微信生活缴费可以充值中石化。怎么没有到账？急急急_百度知道
微信生活缴费可以充值中石化。怎么没有到账？急急急
微信生活缴费可以充值中石化。怎么没有到账？急急急
我有更好的答案
的2月份充的500元，今天4月4日去加油时查询也没到帐，然后问加油妹，是还得到加油站柜台插卡确认才行。我靠，老子有这点工夫不会现金充吗，这不是脱了裤放屁吗
MD 我是河北省保定市的。冲了一个星期了 还没有到账。这可怎么办？你们的怎么处理的呀？还款了嘛？
2楼的热心网友，你的钱到账了吗？不能不了了之啊，微信生活缴费说成功是欺诈。中石化网站：加油卡网上营业厅原快速充值通道于3月28日23:00取消。关闭第三方支付，生活缴费既然办不了中石化加油卡充值业务，就应该在3月28日停止。强烈要求退款返还。
我刚才冲了1000块钱现在一个小时过去了还没到帐了。没有办法只能给了￥100现金先加点用吧
我昨天早上充的加油卡200到现在还没到帐什么意思
其他4条回答
为您推荐：
其他类似问题
中石化 微信的相关知识
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。云闪付充话费立减10元,但充值好后未收到移动公司短信未显示充值成功怎么办?_百度知道
云闪付充话费立减10元,但充值好后未收到移动公司短信未显示充值成功怎么办?
我有更好的答案
这种情况建议去营业厅查询详单有问题可以咨询营业员
移动业务资费顾问
为您推荐：
其他类似问题
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。要构建高性能的SaaS应用，仅凭云服务基础设施是不够的。如何基于云服务平台设计并实施符合自身业务特点的系统架构，也是决定产品性能的关键。本文将讲述我们如何利用云服务，使用相对经济的方案，解决海量用户的数据库使用问题。
本文首发于阿里云&《程序员》杂志联合出品的《凌云》专刊中。
作者： 杭州湖畔网络技术经理 王鑫鹏
杭州湖畔网络技术有限公司是一家专业提供SaaS化电商ERP服务的创业公司，主要用户群体为经营淘宝、天猫、京东等主流电商平台、自建商城、线下渠道的商家及中小企业。作为SaaS服务提供商，服务数万乃至数十万级用户是业务架构初期就必须考虑的问题。庞大的用户群以及海量的用户数据意味着基础设施的构建必须兼顾高效与稳定，而按照通用的基础设施建设方案的话，需要面对成本过高、实现复杂、需要投入太多精力等问题，这对当时的湖畔网络这样的初创公司来说，完全不能承受。因此，更经济、更方便扩展的云服务平台成为首选。在对比现有各家云服务后，我们选择了稳定性与成熟度都经过大量用户检验的阿里云。
但要构建高性能的SaaS应用，仅凭云服务基础设施是不够的。如何基于云服务平台设计并实施符合自身业务特点的系统架构，也是决定产品性能的关键。本文将讲述我们如何利用云服务，使用相对经济的方案，解决海量用户的数据库使用问题。
我们的SaaS化电商ERP服务的整体架构是基于阿里云服务平台实施的，如图1所示。
■ 采用SLB（Server Load Balance，负载均衡）作为Web集群访问入口，负责为Web端的多台服务器进行流量分发。SLB是基于集群建设的，并且可以随时变配，按量付费。它不仅为我们实现了成熟的负载均衡方案，其稳定性与灵活性也为Web集群提供了更多可能。
■ 后端配置多台ECS（Elastic Compute Service，云服务器）实例，将主要应用服务都部署在ECS上。除了可弹性扩容这一特性，ECS提供的安全防护和快照备份为服务器安全和容灾提供了非常成熟的解决方案，这恰恰是我们这种业务型创业团队积累相对最薄弱的方面。另外，ECS多线接入骨干网络能保证网络的稳定和性能，使得任何网络的用户访问应用服务都非常顺畅。
■ DB集群由多台RDS（Relational Database Service，关系型数据库服务）实例组成。RDS是云数据库，简单易用，使用方法与自行部署的数据库完全一样。其成熟的双机热备与底层资源隔离，保证了我们这两年来数据库的平稳运行。另外，强大的iDB Cloud控制台、专业的DBA团队支持，为我们监控数据库运行状况、定位和解决数据库问题，提供了非常多的建议和帮助。
■ 集群之间的共享资源统一存放在OCS（Open Cache Service，开放缓存服务）中。我们用OCS来存放数据路由和实时性不高的业务数据。缓存作为我们架构性能中非常重要的一个环节，在承受了来自整个集群各方面压力的同时，还要保证响应稳定高速。
通过该方案，不仅发挥了阿里云的优势（不涉及物理机器的维护和折损，灵活地配置升级，成熟的备份与快照方案），而且通过集群，避免了系统可能会遇到的单点故障，提高了系统弹性扩容的灵活性和可用性。
作为一个SaaS化、数据更集中、数据体量庞大的企业应用，数据库是我们整体架构中的关键节点，如何保证其稳定与性能，是本文讲述的重点。
当用户进入快速增长期后，随着业务量迅速增加，核心业务表的存量数据和增长速度绝对不是单个DB所能承受的（几乎所有单DB配置都存在性能物理上限瓶颈，即使选择升级配置也会受到成本和资源上限的约束）。因此，我们一开始就将数据库分库分片（Sharding）作为一个可行方案优先考虑，主要分析如下。
■ 场景：业务热点数据持续增加，团队有一定的数据库架构积累能支撑独立研发或熟悉成熟的中间件（如Cobar）。
■ 优点：成本低（可以利用开源免费的数据库集群替代大型商业DB）；可灵活扩容（不断增加新的数据库切片即可）；相对均匀分布的数据读写，避免单点障碍。
■ 缺点：需要研发团队在数据库架构上投入大量精力；数据库集群维护需要成本投入。
考虑到业务特性，我们最终采用了行业比较通用的水平拆分+垂直拆分策略，并自主完成DAO与JDBC之间的数据访问封装层开发工作。
水平拆分：按用户将数据拆分到多个库的相同表中
水平拆分的思路，就是将原本存放在单个RDS数据库中的数据，根据业务ID不同，拆分到多个数据库中（参见图2）。拆分后，各库的表数量及表结构都保持一致。水平拆分首先需要确立唯一的业务主表，即其他所有表的数据都与主表ID（前文所说的业务ID）存在直接或间接的主从关系，可以通过主表ID对全部数据做很好的切分。我们选择的业务主表为用户表，其他业务表或表的父表都包含一个用户ID。因此，我们切分的目标就是将不同用户数据存放到不同的数据库中。
确定了拆分规则后，下一步是着手封装Sping数据访问封装层（DBWrapper）。DBWrapper介于DAO与JDBC之间，每个业务DAO进行数据库基本操作，都会经过DBWrapper。它的主要作用是将数据库架构的变化对业务层透明，业务层可以如同操作单个DB一样，调用DBWrapper提供的数据库操作接口，而判断操作哪个数据库的逻辑，则全部交由DBWrapper封装完成（参见图3）。
DBWrapper主要提供新用户初始化和数据库操作接口。在新增用户初始化到系统时，需先动态判断系统各库的负载分布情况。粗略一点的算法就是判断各库的用户数，如共有4个库，可以根据user_id%4的情况决定目标库；再精细一点可以挖掘下核心业务数据的分布情况，具体分配算法需要基于业务设定（如考虑不同用户的平均订单量）。通过各库压力综合计算后，分析出压力最小的目标数据库，并将该新增用户数据存放到指定的目标库，同时更新路由信息（Router）。
当用户完成初始化进行业务操作时，则需由业务层调用DBWrapper的操作接口。DBWrapper接收到请求后，会根据业务层传入的User_id匹配Router，判断最终需要操作的RDS实例和数据库。判断完成后，只需要按部就班地开连接执行就可以了。具体的代码实现，需要结合自身的持久层框架，找一名研究过持久层框架实现的开发人员即可完成。
这样就将系统用户整体数据压力，相对均匀地分布到多个RDS实例与数据库上。事实证明，这确实是一个非常有效的方案，尤其是对于数据量大、增长迅猛的表。只是在后续实施过程中，我们发现有时会有单个用户的业务压力比较突出，针对这种情况，我们可以通过一些人工干预（如迁移数据到单独的库）进行微调，当然最终的解决方案还是要不断调优路由算法。
切分后，不可避免地需要考虑数据字典（DD）和数据路由（Router）的处理。暂时我们采用的方法是将所有数据字典与路由放入独立的库，这也是后文中垂直拆分的一种应用。需要说明的是，数据库仅是这两个业务的一种实现方式，一般还可以通过或结合分布式缓存来处理这些业务（我们选用了OCS）。而对于可能出现的单点障碍，预留的扩展方案为水平拆分或创建只读节点（只读节点可以使用RDS最新提供的只读实例，目前还在内测阶段）。
垂直拆分：按业务将表分组拆分到多个库中
与水平拆分相比，垂直拆分要更简单一些。其基本思路就是将存放在单个数据库的表分组，把其中业务耦合度较高、联系紧密的表分为一组，拆分到其他DB中（参见图4）。拆分后，各库的表结构及其业务意义将完全不同。虽然规则简单、实施方便，但垂直拆分总是需打断些关联，因为实际操作中，基础资源常常出现在各个业务场景，在切分时又不得不切分到两个库中，此时就需要业务层多次查询后，在内存处理数据，实现数据库Join的效果。
垂直拆分同样需要DBWrapper，但封装规则与水平拆分略有不同，需要针对不同的业务，建立不同的DBWrapper。此时不再是完全业务层无感知，需要业务层根据业务场景有针对性使用。单个DBWrapper的实现与水平拆分一致。
垂直拆分的好处在于，将整体业务数据切分成相对独立的几块，隔离了不同业务之间的性能影响。而由于拆分后的数据库业务比较集中，也更容易找到业务主表，更有利于水平拆分。
对于垂直拆分，目前我们主要用于解决数据路由（包含了用户的基本信息）、数据字典模块，以及常见的冷数据问题。冷数据的处理一直是行业的常见问题（其实对于冷数据的划分，也是水平拆分），目前我们采用的方案是集中存储，即按自己的冷数据切分方式，通过自行开发的迁移程序将判定的冷数据增量迁移到一个库中。这个方案既能够分离冷数据对热点数据的操作影响，也可以为大数据的挖掘提供比较便利的条件。使用相对独立的冷数据存储结构，能方便以后采用更高效、成本更低廉的存储介质。当然该方案存在一些潜在问题，如果冷数据库满了该怎么办？目前我们预留的设计方案是，历史库的水平拆分，也可以考虑其他存储形式。
水平拆分与垂直拆分组合使用
拆分一直是数据库优化的关键词（无论是库表结构还是SQL写法），它是每个高并发产品最终都要经历的一步。拆分方案的核心主要在于可以通过添加更多RDS实例和数据库（常常为了节约成本，多个数据库可以部署在一个RDS实例上），灵活扩容系统的负载能力。在数据库架构中，水平拆分和垂直拆分一般都是搭配使用的，两者的先后顺序视具体情况而定。一般而言，垂直拆分更容易，也可以为水平拆分做铺垫，一是业务集中，便于提取主表，二是垂直拆分后，可以只水平拆分压力高的表，而业务增长缓慢的表则可以保留单DB，从而提高拆分效率以及降低实施成本（参见图5）。
我们之所以优先水平拆分，主要原因还是成本和效率及当时的一些局限性。只按业务ID（用户）做好路由配置，这样各个库中的结构完全一致，保留了原本的业务逻辑与实现，避免了跨库关联，能大大节省实现成本。
尽管拆分有种种好处，但由于分布式事务及跨库Join的实现复杂度较高及可用性较差，所以分布式事务一般都通过业务层使用乐观锁控制。而跨库的表间关联一定要打断，否则性能和实现复杂度都会超出可接受范围。对于跨库的Join、Group by等问题，都需要在业务层处理。目前我们采用的是分批查询，在业务层组装结果的方式。
有些遗憾的是，由于我们早期使用RDS时，阿里云尚未推出DRDS（分布式数据库）产品，所以上述拆分的数据库底层架构均是由我们自行研发的，投入了大量的精力。而现在有了DRDS，正准备做拆分的团队，则无需再自己造轮子，直接拿来用即可，这样团队可以将更多的精力放在业务上。
小处大有可为
虽然我们在架构上做了优化，但在产品发展过程中还是会出现性能不太理想的情况。在阿里云支持中心和论坛上，也可以看到其他业务型团队反馈使用RDS时遇到类似的情况。最初大家都怀疑是不是RDS的底层资源隔离有问题，多个用户共享资源时发生争抢，导致RDS的性能问题。但在阿里云DBA的指导和协助下，发现是由于产品设计时对数据库的使用太“不拘小节”，而随着并发压力与数据量增加，大量细小的性能问题被放大，集中暴露出来。
解决灯下黑：修正业务层的数据库操作陋习
■ 场景：数据库性能有问题，应优先从业务层分析。
■ 优点：减轻数据库的直接压力，比执行数据库优化方案更加迅速有效。
■ 缺点：业务研发需要关注一些数据库操作内容；有时会牺牲一些业务；产品规模越大实施越困难。
在数据库的优化过程中，研发团队最容易忽视的往往是业务层中的数据库使用。一些优化方案可以作为开发的常态化准则。下面仅列举几个常用的优化方案。
■ 延迟加载。很多页面展现时，单个实体实际只展现部分内容，因此可按需加载，减轻数据库压力，又节省网络流量。延迟加载也可体现在数据库表的拆分设计上。
■ 适当缓存，以空间换时间。对于很多实时性较低或干脆就是数据字典的内容，无需实时到数据库中加载，只需在使用前加载到内存中，实际使用时到内存中获取即可。
■ 减少不必要的开连接（连接池、批量查询及提交）。对于大部分的Web应用，连接池大大减少了系统因开数据库连接产生的开销。而在查询和提交中，将多个任务合并到一次数据库操作中，也可以大大提高数据库使用效率。
■ 乐观锁是高并发下不错的解决方式。相比于数据库的悲观锁，业务层实现的乐观锁，不仅能减少锁争抢，还可以减少数据库的锁开销，进而提高数据库使用效率。
■ 分解大事务。数据库对于大事务的原子性保证，也是不容忽视的开销。业务使用时，尽量将大事务切分为小事务，或者适当利用异步提交，精简事务体积。
■ 合理使用Join。数据库执行计划中，有一条准则是越简单越快速。所以通过适当冗余数据设计或业务层分批查询后内存组装数据，减少数据库Join语句及SQL复杂度，对于数据库执行效率和执行计划的优化都有不可忽视的好处。
挤掉海绵里的水：优化数据库执行计划
■ 场景：并发不多、数据量并不很大，或系统整体压力较低，只有某几个业务点性能较差。
■ 优点：在不改变基本条件的情况下，挖掘数据库更大潜力。
■ 缺点：需要DBA协助或研发团队对数据库执行计划做研究。
由于执行计划的优化往往涉及到数据库的运行机制与底层设计，此处实难三言两语说清。所以下面仅列举几个我们受益颇深的优化方案。建议大家优化执行计划时，多关注、分析iDB Cloud控制台中的性能报告和建议，也尽量多向阿里云DBA们请教，一般可以通过提工单的方式。有条件或兴趣的话，DBA可以通过预约到阿里云现场学习。另外，执行计划的优化需要大量的调试工作，通过在阿里云控制台创建生产数据库的临时实例，可以准确模拟当前系统的数据结构、分布与压力。
字段类型选择
选择合理的字段，往往可以大大减少数据库行数据的大小，并提高索引匹配的效率，进而大大提升数据库性能。使用更小的数据类型，如日期采用date代替datetime、类型或标记使用tinyint代替smallint和int、使用定长字段代替非定长字段（如char代替varchar），都能或多或少减少数据行大小，提高数据库缓冲池的命中率。而作为表字段中特殊的一员―主键，其选型更会对表索引的稳定和效率带来很大的影响，一般建议考虑数据库自增或自主维护的唯一数值。
高分离度字段建立索引
对于查询来讲，高分离度字段往往意味着精准或部分精准的条件。相对来讲是最好优化的一种场景，只需要对分离度较高的字段单独建立索引即可。当然实际使用中会有更多细节需要摸索。精确条件在各业务中基本都会用到，在越复杂的业务场景中，精确条件优先的原则，将是最有效的优化方案。需要注意的是，尽管高分离度字段单独建立索引效率很高，但过多的索引会影响表写入的效率，所以需要谨慎添加。这一点iDB Cloud中有大表索引的建议可以参考。
覆盖索引（Covering Index）
通俗一点理解，就是执行计划可以通过索引完成数据查找和结果集获取，而无需回表（去缓冲池或磁盘查找数据）。而由于MySQL的索引机制限制，一次查询时，将只用到一个索引或将两个索引聚合（index_merge）起来使用，所以意味着复杂的业务场景中，单独对每个字段建立索引可能没有什么用处。所以对于一些特定的查询场景，建立合适的组合索引，应用覆盖索引方法可以避免大量随机I/O，是更为推荐的优化方案（如果执行计划Explain的Extra中有Using Index，就说明使用了覆盖索引）。但实际业务总是会比索引本身更复杂，业务中需要查找或者获取的字段信息往往是很多的，而组合索引并不能涵盖所有的字段（否则我们将拥有一个比数据还要庞大的索引）。此时，为了应用覆盖索引，就需要使用主键延迟关联（Deferred Join），即先通过组合索引中包含的字段条件，初步查询出相对较小的结果集（面向结果集原则），该结果集只包含主键字段；然后通过获取到的这个主键队列，再对数据表做关联。
见招拆招：升配置
■ 场景：性能问题紧迫，团队时间资源有限。
■ 优点：简单粗暴见效快，基本适用于任何优化阶段。
■ 缺点：增加成本；治标不治本，只是延迟问题再次爆发时间；资源总有上限，迟早升无可升。
一般业务型的研发团队，很难有额外的精力投入到数据库方面，也没有专业的DBA来不断调优数据库配置、优化数据库服务器性能。所以早期团队可以选择的方案不多，也很难在技术上深挖下去，只能用成本换时间：性能配置不够，那就升级服务器配置。
那么问题来了：自己部署的数据库要升级配置，除了调整数据库配置参数，还会受到物理机的限制，因此就要考虑更加复杂的数据库备份和同步策略。但这是业务团队所不能接受，甚至短期内无法实现的，升配置也就变成了一个复杂的问题。不过我们使用了RDS，其弹性升级策略，正是这个问题的最佳解决方案。
在长期的数据库乃至整个产品的优化过程中，我感受最深刻的就是：完美的方案可遇不可求。选择方案时，如果能解决80%的问题，并规避或保留剩下的20%，则将大大提升团队的整体效率。产品与架构都是在不断优化演变的，我们要循序渐进、不断努力，将今天的终点留作明天的起点。
总结与展望
作为一位创业公司的技术开发人员，通过实际使用阿里云产品，我总结了几点关于使用云计算产品的优势。
1. 便利的服务器弹性升级功能，可随时应付像“双十一”这样的大促。而通过使用传统IDC托管模式，物理机的维护、升级以及升级后的数据迁移都是比较头疼的。
2. 成熟可靠的数据备份与快照、数据库主从分离与同步的底层方案。创业团队无须承受自己造轮子的代价，可专注于业务开发。
3. 云计算产品经过检验、值得信赖的安全防护。
4. 精简了创业团队人员规模。云计算平台具备专业的技术支持与服务，使得创业团队不再需要数据库和服务器管理员。
除了使用云产品的心得，数据库调优实践是本文的重点。在数据库的架构设计与性能优化方面，我秉承的原则是解决主要问题，按先分而击之、再挖掘细节的步骤，周返往复不断进行，同时系统架构也在这个过程中不断演变。相信随着时间推移，会有更多优秀的方案出现。尤其随着云服务不断发展，业务研发团队投入到基础设施的精力与成本，将会无限减少。会有越来越多专注于业务研发的团队，推出更多优秀的互联网产品，用互联网服务推动企业创新，重塑中小企业信息化形态。
本文中提到的产品在快手上充值成功了怎么还没到账_百度知道
在快手上充值成功了怎么还没到账
在快手上充值成功了怎么还没到账
我有更好的答案
如果不行，下次充值时，要吸取教训，细心一些：腾讯充值系统有延迟一般都是立刻到帐，尽量做好截图，留好充值时间等证据。充值充错QQ号了充错号码，如果能与对方充分友好沟通，一般能申请返还的，最长不超过24小时。如果仍未到账，可以与腾讯客服联系，注意Q币充值成功后仍未到账的原因
采纳率：85%
来自团队：
为您推荐：
其他类似问题
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。新手园地& & & 硬件问题Linux系统管理Linux网络问题Linux环境编程Linux桌面系统国产LinuxBSD& & & BSD文档中心AIX& & & 新手入门& & & AIX文档中心& & & 资源下载& & & Power高级应用& & & IBM存储AS400Solaris& & & Solaris文档中心HP-UX& & & HP文档中心SCO UNIX& & & SCO文档中心互操作专区IRIXTru64 UNIXMac OS X门户网站运维集群和高可用服务器应用监控和防护虚拟化技术架构设计行业应用和管理服务器及硬件技术& & & 服务器资源下载云计算& & & 云计算文档中心& & & 云计算业界& & & 云计算资源下载存储备份& & & 存储文档中心& & & 存储业界& & & 存储资源下载& & & Symantec技术交流区安全技术网络技术& & & 网络技术文档中心C/C++& & & GUI编程& & & Functional编程内核源码& & & 内核问题移动开发& & & 移动开发技术资料ShellPerlJava& & & Java文档中心PHP& & & php文档中心Python& & & Python文档中心RubyCPU与编译器嵌入式开发驱动开发Web开发VoIP开发技术MySQL& & & MySQL文档中心SybaseOraclePostgreSQLDB2Informix数据仓库与数据挖掘NoSQL技术IT业界新闻与评论IT职业生涯& & & 猎头招聘IT图书与评论& & & CU技术图书大系& & & Linux书友会二手交易下载共享Linux文档专区IT培训与认证& & & 培训交流& & & 认证培训清茶斋投资理财运动地带快乐数码摄影& & & 摄影器材& & & 摄影比赛专区IT爱车族旅游天下站务交流版主会议室博客SNS站务交流区CU活动专区& & & Power活动专区& & & 拍卖交流区频道交流区
巨富豪门, 积分 34795, 距离下一级还需 5205 积分
论坛徽章:49
亲，今天你发了几条微博？
亲，今天你在网上晒了几张图片？
亲，你今天分享了几段视频？
发微博，上传图片，上传视频已成为我们生活中再平常不过的事情。你知道每天有多少人跟你一样吗？
我来告诉你，《第28次中国互联网报告》显示，2011年上半年，我国微博用户数量已达到1.95亿，手机网民使用微博的比例也从2010年末的15.5%上升至34.0%。IDC的研究报告称未来十年全球大数据将增加50倍，仅在2011年，我们就将看到1.8ZB（也就是1.8万亿GB）的大数据创建产生。
大数据快速增长的部分原因源于智能设备的普及，比如服装传感器和医疗设备，以及智能建筑，比如大楼和桥梁。此外，非结构化信息——比如文件、电子邮件和视频——将占到未来10年新生数据的90%。
企业也面临同样的窘境，数据快速膨胀，如何通过数据分析从海量的数据中挖掘价值？今年3月，IBM发布了“智慧的运算”（Smarter Computing）战略，旨在围绕大规模的数据整合、优化的系统，以及云计算交付模式，通过整合、自动与安全三个要素，推动IT实现重要转型、创新价值、实践“智慧的地球”。
当大数据遇到云计算，会发生怎样的反应呢？对此我们举办“大数据与云计算”的讨论活动！
讨论话题：
1.结合您企业数据的增长情况，谈谈目前企业数据处理面临哪些困境。
2.据第三方数据显示，基于云的实时分析可以节省超过50%的商业智能成本，并通过协作业务流程服务将员工生产力提升25%。您如何看待数据处理与云计算的结合？您觉得云计算模式将会为大数据处理带来怎样的影响？为什么？
活动时间：
活动规则：
1. 请针对上述问题跟贴回复，分享你的看法；
2. 贴子观点鲜明、理由充分、逻辑清晰；
3. 要求原创，尽可能结合自身实践来谈，抄袭、转载贴不能评选优秀回复贴；
4. 字数不少于40字。
活动奖项：
所有参与本期话题讨论的用户，只需帖子内容切题，均可获得ChinaUnix论坛20积分！
另会选出2名讨论内容精彩，很好地阐述本期讨论主题的用户，获得我们为您提供的手机充值卡礼品一份！价值50元！
评选流程：
1、评选公布：本期活动结束一周后（9月2日前），管理员公布获奖名单，并站内通知获奖用户。
2、礼品快递：在一周之内（9月9日前），获奖用户将相关信息站内发送给社区管理员“风铃之音”，我们将在收到您的信息后第一时间快递礼品！
小富即安, 积分 2770, 距离下一级还需 2230 积分
论坛徽章:27
1.结合您企业数据的增长情况，谈谈目前企业数据处理面临哪些困境。
答：我公司是做CDN服务的，数据量最大的是CDN节点访问日志，BI组需要对这些日志进行合并分析实时给用户提供计费账单，
由于这些日志是分别存放在全国各地的IDC机房的服务器上，分析量很大，分析后的数据汇总要通过跨网传送到计费中心去，再汇总分析，画出流量图，展示计费账单。
1)由于数据量大，网络慢，总是出现计费账单滞后(正常应该能看到5分钟之前的流量图和账单)，
2)并且发现有遗漏统计的日志(这些日志有些甚至是几个月之前的)，这些遗漏的日志并没有察觉，只是偶然发现的。
3)由于日志是分布式计算的，很难控制各个日志服务器上的统计是否完成。
2.据第三方数据显示，基于云的实时分析可以节省超过50%的商业智能成本，并通过协作业务流程服务将员工生产力提升25%。
您如何看待数据处理与云计算的结合？您觉得云计算模式将会为大数据处理带来怎样的影响？为什么？
答：数据处理与云计算的结合或许能够解决由于数据量大导致的实时性差的问题，关键要看这个云计算是否能够很好的和业务结合在一起。
& & 我理想中的是，在各个CDN节点中，开启一台日志服务器虚机，当日志量打到一台虚机无法在规定时间内完成计算任务时，能够自动开启另一台虚机把日志文件分出一半过去，
& & 两台同时进行运算，当两台无法在规定时间内完成计算任务时，再开启3台，依次类推。这样既节省资源又能够在规定时间内完成计算任务。
& & 但是这样带来的是管理的复杂度增加，如何能够很好管理各个虚机上的任务进度是一个很复杂的问题。
& & 但是云计算不能解决的是网络传送延迟的问题。
富足长乐, 积分 5444, 距离下一级还需 2556 积分
论坛徽章:16
丰衣足食, 积分 527, 距离下一级还需 473 积分
论坛徽章:0
面对大数据，您是怎样进行处理分析的？
(1)在数据中心，我们使用了标准的虚拟化以及分布式存储；
(2)我们推出了内存计算技术，用以应对数据应用和分析的挑战。传统的架构存在很大的瓶颈，磁盘读取是以毫秒，而内存读取则是纳秒。
因此，我们将以前需要在应用层做的计算分析，比如预测分析或者大量运算，都放到内存里操作，从而实现性能提升，帮助用户充分利用数据。
丰衣足食, 积分 526, 距离下一级还需 474 积分
论坛徽章:0
海量数据时代对企业和技术人员带来了哪些挑战？
& && &(1)在云计算时代，业务数据与云紧密结合在一起，提供业务开发的能力，我们从中学到了很多新的东西，有一些东西不再是自己去存储和开发，而是都放在云里面存储。技术产品推向市场的方式与以往相比，发生了很大变化。
& & (2)云的这样一种环境也给数据库提供商带来很多技术上的挑战，例如如何保证存储的安全性，包括身份识别的健全。这关系到数据的存储地方，例如现在发货的数据都是放在全球任何一个地方，不是放在某一个国家里面，这就带来关于数据主权的问题，可能有一些国家和政府不允许把数据放在国家某些地方，这都是一些挑战，需要从技术上解决安全等问题。
丰衣足食, 积分 521, 距离下一级还需 479 积分
论坛徽章:0
怎样挖掘数据中的价值？
(1)我举一个直观的匹配广告的例子，它包括两类数据：一类是广告库，即广告内容信息和广告客户信息，这类信息很适合于传统数据库；
(2)另一类信息是用户看到广告之后的一切行为，经历了日积月累，可能会有几百万亿的用户行为。这两种数据可以相结合，经过机器学习算法就能产生价值。
(3)显然，第二种信息更重要，因为它能给用户提供想要的信息，比如搜索一个词，可以利用所有用户在他之前、在他之后的群体智能、群体行为，判定哪一类的信息最重要、最优质，哪一类信息可能是作弊信息，然后经过反馈机制，把最好的内容提供给用户，甚至推荐相关的一些搜索、查询信息。总而言之，对任何企业来说，数据是命根子；对云计算来说，数据处理就是云数据中心或者云计算存在的理由。
丰衣足食, 积分 542, 距离下一级还需 458 积分
论坛徽章:0
海量数据处理的三个主要因素：大容量数据、多格式数据和速度
(1)大容量数据（TB级、PB级甚至EB级）：人们和机器制造的越来越多的业务数据对IT系统带来了更大的挑战，数据的存储和安全以及在未来访问和使用这些数据已成为难点。
(2)多格式数据：海量数据包括了越来越多不同格式的数据，这些不同格式的数据也需要不同的处理方法。从简单的电子邮件、数据日志和信用卡记录，再到仪器收集到的科学研究数据、医疗数据、财务数据以及丰富的媒体数据（包括照片、音乐、视频等）。
(3)速度：速度是指数据从端点移动到处理器和存储的速度。
丰衣足食, 积分 546, 距离下一级还需 454 积分
论坛徽章:0
大规模数据处理技术云计算
说云计算之前，我们可以先对网格计算有一定的认识，这样就更容易理解云计算。网格计算是利用互联网把分散在不同地理位置的电脑组织成一个“虚拟的超级计算机”，其中每一台参与计算的计算机就是一个“节点”，而整个计算是由成千上万个“节点”组成的“一张网格”， 所以这种计算方式叫网格计算。这样组织起来的“虚拟的超级计算机”有两个优势，一个是数据处理能力超强；另一个是能充分利用网上的闲置处理能力。简单地讲，网格是把整个网络整合成一台巨大的超级计算机，实现计算资源、存储资源、数据资源、信息资源、知识资源、专家资源的全面共享。
& && && &网格计算的主要目的是设计一种能够提供以下功能的系统：提高或拓展型企业内所有计算资源的效率和利用率，满足最终用户的需求，同时能够解决以前由于计算、数据或存储资源的短缺而无法解决的问题。建立虚拟组织，通过让他们共享应用和数据来对公共问题进行合作。
整合计算能力、存储和其他资源，能使得需要大量计算资源的巨大问题求解成为可能。 通过对这些资源进行共享、有效优化和整体管理，能够降低计算的总成本。
& && &&&那么云计算是如何进行工作的？ 这就好比是现在的超级计算机主要被需要处理复杂计算任务的军队，政府以及情报机构，大学以，研究实验室以及大公司所使用，这些任务可能是模拟核爆炸，预测天气变化，设计飞机，研究新药等。而云计算的目的是将这种超级计算能力带给那些需要进行金融企业分析，传输医疗信息甚至进行计算机游戏的互联网用户。云计算通常使用低价的个人用户电脑技术。
　　&&云计算能给企业带来什么?
　　据IBM有关负责人介绍，“蓝云”计划是IBM近期的重要项目，堪比2000年时对Linux的支持。云计算到底能为用户带来什么，让IBM如此重视?举个例子，比如一家银行，总行在周末的时候进行业务结算，需要调用大量计算资源，借助“云计算”，可以将总行系统中的其他运算，如后勤、维护等放到省一级银行的数据中心，保证总行数据中心有足够的计算能力。当然，这需要大量的计设备和极高的带宽保障。
　　云计算是信息技术进一步发展趋势
　　很多专家认为，云计算是信息技术的进一步发展趋势，可使IT公司销售更多为云计算量身定制的硬件、软件和服务。近几年，IBM在数据中心高效运行上做了很多努力，并且集中桌面电脑和其他设备，在数据中心中运行更多的计算任务。它们被命名为“自动的”、“有效的”网格计算。那些概念和研究工作，已经为云计算作出了富有成效的贡献。专家称，很多工具已经添加进来，用户扩展横跨很多机器的计算工作，并且使编程更加简单。那些很可能扩大云计算范围的进步，已经越来越多的来自于敢于应对互联网搜索的研究员们。
　　“从某种意义上说，云计算是网格计算模型自然而然的进一步发展。来自IDC研究公司的分析师Frank Gens认为。“所不同的是，Google的编程模式，以及它真正的开放性。普通人也可以编写应用程序，而不必非得是斯坦福或者卡耐基梅隆大学的博士。”
　　云计算技术是否超前？
　　原因在于，如果说云计算是网格计算模型进一步发展，那么看一看现在网格计算的应用，普及程度一直不高。所以，从网格发展到云计算则需要更长的时间。
　　因为网格也好，云计算也好，都需要大型生态系统，简单去经销商那里去购买是不可行的。从成本考虑，在不同的公司，甚至不同的国家间分享资源固然很好，但如此带来额外的开销如何承担?就算是企业内部，各分公司于总公司之间成本如何分担?此外，将用有公司很多关键商业资源的数据交给一个共享资源环境中的其他人来执行，是否安全？
丰衣足食, 积分 548, 距离下一级还需 452 积分
论坛徽章:0
虚拟化数据中心将面临重大安全威胁
如今，大大小小的公司都在实施或计划实施虚拟化技术，从而由物理数据中心向虚拟化数据中心迁移。因而，除了其他方面需要考虑外，这种虚拟化数据中心的安全性尤其需要认真考虑。你可能认为，由于自己早已在物理数据中心部署了足够有效的安全解决方案，为什么还需要虚拟机保护措施?已经实施了虚拟化技术的那些人会进一步支持这种观点，表示如今的虚拟化领域几乎没有任何安全威胁。那么，为什么还要为此而担忧呢?
　　上述这两个问题都有根有据;但考虑到安全威胁一直呈日益增长的势态，我们将很快看到虚拟化数据中心出现安全漏洞。你会发现，VMware、思杰和微软等所有虚拟化技术厂商其实都已经在给各自的软件打补丁，以堵住漏洞。
　　数据中心是下一个目标
　　为什么会出样?答案很简单。如今的每一款软件都很容易遭到安全威胁的攻击;既然如此，虚拟化也不例外：因为归根结蒂，虚拟化也是一款软件。现在没有威胁，并不代表以后仍然没有威胁。随着更多的公司将虚拟化技术部署到各自的数据中心环境，黑客们会逐渐转移重心，开始寻找虚拟化环境中的安全漏洞。趋势科技印度公司总经理Amit Nath在谈到云安全时说：“在虚拟化数据中心，虚拟机这部分变得越来越重要。有人迟早会攻击虚拟机。我们从未听说过虚拟化环境存在太多的安全威胁，但是在接下来的6至9个月，我们会看到更多的威胁和攻击。”
　　虚拟化数据中心没有边界安全
　　大多数CIO可能认为，自己的物理数据中心得到了所有最新的安全解决方案的妥善保护。对此，Amit补充说：“你部署了虚拟化技术后，边界安全不复存在，因为你其实不知道自己的各个虚拟机在什么地方。”在虚拟化环境下，虽说你减少了物理服务器的数量，但同时也把众多的虚拟机塞入到了单一的物理服务器上。这样一来，就很难跟踪虚拟机了。另外，你可能会创建备用虚拟机;那样万一主虚拟机出现了故障，备用虚拟机就可以顶上，实现故障切换机制。此外，由于需要部署更多的应用程序，因而会增加更多的虚拟机。在这样一种情况下，虚拟机从一台物理服务器无缝转移到另一台物理服务器上，该如何跟踪那么多的虚拟机?
　　关注虚拟机安全
　　所以最后，既然虚拟机技术面临的安全威胁可能会出现，你该怎么办?你显然需要能够应对那些威胁的安全软件。重申一下，你需要牢记几个方面。首先，你准备在每一个虚拟机上安装单独的反恶意软件程序吗?这是个繁琐的过程，而且很耗费资源。Amit Nath说：“设想一下，同时在你的所有虚拟机上运行反病毒扫描。这完全会拖垮系统的性能。”因而你需要的是一种不会严重消耗系统资源的解决方案。不然，你无法把所需的众多虚拟机塞入到单单一台物理服务器上。因而，你就经常需要购买更多的硬件服务器，从而降低了实施虚拟化技术所带来的投资回报。
丰衣足食, 积分 551, 距离下一级还需 449 积分
论坛徽章:0
NEDC 是未来企业发展的愿景，是我们需要达到的目标，它能够通过详细的规划、清晰的发展路线得以实现。通过它，我们可以利用最佳实践和最先进的技术来更好的控制成本、改进运行效率、提高灵活性，并能够对业务需求进行快速响应。 NEDC 的基本目标包括以下几个方面：
（1）通过简化的 IT 架构来应对新的经济模式： NEDC 帮助客户克服传统的运营问题，实现更高层次的高效性、灵活性以及高度响应性。通过使用虚拟化技术，能够将应用和商业业务从底层的 IT 资源中分离出来，以提高它们的可移植性，并能够充分利用更加优化的系统和网络资源以提高效率、降低整体成本。
（2）提高管理能力来加速服务交付：提供优质服务的能力对于任何规模的企业都是非常重要的。服务管理能提供可视化、控制以及自动化来为企业提供优质服务，从而保证用户的满意度，确保成本效益和投资回报率。
（3）通过创新把 IT 和业务紧密地结合在一起：一个高效的和共享的基础设施可以帮助客户对新的业务需求做出快速响应，提供对实时收集的信息做出正确决策的能力。通过使用工具，我们可以从传统运营工作中腾出更多的资源，用于对交易、信息以及业务等方面的分析上。}