量服务、快速弹性能力等。从严格意义来讲，云计算其实并不是一门新技术，而是在计算过程中所运用的新思维和方法，表现为需求和市场关系发展的变化，它是对计算手段的一种完美解读，是网络发展到一定阶段后，业务和形态共同体现。云计算不能脱离网络，离开网络，云计算就失去了应有的效能。

2云计算在广电行业的发展

近些年，云计算在信息领域成为一枝独秀，受到全世界的重视。我国也积极研究云计算，并把云计算运用到各个领域，广电行业也开始运用云计算，这不仅给广电业带来巨大发展，也给广电业提出了挑战。从广播电视内容的制作、数字存储，再到双向互动、有线电视管理等，云计算的作用是不可估量的。“三网融合”是我国广电行业未来发展的目标，但是受到技术、体制等问题的约束，“三网融合”迟迟没有得到实质性突破。从2010年政府再提出这一目标，才开始走上实质性的试点建设轨道。在建设过程中，要积极发展新的技术和业务，其中最重要的就是“云计算”和“云服务”。“三网融合”的真正意图就是要把广播电视网、电信网和互联网三者融合在一起，做到资源共享，业务范围和技术逐步达到一致，满足用户更多的需求，提高人们更高的精神需求。通过“三网融合”使网络和信息资源最大程度实现共享，使重复建设得以避免，打破了三者之间的界限。云计算在三网融合中运用，必将给广电行业带来前所未有的发展机遇。广电行业也要以云计算为抓手，紧跟时代步伐，运用好云计算。

3云计算在广电领域的实践运用

云计算的核心理念就是在很多的机器上提供服务，这种服务具有高性能、安全可靠。当今，网络宽带飞速发展，速度增长非常快，就给云计算提供了便捷的条件。云计算的发展给广电“三网融合”带来了更大的发展潜力。运用云技术可以使数据压缩能力显著提高，使广电资源和业务相互分离，资源根据客户需要进行分配，使设备的使用效率大大提高。另外，云计算还使服务具有连续性。当前，广电运营商所面临的问题很多，这些问题对广电行业发展起到了阻碍作用。但是云计算的运用，使电视变成了电脑，实现了语音和视频功能，让电视具有电脑一样强大的功效，这是云计算在广电行业的主要运用体现。天然视频云计算终端和宽带网络是广电网络的两个优点，实践显示，只要增加视频云技术的处理器，这样云计算就可以发挥作用了。只要是技术的应用呈现能够运行，在终端就能够显现出来，使终端的成本大大降低。不管任何的时间、任何地点，都可以对各类应用功能进行访问，客户不需要再去升级终端，减少不必要的麻烦，也使更新和维护成本降低。云计算对广电行业的发展具有很大促进作用，为广电行业发展开辟新途径。云计算对广电行业来说是一项非常基础的工程，以广电网络为基础，构建云计算平台，使传统媒体和视听新媒体有机联系在一起。对广电行业来说，还可以利用云计算建立IT系统和业务平台，做到差异化竞争，改善产业结构，促进广电行业的新发展。

4结语

总之，“三网融合”不断前行，竞争更加白热化。广电业当前亟需解决的问题就是怎样才能在竞争中崭露头角。云计算正是在广电行业困难时刻应运而生的，为广电行业调整结构、改变运营模式打下了坚实基础。广电行业要积极开展“三网融合”，充分运用云计算技术，构建广电行业的云计算平台，在激烈竞争中提高质量，提供更加优质、快捷的服务，开辟出新的发展之路。

参考文献:

［1］严海兵，姚武霞，过言之．云计算下的图书馆数字资源存储研究［J］．苏州科技学院学报(自然科学版)，2011(3)．

［2］石蓉蓉．论大数据在广电系统中的应用———基于技术层面的思考［J］．电视研究，2015(6)．

篇2

IBM将这一能力称为技术运算。继去年10月收购Platform之后，11月19日，IBM中国系统与科技（西安）开发中心正式（以下简称西安开发中心）揭牌。该中心将整合IBM在全球的创新资源，继续在包括高性能计算在内的技术运算领域进行研发。

整合资源推动创新

据悉，西安开发中心是继IBM中国系统与科技开发中心落户上海、北京、台北和无锡之后又一个位于中国本土的IBM全球研发机构。IBM中国系统与科技开发中心总经理、Enterprise Systems全球研发副总裁Michael Desens表示，西安开发中心将配置一流的研发人员，参与IBM核心产品的研发和技术创新，支持IBM的全球整合创新战略，有效推动新兴市场的业务增长。“IBM的全球开发中心需要将本地创新与全球资源有效整合，实现以深度科技服务客户的目标。IBM将坚持人才的多元化和丰富性，为创新不断注入新鲜活力，增强执行能力。” Michael Desens说。

作为IBM系统与科技部位于中国的唯一研发机构，IBM中国系统与科技开发中心（IBM GCG STG Labs）涉及涵盖半导体芯片、HPC（高性能计算）、系统软件等多方面的研发工作。“开发中心在发展到一定规模后，迫切需要技术、工程和行业经验过硬的研发团队，紧跟市场发展的脚步，不断创新。”IBM中国系统与科技开发中心技术总监谢东表示，“研发创新的核心是人才。西安开发中心将整合当地和全国一流的高校人才资源，开展包括研发在内的多方面合作。这种深入的合作和完整的人才培养机制将为IBM的研发创新提供持续动力。”

谈到此次西安开发中心的成立，不得不提到已经被IBM收购的Platform。据了解，Platform早在2005年就在西安成立了其全球研发中心。此次新成立的西安开发中心将全部整合Platform在西安的研发团队，该团队将占整个开发中心人员比例的90%以上。

“后Platform时代”重要战略

“Platform无疑是IBM历史上一次非常重大的收购，西安开发中心是推进Platform及IBM技术运算整合创新战略中非常重要的一步。”IBM系统与科技部技术运算及高性能计算副总裁Brain J.Connors高度评价了西安开发中心的地位。

“智慧驱动创新”越来越成为产业界对IT商业价值的普遍共识，高性能计算的应用场景正在从科研、政府等传统领域更多地向行业应用渗透。“未来，高性能计算系统将进一步靠近商业应用环境，针对大数据的技术运算和HPC云可能成为两大系统演进的趋势。”IBM系统与科技部技术运算开发副总裁Chris Maher认为，“计算更加接近数据，大规模计算正在与大数据更紧密地结合，在此基础上将形成可操作并支持行动的洞察力。包括IBM Symphony、IBM General Parallel File System（GPFS）等在内的工具将为高性能计算系统提供大规模的资源配置和扩展性系统的管理能力，以及强大的集群和文件管理能力。IBM将持续整合Platform技术并不断创新，将云的能力不断扩展延伸。”

篇3

在计算机的使用过程中应用云计算技术可有效打破这种局限。目前，我国高校实验室资源还普遍存在较多问题。常见问题主要为资源匮乏、分布不均、资源利用率低等。合理地将云计算技术应用于高校实验室资源管理中，可促进实验室资源得到优化配置，进而促进资源的价值得到充分发挥[1]。

2云计算技术的基本内涵(Cloudcomputingbasicconnotationtechnology)

2.1云计算技术的含义

云计算技术的意义表现为以具有公开性的相关服务和标准作为主要基础，以互联网作为中心部位，为计算机使用用户提供具有更高安全性和更好快捷性的数据存储相关服务，使得计算机使用用户可通过互联网更加高效地进行相关数据的储存、分析和处理[2]。云计算技术凭借其科学性、易用性、可移植性优势越来越广泛地被应用于各个领域中，其已成为未来网络虚拟化存储的一个必然发展趋势。

2.2云计算体系的构架

云计算可根据用户的实际需要，提供具有云计算体系的弹性的相关资源。云计算的表现形式实质上表现为一系列服务的集合。结合目前关于云计算的实际应用和研究结果，可将云计算体系的构架分为核心服务层、服务管理层、用户访问接口三大部分。核心服务层是将相关软件的硬件基础设施、运行环境、应用程序抽象成为一种服务。抽象出来的这一系列服务均具有较高的可用性和较强的可靠性，且服务规模具有可伸缩性。因此，这些服务能够更好地满足用户在使用互联网过程中的各种需求。服务管理层为核心服务层提供服务质量、安全管理等保障，保证核心服务的可用性、可靠性和安全性。用户访问接口通常包含命令行、Web门户等诸多形式，其实现了端到云的访问。2.3云计算平台的介绍云计算平台也可称为云平台，其可划分为三大类，分别为存储型云平台、计算型云平台、综合云计算平台。存储型云平台的主要作用为存储数据，综合云计算平台则兼顾数据存储和数据处理。云计算平台在架构主要分为硬件层、虚拟层、软件平台层、能力层、应用平台、软件服务层，每个层次间均表现为松耦合关系。云计算平台的特点主要表现在如下几点：首先，各用户在应用该种技术的过程中不用理会云平台底层的实现情况。各用户在应用云计算平台，或者应用云平台来云平台用户、服务提供商等第三方应用开发者时，均无需详细了解云内部的相关细节，其仅仅需要充分利用平台中所提供的相关接口便可直接通过该平台来进行相关工作。其次，云平台具有突出的灵活性，其在应用过程中的规模可根据用户的实际需要来进行相应的调节。在调节的过程中，通过虚拟化技术，该平台的提供商便可按照各用户的实际需要向其提供相应的服务。由此可见，应用云计算平台时，云的成本得到有效降低，同时还可更好地满足各个用户的不同需求。最后，云平台是在大规模网格或数据中心基础之上形成的，其可为各用户提供具有更高性能的计算服务。同时，对于云平台使用者来讲，云的资源更加丰富。

3云计算技术的应用与发展历程(Cloudcomputingtechnologyapplicationanddevelopmentprocess)

云计算技术的具体发展和应用历程表现如下：第一，2007年10月，IBM与Google、联合美国马里兰大学、加州大学等诸多高校开始研发云计算技术，并将该种技术应用于高校实验室。第二，第二年10月份，IBM与北卡罗来纳州立大学合作，充分应用云计算技术为整个州使用网络的用户提供云计算技术服务，且提供的相关服务均是免费的，云计算技术逐渐被广泛应用于互联网中。也是在这一年，EMC与清华、复旦几所重点大学相互合作，加强对云计算技术群的相关系统软件进行研究和开发，并将相关的系统软件逐步应用于对互联网上存在的庞大数据信息进行分析和处理，同时积极地将这些系统软件向更多的领域进行推广，使这些系统软件在全社会逐渐得到应用。以此同时，该阶段通过研究和开发，还积极的在高校实验室资源管理中应用云计算技术，促进中国高校的实验室资源得到有效优化。第三，2009年4月份，“雅虎”与加州大学、马萨诸塞大学等高校合作，研发云计算技术群的系统软件，将该种技术应用于规模巨大的信息数据处理，同时也将该技术应用于高校验室资源优化中。2010年，“云安全”在诸多所高校中得到应用，为校园网络的安全提供有效保障。同时，在高校实验室资源优化中也较为广泛地应用到了该种技术。

4云计算技术对高校实验室资源的优化价值(Cloudcomputingtechnologytooptimizethevalueofuniversitylaboratoryresources)

4.1有助于构建资源共享空间

通过云计算技术可构建起一个资源共享空间，并将该空间延伸各个家庭，乃至延伸至社会。因此，各高校在不用对本校实验室硬件设备进行更新的基础上便可分享到由一个庞大的系统相互连接而形成的一个基础设施，促进高校实验室运行成本得到有效降低。同时，通过这个基础设施，各个高校均可实现对其他高校的资源进行实时共享。高校中的学生、教师在家中、社会中均可共享相关资源，提高了资源的利用价值。

4.2有助于减少软件使用成本

应用云计算技术所提供的相关服务，仅需要将存在于高校实验室中的硬件设备接入到互联网中，然后开启客户端。这样便可将硬件维护工作、各软件带来的大量负荷直接交由云计算技术服务的供应商去实施[3]。将云计算技术服务接入到高校实验室中后，学校就不用再花钱购买商业软件授权，进而降低软件使用成本。通过运行浏览器，各个用户便可享受到由云计算技术所提供的相关服务，而不再需要再花钱去进行软件升级。

4.3有助于保证资源数据安全

当高校的教师或者学生将实验室资源数据保持到其自己平时所使用的电脑上时，一旦计算机出现故障或者丢失会直接导致相关数据遭受破坏或者丢失。而在实验室资源管理过程中应用云计算技术时，可充分利用云计算技术提供的丰富服务，将管理过程中所涉及的相关数据均直接存储到云端。将数据存储于云端可促进数据存储的安全性和可靠性得到大大提升，有效避免数据资料的损坏和丢失。此外，使用云计算技术服务之后，高校无需再重新花钱购买更多的数据库服务器来对庞大的数据进行储存和管理。在管理过程中应用虚拟化管理模式之后，管理过程中的诸多事物均可交由云计算技术服务供应商来实施，促进工作效率和工作质量得到有效提高。

4.4有助于促进行业教育发展

近年来，我国网络用户数量不断增加，据互联网信息中心统计数据显示，截至2012年8月，我国网络用户已达5.3亿之多，且还表现出不断增长的趋势。随着云计算技术的不断优化，每个用户均可在校内建立个人学习网络环境，在学习过程中依然可以充分利用实验室资源。在这样的学习环境中，学生在学习过程中的主体性地位得到更加充分的体现，学生的自学意识及自学能力可得到有效提升，促进国民综合素质和能力得到有效提升。

5我院实验室云计算技术的具体应用效果(Ourhospitallaboratorycloudcomputingtechnologyapplicationeffect)

目前，我校已加强对校内实验室进行合理规划，标准化定义了校内所有相同设备仪器，将存在差异性的设备进行单独规划。将所有设备均置于云计算技术平台中，然后将各个学科专业作为主要依据，将与之相适应的数据信息和资源放入具体的区域中。用户可根据实际需要对所需资源进行检索。为了保证数据在格式上具有统一性，我校对相关资源数据实施标准化处理，使其具有统一性。同时，对形式上具有差异性的所有数据实施相应的转化以及认证，使全部数据均具有统一性和可用性。在使用过程中，按照各个操作者进行各个使用权限以及使用类别设置。在云计算技术的实际应用过程中，将所有的资源数据均集中到数据中心，或者集中到计算云中。在应用云计算技术过程中为了保证高校实验室资源数据的安全，需健全并完善保密体系和认证体系。

6云计算技术资源优化的未来发展趋势(Cloudcomputingtechnicalresourcestooptimizefuturedevelopmenttrend)

首先，云计算技术应用的不断推广急需相应的科研人才。在这样的背景下，高校在发展过程中应积极对教学大纲进行科学调整，更加学校实际发展状况和人才市场需求适当增设一些与计算技术相关的课程，及其对专业技术人才进行培养。其次，在应用云计算技术的过程中，庞大的数据资源会被全部集中于数据中心或者计算云中。所以，在加强技术建设的同时也需加强相关法律法规建设。只有不断完善相关法律法规才能为计算技术应用过程中的安全问题提供可靠法律依据，保证数据资料的安全性。同时，完善的法律法规可促进服务供应商的运作不断向规范化发展。再次，目前，我国大部分高校已经应用到网络服务系统，但是各校在应用过程中还存在较大差异性。所以须积极制定一个统一的接口标准，使云计算技术接入能够具有统一性，进而促进云计算技术才能更好地应用于高校实验室资源优化中。

7结论(Conclusion)

篇4

关键词：视频分割；稀疏优化；子空间模型

中图分类号：TP302 文献标识码：A 文章编号：1009-3044（2016）27-0139-05

1 介绍

视频的运动分割，旨在从视频序列中分解出多个连续移动的不同物体。将不同运动物体的信息从视频中提取出来之后，可以做很多后续的研究，如异常行为分析或者运动物体的追踪。近几年，基于特征点轨迹聚类的视频运动分割问题是主要的研究方向，首先对提取的实际视频序列进行预处理获得特征点轨迹，如KLT[1]，SIFT[2]或者SURF[3]等特征点提取算法，基于不同的运动目标对特征点轨迹集合进行聚类。但是长视频序列中提取和跟踪的特征点集合往往是高维复杂的大数据，需要寻求一种高精度并能快速对高维复杂数据进行分类的方法。基于子空间模型下的运动分割，是现如今被普遍研究的分类方法。子空间模型下分类的基本思想是，从视频序列中提取到的每一组特征点轨迹都认为其点集合共同构建了一个子空间，那么不同特征点集合的聚类问题，即转化为对一组子空间集合进行聚类的问题。

本文基于LSA聚类算法[7]以及稀疏子空间聚类算法（SSC）[6]的思想，提出一种基于稀疏优化对子空间进行聚类的新方法。实验结果表示，本文所提出的方法，可以有效且快速地分类实际视频中的不同运动目标。

2 基于子空间模型下的运动分割

2.1 子空间聚类模型

对特征点集合组成的高维数据聚类，基于子空间的模型，首先需要获得高维数据的低维表示，而这个低维表示能够保持原大数据矩阵的本质特征。假设，将原高维数据的低维投影看作一个变换后的“全局子空间”，而全局子空间是由不同的更低维度的“本地子空间”相互交叠构成，如图1，三种数据点集合构成三种子空间S1，S2，S3，集合S={ S1，S2，S3}称作全局子空间，S1，S2，S3相对的称作本地子空间。本文中基于子空间模型进行分类的基本思想就是从全局子空间中找出不同的本地子空间，属于同一本地子空间的数据应当被划分到同一类中，即划分为属于同一种运动目标。

4 实验结果与分析

本文实验数据选自标准的视频数据库Hopkins 155数据集[13]。并将本文提出的优化算法与现今其他优秀的运动分割算法进行比较，在分割的过程中，假设所有视频中运动目标的个数已知。

图6，7，8是采用本文所提出算法进行聚类的结果，不同颜色代表不同的运动目标。图6中包含3中运动，红色点代表背景，蓝色和绿色代表两种汽车的运动，图7中包含2种运动，人的手臂以及手上拿的物体分别用红色和绿色进行区分，图8代表了3种物体的运动，红色点代表背景，由图7可知，对于特征点多且复杂的难以区分运动模式，我们所提出的算法可以有效的对不同的运动目标进行区分。为了进一步表明本文所提出算法的优势，我们将从错误率和运算时间与SSC [6]， LSA [7]， RANSAC [4]， GPCA [5]， LLMC [14]算法进行对比。

从表1、2、3、4可以得出，我们所提出的算法具有比较好的准确度，虽然相比SSC算法来说准确度略低，但是我们的优化算法与SSC相比加快了运算的速度。

5 总结

本文提出了一种基于子空间的运动分割优化方法，可以对实际视频序列中不同的运动物体进行有效分类。首先通过SPCA算法[15]将高维数据投影在一个低维的空间上，并且具有少数的非零元素；基于SMCE [9]的思想，对投影后低维空间中不同的子空间进行估计，寻找在低维空间中每一个数据点的稀疏近邻（隶属于同一子空间），将投影后分布于低维空间中的不同子空间分割出来，这种方式相比较LSA算法来说，改善了过度估计和不同子空间相互交叉的问题，大大提高了准确率。与SSC算法相比，运算时间得到提升。在未来的研究中，将对长视频序列中运动目标分割的研究作为主要方向，并侧重数据缺失或不完整轨迹等问题，进一步提升算法的准确性和实用性。

参考文献：

[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

关键词 云计算技术；实验室资源；优化应用

中图分类号：G482 文献标识码：B 文章编号：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

随着计算机互联网的普及和发展，原有的互联网系统和服务设计已经不能适应科技现代化的需要，云计算技术应运而生。云计算技术现有的定义是：以公开的标准和服务为基础，以互联网为中心，提供安全和快捷的数据存储和网络计算服务，让互联网这片“云”成为每位网络用户的数据中心和计算中心。

结合我国高校的现状，普遍存在实验室资源不足，分布不均，不能共享等问题。云计算技术的优化应用，能进一步改善高校实验室资源状况，促进高校又好又快发展。

1 云计算技术的发展和应用历程

1）2007年10月，IBM与Google合作，联合美国史丹佛大学、卡内基梅隆大学、加州大学、马里兰大学及麻省理工学院等高校，共同研究开发出云计算技术。同时通过云计算技术的应用，降低分布式计算技术的研究成本，并为高校实验室提供了软硬件设备及计算技术的支持。

2）2008年10月24日，IBM与北卡罗来纳州立大学合作，通过云计算技术的应用，向整个州的网络用户提供免费的云计算技术服务。

同年，EMC与清华大学和复旦大学合作，共同研究云计算技术在中国高校的推广和应用，其中包括高校实验室资源的优化应用。

3）2009年4月16日，“雅虎”与加州大学、康奈尔大学以及马萨诸塞大学3所高校共同合作，研究开发出云计算技术群的系统软件，应用于分析和处理互联网大规模的信息数据，并逐步推广到全社会。同时也适用于高校实验室资源的优化应用。

4）2010年，云计算技术中的趋势科技“云安全”应用在郑州轻工业学院等多所高校，为校园网络安全防护构筑起立体式、多层次的防护体系。同时也为高校实验室资源的优化应用，提供了更安全可靠和高效率的保证。

2 云计算技术对高校实验室资源的优化应用大有 可为

通过分析云计算的技术特点，结合高校实验室资源的现状，可以探究出云计算技术对高校实验室资源的优化应用大有可为。

1）云计算技术可以为所有高校之间构建共同资源共享空间，甚至可以把共享空间延伸到社会和家庭，使各个高校既能分享到庞大系统连接形成的基础设施，又不必更新高校实验室的硬件设备，从而大大降低高校实验室运行成本，又实时地获得其他高校的资源共享。

高校师生若身在社会或家庭中，可以通过云计算技术与高校实验室共享所有资源，解决高校实验室资源不均和不足的现实问题。

2）通过云计算技术服务，只需让高校实验室原有计算机硬件设备接入互联网，把客户端开起使用各软件带来的大量负荷和硬件维护工作，移交给云计算技术服务供应商去完成。

高校实验室接入云计算技术服务后，不必花费大量资金购买商业软件授权。客户端的本地计算机只需运行浏览器即可享受云计算技术服务，不必为应用软件升级而付费。

3）高校实验室应用云计算技术服务后，资源数据存储在云端，为实验室资源储存提供了安全和可靠的保证。这样可以避免高校师生将实验室资源数据存放在个人计算机上，可能感染计算机病毒而造成数据丢失。同时高校实验室不需要购置数据库服务器，也能满足日益增加的实验室资源数据。以上的功能均由云计算技术服务商提供优质服务来处理解决。

4）根据中国互联网信息中心统计，截至2010年6月，中国网络用户规模已达到4.2亿，并且逐年增加。通过云计算技术的优化应用，网络用户可以在校内外任何地方建立起以个人学习为中心的网络学习环境，从各个高校实验室广泛的资源中，优化配置，合理选用。教学活动更多的由学习者自己而不是高校来掌控，极大地提升了自学环境，促进全社会各个行业终身教育的发展，有利于提高全体国民的综合素质。

3 展望云计算技术在未来高校实验室资源优化应 用的发展趋势

当前云计算技术的应用还处在不断探索阶段，需要不断完善云计算技术在未来高校实验室资源的优化应用。

1）随着云计算技术科技时代的到来，非常需要这方面的科研人才。我国的高校需要调整教学大纲，增加云计算技术的课程，培养出与国际科技现代化接轨的云计算技术专业人才。

2）应用云计算技术时，高校实验室资源数据被高度集中在计算云或数据中心内。必须制定相应的法律和法规，规范云计算技术服务公司的运作，确保高校实验室资源数据不被计算机病毒攻击和隐私数据不泄露。

3）对于我国各个高校实验室的网络服务系统不同的现状，必须制定一个接入云计算技术的统一接口标准，为云计算技术在中国高校实验室的优化应用和推广普及提供保障。

4 结束语

综上所述，云计算技术模式的出现，给我国高校实验室发展带来机遇。虽然目前云计算技术应用还处于不断完善的阶段，但笔者相信，随着科技发展的日新月异，云计算技术应用会日趋成熟，云计算技术在高校实验室的优化应用会越来越普及，高校实验室资源会更加合理配置和安全可靠，以适应未来培养更多高素质科技人才的需要。