技術革命一定是源于某項技術突破，那么云計算又是源于什么？從技術的視角來看，云計算所突破的就是海量存儲技術以及在此基礎上的并行計算技術的突破。正是這些突破，造就了諸如Google、Facebook、Twitter這些新興互聯網企業。另一方面企業信息系統正日益變得復雜與龐大，上面所述技術突破展現出來的幾乎無限的擴展、海量計算以及高可用的特性正是企業所迫切需要的。

一、云存儲技術帶來什么

云存儲技術最早來源于互聯網企業，這也是可以理解的，這些企業所面臨的訪問量也是之前仟何企業所不曾遇到的。從一個數據就可以得知：現在支付寶每天新增的記錄數為3億條。顯然這樣的數據量以及在此之上的運算，不是傳統關系型數據庫可以支撐的了。

這里所說的云存儲技術并非特指某項技術，而是一大類技術的統稱，一般來自只要是具有以下特征的數據庫都可以被看作是云存儲技術。首先是共有幾乎無限的擴展能力，可以支撐幾百TB直至PB級的數據；此外，是采用了并行計算模式，從而獲得海量運算能力。簡而言之，當計算能力不足，無論是存儲還是運算，對于需求提出方而言，就是簡單的增加機器即可實現。云存儲更進一步的特征便是高可用性，也就是說，在任何時候都能夠保證系統正常使用，即便有機器發生故障。目前常見的符合這樣特征的系統，有Google的GFS以及BigTable，Apache基金會的Hadoop（HDFs和HBaSe），最初來自于Amazon現在也屬于Apache基金會的Cassandra，此外還有MongoDB、CouchDB、Hypetable、Redis等等。

作為可擴展性是指系統架構可以讓系統提供更多的服務而不降低使用性能的特性。通過現有的機器增加硬件的容量、內存進行垂直擴展，這是最簡單的達到可擴展性的手段，但這有個限度。而水平擴展則需要增加更多機器，每臺機器提供全部或部分數據。這樣所有主機都不必負擔全部業務請求。但軟件自己需要有內部機制來保證集群中節點間的數據同步。而云存儲技術所帶來的可擴展性幾乎是無限的，并且對于投資者而言投入（硬件投資）與產出（提供更多的服務）幾乎是線性的。

水平擴展說到底就是使用更多的主機來承擔運算。假設一臺主機在運行一年的時間里發生的故障是n次，那么20臺主機在運行一年的時間里發牛故障的次數則為20×n，由此看出當某個集群中主機的數量達到一定程度，在一年中發生故障的概率將會非常大，甚至每天有機器發生故障也不是危言聳聽。許多云存儲技術都將此作為基本的設計前提，兇此云存儲技術天生具有良好的高可用性與容錯性。

是否可把現在的企業應用都替換了？不行。實行應用前，需先滿足EricBrewer的CAP理論（2002年被理論證明）。依據這個理論，一個大規模分布式數據庫系統，有以下三個需求：

1一致性（Consistency）：對于所有的數據庫客戶端使用同樣的查詢都可以得到同樣的結果，即使是有并發更新的時候也是如此。

2可用性（AvailabiLity）：所有的數據庫客戶端總是可以讀寫數據。

3分區耐受性（PartitionTolerance）：數據庫可以分散到多臺機器上，即使發生網路故障，被分成多個分區，依然可以提供服務。

CAP理論指出，同時只能具有這三個特性中的兩個。傳統的關系型數據庫所強調的是一致性（C）與可用性（A），而在分區耐受性（P）方面的支持十分有限，這一點從本質上揭示了上述關系型數據庫的問題。再來看云存儲技術，都特別強調了分區耐受性（P），從而彌補關系型數據庫存此方面的不足，接下來的區別就是選擇可用性（A）還是一致性（C）了。對于CP系統，放棄的是可用性（A），數據可保持一致性，但如果有節點發生故障，仍然會有部分數據無法訪問；而對于AP系統，放棄的則是一致性（C），那么你的系統就有可能返回不太精確的數據。

上面的技術特點決定了云存儲技術有一些特別擅長的領域。譬如訪問流量可能會很大，即隨時訪問數據量很大，從而需要大規模分布式部署。考察讀寫操作的比例，特別適合統計分析型工作。有時對于數據一致性要求并不高，可以容忍當某個數據被寫入后，在一段合理的時間內可能會有部分用戶讀到的是寫入之前的數據，搜索業務就是一個典型例子。

文章來源于縱橫數據（