云計算是以數據為中心的一種數據密集型的超級計算。在數據存儲、數據管理、編程模式、并發(fā)控制、系統管理等方面具有自身獨特的技術。

　　海量分布式存儲技術

　　為保證高可用、高可靠和經濟性，云計算采用分布式存儲的方式來存儲數據和冗余存儲的方式來保證存儲數據的可靠性，從而提供廉價可靠的系統。為了滿足大量用戶的需求，數據存儲技術必須具有高吞吐率和高傳輸率的特點。

　　云計算的數據存儲系統主要有Google GFS(Google File System)和Hadoop開發(fā)團隊的開源系統HDFS(Hadop Distributed File System)。大部分IT廠商，包括Yahoo、Intel的“云”計劃采用的都是HDFS的數據存儲技術。

　　并行編程模式

　　為了高效地利用云計算的資源，使用戶能更輕松地享受云計算帶來的服務，云計算的變成哦是必須保證后臺復雜的并行執(zhí)行和任務調度向用戶和編程人員透明。云計算采用MapReduce編程模式，將任務自動分成多個子任務，通過Map和Reduce兩部實現任務在大規(guī)模計算節(jié)點中的調度與分配。

　　數據管理技術

　　云計算系統對大數據集進行處理、分析，向用戶提供高效的服務。因此，數據管理技術必須能夠高效地管理大數據集。其次，如何在規(guī)模巨大的數據中找到特定的數據，也是云計算數據管理技術所必須解決的問題。云系統的數據管理往往采用列存儲的數據管理模式，保證海量數據存儲和分析性能。云計算的數據管理技術最著名的是Googe的BigTable數據管理技術，同事Hadop開發(fā)團隊開發(fā)了累死BigTable的開源數據管理模塊HBase。

　　分布式資源管理技術

　　在多節(jié)點并發(fā)執(zhí)行環(huán)境，分布式資源管理系統是保證系統狀態(tài)正確性的關鍵技術。系統狀態(tài)需要在多節(jié)點之間同步，關鍵節(jié)點出現故障時需要遷移服務，分布式資源管理技術通過鎖機制協調多任務對于資源的使用，從而保證數據操作的一致性。Google的Ghubby是最錐你給的分布式資源管理系統。

　　云計算平臺管理技術

　　云計算資源規(guī)模龐大，一個系統的服務器數量可能會高達十萬臺并跨越幾個坐落于不同物理地點的數據中心，同時還運行成百上千種應用。如何有效地管理這些服務器，保證這些服務器組成的系統能提供7*24小時不間斷服務是一個巨大的挑戰(zhàn)。云計算系統管理技術是云計算的“神經網絡”，通過這些技術能夠是大量的服務器協同工作，方便地進行業(yè)務部署和開通，快速發(fā)現和恢復系統故障，通過自動化、智能化的手段實現大會磨系統的可運營、可管理。Google通過其卓越的云計算管理系統維持著全球上百萬臺PC服務器協同、高效地運行，起云計算系統管理技術也被作為企業(yè)核心機密，至今沒有公布任何技術資料。

　　綠色節(jié)能技術

　　云計算技術降低了服務器的采購成本，從而使電源消耗所帶來的運營成本成為云計算計算中心的主要開支之一，為了進一步降低成本，云計算的先去在綠色節(jié)能技術上進行了大量探索。

　　傳統數據中心空調冷卻的費用約占整體電費的30%—70%，Google為了節(jié)省能源，在比利時的數據中心降溫系統無需冷卻劑，而是采取額室外空氣進行自然冷卻。根據比利時的氣候條件，每年只有7天左右無法使用自由冷卻方式。在比較炎熱的夏天，Google可以通過云計算管理系統將該數據中心的計算任務轉移到其他數據中心中。