你要找一些可信度高的网站或者说是算得上等级的商城一般来说是没问题的现在是网络时代如果都不可信的话那谁还去呀商家为了提高自己的信誉不会以小失大的,但不要轻信一些小广告
网上购物分为三类:
一类是大的门户网站建立的商城诸如搜狐,新浪,网易,卓越等信用比较可靠质量一般没问题,价格相对实体商城来说要便宜,但相对其他交易平台来说比较贵汇款一般为下订单后选择邮局汇款还是银行汇款。建议你开通一张工行的借记卡，xyk更好。开通网上银行。直接汇款十分方便。
第二类是各家公司及个体自己建立的销售网站信用不一,价格也不一需仔细鉴别目前还没有比较实用的鉴别真伪方法
第三类是交易平台类,比较大的有:易趣,淘宝,一拍所谓交易平台即网站本身不经营任何商品,只是建立一个平台供注册用户买卖商品使用卖家良莠不齐但防范也很容易:一,购买前仔细查看卖家的信用评价相对来说,信用等级较高,店面做得比较精致的多为专业卖家信用比较可靠但也要根据交易和评价时间区分出一些炒作信用度的卖家第二,购买时尽量选用支持使用中转账户的卖家的产品,即易趣的安付通，淘宝的支付宝等,买家可以在拍下产品后,汇款到中转账户（淘宝的支付宝有个好处：可以免去银行的手续费。）然后在收到货后满意再通知网站将款汇给卖家。十分安全。而且支持中转账户的卖家，一定也对自己的东东有信心。不会是骗人的。
大致想到这么多，希望对您有帮助。
3》网上购物特别注意三点
据新华社电 中国质量万里行促进会日前提醒消费者，警惕网上购物陷阱。
从质量万里行促进会受理的投诉案例分析，消费者投诉的主要问题集中在：网络公司擅自向手机用户发送收费短信，如新闻、笑话、天气预报等，消费者在网站上取消这些收费信息时却总是 *** 作失败，与公司联系也得不到解决；交货延迟，甚至在交款后没有得到所购商品，在投诉案中有近17％的消费者在网上订货并付款，却没有收到货品；多数网站未给消费者提供足够信息，33％的网站没有退换货说明，39％的网站未建立隐私保护对策；不履行售后服务约定，对网上售出的商品不承担“三包”责任。
针对这些网上购物陷阱，质量万里行促进会提醒消费者，进行网上交易时要特别注意三点。
对于陌生商家，应注意其网址是否提供详细通讯地址和联系电话。
使用xyk支付，最好用专用账户，且卡内不宜存放太多现金。
消费者应保存有关“电子交易单据”，包括商家以电子邮件方式发出的确认书、用户名和密码等。
网上购物的优点及现状分析
“网上购物”，这个逐渐流行于二十世纪的购物方式已经为越来越多的人所接受。不论是腰缠万贯的大富翁、时尚的白领丽人还是普通的工薪阶层，其中大部分人可能都有过网上购物的经历。这其中有的也许仅仅想拥有这种体验的感觉，有的可能将此作为一种“知识人士”的标志，有的则可能已将网上购物作为自己日常生活的重要组成部分而取代了传统上街购物的方式。
究竟何为网上购物呢？
简单来说，网上购物就是把传统的商店直接“搬”回家，利用internet直接购买自己需要的商品或者享受自己需要的服务。专业地讲，它是交易双方从洽谈、签约以及贷款的支付、交货通知等整个交易过程通过Internet、web和购物界面技术化的B to C模式一并完成的一种新型购物方式，是电子商务的一个重要组成部分。因此，有人将此视为一个面向全国乃至全世界的大而统的虚拟商场。但在我看来，这个电子商场并非虚拟，因为购物的每一个步骤甚至每一个细节都很真实，与传统购物模式的唯一区别仅在于少了言语交流而有了更多的填单与确认过程。一般来说网上物品的经营大致可分为两种形态：一种是电子商店，即提供网上购物或网上服务的营业者，通过自己的网站，直接对网络使用者出售商品或者提供服务；另一种是电子商场，它是由许多提供不同商品或者服务的营业者集中在一个网站中，使用者可以在同一个网站购买不同公司所提供的商品或者服务。也就是说，在前一种情况下网站经营者同时又是商店经营者，而后一种情况中网站经营者扮演的角色更像是商店经营者与消费者的中介。
网上购物在当今发达资本主义国家已经显示出较强的发展势头，它在推动国家经济增长方面可以说又是一支崭新的力量。举例来说，GFK最近一份针对德国网上购物者的调查指出，在2004年上半年，德国的在线购物销售额达到53亿欧元。GFK预计，2004年全年，德国在线购物销售额达到110亿欧元之多。 相比之下，在我国网上购物还是一个新生的事物。从某种意义上说，SARS开辟了中国网上购物的新纪元。面对非典的袭击，多数人被困在屋内，而要想不出门就买到自己所需的东西只能依赖网络，许多防范意识很强的人也试着网上购物。 至此，有越来越多的人认识到“网上订货、送货上门”的方便，也有越来越多的人也开始接受网上购物。CNNIC在其发布的《中国互联网络热点调查报告》中显示：在我国有17．9％的网民在半年内有过网络购物经历，在浏览过购物网站的网民中，有29．6％的人在半年内有过网络购物经历，有过网络购物经历的被访者中有超过90％的人今后会继续进行网络购物；有63．7％没有购物经历的网民表示今后会尝试网络购物。这些数据表明我国网上购物市场有巨大的潜力。
网上购物的魅力究竟何在？
首先，对于消费者来说：
第一，可以在家“逛商店”，订货不受时间的限制；
第二，获得较大量的商品信息，可以买到当地没有的商品；
第三，网上支付较传统拿现金支付更加安全，可避免现金丢失或遭到抢劫；
第三，从订货、买货到货物上门无需亲临现场，既省时又省力；
第四，由于网上商品省去租店面、召雇员及储存保管等一系列费用，总的来说其价格较一般商场的同类商品更便宜。
其次，对于商家来说，由于网上销售没有库存压力、经营成本低、经营规模不受场地限制等，在将来会有更多的企业选择网上销售，通过互联网对市场信息的及时反馈适时调整经营战略，以此提高企业的经济效益和参与国际竞争的能力。
再次，对于整个市场经济来说，这种新型的购物模式可在更大的范围内、更多的层面上以更高的效率实现资源配置。
综上可以看出，网上购物突破了传统商务的障碍，无论对消费者、企业还是市场都有着巨大的吸引力和影响力，在新经济时期无疑是达到“多赢”效果的理想模式。
（二）我国现阶段网上购物存在的八大问题
我们在看到网上购物优点的同时更要认清它在现阶段存在的问题，以便尽早地找到解决方案以促进网上购物的良性发展。可以说，现阶段我国消费者对网上购物状况的评价是“痛并快乐着”，而这其中痛的指数要高于快乐指数。
记得“网络法”的课上老师曾放过一个《经济与法》栏目中报道的有关网上购物的案子，讲述了某男几次网上购物的经历，结果是多数时候都不满意，比如一次他买到的光盘与宣传不符，而且还是质量很差的盗版碟。又有一次他花了一元钱淘到的书居然没有标价，而且书上清楚地印着“赠品”两字，他深感受骗，认为即使出得价钱再便宜如果商家拿别的商品的赠品即非卖品滥竽充数的话显然是侵犯了消费者的权利。一怒之下，他将网站经营者告上了法庭，可惜的是没有律师愿意为他代理，因为诉讼标的太低了。是啊，这一元钱的官司表面上看实在是没什么争讼的必要，可是从“一粒沙里看世界”，从“一朵花里看天堂”的逻辑中推理便可得从“一元钱里看诚信”。当然，网上诚信问题的最终解决还是要基于健全的电子商务法律法规，同时建立网上交易的诚信机制。
像上面这种通过网上购物令自己权益受到侵害的例子还有很多，这表明现在网上购物的消费者其利益并没有得到切实充分的保护。作为弱者一方，消费者目前面临的主要问题有以下几方面：
一、交易对象认定的模糊性。明确交易对象对于消费者来说是非常重要的事情，这关系到法律责任的承担问题。为此《消费者权益保护法》第二十条规定：“经营者应当标明其真实名称和标记。租赁他人柜台或者场地的经营者，应当标明其真实名称和标记。”在传统购物环境下交易对象非常明确，商店里挂的营业执照就表明了经营者的身份。一旦出了问题可以直接到原购物地点追讨责任。但是在网络环境下，消费者只有通过经营者网站中提供的信息了解对方，但是至于信息是否真实、对方到底是谁根本不清楚。
二、知情权难以保证。知情权是消费者享有的一项基本权利也是一项重要权利。《消法》第八条明确规定：“消费者享有知悉其购买、使用的商品或者接受的服务的真实情况的权利。消费者有权根据商品或者服务的不同情况，要求经营者提供商品的价格、产地、生产者、用途、性能、规格、等级、主要成份、生产日期、有效期限、检验合格证明、使用方法说明书、售后服务，或者服务的内容、规格、费用等有关情况。”然而上网购物时，消费者获取信息的范围是有限的，它并不像传统购物时能看到、摸到真实立体的商品，并向售货员详细打听有关商品的基本情况。此时的消费者只能从网上提供的内容中获取有关商品的部分信息，看到的充其量也就是一张或几张关于商品的平面照片。因此，网上购物的消费者一般对商品信息的了解都是缺失的。
三、格式合同的制约。《消法》第二十四条规定：“经营者不得以格式合同、通知、声明、店堂告示等方式作出对消费者不公平、不合理的规定，或者减轻、免除其损害消费者合法权益应当承担的民事责任。”由于网上购物的特殊性，格式合同不可避免地成了消费者和经营者达成合意的必要环节。现在的问题是经营者往往利用特权制定一些又长又复杂甚至危害消费者权利的条款，有时为逃避责任还会使用一些模棱两可的语言，一旦出了问题会以此为自己辩解。消费者有时为了图省事不会仔细阅读每一条款，有时就算读了也很有可能领会不到其中的微妙之处，有时即便发现有什么可疑的地方但为了及时买到所需商品也无所顾忌，因此，有时一个“我同意”的点击会给消费者带来了购物后一系列的麻烦。
四、交货延迟。付款后不能按期收到货物的事屡见不鲜，有时付款后收不到货物的情况也会出现。
五、退货困难。《消法》23条规定： “经营者提供商品或者服务，按照国家规定或者与消费者的约定，承担包修、包换、包退或者其他责任的，应当按照国家规定或者约定履行，不得无故拖延或者无理拒绝。”可是网上购得的货物想要退掉并不是件容易的事，经营者往往找种种理由拒绝退货。有时甚至直接在格式合同中明文规定某些商品不得退货。对于在退货范围内的商品，通过经营者的规定看也根本无法退换。拿“乐友”购物网站为例，在它的质量保证及退换货规定中有这样的条款：“退回的商品外包装不完整、所附配件及资料不全、赠品不齐全的不能退货”。对以上这条我提出质疑：按照加着重号部分文字的表面意义我可以理解为，只要拆开包装就不能够退换，因为只要拆开就一定会破坏包装的完整性。因此，只要有这条规定，消费者合理退货的权利便形同虚设了。
六、网上欺诈与虚假广告。互联网技术使得某些商家可通过匿名的方式躲避调查，利用监管难度大、隐蔽性强、传播快的特点大行虚假广告和欺诈之道，它们往往打着“跳楼价”“超值大奖等你拿”一类的旗号吸引消费者的眼球，借机侵犯消费者的权益而为自己牟利。
七、无人问津的售后服务。许多网民表示，网上购物的售后服务较差，有时商品出了问题经营者能推则推，就算有售后服务也只是表面应付一下，许多问题根本得不到实质解决。
八、处于危机中的隐私权。这个问题是现在大家广泛关注的问题，也是挑战网络安全的主要大敌。从事市场信息业务的美国TNS和隐私保护团体TRUSTe日前指出，由于担心个人信息被盗和泄露隐私，可能有多达58％的美国消费者在假期旺季减少在网上购物，这一比率明显高于去年的49％。 我国民法通则中并没有对隐私权的规定，其他法律中亦不涉及，但不可否认，现阶段广大网民的隐私权正处于危机之中。还以本文中的网上购物为例，一些商家为了扩大销售额，不惜将以前消费者的信息建立数据库，根据其经济状况、上网习惯等不停轰炸消费者的邮箱以推销自己的产品；更有甚者，为了眼前的经济利益将消费者的信息卖给他人。此外，消费者的xyk账号、密码被篡改、被盗也是常有的事。所有这些问题如果不能及时有效地解决，肯定会制约未来网上购物的进一步发展。
（三）国外先进立法经验的借鉴以及对我国网上购物消费者合法权益的保护提出几点建议。
从上述内容我们看到网上购物在现在来说确确实实还是一把“双刃剑”，我们如何做到趋利避害呢？这需要多方面的共同努力。比如消费者自身要有一定的警惕意识，购物时应选择那些知名网站，购物前应该仔细阅读购物条款，对购物凭证应妥善保留等等；商家应本着对消费者负责的原则，努力提高自己的诚信指数；政府则可以借鉴传统消费市场对消费者权益的保护经验，设立“网络315消费者权益保护中心”，对网上购物实行统一监管；整个国际社会应该通力合作，及时制定各种双多边协议、国际公约等手段，为国内消费者权利的保护提供更多的国际支持。但是在我看来，在所有确保我国网上购物顺利发展的相关举措中，尽快建立完备的网上购物消费者权利保护体系应属重中之重，我们只有将网上购物中出现的一些新法律问题、新法律关系及时纳入我国消费者法律保护的体系中，有效地调整在网上购物中产生的一切行为，才能使广大网上消费者的合法权益得到可靠的保障，同时从根本上保证网上购物的长远发展。
在这里，有必要借鉴一下国外在电子商务立法尤其是网上消费者权益保护方面的优秀立法经验：
1、欧盟
欧盟与电子商务有关的主要法律文件有：《电子商务指令》、《电子签名指令》、《远程销售令示》和《数据保护指令》等法律。其中涉及电子商务中消费者保护的内容包括：消费者在自己家中购买商品服务会获得许多益处：较多的选择，购买之前容易得到详尽信息，购买价格可能较低。 要增强信任，也可以通过增加交易透明度（如明确供应商的身份、来历和债务等），最低限度要求消费者个人数据，明确所提供的信息的合法状态来达到。
《远程销售指令》试图通过为消费者提供保障来促进电子商务，保障消费者在远程销售合同中得到本国消费者保护制度的保护。远程销售合同是指供需双方通过远距离通信技术进行商品和服务交易所缔结的合同。在远程销售合同中，消费者需要得到特别的保护，因为消费者的个人隐私会受到带进攻性的市场技术的侵犯，也会受到供方给消费者的不足和不适当的信息的侵犯，以及要面对用xyk支付时可能带来的欺诈和错误风险。
2、美国
美国电子商务活动在充分的法律保护规范下得到了快速健康的发展。从1996年以来，美国联邦贸易委员会提出了互联网经营者自我管理的思路，以保护从互联网业务中收集的个人信息的隐私权。2000年，美国联邦贸易委员会宣布将在本国制定全面保护数据的法律。
3、德国
德国于97年6月13日通过了《信息与通讯服务法案》。在电信服务资料保护方面，虽然该法同意服务提供人可以提供电信服务目的而收集、处理或使用个人资料，但要求应先将其收集、处理或使用的方式范围、地点与目的告之服务使用人。若要作其他使用，则必须符合法律的规定，或经服务使用人的同意。同时，该法也赋予服务使用人撤销其同意的权利。在达成必要的目的后，所收集的资料即应删除，若传输与服务使用人有关资料与其他服务提供人时，也应告知服务使用人。
纵观我国现有法律规定，对网上购物消费者权益的法律保护散见于《民法通则》、《合同法》、《消费者权益保护法》、《电信条例》等法律法规中，但大多内容散乱，可 *** 作性不强，远不能达到保护消费者的目的。这一切都需要加快立法速度，在参考国外先进立法经验的基础上于时机成熟时制定一部适合于我国国情的电子商务法典。当然 这是一个渐进的过程，前提是必须对我国现有立法进行完善，同时针对现在网上购物存在的问题应当及时做出反应，在相关制度、政策方面可以做一些有益的探索，为此，我们可以做一下准备工作：
1、为解决交易对象认定的模糊性，应当在网上建立详尽的资格认证制度。在这方面北京市工商局做了勇敢的尝试性工作，它于2000年颁发的《关于在网络经济活动中保护消费者合法权益的通告》中规定试行“网站备案制度”。 备案制度要求网站的所有者提供包括法人和网站基本情况的备案登记资料，领取并安装电子备案登记标识，备案网站的合法经营受到保护，同时长期保有电子标识也是一种信用优势；网站名称管理主要包括申请人查询重名、提交资料、初审、公告，经过这四项流程，网站名称即受保护。
2、为确保消费者知情权最大限度的实现，除现有法律中的规定外，应当在法律中明确规定对信息披露的具体形式，比如对有关商品或服务的重要信息 应该放在介绍该商品或服务的主页上，对于其他一般信息则可以放在经链接才能显示的页面上。对于商品的正常使用方法如果在网上不能明确表达的，应当在货物实际交付给消费者时明确告知。同时，对于网页上显示的有关产品的信息必须真实，必要时应当包括多角度多方位拍摄的。此外，颜色也是很重要的信息，因此中所反映的色彩应当尽量真实，如不能完全做到一致的应有明确说明。这一点上“51BUY”网站做得就比较好，在其网站中向消费者明确指出：“由于照片显示原因，我们无法保证页面所显示商品的颜色与商品实际颜色完全一致，我们将尽力在网页上就此说明。”
3、对于格式合同的效力问题应当作必要的限制与说明。日前颁布的《天津市消费者权益保护条例》(草案) (征求意见稿)第十五条规定：“经营者使用合同格式条款与消费者达成合意的，应当符合《中华人民共和国合同法》的有关规定；使用格式条款故意逃避其责任或者限制消费者权利的，其格式条款无效。”当然，在这个问题上的主要突破口应该是《合同法》。
4、关于交货迟延的问题。送货上门是经营者的义务之一，双方签订合同的时候可以明确规定是由经营者专门派送还是选择第三人派送。无论是经营者自己送还是第三人送，如果货物不能按期送达，都应由经营者承担违约责任，至于第三人有过错的，经营者可以事后追偿。
5、在退货的问题上，我认为除了食品、卫生品等消耗性商品和录音录像制品 外，其余的商品在出现质量问题时消费者有权要求退货。但是，消耗品超出安全保质期的除外，录音录像制品于不符合国家有关正版规定的情形下除外。因此，在这一问题上传统退货的规定 有必要作进一步的完善，在维护消费者权益与保护商家利益二者之间找到适度的平衡。
6、关于网络广告与宣传。广告发布者应承诺自己在网上发布的广告内容真实、明确、具体。我们注意到，和传统媒体上的广告相比，网络广告呈现出状态的流动性、形式的多样性以及影响范围的扩大性等特征，而我国现行《广告法》主要规范的对象是网络以外的广告，对于互联网上出现的这类广告并没有进行特别规制，这就使得现在的网络广告游离于《广告法》之外而处于真空地带。同时如果中国兑现加入世界贸易组织的承诺，那么到2005年底将全部放开广告市场，因此，我们必须有完备的法律来面对即将“入侵”的大量国外广告，以更好的应对将来产生的各种问题，同时在广告横飞的世界里更好的保护我国网上购物消费者的合法权利。这就需要我们或者对现行《广告法》进行必要修改或者尽早制定出一部《网络广告法》。
7、关于消费者隐私权问题。对此问题，经营者必须做到：a制定详尽、到位的消费者隐私保护政策；b于网站上明确向消费者提示关于消费者个人资料的收集方式以及使用目的，并且承诺只在所申明的使用目的范围内及消费者本人同意的情形下使用消费者个人资料；未经消费者授权，不得将信息提供给第三人；c不得为营利目的随意向消费者寄送电子邮件，但消费者同意者除外。从法律层面看，《民法通则》中并没有将隐私权作为公民一项独立的人格权，对隐私权的保护以及侵害隐私权的诉讼也没有形成专门的法律制度。虽然一些单行法律法规里涉及到网络隐私权，比如《互联网电子公告服务管理规定》的第十二条规定：“电子公告服务提供者应当对上网用户的个人信息保密，未经上网用户同意不得向他人泄露，但法律另有规定的除外”。但是从总体来看，有关网络隐私权的保护并没有形成完备的法律体系，因此我们有必要在借鉴国外先进立法经验的基础上加快有关网络隐私权的立法速度。
结语
总之我们要努力做好各方面尤其是立法方面的工作，为我国网上购物的消费者提供放心的购物环境，创造良好的消费体验！
参考资料：
活点定义:利用局部网络或互联网等通信技术把传感器、控制器、机器、人员和物等通过新的方式联在一起，形成人与物、物与物相联，实现信息化、远程管理控制和智能化的网络。物联网是互联网的延伸，它包括互联网及互联网上所有的资源，兼容互联网所有的应用，但物联网中所有的元素(所有的设备、资源及通信等)都是个性化和私有化。常见的大数据术语表(中英对照简版)：
A
聚合(Aggregation) – 搜索、合并、显示数据的过程
算法(Algorithms) – 可以完成某种数据分析的数学公式
分析法(Analytics) – 用于发现数据的内在涵义
异常检测(Anomaly detection) –
在数据集中搜索与预期模式或行为不匹配的数据项。除了“Anomalies”,用来表示异常的词有以下几种：outliers, exceptions,
surprises, contaminants他们通常可提供关键的可执行信息
匿名化(Anonymization) – 使数据匿名，即移除所有与个人隐私相关的数据
应用(Application) – 实现某种特定功能的计算机软件
人工智能(Artificial Intelligence) –
研发智能机器和智能软件，这些智能设备能够感知周遭的环境，并根据要求作出相应的反应，甚至能自我学习
B
行为分析法(Behavioural Analytics) –
这种分析法是根据用户的行为如“怎么做”，“为什么这么做”，以及“做了什么”来得出结论，而不是仅仅针对人物和时间的一门分析学科，它着眼于数据中的人性化模式
大数据科学家(Big Data Scientist) – 能够设计大数据算法使得大数据变得有用的人
大数据创业公司(Big data startup) – 指研发最新大数据技术的新兴公司
生物测定术(Biometrics) – 根据个人的特征进行身份识别
B字节 (BB: Brontobytes) – 约等于1000 YB(Yottabytes)，相当于未来数字化宇宙的大小。1
B字节包含了27个0!
商业智能(Business Intelligence) – 是一系列理论、方法学和过程，使得数据更容易被理解
C
分类分析(Classification analysis) – 从数据中获得重要的相关性信息的系统化过程; 这类数据也被称为元数据(meta
data),是描述数据的数据
云计算(Cloud computing) – 构建在网络上的分布式计算系统，数据是存储于机房外的(即云端)
聚类分析(Clustering analysis) –
它是将相似的对象聚合在一起，每类相似的对象组合成一个聚类(也叫作簇)的过程。这种分析方法的目的在于分析数据间的差异和相似性
冷数据存储(Cold data storage) – 在低功耗服务器上存储那些几乎不被使用的旧数据。但这些数据检索起来将会很耗时
对比分析(Comparative analysis) – 在非常大的数据集中进行模式匹配时，进行一步步的对比和计算过程得到分析结果
复杂结构的数据(Complex structured data) –
由两个或多个复杂而相互关联部分组成的数据，这类数据不能简单地由结构化查询语言或工具(SQL)解析
计算机产生的数据(Computer generated data) – 如日志文件这类由计算机生成的数据
并发(Concurrency) – 同时执行多个任务或运行多个进程
相关性分析(Correlation analysis) – 是一种数据分析方法，用于分析变量之间是否存在正相关，或者负相关
客户关系管理(CRM: Customer Relationship Management) –
用于管理销售、业务过程的一种技术，大数据将影响公司的客户关系管理的策略
D
仪表板(Dashboard) – 使用算法分析数据，并将结果用图表方式显示于仪表板中
数据聚合工具(Data aggregation tools) – 将分散于众多数据源的数据转化成一个全新数据源的过程
数据分析师(Data analyst) – 从事数据分析、建模、清理、处理的专业人员
数据库(Database) – 一个以某种特定的技术来存储数据集合的仓库
数据库即服务(Database-as-a-Service) – 部署在云端的数据库，即用即付，例如亚马逊云服务(AWS: Amazon Web
Services)
数据库管理系统(DBMS: Database Management System) – 收集、存储数据，并提供数据的访问
数据中心(Data centre) – 一个实体地点，放置了用来存储数据的服务器
数据清洗(Data cleansing) – 对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性
数据管理员(Data custodian) – 负责维护数据存储所需技术环境的专业技术人员
数据道德准则(Data ethical guidelines) – 这些准则有助于组织机构使其数据透明化，保证数据的简洁、安全及隐私
数据订阅(Data feed) – 一种数据流，例如Twitter订阅和RSS
数据集市(Data marketplace) – 进行数据集买卖的在线交易场所
数据挖掘(Data mining) – 从数据集中发掘特定模式或信息的过程
数据建模(Data modelling) – 使用数据建模技术来分析数据对象，以此洞悉数据的内在涵义
数据集(Data set) – 大量数据的集合
数据虚拟化(Data virtualization) –
数据整合的过程，以此获得更多的数据信息，这个过程通常会引入其他技术，例如数据库，应用程序，文件系统，网页技术，大数据技术等等
去身份识别(De-identification) – 也称为匿名化(anonymization)，确保个人不会通过数据被识别
判别分析(Discriminant analysis) –
将数据分类;按不同的分类方式，可将数据分配到不同的群组，类别或者目录。是一种统计分析法，可以对数据中某些群组或集群的已知信息进行分析，并从中获取分类规则。
分布式文件系统(Distributed File System) – 提供简化的，高可用的方式来存储、分析、处理数据的系统
文件存贮数据库(Document Store Databases) – 又称为文档数据库(document-oriented database),
为存储、管理、恢复文档数据而专门设计的数据库，这类文档数据也称为半结构化数据
E
探索性分析(Exploratory analysis) –
在没有标准的流程或方法的情况下从数据中发掘模式。是一种发掘数据和数据集主要特性的一种方法
E字节(EB: Exabytes) – 约等于1000 PB(petabytes), 约等于1百万 GB。如今全球每天所制造的新信息量大约为1
EB
提取-转换-加载(ETL: Extract, Transform and Load) –
是一种用于数据库或者数据仓库的处理过程。即从各种不同的数据源提取(E)数据，并转换(T)成能满足业务需要的数据，最后将其加载(L)到数据库
F
故障切换(Failover) – 当系统中某个服务器发生故障时，能自动地将运行任务切换到另一个可用服务器或节点上
容错设计(Fault-tolerant design) – 一个支持容错设计的系统应该能够做到当某一部分出现故障也能继续运行
G
游戏化(Gamification) –
在其他非游戏领域中运用游戏的思维和机制，这种方法可以以一种十分友好的方式进行数据的创建和侦测，非常有效。
图形数据库(Graph Databases) –
运用图形结构(例如，一组有限的有序对，或者某种实体)来存储数据，这种图形存储结构包括边缘、属性和节点。它提供了相邻节点间的自由索引功能，也就是说，数据库中每个元素间都与其他相邻元素直接关联。
网格计算(Grid computing) – 将许多分布在不同地点的计算机连接在一起，用以处理某个特定问题，通常是通过云将计算机相连在一起。
H
Hadoop – 一个开源的分布式系统基础框架，可用于开发分布式程序，进行大数据的运算与存储。
Hadoop数据库(HBase) – 一个开源的、非关系型、分布式数据库，与Hadoop框架共同使用
HDFS – Hadoop分布式文件系统(Hadoop Distributed File
System);是一个被设计成适合运行在通用硬件(commodity hardware)上的分布式文件系统
高性能计算(HPC: High-Performance-Computing) – 使用超级计算机来解决极其复杂的计算问题
I
内存数据库(IMDB: In-memory) –
一种数据库管理系统，与普通数据库管理系统不同之处在于，它用主存来存储数据，而非硬盘。其特点在于能高速地进行数据的处理和存取。
物联网(Internet of Things) – 在普通的设备中装上传感器，使这些设备能够在任何时间任何地点与网络相连。
J
法律上的数据一致性(Juridical data compliance) –
当你使用的云计算解决方案，将你的数据存储于不同的国家或不同的大陆时，就会与这个概念扯上关系了。你需要留意这些存储在不同国家的数据是否符合当地的法律。
K
键值数据库(KeyValue Databases) –
数据的存储方式是使用一个特定的键，指向一个特定的数据记录，这种方式使得数据的查找更加方便快捷。键值数据库中所存的数据通常为编程语言中基本数据类型的数据。
L
延迟(Latency) – 表示系统时间的延迟
遗留系统(Legacy system) – 是一种旧的应用程序，或是旧的技术，或是旧的计算系统，现在已经不再支持了。
负载均衡(Load balancing) – 将工作量分配到多台电脑或服务器上，以获得最优结果和最大的系统利用率。
位置信息(Location data) – GPS信息，即地理位置信息。
日志文件(Log file) – 由计算机系统自动生成的文件，记录系统的运行过程。
M
M2M数据(Machine2Machine data) – 两台或多台机器间交流与传输的内容
机器数据(Machine data) – 由传感器或算法在机器上产生的数据
机器学习(Machine learning) –
人工智能的一部分，指的是机器能够从它们所完成的任务中进行自我学习，通过长期的累积实现自我改进。
MapReduce – 是处理大规模数据的一种软件框架(Map: 映射，Reduce: 归纳)。
大规模并行处理(MPP: Massively Parallel Processing) –
同时使用多个处理器(或多台计算机)处理同一个计算任务。
元数据(Metadata) – 被称为描述数据的数据，即描述数据数据属性(数据是什么)的信息。
MongoDB – 一种开源的非关系型数据库(NoSQL database)
多维数据库(Multi-Dimensional Databases) – 用于优化数据联机分析处理(OLAP)程序，优化数据仓库的一种数据库。
多值数据库(MultiValue Databases) – 是一种非关系型数据库(NoSQL),
一种特殊的多维数据库：能处理3个维度的数据。主要针对非常长的字符串，能够完美地处理HTML和XML中的字串。
N
自然语言处理(Natural Language Processing) –
是计算机科学的一个分支领域，它研究如何实现计算机与人类语言之间的交互。
网络分析(Network analysis) – 分析网络或图论中节点间的关系，即分析网络中节点间的连接和强度关系。
NewSQL – 一个优雅的、定义良好的数据库系统，比SQL更易学习和使用，比NoSQL更晚提出的新型数据库
NoSQL –
顾名思义，就是“不使用SQL”的数据库。这类数据库泛指传统关系型数据库以外的其他类型的数据库。这类数据库有更强的一致性，能处理超大规模和高并发的数据。
O
对象数据库(Object Databases) –
(也称为面象对象数据库)以对象的形式存储数据，用于面向对象编程。它不同于关系型数据库和图形数据库，大部分对象数据库都提供一种查询语言，允许使用声明式编程(declarative
programming)访问对象
基于对象图像分析(Object-based Image Analysis) –
数字图像分析方法是对每一个像素的数据进行分析，而基于对象的图像分析方法则只分析相关像素的数据，这些相关像素被称为对象或图像对象。
*** 作型数据库(Operational Databases) –
这类数据库可以完成一个组织机构的常规 *** 作，对商业运营非常重要，一般使用在线事务处理，允许用户访问 、收集、检索公司内部的具体信息。
优化分析(Optimization analysis) –
在产品设计周期依靠算法来实现的优化过程，在这一过程中，公司可以设计各种各样的产品并测试这些产品是否满足预设值。
本体论(Ontology) – 表示知识本体，用于定义一个领域中的概念集及概念之间的关系的一种哲学思想。(译者注:
数据被提高到哲学的高度，被赋予了世界本体的意义，成为一个独立的客观数据世界)
异常值检测(Outlier detection) –
异常值是指严重偏离一个数据集或一个数据组合总平均值的对象，该对象与数据集中的其他它相去甚远，因此，异常值的出现意味着系统发生问题，需要对此另加分析。
P
模式识别(Pattern Recognition) – 通过算法来识别数据中的模式，并对同一数据源中的新数据作出预测
P字节(PB: Petabytes) – 约等于1000 TB(terabytes), 约等于1百万 GB
(gigabytes)。欧洲核子研究中心(CERN)大型强子对撞机每秒产生的粒子个数就约为1 PB
平台即服务(PaaS: Platform-as-a-Service) – 为云计算解决方案提供所有必需的基础平台的一种服务
预测分析(Predictive analysis) –
大数据分析方法中最有价值的一种分析方法，这种方法有助于预测个人未来(近期)的行为，例如某人很可能会买某些商品，可能会访问某些网站，做某些事情或者产生某种行为。通过使用各种不同的数据集，例如历史数据，事务数据，社交数据，或者客户的个人信息数据，来识别风险和机遇
隐私(Privacy) – 把具有可识别出个人信息的数据与其他数据分离开，以确保用户隐私。
公共数据(Public data) – 由公共基金创建的公共信息或公共数据集。
Q
数字化自我(Quantified Self) – 使用应用程序跟踪用户一天的一举一动，从而更好地理解其相关的行为
查询(Query) – 查找某个问题答案的相关信息
R
再识别(Re-identification) – 将多个数据集合并在一起，从匿名化的数据中识别出个人信息
回归分析(Regression analysis) –
确定两个变量间的依赖关系。这种方法假设两个变量之间存在单向的因果关系(译者注：自变量，因变量，二者不可互换)
RFID – 射频识别; 这种识别技术使用一种无线非接触式射频电磁场传感器来传输数据
实时数据(Real-time data) – 指在几毫秒内被创建、处理、存储、分析并显示的数据
推荐引擎(Recommendation engine) – 推荐引擎算法根据用户之前的购买行为或其他购买行为向用户推荐某种产品
路径分析(Routing analysis) –
针对某种运输方法通过使用多种不同的变量分析从而找到一条最优路径，以达到降低燃料费用，提高效率的目的
S
半结构化数据(Semi-structured data) –
半结构化数据并不具有结构化数据严格的存储结构，但它可以使用标签或其他形式的标记方式以保证数据的层次结构
情感分析(Sentiment Analysis) – 通过算法分析出人们是如何看待某些话题
信号分析(Signal analysis) – 指通过度量随时间或空间变化的物理量来分析产品的性能。特别是使用传感器数据。
相似性搜索(Similarity searches) – 在数据库中查询最相似的对象，这里所说的数据对象可以是任意类型的数据
仿真分析(Simulation analysis) –
仿真是指模拟真实环境中进程或系统的 *** 作。仿真分析可以在仿真时考虑多种不同的变量，确保产品性能达到最优
智能网格(Smart grid) – 是指在能源网中使用传感器实时监控其运行状态，有助于提高效率
软件即服务(SaaS: Software-as-a-Service) – 基于Web的通过浏览器使用的一种应用软件
空间分析(Spatial analysis) – 空间分析法分析地理信息或拓扑信息这类空间数据，从中得出分布在地理空间中的数据的模式和规律
SQL – 在关系型数据库中，用于检索数据的一种编程语言
结构化数据(Structured data)
-可以组织成行列结构，可识别的数据。这类数据通常是一条记录，或者一个文件，或者是被正确标记过的数据中的某一个字段，并且可以被精确地定位到。
T
T字节(TB: Terabytes) – 约等于1000 GB(gigabytes)。1 TB容量可以存储约300小时的高清视频。
时序分析(Time series analysis) –
分析在重复测量时间里获得的定义良好的数据。分析的数据必须是良好定义的，并且要取自相同时间间隔的连续时间点。
拓扑数据分析(Topological Data Analysis) –
拓扑数据分析主要关注三点：复合数据模型、集群的识别、以及数据的统计学意义。
交易数据(Transactional data) – 随时间变化的动态数据
透明性(Transparency) – 消费者想要知道他们的数据有什么作用、被作何处理，而组织机构则把这些信息都透明化了。
U
非结构化数据(Un-structured data) – 非结构化数据一般被认为是大量纯文本数据，其中还可能包含日期，数字和实例。
V
价值(Value) – (译者注：大数据4V特点之一)
所有可用的数据，能为组织机构、社会、消费者创造出巨大的价值。这意味着各大企业及整个产业都将从大数据中获益。
可变性(Variability) – 也就是说，数据的含义总是在(快速)变化的。例如，一个词在相同的推文中可以有完全不同的意思。
多样(Variety) – (译者注：大数据4V特点之一)
数据总是以各种不同的形式呈现，如结构化数据，半结构化数据，非结构化数据，甚至还有复杂结构化数据
高速(Velocity) – (译者注：大数据4V特点之一) 在大数据时代，数据的创建、存储、分析、虚拟化都要求被高速处理。
真实性(Veracity) – 组织机构需要确保数据的真实性，才能保证数据分析的正确性。因此，真实性(Veracity)是指数据的正确性。
可视化(Visualization) –
只有正确的可视化，原始数据才可被投入使用。这里的“可视化”并非普通的图型或饼图，可视化指是的复杂的图表，图表中包含大量的数据信息，但可以被很容易地理解和阅读。
大量(Volume) – (译者注：大数据4V特点之一) 指数据量，范围从Megabytes至Brontobytes
W
天气数据(Weather data) – 是一种重要的开放公共数据来源，如果与其他数据来源合成在一起，可以为相关组织机构提供深入分析的依据
X
XML数据库(XML Databases) –
XML数据库是一种以XML格式存储数据的数据库。XML数据库通常与面向文档型数据库相关联，开发人员可以对XML数据库的数据进行查询，导出以及按指定的格式序列化
Y
Y字节 (Yottabytes) – 约等于1000 ZB (Zettabytes),
约等于250万亿张DVD的数据容量。现今，整个数字化宇宙的数据量为1 YB, 并且将每18年翻一番。
Z
Z字节 (ZB: Zettabytes) – 约等于1000 EB (Exabytes), 约等于1百万
TB。据预测，到2016年全球范围内每天网络上通过的信息大约能达到1 ZB。
附：存储容量单位换算表：
1 Bit(比特) = Binary Digit
8 Bits = 1 Byte(字节)
1,000 Bytes = 1 Kilobyte
1,000 Kilobytes = 1 Megabyte
1,000 Megabytes = 1 Gigabyte
1,000 Gigabytes = 1 Terabyte
1,000 Terabytes = 1 Petabyte
1,000 Petabytes = 1 Exabyte
1,000 Exabytes = 1 Zettabyte
1,000 Zettabytes = 1 Yottabyte
1,000 Yottabytes = 1 Brontobyte
1,000 Brontobytes = 1 Geopbyte简述Inter,物联网，云端计算之间的区别以及联络
因特网（Inter），物联网都是通讯网路，将装置进行连线，就好比物联网是高速公路与英特网是大马路，大马路可以走人走脚踏车走汽车，高速路只走汽车。云端计算是区别于本地计算的一种概念，是分散式计算的一种技术名称。
云端计算和物联网两者之间本没有什么特殊的关系，物联网只是今后云端计算平台的一个普通应用，物联网和云端计算之间是应用与平台的关系。
物联网的发展依赖于云端计算系统的完善，从而为海量物联资讯的处理和整合提供可能的平台条件，云端计算的集中资料处理和管理能力将有效的解决海量物联资讯储存和处理问题。
人工智慧是程式演算法和大资料结合的产物。
而云计算是程式的演算法部分，物联网是收集大资料的根系的一部分。
可以简单的认为：人工智慧=云端计算+大资料（一部分来自物联网）
随着物联网在生活中的铺开，它将成为大资料最大，最精准的来源。
云端计算通俗理解：1、通过网路上传到云储存东西，无需储存装置有网路便可读取。像银行
2、可以通过云端计算，有些软体无需安装便可使用，比如直接通过云写文件，不用安装word。像家里用电不用自己发电，通过电网购买。
云的使用对自己电脑的配置实用减少，而物联网是本地电脑和伺服器资讯互换，处理资讯使用的是本地电脑的资源处理东西。
物联网是客观世界在Inter上的一种应用；云端计算是建立在Inter上的一种分散式技术服务模式；三网融合是将Inter、电信网、广电网业务融合在一起的应用技术及业务模式。
希望对你有用。
随着社会迅速发展，人类逐渐进入大资料的时代，而物联网与云端计算作为近年来的热点，受到了业内不少人士的关注。据业界人士分析，大资料的前景与物联网以及云端计算这两者之间的关系非常密切，那么，真像业界人士所说的那样它们之间存在着不一样的关系呢？下面，我们就来了解一下大资料与物联网、云端计算之间的关系吧。
大资料概念
巨量资料(big data)，或称大资料、海量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软体工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。“大资料”是由数量巨大、结构复杂、型别众多资料构成的资料集合，是基于云端计算的资料处理与应用模式，通过资料的整合共享，交叉复用,形成的智力资源和知识服务能力。
大资料市场格局
具体意义上来讲，早在20世纪90年代“资料仓库之父”的Bill Inmon便提出了“大资料”的概念。大资料之所以在最近走红，主要归结于网际网路、移动装置、物联网和云端计算等快速崛起，全球资料量大大提升。可以说，移动网际网路、物联网以及云端计算等热点崛起在很大程度上是大资料产生的原因。
我们通过分析，形象的知道大资料与移动网际网路、物联网以及传统网际网路的关系。物联网，移动网际网路再加上传统网际网路，每天都在产生海量资料，而大资料又通过云端计算的形式，将这些资料筛选处理分析，提前出有用的资讯，这就是大资料分析。
大资料与云端计算
云端计算（cloud puting）是基于网际网路的相关服务的增加、使用和交付模式，通常涉及通过网际网路来提供动态易扩充套件且经常是虚拟化的资源。近几年，云端计算的概念受到了学术界、商界，甚至 的热捧，一时间云端计算无处不在，这真让同时代其他的IT技术相形见绌，无地自容。
本质上，云端计算与大资料的关系是静与动的关系；云端计算强调的是计算，这是动的概念；而资料则是计算的物件，是静的概念。如果结合实际的应用，前者强调的是计算能力，或者看重的储存能力；但是这样说，并不意味着两个概念就如此泾渭分明。大资料需要处理大资料的能力（资料获取、清洁、转换、统计等能力），其实就是强大的计算能力；另一方面，云端计算的动也是相对而言，比如基础设施即服务中的储存装置提供的主要是资料储存能力，所以可谓是动中有静。
如果资料是财富，那么大资料就是宝藏，而云计算就是挖掘和利用宝藏的利器！没有强大的计算能力，资料宝藏终究是镜中花；没有大资料的积淀，云端计算也只能是杀鸡用的宰牛刀。
大资料与物联网
物联网是一个基于网际网路、传统电信网等资讯承载体，让所有能够被独立定址的普通物理物件实现互联互通的网路。
大资料与物联网之间的关系是相铺相成的。物联网产生大资料。美国人前几年医院一年产生500个数据，IMT1。4TB资料等各种的资料通过感测器产生，也有在网上直接产生的，我们现在处于大资料时代，物联网一分钟可以产生非常多的东西，苹果下载2万余次，一分钟会上传10万条新微博，全世界物联网上虚拟网路上，产生了大量的资料。
物联网产生的大资料与一般的大资料有不同的特点。物联网的资料是异构的、多样性的、非结构和有噪声的，更大的不同是它的高增长率。物联网的资料有明显的颗粒性，其资料通常带有时间、位置、环境和行为等资讯。物联网资料可以说也是社交资料，但不是人与人的交往资讯，而是物与物，物与人的社会合作资讯。
除此之外，大资料助力物联网，不仅仅是收集感测性的资料，实物跟虚拟物要结合起来。今天北京交通堵塞，但是并不知道堵塞原因，如果 释出讯息和市民微博释出讯息结合起来就知道发生什么事，物联网要过滤，过滤要有一定模式。
基于大资料与物联网，云端计算之间的关系
物联网重点突出了感测器感知的概念，同时它也具备网路线路传输，资讯储存和处理，行业应用介面等功能。而且也往往与网际网路共用伺服器，网路线路和应用介面，使人与人(Human ti Human ，H2H)，人与物(Human to thing，H2T)、物与物( Thing to Thing，T2T)之间的交流变成可能，最终将使人类社会、资讯空间和物理世界(人机槠)融为一体。
大资料目前尚没有统一的定义，比较有代表性的是3V 定义，即认为大资料需满足3 个特点：规模性(Volume)、多样性(Variety)和高速性(Velocity)。
以云端计算为代表的网际网路新应用的兴起，表明网际网路基础服务无论从硬体，软体还是资料资讯都在向集中和统一的方向发展。也就是说，未来的大资料还将具备一个新的特性-统一性(Unity)。
你也可以参考物联商业网。
因特网是一个数据网际网路；物联网是将现实世界的事物通过感测器等连线到网际网路形成的一个管理网路；云端计算是一种大规模的计算服务平台，它可以为其他网路提供计算服务；三网融合是将电信网、电视网及网际网路融合在一起的综合应用网路。
希望对你有用。
云端计算与网格计算的概念
首先，究竟什么是云端计算（Cloud Computing）呢？钱教授指出，云就是网际网路——做网路的似乎总是把网路抽象成云；云端计算就是利用在Inter中可用的计算系统，能够支援网际网路各类应用的系统。云端计算是以第三方拥有的机制提供服务，为了完成功能，使用者只关心需要的服务，这是云端计算基本的定义。
相对于网格计算（Grid Computing）和分散式计算，云端计算拥有明显的特点：第一是低成本，这是最突出的特点。第二是虚拟机器的支援，使得在网路环境下的一些原来比较难做的事情现在比较容易处理。第三是镜象部署的执行，这样就能够使得过去很难处理的异构的程式的执行互 *** 作变得比较容易处理。第四是强调服务化，服务化有一些新的机制，特别是更适合商业执行的机制。
那么网格计算的特点又是什么呢？
网格计算有了十几年的历史。网格基本形态是什么？是跨地区的，甚至跨国家的，甚至跨洲的这样一种独立管理的资源结合。资源在独立管理，并不是进行统一布置、统一安排的形态。网格这些资源都是异构的，不强调有什么统一的安排。另外网格的使用通常是让分布的使用者构成虚拟组织（VO），在这样统一的网格基础平台上用虚拟组织形态从不同的自治域访问资源。此外，网格一般由所在地区、国家、国际公共组织资助的，支援的资料模型很广，从海量资料到专用资料以及到大小各异的临时资料集合，在网上传的资料，这是网格目前的基本形态。
云端计算与网格计算区别何在
可以看出，网格计算和云端计算有相似之处，特别是计算的并行与合作的特点；但他们的区别也是明显的。主要有以下几点：
首先，网格计算的思路是聚合分布资源，支援虚拟组织，提供高层次的服务，例如分布协同科学研究等。而云计算的资源相对集中，主要以资料中心的形式提供底层资源的使用，并不强调虚拟组织（VO）的概念。
其次，网格计算用聚合资源来支援挑战性的应用，这是初衷，因为高效能运算的资源不够用，要把分散的资源聚合起来；后来到了2004年以后，逐渐强调适应普遍的资讯化应用，特别在中国，做的网格跟国外不太一样，就是强调支援资讯化的应用。但云计算从一开始就支援广泛企业计算、Web应用，普适性更强。
第三，在对待异构性方面，二者理念上有所不同。网格计算用中介软体遮蔽异构系统，力图使使用者面向同样的环境，把困难留在中介软体，让中介软体完成任务。而云计算实际上承认异构，用映象执行，或者提供服务的机制来解决异构性的问题。当然不同的云端计算系统还不太一样，像Google一般用比较专用的自己的内部的平台来支援。
第四，网格计算用执行作业形式使用，在一个阶段内完成作用产生资料。而云计算支援持久服务，使用者可以利用云端计算作为其部分IT基础设施，实现业务的托管和外包。
第五，网格计算更多地面向科研应用，商业模型不清晰。而云计算从诞生开始就是针对企业商业应用，商业模型比较清晰。
总之，云端计算是以相对集中的资源，执行分散的应用（大量分散的应用在若干大的中心执行）；而网格计算则是聚合分散的资源，支援大型集中式应用（一个大的应用分到多处执行）。但从根本上来说，从应对Inter的应用的特征特点来说，他们是一致的，为了完成在Inter情况下支援应用，解决异构性、资源共享等等问题。
那么，网格计算和云端计算有没有可能取长补短、互为补充呢？钱教授提到，如果这两者结合起来，也许可以聚合大量分散的资源，从而支援各种各样的大型集中应用以及分散的应用。
最后，钱教授还谈到，在云端计算技术方面，有三个需要关注的问题。第一是安全，因为要想作为公共基础设施必须取得使用者的充分信任。第二是标准化，不能再走中介软体的老路。第三是开源，要走开放的平台，这样才有发展。
简明的描述，看了有茅塞顿开的感觉。
观点一：网格计算主要关注如何把一个任务分配到它所需要的资源上（一般来说是一个远端可用的），在这里一个大的计算任务可以被分成多个小任务，然后被分配到这些伺服器上执行；而云计算则强调把资源动态的从硬体基础架构上产生出来，以适应工作任务的需要，云端计算可以支援网格计算，也可以支援非网格计算。（简单理解，即动态产生的计算资源是来自一台伺服器还是多台，是否使用了网格计算的演算法。本人的理解）
观点二：网格计算与云端计算主要有三点区别，第一，网格主要是通过聚合式分布的资源，通过虚拟组织提供高层次的服务，而云计算资源相对集中，通常以资料中心的形式提供对底层资源的共享使用，而不强调虚拟组织的观念；第二，网格聚合资源的主要目的是支援挑战性的应用，主要面向教育和科学计算，而云计算一开始就是用来支援广泛的企业计算、web应用等；第三，网格用中介软体遮蔽异构性，而云计算承认异构，用提供服务的机制来解决异构性的问题。
网格计算与云端计算的关系如下表所示。
表 1 网格计算与云端计算的比较
网格计算
云端计算
目标
共享高效能运算力和资料资源，实现资源共享和协同工作
提供通用的计算平台和储存空间，提供各种软体服务
资源来源
不同机构
同一机构
资源型别
异构资源
同构资源
资源节点
高效能运算机
伺服器/PC
虚拟化检视
虚拟组织
虚拟机器
计算型别
紧耦合问题为主
松耦合问题
应用型别
科学计算为主，计算密集
资料处理为主，资料密集
使用者型别
科学界
商业社会
付费方式
免费（ 出资）
按量计费
标准化
有统一的国际标准OGSA/WSRF
尚无标准，但已经有了开放云端计算联盟OCC
网格计算走的是学院派的路子：在概念上争论多年，在体系结构上三次伤筋动骨，在标准规范上花费了大量的心力，所设定的目标又非常远大－－要在跨平台、跨组织、跨信任域的极其复杂的异构环境 享资源和协同解决问题，所要共享的资源也是五花八门－－从高效能运算机、资料库、装置到软体、甚至知识；云端计算走的是现实派的路子：暂时不管概念、不管标准，Google云端计算与Amazon云端计算的差别非常大，云端计算只是对他们以前做的事情的新的共同的时髦叫法；所共享的储存和计算资源暂时仅限于某个企业内部，省去了许多跨组织协调的问题；以Google为代表的云端计算在内部管理运作方式上的简洁一如其介面，能省的功能都省了，Google档案系统甚至不允许修改已经存在的档案，大大降低了实现难度，却借助其无与伦比的规模效应释放前所未有的能量。
网格计算与云端计算的关系，就像是OSI与TCP/IP之间的关系：ISO制定的OSI（开放系统互联）网路标准，考虑得非常周到，也异常复杂，在多年之前就考虑到了会话层和表示层的问题。很有远见，但过于阳春白雪了，实现的难度和代价也非常大。当OSI的一个简化版－－TCP/IP冒出来之后，将七层协议简化为四层，内容也大大精简，因而迅速取得了成功。在TCP/IP一统天下之后多年，语义网等问题才被提上议事日程，开始为TCP/IP补课，增加其会话和表示的能力。因此，OSI是学院派，TCP/IP是现实派。OSI是TCP/IP的基础，TCP/IP又推动了OSI的发展。不是成者为王、败者为寇的问题，而是滚动发展的问题。
1．物联网产生大资料，大资料助力物联网。目前，物联网正在支撑起社会活动和人们生活方式的变革，被称为继计算机、网际网路之后冲击现代社会的第三次资讯化发展浪潮。物联网在将物品和网际网路连线起来，进行资讯交换和通讯，以实现智慧化识别、定位、跟踪、监控和管理的过程中，产生的大量资料也在影响着电力、医疗、交通、安防、物流、环保等领域商业模式的重新形成。物联网握手大资料，正在逐步显示出巨大的商业价值。
2．大资料是高速跑车，云端计算是高速公路。在大资料时代，使用者的体验与诉求已经远远超过了科研的发展，但是使用者的这些需求却依然被不断地实现。在云端计算、大资料的时代，那些科幻片中的统计分析能力已初具雏形，而这其中最大的功臣并非工程师和科学家，而是网际网路使用者，他们的贡献已远远超出科技十年的积淀。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）