终于拎清楚云计算、大数据、人工智能的爱恨纠葛了

我们先来了解一下云计算。云计算就好比一个仓库，里面装着计算资源（cpu、内存之类的）、网络资源和存储资源。

在最开始，云计算处于物理设备时期，也就是说整个“仓库”都是由物理设备搭建起来的，需要多少存储资源就买多少电脑往仓库里塞（是的，听起来好像有一点单蠢）

所以这个仓库需要占用巨大的物理空间，并且取用非常不灵活

随着存储需求的扩大，笨重的物理设备逐渐开始引发诸多不便，于是有人想到了虚拟化。

通过虚拟化，我们将同一个物理机虚拟分割为相互独立的多个空间，供不同的客户使用。

（比如，阿汪和大喵都需要100G的空间，那么此时就可以在同个物理机上虚拟出两个100G的电脑，这样就省去了购买机器所耗费的成本。）

随着需求的再次扩大，虚拟化的弊端也逐渐显露。

因为面对庞大的机器群（诸如亚马逊等大公司服务器动辄几十上百万台），如果要人为选一个位置再进行空间虚拟，几乎是不可能完成的。

所以此时通过一个叫调度（Scheduler）的算法，让几千台机器都在一个池子里面，调度中心会自动在大池子里面找一个能够满足用户需求的地方，把虚拟电脑启动起来做好配置，用户就直接能用了。这个阶段我们称为池化或者云化。

到了这个阶段，才可以称为云计算，在这之前都只能叫虚拟化。

那么此时，云计划就基本实现了时间和空间上的灵活，实现了计算、网络、资源上的弹性。

计算、网络和资源在这里被统称为基础设施（infranstracture），云计算所提供的服务就被称为基础设施服务。

也就是我们常常会听到的IaaS（Infranstracture As A Service）。

在这之后呢，又双叒叕出现了一个新的问题。

Iaas虽然搞定了资源的灵活性，但是我们还需要应用层面的灵活性。

比如说某宝的双十一，对于存储资源的需求量暴增，运用Iaas可以创建大量的空白空间，但是某宝应用并没有安装上去，如果还等人工进行安装，可能双十一都凉了还没安装完一半。

所以人们在IaaS平台之上又加了一层，用于管理资源以上的应用弹性的问题，这一层通常称为PaaS（Platform As A Service），用于自动安装应用

那么云计算这个精明务实的小伙子到底是怎样和大数据扯到一起的呢？

这还要从大数据处理说起。

云计算和大数据相遇在这个数据呈现爆炸式增长的时代。（什么鬼）人们致力于在混乱无序的数据中获得有价值的信息。

要想获得信息，就必须要经过数据的收集、传输、存储、分析等一长串步骤。

面对数量庞大的数据，有时候一台机器根本就处理不过来，于是就出现了分布式计算法（大数据和云计算的媒婆出现了！），将大量的数据分成小份，每台机器处理一小份，多台机器并行处理，大大提高了效率。

随着数据量越来越大，很多不大的公司都需要处理相当多的数据，这些小公司没有这么多机器用于数据分析那岂不是要凉？

此时大数据想起了云计算。

云计算可以为大数据的运算提供资源层的灵活性。同时也会部署大数据放到它的PaaS平台上。

云计算需要大数据，大数据需要云计算，二者就这样结合了（喜滋滋）。

至于人工智能，它和大数据、云计算的关系都非常好，所以是什么让这段三角关系如此稳固？

也许只能从人工智能找到答案。

人工智能是什么？

人们认为，机器一旦掌握了人类的思考方式和学习能力，那么就拥有了智能。

而人类的脑子是通过大量的神经元相互反应，最终输出各种结果的。

于是人们开始用一个数学单元模拟神经元。

这个神经元有输入，有输出，输入和输出之间通过一个公式来表示，输入根据重要程度不同(权重)，影响着输出。

▲神经元

▲数学模型模拟神经元

仅仅拥有模型也并不能让机器理科开始“思考”，并得出让人满意的结果。

人工智能算法还依赖于大量的数据去进行调试，如果没有数据，就算有人工智能算法也白搭。

所以人工智能程序很少像IaaS和PaaS一样，直接将人工智能程序给某个客户安装使用，因为客户没有相关的数据做训练，结果往往是不尽人意。

而云计算厂商往往积累了大量数据，于是就在云计算厂商里面安装一套应用，然后提供一个服务接口，比如您想鉴别一个文本是不是涉及黄色和暴力，直接用这个在线服务就可以了。这种形势的服务，在云计算里面称为软件即服务，SaaS (Software AS A Service)

于是工智能程序作为SaaS平台进入了云计算。

总的来说，一个大数据公司，在积累了大量数据之后，势必会使用人工智能算法提供服务；而人工智能公司则必须要大数据和云计算的支撑。

所以，故事的最后，云计算、大数据和人工智能一起过上了幸（没）福（羞）快（没）乐（臊）的生活。