13518219792
數據庫，簡而言之可視為電子化的文件柜——存儲電子文件的處所，用戶可以對文件中的數據進行新增、截取、更新、刪除等操作。
成都創新互聯公司IDC提供業務:服務器托管機柜,成都服務器租用,服務器托管機柜,重慶服務器租用等四川省內主機托管與主機租用業務;數據中心含:雙線機房,BGP機房,電信機房,移動機房,聯通機房。
所謂“數據庫”系以一定方式儲存在一起、能予多個用戶共享、具有盡可能小的冗余度、與應用程序彼此獨立的數據集合。[1]
數據庫管理系統
主條目：數據庫管理系統
數據庫管理系統（英語：Database Management System，簡稱DBMS）是為管理數據庫而設計的電腦軟件系統，一般具有存儲、截取、安全保障、備份等基礎功能。數據庫管理系統可以依據它所支持的數據庫模型來作分類，例如關系式、XML；或依據所支持的計算機類型來作分類，例如服務器群集、移動電話；或依據所用查詢語言來作分類，例如SQL、XQuery；或依據性能沖量重點來作分類，例如最大規模、最高運行速度；亦或其他的分類方式。不論使用哪種分類方式，一些DBMS能夠跨類別，例如，同時支持多種查詢語言。[1]
類型
關系數據庫
MySQL
MariaDB（MySQL的代替品，英文維基百科從MySQL轉向MariaDB）
Percona Server（MySQL的代替品·）
PostgreSQL
Microsoft Access
Microsoft SQL Server
Google Fusion Tables
FileMaker
Oracle數據庫
Sybase
dBASE
Clipper
FoxPro
foshub
幾乎所有的數據庫管理系統都配備了一個開放式數據庫連接（ODBC）驅動程序，令各個數據庫之間得以互相集成。
非關系型數據庫（NoSQL）
主條目：NoSQL
BigTable（Google）
Cassandra
MongoDB
CouchDB
鍵值（key-value）數據庫
Apache Cassandra（為Facebook所使用）：高度可擴展
Dynamo
LevelDB（Google）[1]
數據庫模型
對象模型
層次模型（輕量級數據訪問協議）
網狀模型（大型數據儲存）
關系模型
面向對象模型
半結構化模型
平面模型（表格模型，一般在形式上是一個二維數組。如表格模型數據Excel)
架構
數據庫的架構可以大致區分為三個概括層次：內層、概念層和外層。
內層：最接近實際存儲體，亦即有關數據的實際存儲方式。
外層：最接近用戶，即有關個別用戶觀看數據的方式。
概念層：介于兩者之間的間接層。
數據庫索引
主條目：數據庫索引
數據索引的觀念由來已久，像是一本書前面幾頁都有目錄，目錄也算是索引的一種，只是它的分類較廣，例如車牌、身份證字號、條碼等，都是一個索引的號碼，當我們看到號碼時，可以從號碼中看出其中的端倪，若是要找的人、車或物品，也只要提供相關的號碼，即可迅速查到正確的人事物。
另外，索引跟字段有著相應的關系，索引即是由字段而來，其中字段有所謂的關鍵字段（Key Field），該字段具有唯一性，即其值不可重復，且不可為"空值（null）"。例如：在合并數據時，索引便是扮演欲附加字段數據之指向性用途的角色。故此索引為不可重復性且不可為空。
數據庫操作:事務
主條目：數據庫事務
事務（transaction）是用戶定義的一個數據庫操作序列，這些操作要么全做，要么全不做，是一個不可分割的工作單位。 事務的ACID特性：
基元性（atomicity）
一致性（consistency）
隔離性（isolation）
持續性（durability）
事務的并發性是指多個事務的并行操作輪流交叉運行，事務的并發可能會訪問和存儲不正確的數據，破壞交易的隔離性和數據庫的一致性。
網狀數據模型的數據結構 網狀模型 滿足下面兩個條件的基本層次聯系的集合為網狀模型。 1. 允許一個以上的結點無雙親； 2. 一個結點可以有多于一個的雙親。[2]
參見
數據庫理論
信息技術審核
LDAP（輕量級數據訪問協議）
SQL（結構化查詢語言）
當前主流的關系型數據庫有Oracle、DB2、Microsoft SQL Server、Microsoft Access、MySQL等。
非關系型數據庫有 NoSql、Cloudant。
nosql和關系型數據庫比較
優點：
1）成本：nosql數據庫簡單易部署，基本都是開源軟件，不需要像使用oracle那樣花費大量成本購買使用，相比關系型數據庫價格便宜。
2）查詢速度：nosql數據庫將數據存儲于緩存之中，關系型數據庫將數據存儲在硬盤中，自然查詢速度遠不及nosql數據庫。
3）存儲數據的格式：nosql的存儲格式是key,value形式、文檔形式、圖片形式等等，所以可以存儲基礎類型以及對象或者是集合等各種格式，而數據庫則只支持基礎類型。
4）擴展性：關系型數據庫有類似join這樣的多表查詢機制的限制導致擴展很艱難。
缺點：
1）維護的工具和資料有限，因為nosql是屬于新的技術，不能和關系型數據庫10幾年的技術同日而語。
2）不提供對sql的支持，如果不支持sql這樣的工業標準，將產生一定用戶的學習和使用成本。
3）不提供關系型數據庫對事物的處理。
關系型數據庫的最大特點就是事務的一致性：傳統的關系型數據庫讀寫操作都是事務的，具有ACID的特點，這個特性使得關系型數據庫可以用于幾乎所有對一致性有要求的系統中，如典型的銀行系統。
關系型數據庫為了維護一致性所付出的巨大代價就是其讀寫性能比較差，而像微博、facebook這類SNS的應用，對并發讀寫能力要求極高，關系型數據庫已經無法應付(在讀方面，傳統上為了克服關系型數據庫缺陷，提高性能，都是增加一級memcache來靜態化網頁，而在SNS中，變化太快，memchache已經無能為力了)，因此，必須用新的一種數據結構存儲來代替關系數據庫。
關系數據庫的另一個特點就是其具有固定的表結構，因此，其擴展性極差，而在SNS中，系統的升級，功能的增加，往往意味著數據結構巨大變動，這一點關系型數據庫也難以應付，需要新的結構化數據存儲。
于是，非關系型數據庫應運而生，由于不可能用一種數據結構化存儲應付所有的新的需求，因此，非關系型數據庫嚴格上不是一種數據庫，應該是一種數據結構化存儲方法的集合。
大數據信息安全分析
企業和其他組織一直在充滿敵意的信息安全環境中運行，在這個環境中，計算和存儲資源成為攻擊者使用入侵系統進行惡意攻擊的目標。其中，個人機密信息被竊取，然后被放在地下市場出售，而國家支持的攻擊導致大量數據泄露。在這種情況下，一個企業需要部署大數據安全性分析工具
來保護有價值的公司資源。
信息安全的很大一部分工作是監控和分析服務器、網絡和其他設備上的數據。如今大數據分析方面的進步也已經應用于安防監控中，并且它們可被用于實現更廣泛和更深入的分析。它們與傳統的信息安全分析存在顯著的差異，本文將從兩個方面分別介紹大數據安全分析的新的特點，以及企業在選擇大數據分析技術時需要考慮的關鍵因素。
大數據安全分析的特征
在許多方面，大數據安全分析是[安全信息和事件管理security information and event management ，SIEM)及相關技術的延伸。雖然只是在分析的數據量和數據類型方面存在量的差異，但對從安全設備和應用程序提取到的信息類型來說，卻導致了質的差異。
大數據安全分析工具通常包括兩種功能類別：SIEM，以及性能和可用性監控(PAM)。SIEM工具通常包括日志管理、事件管理和行為分析，以及數據庫和應用程序監控。而PAM工具專注于運行管理。然而，大數據分析工具比純粹地將SIEM和PAM工具放在一起要擁有更多的功能;它們的目的是實時地收集、整合和分析大規模的數據，這需要一些額外的功能。
與SIEM一樣，大數據分析工具具有在網絡上準確發現設備的能力。在一些情況下，一個配置管理數據庫可以補充和提高自動收集到的數據的質量。此外，大數據分析工具還必須能夠與LDAP或ActiveDirectory服務器，以及其他的第三方安全工具進行集成。對事件響應工作流程的支持對于SIEM工具可能并不是非常重要，但是當日志和其他來源的安全事件數據的的數據量非常大時，這項功能就必不可少了。
大數據信息安全分析與其他領域的安全分析的區別主要表現在五個主要特征。
主要特性1：可擴展性
大數據分析其中的一個主要特點是可伸縮性。這些平臺必須擁有實時或接近實時的數據收集能力。網絡流通是一個不間斷的數據包流，數據分析的速度必須要和數據獲取的速度一樣快。 該分析工具不可能讓網絡流通暫停來趕上積壓的需要分析的數據包。
大數據的安全分析不只是用一種無狀態的方式檢查數據包或進行深度數據包分析，對這個問題的理解是非常重要的。雖然這些都是非常重要和必要的，但是具備跨越時間和空間的事件關聯能力是大數據分析平臺的關鍵。這意味著只需要一段很短的時間，一個設備(比如web服務器)上記錄的事件流，可以明顯地與一個終端用戶設備上的事件相對應。
主要特性2：報告和可視化
大數據分析的另一個重要功能是對分析的報告和支持。安全專家早就通過報表工具來支持業務和合規性報告。他們也有通過帶預配置安全指標的儀表板來提供關鍵性能指標的高層次概述。雖然現有的這兩種工具是必要的，但不足以滿足大數據的需求。
對安全分析師來說，要求可視化工具通過穩定和快速的識別方式將大數據中獲得的信息呈現出來。例如，Sqrrl使用可視化技術，能夠幫助分析師了解相互連接的數據(如網站，用戶和HTTP交易信息)中的復雜關系。
主要特性3：持久的大數據存儲
大數據安全分析名字的由來，是因為區別于其他安全工具，它提供了突出的存儲和分析能力。大數據安全分析的平臺通常采用大數據存儲系統，例如Hadoop分布式文件系統(HDFS)和更長的延遲檔案儲存，以及后端處理，以及一個行之有效的批處理計算模型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。一個流行工具Apache Spark可以作為MapReduce的替代，它是一個更廣義的處理模型，相比MapReduce能更有效地利用內存。
大數據分析系統，如MapReduce和Spark，解決了安全分析的計算需求。同時，長時持久存儲通常還取決于關系或NoSQL數據庫。例如，SplunkHunk平臺支持在Hadoop和NoSQL數據庫之上的分析和可視化。該平臺位于一個組織的非關系型數據存儲與應用環境的其余部分之間。Hunk應用直接集成了數據存儲，不需要被轉移到二級內存存儲。Hunk平臺包括用于分析大數據的一系列工具。它支持自定義的儀表板和Hunk應用程序開發，它可以直接構建在一個HDFS環境，以及自適應搜索和可視化工具之上。
大數據安全分析平臺的另一個重要特點是智能反饋，在那里建立了漏洞數據庫以及安全性博客和其他新聞來源，潛在的有用信息能夠被持續更新。大數據安全平臺可從多種來源提取數據，能夠以它們自定義的數據收集方法復制威脅通知和關聯信息。
主要特性4：信息環境
由于安全事件產生這么多的數據，就給分析師和其他信息安全專業人員帶來了巨大的風險，限制了他們辨別關鍵事件的能力。有用的大數據安全分析工具都在特定用戶、設備和時間的環境下分析數據。
沒有這種背景的數據是沒什么用的，并且會導致更高的誤報率。背景信息還改善了行為分析和異常檢測的質量。背景信息可以包括相對靜態的信息，例如一個特定的雇員在特定部門工作。它還可以包括更多的動態信息，例如，可能會隨著時間而改變的典型使用模式。例如，周一早晨有大量對數據倉庫的訪問數據是很正常的，因為管理者需要進行一些臨時查詢，以便更好地了解周報中描述的事件。
主要特性5：功能廣泛性
大數據安全分析的最后一個顯著特征是它的功能涵蓋了非常廣泛的安全領域。當然，大數據分析將收集來自終端設備的數據，可能是通過因特網連接到TCP或IP網絡的任何設備，包括筆記本電腦、智能手機或任何物聯網設備。除了物理設備和虛擬服務器，大數據安全分析必須加入與軟件相關的安全性。例如，脆弱性評估被用于確定在給定的環境中的任何可能的安全漏洞。網絡是一個信息和標準的豐富來源，例如Cisco開發的NetFlow網絡協議，其可以被用于收集給定網絡上的流量信息。
大數據分析平臺，也可以使用入侵檢測產品分析系統或環境行為，以發現可能的惡意活動。
大數據安全分析與其他形式的安全分析存在質的不同。需要可擴展性，需要集成和可視化不同類型數據的工具，環境信息越來越重要，安全功能的廣泛性，其讓導致供應商應用先進的數據分析和存儲工具到信息安全中。
如何選擇合適的大數據安全分析平臺
大數據安全分析技術結合了先進的安全事件分析功能和事故管理系統功能(SIEM)，適用于很多企業案例，但不是全部。在投資大數據分析平臺之前，請考慮公司使用大數據安全系統的組織的能力水平。這里需要考慮幾個因素，從需要保護的IT基礎設施，到部署更多安全控制的成本和益處。
基礎設施規模
擁有大量IT基礎設施的組織是大數據安全分析主要候選者。應用程序、操作系統和網絡設備都可以捕獲到惡意活動的痕跡。單獨一種類型的數據不能提供足夠的證據來標識活動的威脅，多個數據源的組合可以為一個攻擊的狀態提供更全面的視角。
現有的基礎設施和安全控制生成了原始數據，但是大數據分析應用程序不需要收集、采集和分析所有的信息。在只有幾臺設備，而且網絡結構不是很復雜的環境中，大數據安全分析可能并不是十分必要，在這種情況下，傳統的SEIM可能已經足夠。
近實時監控
驅動大數據安全分析需求的另一個因素是近實時采集事故信息的必要性。在一些保存著高價值數據、同時又容易遭受到嚴重攻擊的環境中，實時監控尤為重要，如金融服務、醫療保健、政府機構等。
最近Verizon的研究發現，在60%的事件，攻擊者能夠在幾分鐘內攻克系統，但幾天內檢測到漏洞的比例也很低。減少檢測時間的一種方法是從整個基礎設施中實時地收集多樣數據，并立即篩選出與攻擊事件有關的數據。這是一個大數據分析的關鍵用例。
詳細歷史數據
盡管盡了最大努力，在一段時間內可能檢測不到攻擊。在這種情況下，能夠訪問歷史日志和其它事件數據是很重要的。只要有足夠的數據可用，取證分析可以幫助識別攻擊是如何發生的。
在某些情況下，取證分析不需要確定漏洞或糾正安全弱點。例如，如果一個小企業受到攻擊，最經濟有效的補救措施可能雇安全顧問來評估目前的配置和做法，并提出修改建議。在這種情況下，并不需要大數據安全分析。其他的安全措施就可能很有效，而且價格便宜。
本地vs云基礎架構
顧名思義，大數據安全分析需要收集和分析大量各種類型的數據。如捕獲網絡上的所有流量的能力，對捕獲安全事件信息的任何限制，都可能對從大數據安全分析系統獲得的信息的質量產生嚴重影響。這一點在云環境下尤其突出。
云提供商限制網絡流量的訪問，以減輕網絡攻擊的風險。例如，云計算客戶不能開發網段來收集網絡數據包的全面數據。前瞻性的大數據安全分析用戶應該考慮云計算供應商是如何施加限制來遏制分析范圍的。
有些情況下，大數據安全分析對云基礎設施是有用的，但是，特別是云上有關登錄生成的數據。例如，亞馬遜Web服務提供了性能監控服務，稱為CloudWatch的，和云API調用的審計日志，稱為CloudTrail。云上的操作數據可能不會和其他數據源的數據一樣精細，但它可以補充其他數據源。
利用數據的能力
大數據安全分析攝取和關聯了大量數據。即使當數據被概括和聚集的時候，對它的解釋也可能是很有挑戰性的。從大數據分析產生的信息的質量，部分上講是分析師解釋數據能力的一項指標。當企業與安全事件扯上關系的時候，它們需要那些能夠切斷攻擊鏈路，以及理解網絡流量和操作系統事件的安全分析師。
例如，分析師可能會收到一個數據庫服務器上有關可疑活動的警報。這很可能不是一個攻擊的第一步。分析師是否可以啟動一個警報，并通過導航歷史數據找到相關事件來確定它是否確實是一個攻擊?如果不能，那么該組織并沒有意識到大數據安全分析平臺帶來的好處。
其他安全控制
企業在投身大數據安全分析之前，需要考慮它們在安全實踐方面的整體成熟度。也就是說，其他更便宜和更為簡單的控制應該放在第一位。
應該定義、執行和監測清晰的身份和訪問管理策略。例如，操作系統和應用程序應該定期修補。在虛擬環境的情況下，機器圖像應定期重建，以確保最新的補丁被并入。應該使用警報系統監視可疑事件或顯著的環境變化(例如服務器上增加了一個管理員帳戶)。應當部署web應用防火墻來減少注入攻擊的風險和其他基于應用程序的威脅。
大數據安全分析的好處可能是巨大的，尤其是當部署到已經實現了全面的防御戰略的基礎設施。
大數據安全分析商業案例
大數據安全分析是一項新的信息安全控制技術。這些系統的主要用途是合并來自于多個來源的數據，并減少手動集成解決方案的需求。同時還解決了其他安全控制存在的不足，例如跨多個數據源查詢困難。通過捕獲來自于多個來源的數據流，大數據分析系統提高了收集取證重要細節的機會。
LDAP是輕量目錄訪問協議，英文全稱是Lightweight Directory Access Protocol，一般都簡稱為LDAP。它是基于X.500標準的，但是簡單得多并且可以根據需要定制。
LDAP由互聯網工程任務組（IETF）的文檔RFC定義，使用了描述語言ASN.1定義。最新的版本是版本3，由RFC 4511所定義。例如，一個用語言描述的LDAP的搜索如：“在公司郵件目錄中搜索公司位于那什維爾名字中含有“Jessy”的有郵件地址的所有人。請返回他們的全名，電子郵件，頭銜和簡述。”
擴展資料：
LDAP-開發方式
如果需要開發一種提供公共信息查詢的系統一般的設計方法可能是采用基于WEB的數據庫設計方式，即前端使用瀏覽器而后端使用WEB服務器加上關系數據庫。后端在Windows的典型實現可能是Windows NT + IIS + Acess數據庫或者是SQL SERVER，IIS和數據庫之間通過ASP技術使用ODBC進行連接，達到通過填寫表單查詢數據的功能；
參考資料來源：百度百科-LDAP
參考資料來源：百度百科-目錄訪問協議
云平臺
解釋如下：
轉向云計算（cloud computing），是業界將要面臨的一個重大改變。各種云平臺（cloud platforms）的出現是該轉變的最重要環節之一。顧名思義，這種平臺允許開發者們或是將寫好的程序放在“云”里運行，或是使用“云”里提供的服務，或二者皆是。至于這種平臺的名稱，現在我們可以聽到不止一種稱呼，比如按需平臺（on-demand platform）、平臺即服務（platform as a service，PaaS）等等。但無論稱呼它什么，這種新的支持應用的方式有著巨大的潛力。
應用平臺（application platforms）是如何被使用的。開發團隊在創建一個戶內應用（on-premises application，即在機構內運行的應用）時，該應用所需的許多基礎都已經事先存在了：操作系統為執行應用和訪問存儲等提供了基礎支持；機構里的其他計算機提供了諸如遠程存儲之類的服務。倘若每創建一個戶內應用都得首先構建所有這些基礎的話，那么恐怕我們今天看到的應用會少很多。
中文名
云平臺
外文名
cloud platforms
相關技術
云計算（cloud computing）
別????稱
按需平臺（on-demand platform）
計????算
彈性虛擬計算
目錄
1?三種云服務
2?平臺一般模型
3?戶內到云平臺
4?大企業云平臺
5?云服務平臺
三種云服務
編輯
云平臺(2張)
實際環境中的云平臺：三種云服務
為掌握云平臺，我們先從大體上考察一下云服務。我們可以把通過“云”提供的服務分為三大類。它們是：
軟件即服務（Software as a service，SaaS）：SaaS應用是完全在“云”里（也就是說，一個Internet服務提供商的服務器上）運行的。其戶內客戶端（on-premises client）通常是一個瀏覽器或其他簡易客戶端。Salesforce可能是當前最知名的SaaS應用，不過除此以外也有許多其他應用。
附著服務（Attached services）：每個戶內應用（on-premises application）自身都有一定功能，它們可以不時地訪問“云”里針對該應用提供的服務，以增強其功能。由于這些服務僅能為該特定應用所使用，所以可以認為它們是附著于該應用的。一個著名的消費級例子就是蘋果公司的iTunes：其桌面應用可用于播放音樂等等，而附著服務令購買新的音頻或視頻內容成為可能。微軟公司的Exchange托管服務是一個企業級例子，它可以為戶內Exchange服務器增加基于“云”的垃圾郵件過濾、存檔等服務。華.云—中國的云，自主 安全 可控華.云—圓中華云夢，創數據未來云平臺（Cloud platforms）：云平臺提供基于“云”的服務，供開發者創建應用時采用。你不必構建自己的基礎，你完全可以依靠云平臺來創建新的SaaS應用。云平臺的直接用戶是開發者，而不是最終用戶。
要掌握云平臺，首先要對這里“平臺”的含義達成共識。一種普遍的想法，是將平臺看成“任何為開發者創建應用提供服務的軟件”。下一節，我們將對此作具體講解。
平臺一般模型
編輯
我們今天對應用平臺（application platform）的認識，主要來源于戶內平臺（on-premises platforms）。因此，一種思考云平臺（cloud platforms）的方式，就是考察應用開發者在戶內環境里所依賴的服務（services）是如何轉變為“云（cloud）”的。
無論在戶內環境、還是在“云”里，我們可以認為一個應用平臺（application platform）包含以下三個部分：
一個基礎（foundation）：幾乎所有應用都會用到一些在機器上運行的平臺軟件。各種支撐功能（如標準的庫與存儲，以及基本操作系統等）均屬此部分。
一組基礎設施服務（infrastructure services）：在現代分布式環境中，應用經常要用到由其他計算機提供的基本服務。比如提供遠程存儲服務、集成服務及身份管理服務等都是很常見的。
一套應用服務（application services）：隨著越來越多的應用面向服務化，這些應用提供的功能可為新應用所使用。盡管這些應用主要是為最終用戶提供服務的，但這同時也令它們成為應用平臺的一部分。（也許你要奇怪，為什么要把別的應用視為平臺的一部分，但在面向服務的世界里是這樣的。）
開發工具也是另一個重要部分。現代工具可以幫助開發者們運用應用平臺的這三個部分來構建應用。
為了對這個抽象模型有具體的認識，下面我們將它與今天主流的戶內平臺加以對照。戶內基礎（on-premises foundation）包括有：
操作系統（Operating system）：Windows、Linux及其它版本的Unix是主流選擇。
本地支持（Local support）：不同風格的應用采用不同的技術。例如，.NET框架和Java EE應用服務器為Web應用等提供了一般性支持，而其它技術則面向特定類型的應用。比如Microsoft Dynamics CRM產品提供了一個為創建特定類型的商業應用而設計的平臺。類似地，不同種類的存儲被用于不同目的。Windows、Linux及其它操作系統里的文件系統提供了原始字節的存儲功能，而各種數據庫技術（比如Oracle DBMS、MySQL、Microsoft SQL Server及IBM DB2等）則提供了更加結構化的存儲功能。
對于戶內基礎設施服務（on-premises infrastructure services），典型例子包括：
存儲（Storage）：跟基礎里的存儲一樣，基礎設施里的存儲也分為多種風格。遠程文件系統可以提供簡單的面向字節的存儲，而Microsoft SharePoint文檔庫可以提供更加結構化的遠程存儲服務。應用也可以遠程訪問數據庫系統，從而能夠訪問其他種類的結構化存儲。
集成（Integration）：把機構內部的應用連接起來，通常要依賴于某種集成產品提供的遠程服務。比如，消息隊列（message queue）是一個簡單的例子，IBM的WebSphere Process Server及微軟的BizTalk Server等產品可用于更加復雜的場景。
身份管理（Identity）：對許多分布式應用而言，提供身份信息是一個最基本的需求。常見的解決此問題的戶內技術包括微軟的Active Directory（活動目錄）及其它LDAP（輕量級目錄訪問協議）服務器。
至于戶內應用服務（on-premises application services），不同機構間差別很大。原因很簡單：不同機構使用的是不同的應用，因而它們暴露的服務也五花八門。對于這些戶內平臺里的應
凌云，移動營銷云平臺(3張)
用，一種思考方式是將它們分成兩大類：
套裝軟件（Packaged applications）：這包括像SAP、Oracle Applications、Microsoft Dynamics在內的許多商業軟件，以及許許多多現成的產品。雖然不是所有套裝軟件都向其它應用暴露服務，但越來越多的套裝軟件是這么做的。
定制應用（Custom applications）：許多機構對定制軟件進行了大筆投資。隨著這些應用逐漸將其功能以服務的形式暴露出來，它們也將成為戶內應用平臺的一部分。
照此描述，戶內應用平臺看起來好像挺復雜的。但實際上，它也是隨著時間的發展而不斷演化的。在計算技術的早期，應用平臺只包含一個戶內基礎（比如IBM主機上的MVS和IMS）。到了八、九十年代，隨著分布式計算的普及，戶內基礎設施服務也加入了進來（遠程存儲、集成和身份管理成為十分常見的服務）。時至今日，隨著面向服務的應用的出現，戶內應用服務也成為應用平臺的一部分了。下一步發展是毫無疑問的，即在“云”里提供這三個部分。[1]
戶內到云平臺
編輯
上面那個一般模型描述的是戶內平臺，但它同時也可被用來考察云平臺。另外，因為戶內平臺與云平臺可以一同使用，所以理解它們如何一起工作也是十分重要的。
正如戶內應用（on-premises application）是構建于戶內基礎（on-premises foundation）之上的，云應用（cloud application）也可以構建于云基礎（cloud foundation）之上。無論是戶內環境、還是“云”里的基礎設施與應用服務，均可為這兩種應用所使用。戶內平臺為我們今天的應用提供支持，類似地，云平臺為我們明天將構建的應用提供服務。
云平臺是由搭載了云平臺服務器端軟件的云服務器、搭載了云平臺客戶端軟件的云電腦以及網絡組件所構成的，用于提高低配置或老舊計算機的綜合性能，使其達到現有流行速度的效果。
大企業云平臺
編輯
一、UAP平臺
UAP平臺(4張)
用友NC采用J2EE架構，致力于構建先進、開放的集團企業云計算應用平臺，為集團企業提供建模、開發、集成、運行、管理一體化的IT解決方案 。?
NC以“高智能、高性能、高可用”成為中國集團企業商業模式創新、管理和競爭力升級的信息化平臺。
二、彈性虛擬計算
根據企業不斷變化的組織架構、管控模式和業務需求，為企業云應用服務快速提供動態、靈活、彈性、虛 擬、共享和高效的計算資源服務。
三、智能監控運維
實現對計算資源、存儲資源、網絡資源、云應用服務進行7*24小時全時區、多地域、全方位、立體式、智能化的IT運維監控，保障IT系統安全、穩定、可靠運行。
四、移動技術
云服務平臺
編輯
Gleasy是一款面向個人和企業用戶的云服務平臺，可通過瀏覽器及客戶端兩種方式登錄，平臺包括即時通訊、郵箱、OA、網盤、辦公協同等多款云應用，用戶也可以通過應用商店安裝自己想要的云應用，該平臺通過平臺自身的產品服務與整合能力，將孤立的在線云應用有機聯系起來。[2]
Gleasy平臺由杭州格暢科技研發， 堅持精耕細作的發展方式，整個技術團隊經過歷時3年的磨合，若干方面的技術已經比較拔尖，在研發產品的能力上亦處于國內比較領先水平。我們實現的發明專利超過20件,擁有自主研發的分布式文件系統、分布式即時通訊系統、海量實時檢索解決方案、分布式文件處理解決方案、分布式數據庫、分布式多級緩存以及眾多自主研發的中間件及研發框架。
Gleasy從“系統”上看由三個層次組成：基礎環境、系統基礎應用、第三方應用。
基礎環境為運行和管理云應用的基礎環境，包括Gleasy桌面、帳號管理、G幣充值與消費、消息中心等。 系統基礎應用主要包含一說(即時通訊)、一信(郵箱)、一盤(文件云存儲及在線編輯)、聯系人(名片、好友動態、個人主頁)，記事本、表格等在線編輯工具及圖片查看器、PDF閱讀器等輔助性工具。
第三方應用接近于PC上的可安裝軟件，或智能手機中的App。第三方應用經過改造后可入駐，目前有美圖秀秀、金山詞霸、挖財記賬、蝦米音樂等應用。[3]
詞條圖冊更多圖冊
詞條圖片(3)
凌云，移動營銷...(3)
UAP平臺(4)
云平臺(2)
參考：網頁鏈接
