云计算和大数据什么意思？薪享宏福开设大数据吗？
云计算与大数据，什么是大数据云计算，大数据就业前景
你好，从就业的角度出发，也可以考虑学一门实用的技术，其实计算机专业就是很好的， 比如ui设计、4G移动开发、互联网编程、大数据、云计算、VR等等就业前景都挺好。 看自己的兴趣和未来的发展方向， 然后选择就行... 我们有本科，也有专科专业， 我们的很多学生都是学有所成，祝你一切顺利！
什么事云计算和大数据的解释?
云计算：
1、云计算->IT资源的拥有权和使用权的分离（资源归云计算中心所有，使用权归付费用户所有）
2、云平台的角色：聚合->平台->一种生态系统（如apple的app store、淘宝网等，平台演变成一种经济生态环境）
3、云计算和物联网类软件登记量带905和380件，同比增长200.66%和119.65，说明发展趋势很显著。但是（以北京地区为例）软件登记量和产品登记量分别为262、152以及7、16，软件转化为产品的转化率不足1%。为何？（转化期长，且回报周期也长，另外国人付费消费软件的意识不强）
4、据中国互联网协会预计，2012年我国云计算市场规模将超600亿元，“十二五”期间，产业链规模达7500亿元至1万亿元。
5、云存储应用的主要存储类型有：Nearline Storage、Disaster Recovery、Archive、Collaboration/File Sharing、Primary Storage、Backup（RD和backup只产生很少的固定时刻的费用。但如果将文件或数据访问业务托管到云存储平台，那么费用会成为一大考虑因素，不过倒也省了很多访问评价、空间容量不足的担心）
6、63%的云用户使用的是PaaS，用其来开发和部署基于云的应用。在使用PaaS云服务的用户中，43%使用其来开发和部署移动应用，30%依赖PaaS进行应用测试。（使用PaaS会极大的依赖云平台厂商，之后若想跨厂商基本不太可能，如果是想跨厂商，那还是使用IssA比较好）
大数据 AND 云计算
7、大数据&云时代->对商业模式造成的冲击？（从前在内部维护IT团队的企业是否考虑将硬件部分托管给云平台厂商？自己更专注于web服务的开发或业务的创新？在考虑IT成本时，是否可以将运维成本省去而增补研发成本？对大数据而已，因为MapReduce需要使用java语言编写，而分析数据有需要数学统计学背景，企业如何招聘这样的人才？是否会产生类似“结对编程”的“结对工作”模式？）
8、大数据VS云计算：
大数据通常用来形容一个公司创造的大量非结构化和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析通常与云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百甚至数千的电脑分配工作。
9、小企业应该开启其大数据策略。数据可以帮助每个人，当不再丢弃数据，即成为大数据。（那么大数据的存储是否需要动用云平台帮忙？如果数据存储在云平台，分析是否也在云平台完成？那么启用大数据策略所带来的成本与收益之间如何平衡？）
10、大数据是否会成为BI（Business Intelligence）的继任者？（BI在对resource数据进行extract时会丢弃一部分数据，更不用说企业数据在录入resource时被遗弃的那些数据了，就信息量来说，BI的基础信息储备就远远小于大数据。大数据还是颇为值得期待的）
小结：
云计算被说得玄乎其玄，但是对一般的用户而言，云计算其实就是提供了一种按需付费的计算或存储资源。也就是上面1中说的“IT资源的拥有权和使用权的分离”，有点像现在的公司租用商业写字楼的感觉。
而大数据，如果按照8、9中的描述，它将收集企业几乎所有的信息用于分析，无疑是在digging一座矿藏。digging的方法以及所期望得到的目标都很让人期待。之前在学BI时，就觉得BI很诱人，但前戏实在太漫长。要抽取（extract）、转换（transform）然后还要装载（load）到数据库中（即传说中的ETL），然后进行分析。在这个过程中，形式化和清洗数据就让人很纠结。更别提如果还要将非结构化数据进行结构化了。
大数据就不存在这个问题，它分析的基础就是非结构化或半机构化的数据。虽然存取、分析的速度也许比不上数据库的SQL语言，但一想到保留了资源的多样性和原生态性就很高兴。终于不用在分析之前剔除我们以为是冗余或无用但有可能带给我们惊喜的数据了！但是完备的数据保留和非结构化的数据形式所需求的额外的存储以及计算资源是否适合于请求云平台帮忙？哪类型的公司又适用于启用云平台来完成大数据时代的转型？也许用户面越广泛，即类型越通用的软件的厂商更适合大数据。
http://wenku.baidu/view/18401d6ca45177232f60a275.html
什么是云计算?什么是大数据?二者有何联系?
云计算的关键词在于“整合”，无论你是通过现在已经很成熟的传统的虚拟机切分型技术，还是通过google后来所使用的海量节点聚合型技术，他都是通过将海量的服务器资源通过网络进行整合，调度分配给用户，从而解决用户因为存储计算资源不足所带来的问题。
大数据正是因为数据的爆发式增长带来的一个新的课题内容，如何存储如今互联网时代所产生的海量数据，如何有效的利用分析这些数据等等。
他俩之间的关系你可以这样来理解，云计算技术就是一个容器，大数据正是存放在这个容器中的水，大数据是要依靠云计算技术来进行存储和计算的。
扩展资料：
云计算常与网格计算、效用计算、自主计算相混淆。
网格计算：分布式计算的一种，由一群松散耦合的计算机组成的一个超级虚拟计算机，常用来执行一些大型任务；
效用计算：IT资源的一种打包和计费方式，比如按照计算、存储分别计量费用，像传统的电力等公共设施一样；
自主计算：具有自我管理功能的计算机系统。
事实上，许多云计算部署依赖于计算机集群（但与网格的组成、体系结构、目的、工作方式大相径庭），也吸收了自主计算和效用计算的特点。
被普遍接受的云计算特点如下：
(1) 超大规模
“云”具有相当的规模，Google云计算已经拥有100多万台服务器， Amazon、IBM、微软、Yahoo等的“云”均拥有几十万台服务器。企业私有云一般拥有数百上千台服务器。“云”能赋予用户前所未有的计算能力。
(2) 虚拟化
云计算支持用户在任意位置、使用各种终端获取应用服务。所请求的资源来自“云”，而不是固定的有形的实体。应用在“云”中某处运行，但实际上用户无需了解、也不用担心应用运行的具体位置。只需要一台笔记本或者一个手机，就可以通过网络服务来实现我们需要的一切，甚至包括超级计算这样的任务。
(3) 高可靠性
“云”使用了数据多副本容错、计算节点同构可互换等措施来保障服务的高可靠性，使用云计算比使用本地计算机可靠。
(4) 通用性
云计算不针对特定的应用，在“云”的支撑下可以构造出千变万化的应用，同一个“云”可以同时支撑不同的应用运行。
(5) 高可扩展性
“云”的规模可以动态伸缩，满足应用和用户规模增长的需要。
(6) 按需服务
“云”是一个庞大的资源池，你按需购买；云可以像自来水，电，煤气那样计费。
大数据特征：
1 容量（Volume）：数据的大小决定所考虑的数据的价值和潜在的信息；
2 种类（Variety）：数据类型的多样性；
3 速度（Velocity）：指获得数据的速度；
4 可变性（Variability）：妨碍了处理和有效地管理数据的过程。
5 真实性（Veracity）：数据的质量
6 复杂性（Complexity）：数据量巨大，来源多渠道
7 价值（value）：合理运用大数据，以低成本创造高价值
想要系统的认知大数据，必须要全面而细致的分解它，着手从三个层面来展开：
第一层面是理论，理论是认知的必经途径，也是被广泛认同和传播的基线。在这里从大数据的特征定义理解行业对大数据的整体描绘和定性；从对大数据价值的探讨来深入解析大数据的珍贵所在；洞悉大数据的发展趋势；从大数据隐私这个特别而重要的视角审视人和数据之间的长久博弈。
第二层面是技术，技术是大数据价值体现的手段和前进的基石。在这里分别从云计算、分布式处理技术、存储技术和感知技术的发展来说明大数据从采集、处理、存储到形成结果的整个过程。
第三层面是实践，实践是大数据的最终价值体现。在这里分别从互联网的大数据，政府的大数据，企业的大数据和个人的大数据四个方面来描绘大数据已经展现的美好景象及即将实现的蓝图。
参考资料：百度百科-大数据百度百科-云计算
大数据和云计算具体是什么概念
一、云计算
云计算（cloud computing）是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种比喻说法。过去在图中往往用云来表示电信网，后来也用来表示互联网和底层基础设施的抽象。因此，云计算甚至可以让你体验每秒10万亿次的运算能力，拥有这么强大的计算能力可以模拟核爆炸、预测气候变化和市场发展趋势。用户通过电脑、笔记本、手机等方式接入数据中心，按自己的需求进行运算。
对云计算的定义有多种说法。对于到底什么是云计算，至少可以找到100种解释。现阶段广为接受的是美国国家标准与技术研究院（NIST）定义：云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问， 进入可配置的计算资源共享池（资源包括网络，服务器，存储，应用软件，服务），这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。
二、大数据
大数据（big data），是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。
在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理。大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。
三、二者关系：
大数据的重点是数据，大量的数据，需要将大数据成功的分析出应有的价值，大数据提供的是分析价值，云计算是将很多东西利用云端集合起来，提供一个让很多人都能用的服务。云计算提供的是使用价值。两者是密不可分的，云端产生的数据量非常巨大，要想让庞大的数据产生价值就需要大数据分析。