​

所謂ABC指的是(Artificial Inteligence人工智能，Big Data大數據，Cloud Computing雲計算)，是由百度在2016年提出的"三位一體戰略"．其實已經指明了互聯網在某個時間段内的發展趨勢，"戰略所指，人才為先",已經表明多核心的知識架構，才會提高我們自己的核心競争力．可以不精，但一定要了解．

雲計算是指對計算,網絡,存儲資源的管理,從而實現資源到架構的全面彈性.(表現在兩個方面時間靈活性和空間靈活性).

1. 時間靈活性:想什麼時候要就什麼時候要.
2. 空間靈活性:想要多少就有多少

虛拟化目的 :是用來解決時間和空間靈活性問題.

虛拟化介紹:

虛拟化的技術使得不同客戶的電腦看起來是隔離的。也就是我看着好像這塊盤就是我的，你看着這塊盤就是你的，但實際情況可能我的這個10G和你的這個10G是落在同樣一個很大很大的存儲上。而且如果事先物理設備都準備好.

虛拟化軟件虛拟出一個電腦是非常快的，基本上幾分鐘就能解決。所以在任何一個雲上要創建一台電腦，一點幾分鐘就出來了，就是這個道理。

調度

用來管理多台機器，幾千台機器都在一個池子裡面，無論用戶需要多少CPU、内存、硬盤的虛拟電腦，調度中心會自動在大池子裡面找一個能夠滿足用戶需求的地方，把虛拟電腦啟動起來做好配置，用戶就直接能用了。這個階段我們稱為**池化或者雲化**。到了這個階段，才可以稱為雲計算在這之前都隻能叫虛拟化。

雲服務類别

IaaS（Infranstracture As A Service）:基礎設施服務,提供資源平台,具有資源彈性,讓其他人可以用雲上的硬件資源.

PaaS（Platform As A Service）:應用服務,提供應用平台.,可以讓其他人用雲上的軟件資源,這些應用分為兩類,通用應用和自己的應用.

SaaS (Software AS A Service):在線服務,軟件即服務

容器

是用來解決部署時的環境差異問題.容器=封裝(隔離技術) 統一标準.所謂的鏡像，就是将你焊好集裝箱的那一刻，将集裝箱的狀态保存下來，就像孫悟空說：“定”，集裝箱裡面就定在了那一刻，然後将這一刻的狀态保存成一系列文件。這些文件的格式是标準的，誰看到這些文件都能還原當時定住的那個時刻。将鏡像還原成運行時的過程（就是讀取鏡像文件，還原那個時刻的過程）就是容器運行的過程。**有了容器，使得 PaaS層對于用戶自身應用的自動部署變得快速而優雅。

數據收集用爬蟲系統,傳輸用隊列,存儲用分布式文件系統,分析用分布式mapreduce,所謂大數據,就是數據量太多,一個人一台機器幹不完,多個人多台機器一起幹,所以就需要雲計算,隻有雲計算，可以為大數據的運算提供資源層的靈活性。而雲計算也會部署大數據放到它的PaaS平台上，作為一個非常非常重要的通用應用。因為大數據平台能夠使得多台機器一起幹一個事兒，這個東西不是一般人能開發出來的，也不是一般人玩得轉的，怎麼也得雇個幾十上百号人才能把這個玩起來。所以說就像數據庫一樣，其實還是需要有一幫專業的人來玩這個東西。現在公有雲上基本上都會有大數據的解決方案了，一個小公司需要大數據平台的時候，不需要采購一千台機器，隻要到公有雲上一點，這一千台機器都出來了，并且上面已經部署好了的大數據平台，隻要把數據放進去算就可以了。

雲計算需要大數據，大數據需要雲計算，二者就這樣結合了。

讓機器模拟人的工作方式.人思考和推理學習,是通過很多神經元之間的相互配合,傳遞,處理信息才能完成,每個神經元都有輸入和輸出.

于是人們們開始用一個數學單元模拟神經元。這個神經元有輸入，有輸出，輸入和輸出之間通過一個公式來表示，輸入根據重要程度不同(權重)，影響着輸出。将多個神經元連接起來組成一個神經網絡,每個神經元的輸入的權重和計算公式都可以不同.對于一個神經網絡,要保證輸出的結果是正确的,就需要大量的訓練和學習,畢竟人看到美女而瞳孔放大也是人類多年進化的結果.學習的過程就是輸入大量的圖片,如果結果不是想要的結果,則進行調整.如何調整呢？就是每個神經元的每個權重都向目标進行微調，由于神經元和權重實在是太多了，所以整張網絡産生的結果很難表現出非此即彼的結果，而是向着結果微微地進步，最終能夠達到目标結果。

由于人工智能算法多是依賴于大量的數據的，這些數據往往需要面向某個特定的領域(例如電商，郵箱)進行長期的積累，如果沒有數據，就算有人工智能算法也白搭，所以人工智能程序很少像前面的IaaS和PaaS一樣，将人工智能程序給某個客戶安裝一套，讓客戶去用。因為給某個客戶單獨安裝一套，客戶沒有相關的數據做訓練，結果往往是很差的.其實雲計算就是算力,大數據就是數據,人功智能就是算法,算力像人的骨骼,數據就是血液,算法就是大腦,所以，當雲計算、大數據、人工智能這樣整合起來，便完成了相遇、相識、相知的過程。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!