189 8069 5689
数据库，简而言之可视为电子化的文件柜——存储电子文件的处所，用户可以对文件中的数据进行新增、截取、更新、删除等操作。
成都创新互联公司IDC提供业务:服务器托管机柜,成都服务器租用,服务器托管机柜,重庆服务器租用等四川省内主机托管与主机租用业务;数据中心含:双线机房,BGP机房,电信机房,移动机房,联通机房。
所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。[1]
数据库管理系统
主条目：数据库管理系统
数据库管理系统（英语：Database Management System，简称DBMS）是为管理数据库而设计的电脑软件系统，一般具有存储、截取、安全保障、备份等基础功能。数据库管理系统可以依据它所支持的数据库模型来作分类，例如关系式、XML；或依据所支持的计算机类型来作分类，例如服务器群集、移动电话；或依据所用查询语言来作分类，例如SQL、XQuery；或依据性能冲量重点来作分类，例如最大规模、最高运行速度；亦或其他的分类方式。不论使用哪种分类方式，一些DBMS能够跨类别，例如，同时支持多种查询语言。[1]
类型
关系数据库
MySQL
MariaDB（MySQL的代替品，英文维基百科从MySQL转向MariaDB）
Percona Server（MySQL的代替品·）
PostgreSQL
Microsoft Access
Microsoft SQL Server
Google Fusion Tables
FileMaker
Oracle数据库
Sybase
dBASE
Clipper
FoxPro
foshub
几乎所有的数据库管理系统都配备了一个开放式数据库连接（ODBC）驱动程序，令各个数据库之间得以互相集成。
非关系型数据库（NoSQL）
主条目：NoSQL
BigTable（Google）
Cassandra
MongoDB
CouchDB
键值（key-value）数据库
Apache Cassandra（为Facebook所使用）：高度可扩展
Dynamo
LevelDB（Google）[1]
数据库模型
对象模型
层次模型（轻量级数据访问协议）
网状模型（大型数据储存）
关系模型
面向对象模型
半结构化模型
平面模型（表格模型，一般在形式上是一个二维数组。如表格模型数据Excel)
架构
数据库的架构可以大致区分为三个概括层次：内层、概念层和外层。
内层：最接近实际存储体，亦即有关数据的实际存储方式。
外层：最接近用户，即有关个别用户观看数据的方式。
概念层：介于两者之间的间接层。
数据库索引
主条目：数据库索引
数据索引的观念由来已久，像是一本书前面几页都有目录，目录也算是索引的一种，只是它的分类较广，例如车牌、身份证字号、条码等，都是一个索引的号码，当我们看到号码时，可以从号码中看出其中的端倪，若是要找的人、车或物品，也只要提供相关的号码，即可迅速查到正确的人事物。
另外，索引跟字段有着相应的关系，索引即是由字段而来，其中字段有所谓的关键字段（Key Field），该字段具有唯一性，即其值不可重复，且不可为"空值（null）"。例如：在合并数据时，索引便是扮演欲附加字段数据之指向性用途的角色。故此索引为不可重复性且不可为空。
数据库操作:事务
主条目：数据库事务
事务（transaction）是用户定义的一个数据库操作序列，这些操作要么全做，要么全不做，是一个不可分割的工作单位。 事务的ACID特性：
基元性（atomicity）
一致性（consistency）
隔离性（isolation）
持续性（durability）
事务的并发性是指多个事务的并行操作轮流交叉运行，事务的并发可能会访问和存储不正确的数据，破坏交易的隔离性和数据库的一致性。
网状数据模型的数据结构 网状模型 满足下面两个条件的基本层次联系的集合为网状模型。 1. 允许一个以上的结点无双亲； 2. 一个结点可以有多于一个的双亲。[2]
参见
数据库理论
信息技术审核
LDAP（轻量级数据访问协议）
SQL（结构化查询语言）
当前主流的关系型数据库有Oracle、DB2、Microsoft SQL Server、Microsoft Access、MySQL等。
非关系型数据库有 NoSql、Cloudant。
nosql和关系型数据库比较
优点：
1）成本：nosql数据库简单易部署，基本都是开源软件，不需要像使用oracle那样花费大量成本购买使用，相比关系型数据库价格便宜。
2）查询速度：nosql数据库将数据存储于缓存之中，关系型数据库将数据存储在硬盘中，自然查询速度远不及nosql数据库。
3）存储数据的格式：nosql的存储格式是key,value形式、文档形式、图片形式等等，所以可以存储基础类型以及对象或者是集合等各种格式，而数据库则只支持基础类型。
4）扩展性：关系型数据库有类似join这样的多表查询机制的限制导致扩展很艰难。
缺点：
1）维护的工具和资料有限，因为nosql是属于新的技术，不能和关系型数据库10几年的技术同日而语。
2）不提供对sql的支持，如果不支持sql这样的工业标准，将产生一定用户的学习和使用成本。
3）不提供关系型数据库对事物的处理。
关系型数据库的最大特点就是事务的一致性：传统的关系型数据库读写操作都是事务的，具有ACID的特点，这个特性使得关系型数据库可以用于几乎所有对一致性有要求的系统中，如典型的银行系统。
关系型数据库为了维护一致性所付出的巨大代价就是其读写性能比较差，而像微博、facebook这类SNS的应用，对并发读写能力要求极高，关系型数据库已经无法应付(在读方面，传统上为了克服关系型数据库缺陷，提高性能，都是增加一级memcache来静态化网页，而在SNS中，变化太快，memchache已经无能为力了)，因此，必须用新的一种数据结构存储来代替关系数据库。
关系数据库的另一个特点就是其具有固定的表结构，因此，其扩展性极差，而在SNS中，系统的升级，功能的增加，往往意味着数据结构巨大变动，这一点关系型数据库也难以应付，需要新的结构化数据存储。
于是，非关系型数据库应运而生，由于不可能用一种数据结构化存储应付所有的新的需求，因此，非关系型数据库严格上不是一种数据库，应该是一种数据结构化存储方法的集合。
大数据信息安全分析
企业和其他组织一直在充满敌意的信息安全环境中运行，在这个环境中，计算和存储资源成为攻击者使用入侵系统进行恶意攻击的目标。其中，个人机密信息被窃取，然后被放在地下市场出售，而国家支持的攻击导致大量数据泄露。在这种情况下，一个企业需要部署大数据安全性分析工具
来保护有价值的公司资源。
信息安全的很大一部分工作是监控和分析服务器、网络和其他设备上的数据。如今大数据分析方面的进步也已经应用于安防监控中，并且它们可被用于实现更广泛和更深入的分析。它们与传统的信息安全分析存在显著的差异，本文将从两个方面分别介绍大数据安全分析的新的特点，以及企业在选择大数据分析技术时需要考虑的关键因素。
大数据安全分析的特征
在许多方面，大数据安全分析是[安全信息和事件管理security information and event management ，SIEM)及相关技术的延伸。虽然只是在分析的数据量和数据类型方面存在量的差异，但对从安全设备和应用程序提取到的信息类型来说，却导致了质的差异。
大数据安全分析工具通常包括两种功能类别：SIEM，以及性能和可用性监控(PAM)。SIEM工具通常包括日志管理、事件管理和行为分析，以及数据库和应用程序监控。而PAM工具专注于运行管理。然而，大数据分析工具比纯粹地将SIEM和PAM工具放在一起要拥有更多的功能;它们的目的是实时地收集、整合和分析大规模的数据，这需要一些额外的功能。
与SIEM一样，大数据分析工具具有在网络上准确发现设备的能力。在一些情况下，一个配置管理数据库可以补充和提高自动收集到的数据的质量。此外，大数据分析工具还必须能够与LDAP或ActiveDirectory服务器，以及其他的第三方安全工具进行集成。对事件响应工作流程的支持对于SIEM工具可能并不是非常重要，但是当日志和其他来源的安全事件数据的的数据量非常大时，这项功能就必不可少了。
大数据信息安全分析与其他领域的安全分析的区别主要表现在五个主要特征。
主要特性1：可扩展性
大数据分析其中的一个主要特点是可伸缩性。这些平台必须拥有实时或接近实时的数据收集能力。网络流通是一个不间断的数据包流，数据分析的速度必须要和数据获取的速度一样快。 该分析工具不可能让网络流通暂停来赶上积压的需要分析的数据包。
大数据的安全分析不只是用一种无状态的方式检查数据包或进行深度数据包分析，对这个问题的理解是非常重要的。虽然这些都是非常重要和必要的，但是具备跨越时间和空间的事件关联能力是大数据分析平台的关键。这意味着只需要一段很短的时间，一个设备(比如web服务器)上记录的事件流，可以明显地与一个终端用户设备上的事件相对应。
主要特性2：报告和可视化
大数据分析的另一个重要功能是对分析的报告和支持。安全专家早就通过报表工具来支持业务和合规性报告。他们也有通过带预配置安全指标的仪表板来提供关键性能指标的高层次概述。虽然现有的这两种工具是必要的，但不足以满足大数据的需求。
对安全分析师来说，要求可视化工具通过稳定和快速的识别方式将大数据中获得的信息呈现出来。例如，Sqrrl使用可视化技术，能够帮助分析师了解相互连接的数据(如网站，用户和HTTP交易信息)中的复杂关系。
主要特性3：持久的大数据存储
大数据安全分析名字的由来，是因为区别于其他安全工具，它提供了突出的存储和分析能力。大数据安全分析的平台通常采用大数据存储系统，例如Hadoop分布式文件系统(HDFS)和更长的延迟档案储存，以及后端处理，以及一个行之有效的批处理计算模型MapReduce。但是MapReduce并不一定是非常有效的，它需要非常密集的I / O支出。一个流行工具Apache Spark可以作为MapReduce的替代，它是一个更广义的处理模型，相比MapReduce能更有效地利用内存。
大数据分析系统，如MapReduce和Spark，解决了安全分析的计算需求。同时，长时持久存储通常还取决于关系或NoSQL数据库。例如，SplunkHunk平台支持在Hadoop和NoSQL数据库之上的分析和可视化。该平台位于一个组织的非关系型数据存储与应用环境的其余部分之间。Hunk应用直接集成了数据存储，不需要被转移到二级内存存储。Hunk平台包括用于分析大数据的一系列工具。它支持自定义的仪表板和Hunk应用程序开发，它可以直接构建在一个HDFS环境，以及自适应搜索和可视化工具之上。
大数据安全分析平台的另一个重要特点是智能反馈，在那里建立了漏洞数据库以及安全性博客和其他新闻来源，潜在的有用信息能够被持续更新。大数据安全平台可从多种来源提取数据，能够以它们自定义的数据收集方法复制威胁通知和关联信息。
主要特性4：信息环境
由于安全事件产生这么多的数据，就给分析师和其他信息安全专业人员带来了巨大的风险，限制了他们辨别关键事件的能力。有用的大数据安全分析工具都在特定用户、设备和时间的环境下分析数据。
没有这种背景的数据是没什么用的，并且会导致更高的误报率。背景信息还改善了行为分析和异常检测的质量。背景信息可以包括相对静态的信息，例如一个特定的雇员在特定部门工作。它还可以包括更多的动态信息，例如，可能会随着时间而改变的典型使用模式。例如，周一早晨有大量对数据仓库的访问数据是很正常的，因为管理者需要进行一些临时查询，以便更好地了解周报中描述的事件。
主要特性5：功能广泛性
大数据安全分析的最后一个显著特征是它的功能涵盖了非常广泛的安全领域。当然，大数据分析将收集来自终端设备的数据，可能是通过因特网连接到TCP或IP网络的任何设备，包括笔记本电脑、智能手机或任何物联网设备。除了物理设备和虚拟服务器，大数据安全分析必须加入与软件相关的安全性。例如，脆弱性评估被用于确定在给定的环境中的任何可能的安全漏洞。网络是一个信息和标准的丰富来源，例如Cisco开发的NetFlow网络协议，其可以被用于收集给定网络上的流量信息。
大数据分析平台，也可以使用入侵检测产品分析系统或环境行为，以发现可能的恶意活动。
大数据安全分析与其他形式的安全分析存在质的不同。需要可扩展性，需要集成和可视化不同类型数据的工具，环境信息越来越重要，安全功能的广泛性，其让导致供应商应用先进的数据分析和存储工具到信息安全中。
如何选择合适的大数据安全分析平台
大数据安全分析技术结合了先进的安全事件分析功能和事故管理系统功能(SIEM)，适用于很多企业案例，但不是全部。在投资大数据分析平台之前，请考虑公司使用大数据安全系统的组织的能力水平。这里需要考虑几个因素，从需要保护的IT基础设施，到部署更多安全控制的成本和益处。
基础设施规模
拥有大量IT基础设施的组织是大数据安全分析主要候选者。应用程序、操作系统和网络设备都可以捕获到恶意活动的痕迹。单独一种类型的数据不能提供足够的证据来标识活动的威胁，多个数据源的组合可以为一个攻击的状态提供更全面的视角。
现有的基础设施和安全控制生成了原始数据，但是大数据分析应用程序不需要收集、采集和分析所有的信息。在只有几台设备，而且网络结构不是很复杂的环境中，大数据安全分析可能并不是十分必要，在这种情况下，传统的SEIM可能已经足够。
近实时监控
驱动大数据安全分析需求的另一个因素是近实时采集事故信息的必要性。在一些保存着高价值数据、同时又容易遭受到严重攻击的环境中，实时监控尤为重要，如金融服务、医疗保健、政府机构等。
最近Verizon的研究发现，在60%的事件，攻击者能够在几分钟内攻克系统，但几天内检测到漏洞的比例也很低。减少检测时间的一种方法是从整个基础设施中实时地收集多样数据，并立即筛选出与攻击事件有关的数据。这是一个大数据分析的关键用例。
详细历史数据
尽管尽了最大努力，在一段时间内可能检测不到攻击。在这种情况下，能够访问历史日志和其它事件数据是很重要的。只要有足够的数据可用，取证分析可以帮助识别攻击是如何发生的。
在某些情况下，取证分析不需要确定漏洞或纠正安全弱点。例如，如果一个小企业受到攻击，最经济有效的补救措施可能雇安全顾问来评估目前的配置和做法，并提出修改建议。在这种情况下，并不需要大数据安全分析。其他的安全措施就可能很有效，而且价格便宜。
本地vs云基础架构
顾名思义，大数据安全分析需要收集和分析大量各种类型的数据。如捕获网络上的所有流量的能力，对捕获安全事件信息的任何限制，都可能对从大数据安全分析系统获得的信息的质量产生严重影响。这一点在云环境下尤其突出。
云提供商限制网络流量的访问，以减轻网络攻击的风险。例如，云计算客户不能开发网段来收集网络数据包的全面数据。前瞻性的大数据安全分析用户应该考虑云计算供应商是如何施加限制来遏制分析范围的。
有些情况下，大数据安全分析对云基础设施是有用的，但是，特别是云上有关登录生成的数据。例如，亚马逊Web服务提供了性能监控服务，称为CloudWatch的，和云API调用的审计日志，称为CloudTrail。云上的操作数据可能不会和其他数据源的数据一样精细，但它可以补充其他数据源。
利用数据的能力
大数据安全分析摄取和关联了大量数据。即使当数据被概括和聚集的时候，对它的解释也可能是很有挑战性的。从大数据分析产生的信息的质量，部分上讲是分析师解释数据能力的一项指标。当企业与安全事件扯上关系的时候，它们需要那些能够切断攻击链路，以及理解网络流量和操作系统事件的安全分析师。
例如，分析师可能会收到一个数据库服务器上有关可疑活动的警报。这很可能不是一个攻击的第一步。分析师是否可以启动一个警报，并通过导航历史数据找到相关事件来确定它是否确实是一个攻击?如果不能，那么该组织并没有意识到大数据安全分析平台带来的好处。
其他安全控制
企业在投身大数据安全分析之前，需要考虑它们在安全实践方面的整体成熟度。也就是说，其他更便宜和更为简单的控制应该放在第一位。
应该定义、执行和监测清晰的身份和访问管理策略。例如，操作系统和应用程序应该定期修补。在虚拟环境的情况下，机器图像应定期重建，以确保最新的补丁被并入。应该使用警报系统监视可疑事件或显著的环境变化(例如服务器上增加了一个管理员帐户)。应当部署web应用防火墙来减少注入攻击的风险和其他基于应用程序的威胁。
大数据安全分析的好处可能是巨大的，尤其是当部署到已经实现了全面的防御战略的基础设施。
大数据安全分析商业案例
大数据安全分析是一项新的信息安全控制技术。这些系统的主要用途是合并来自于多个来源的数据，并减少手动集成解决方案的需求。同时还解决了其他安全控制存在的不足，例如跨多个数据源查询困难。通过捕获来自于多个来源的数据流，大数据分析系统提高了收集取证重要细节的机会。
LDAP是轻量目录访问协议，英文全称是Lightweight Directory Access Protocol，一般都简称为LDAP。它是基于X.500标准的，但是简单得多并且可以根据需要定制。
LDAP由互联网工程任务组（IETF）的文档RFC定义，使用了描述语言ASN.1定义。最新的版本是版本3，由RFC 4511所定义。例如，一个用语言描述的LDAP的搜索如：“在公司邮件目录中搜索公司位于那什维尔名字中含有“Jessy”的有邮件地址的所有人。请返回他们的全名，电子邮件，头衔和简述。”
扩展资料：
LDAP-开发方式
如果需要开发一种提供公共信息查询的系统一般的设计方法可能是采用基于WEB的数据库设计方式，即前端使用浏览器而后端使用WEB服务器加上关系数据库。后端在Windows的典型实现可能是Windows NT + IIS + Acess数据库或者是SQL SERVER，IIS和数据库之间通过ASP技术使用ODBC进行连接，达到通过填写表单查询数据的功能；
参考资料来源：百度百科-LDAP
参考资料来源：百度百科-目录访问协议
云平台
解释如下：
转向云计算（cloud computing），是业界将要面临的一个重大改变。各种云平台（cloud platforms）的出现是该转变的最重要环节之一。顾名思义，这种平台允许开发者们或是将写好的程序放在“云”里运行，或是使用“云”里提供的服务，或二者皆是。至于这种平台的名称，现在我们可以听到不止一种称呼，比如按需平台（on-demand platform）、平台即服务（platform as a service，PaaS）等等。但无论称呼它什么，这种新的支持应用的方式有着巨大的潜力。
应用平台（application platforms）是如何被使用的。开发团队在创建一个户内应用（on-premises application，即在机构内运行的应用）时，该应用所需的许多基础都已经事先存在了：操作系统为执行应用和访问存储等提供了基础支持；机构里的其他计算机提供了诸如远程存储之类的服务。倘若每创建一个户内应用都得首先构建所有这些基础的话，那么恐怕我们今天看到的应用会少很多。
中文名
云平台
外文名
cloud platforms
相关技术
云计算（cloud computing）
别 称
按需平台（on-demand platform）
计 算
弹性虚拟计算
目录
1 三种云服务
2 平台一般模型
3 户内到云平台
4 大企业云平台
5 云服务平台
三种云服务
编辑
云平台(2张)
实际环境中的云平台：三种云服务
为掌握云平台，我们先从大体上考察一下云服务。我们可以把通过“云”提供的服务分为三大类。它们是：
软件即服务（Software as a service，SaaS）：SaaS应用是完全在“云”里（也就是说，一个Internet服务提供商的服务器上）运行的。其户内客户端（on-premises client）通常是一个浏览器或其他简易客户端。Salesforce可能是当前最知名的SaaS应用，不过除此以外也有许多其他应用。
附着服务（Attached services）：每个户内应用（on-premises application）自身都有一定功能，它们可以不时地访问“云”里针对该应用提供的服务，以增强其功能。由于这些服务仅能为该特定应用所使用，所以可以认为它们是附着于该应用的。一个著名的消费级例子就是苹果公司的iTunes：其桌面应用可用于播放音乐等等，而附着服务令购买新的音频或视频内容成为可能。微软公司的Exchange托管服务是一个企业级例子，它可以为户内Exchange服务器增加基于“云”的垃圾邮件过滤、存档等服务。华.云—中国的云，自主 安全 可控华.云—圆中华云梦，创数据未来云平台（Cloud platforms）：云平台提供基于“云”的服务，供开发者创建应用时采用。你不必构建自己的基础，你完全可以依靠云平台来创建新的SaaS应用。云平台的直接用户是开发者，而不是最终用户。
要掌握云平台，首先要对这里“平台”的含义达成共识。一种普遍的想法，是将平台看成“任何为开发者创建应用提供服务的软件”。下一节，我们将对此作具体讲解。
平台一般模型
编辑
我们今天对应用平台（application platform）的认识，主要来源于户内平台（on-premises platforms）。因此，一种思考云平台（cloud platforms）的方式，就是考察应用开发者在户内环境里所依赖的服务（services）是如何转变为“云（cloud）”的。
无论在户内环境、还是在“云”里，我们可以认为一个应用平台（application platform）包含以下三个部分：
一个基础（foundation）：几乎所有应用都会用到一些在机器上运行的平台软件。各种支撑功能（如标准的库与存储，以及基本操作系统等）均属此部分。
一组基础设施服务（infrastructure services）：在现代分布式环境中，应用经常要用到由其他计算机提供的基本服务。比如提供远程存储服务、集成服务及身份管理服务等都是很常见的。
一套应用服务（application services）：随着越来越多的应用面向服务化，这些应用提供的功能可为新应用所使用。尽管这些应用主要是为最终用户提供服务的，但这同时也令它们成为应用平台的一部分。（也许你要奇怪，为什么要把别的应用视为平台的一部分，但在面向服务的世界里是这样的。）
开发工具也是另一个重要部分。现代工具可以帮助开发者们运用应用平台的这三个部分来构建应用。
为了对这个抽象模型有具体的认识，下面我们将它与今天主流的户内平台加以对照。户内基础（on-premises foundation）包括有：
操作系统（Operating system）：Windows、Linux及其它版本的Unix是主流选择。
本地支持（Local support）：不同风格的应用采用不同的技术。例如，.NET框架和Java EE应用服务器为Web应用等提供了一般性支持，而其它技术则面向特定类型的应用。比如Microsoft Dynamics CRM产品提供了一个为创建特定类型的商业应用而设计的平台。类似地，不同种类的存储被用于不同目的。Windows、Linux及其它操作系统里的文件系统提供了原始字节的存储功能，而各种数据库技术（比如Oracle DBMS、MySQL、Microsoft SQL Server及IBM DB2等）则提供了更加结构化的存储功能。
对于户内基础设施服务（on-premises infrastructure services），典型例子包括：
存储（Storage）：跟基础里的存储一样，基础设施里的存储也分为多种风格。远程文件系统可以提供简单的面向字节的存储，而Microsoft SharePoint文档库可以提供更加结构化的远程存储服务。应用也可以远程访问数据库系统，从而能够访问其他种类的结构化存储。
集成（Integration）：把机构内部的应用连接起来，通常要依赖于某种集成产品提供的远程服务。比如，消息队列（message queue）是一个简单的例子，IBM的WebSphere Process Server及微软的BizTalk Server等产品可用于更加复杂的场景。
身份管理（Identity）：对许多分布式应用而言，提供身份信息是一个最基本的需求。常见的解决此问题的户内技术包括微软的Active Directory（活动目录）及其它LDAP（轻量级目录访问协议）服务器。
至于户内应用服务（on-premises application services），不同机构间差别很大。原因很简单：不同机构使用的是不同的应用，因而它们暴露的服务也五花八门。对于这些户内平台里的应
凌云，移动营销云平台(3张)
用，一种思考方式是将它们分成两大类：
套装软件（Packaged applications）：这包括像SAP、Oracle Applications、Microsoft Dynamics在内的许多商业软件，以及许许多多现成的产品。虽然不是所有套装软件都向其它应用暴露服务，但越来越多的套装软件是这么做的。
定制应用（Custom applications）：许多机构对定制软件进行了大笔投资。随着这些应用逐渐将其功能以服务的形式暴露出来，它们也将成为户内应用平台的一部分。
照此描述，户内应用平台看起来好像挺复杂的。但实际上，它也是随着时间的发展而不断演化的。在计算技术的早期，应用平台只包含一个户内基础（比如IBM主机上的MVS和IMS）。到了八、九十年代，随着分布式计算的普及，户内基础设施服务也加入了进来（远程存储、集成和身份管理成为十分常见的服务）。时至今日，随着面向服务的应用的出现，户内应用服务也成为应用平台的一部分了。下一步发展是毫无疑问的，即在“云”里提供这三个部分。[1]
户内到云平台
编辑
上面那个一般模型描述的是户内平台，但它同时也可被用来考察云平台。另外，因为户内平台与云平台可以一同使用，所以理解它们如何一起工作也是十分重要的。
正如户内应用（on-premises application）是构建于户内基础（on-premises foundation）之上的，云应用（cloud application）也可以构建于云基础（cloud foundation）之上。无论是户内环境、还是“云”里的基础设施与应用服务，均可为这两种应用所使用。户内平台为我们今天的应用提供支持，类似地，云平台为我们明天将构建的应用提供服务。
云平台是由搭载了云平台服务器端软件的云服务器、搭载了云平台客户端软件的云电脑以及网络组件所构成的，用于提高低配置或老旧计算机的综合性能，使其达到现有流行速度的效果。
大企业云平台
编辑
一、UAP平台
UAP平台(4张)
用友NC采用J2EE架构，致力于构建先进、开放的集团企业云计算应用平台，为集团企业提供建模、开发、集成、运行、管理一体化的IT解决方案 。
NC以“高智能、高性能、高可用”成为中国集团企业商业模式创新、管理和竞争力升级的信息化平台。
二、弹性虚拟计算
根据企业不断变化的组织架构、管控模式和业务需求，为企业云应用服务快速提供动态、灵活、弹性、虚 拟、共享和高效的计算资源服务。
三、智能监控运维
实现对计算资源、存储资源、网络资源、云应用服务进行7*24小时全时区、多地域、全方位、立体式、智能化的IT运维监控，保障IT系统安全、稳定、可靠运行。
四、移动技术
云服务平台
编辑
Gleasy是一款面向个人和企业用户的云服务平台，可通过浏览器及客户端两种方式登录，平台包括即时通讯、邮箱、OA、网盘、办公协同等多款云应用，用户也可以通过应用商店安装自己想要的云应用，该平台通过平台自身的产品服务与整合能力，将孤立的在线云应用有机联系起来。[2]
Gleasy平台由杭州格畅科技研发， 坚持精耕细作的发展方式，整个技术团队经过历时3年的磨合，若干方面的技术已经比较拔尖，在研发产品的能力上亦处于国内比较领先水平。我们实现的发明专利超过20件,拥有自主研发的分布式文件系统、分布式即时通讯系统、海量实时检索解决方案、分布式文件处理解决方案、分布式数据库、分布式多级缓存以及众多自主研发的中间件及研发框架。
Gleasy从“系统”上看由三个层次组成：基础环境、系统基础应用、第三方应用。
基础环境为运行和管理云应用的基础环境，包括Gleasy桌面、帐号管理、G币充值与消费、消息中心等。 系统基础应用主要包含一说(即时通讯)、一信(邮箱)、一盘(文件云存储及在线编辑)、联系人(名片、好友动态、个人主页)，记事本、表格等在线编辑工具及图片查看器、PDF阅读器等辅助性工具。
第三方应用接近于PC上的可安装软件，或智能手机中的App。第三方应用经过改造后可入驻，目前有美图秀秀、金山词霸、挖财记账、虾米音乐等应用。[3]
词条图册更多图册
词条图片(3)
凌云，移动营销...(3)
UAP平台(4)
云平台(2)
参考：网页链接