依据美国国家规范与技能研讨院（National Institute of Standards and Technology，NIST）的界说，上述核算资源包括网络、服务器、存储、运用和服务等，这些资源能够快速地供给和收回，而所触及的办理开支要尽或许小。
一般来说，云核算能够被看作通过核算机通讯网络（例如互联网）来供给核算服务的分布式体系，其首要方针是运用分布式资源来处理大规划的核算问题。
云中的资源对用户是通明的，用户无须知晓资源地址的详细位置。这些资源能够徘徊被许多用户同享，用户能够在任何时刻、任何地址拜访运用程序和相关的数据。
这项服务是云核算供给的最简略的内容，其触及大规划的核算资源的交给，这些核算资源包括存储空间、运算才能和网络带宽等。
这项服务为云核算供给了运用程序的接口。关于云核算来说，基础设施即服务在许多运用场景下才能缺少。
跟着网络运用程序数的井喷式增加，渠道即服务的相关研讨与运用逐渐出现。许多全球性的跨国公司都不谋而合地寻求在云核算渠道方面称雄，就像微软在个人电脑领域地点的位置相同。渠道即服务的典型事例有谷歌运用引擎（Google App Engine，GAE）、微软云（Microsoft Azure）等。
这项服务旨在供给终端用户能够直接运用的服务，这儿的服务能够了解为布置在互联网上的软件。这样的服务办法在很大程度上代替了在个人电脑上运转的传统运用程序。
在物/设备层，比如传感器、履行器等物联网特定的硬件能够被增加至已有的中心硬件中，嵌入式的软件能够被修正或集成进已有的体系，以便办理和操作详细的设备。
在衔接层，由通讯协议来完成单个物/设备与云之间的通讯，例如音讯行列遥测传输（Message Queuing Telemetry Transport，MQTT）协议。
在物联网云层，设备通讯协议和办理软件用来和谐、供给和办理相互衔接的物/设备，由运用渠道来完成物联网运用程序的开发和履行。此外，物联网云层还引进了剖析与数据办理软件来存储、处理和剖析由物/设备发生的数据。针对跨物/设备、人员和体系的进程监测，引进了进程办理软件来进行界说和履行。关于给定的意图，由物联网运用程序软件来和谐物/设备、人员和体系之间的交互。
在上述三层的全域规划内，还存在特定的软件构件来对物联网体系全体的身份和安全进行办理，以及供给与商业体系和外部信息源的集成，常见的商业体系和外部信息源类型有企业资源计划（Enterprise Resource Planning，ERP）体系和客户联系办理（CRM）体系，外部信息源一般是指来自第三方的信息。
在议论物联网技能时，“物联网渠道”（IoT platform）是一个提及频次很高的概念。在核算领域，术语“渠道”是一个相对广泛的概念，有些文献将渠道界说为一组有机结合起来的技能，依据这些技能，能够开发其他的运用程序。
物联网渠道本质上是软件产品，其供给许多与运用程序无关的功用，运用这些功用能够构建物联网运用程序。关于各种不同的物联网渠道，其供给者所偏重的物联网技能不同，因而所供给的功用调集也是不同的。
换言之，物联网渠道的装备没有共同的规范，可是存在很多针对不同领域特定需求的物联网渠道，例如ThingSpeak、DeviceHive、Xively、WSO2以及海尔COSMOPlat等。
一般来说，物联网能够在云核算的虚拟办法的无限核算才能和资源上补偿本身的技能性约束（例如存储、核算才能和通讯才能）。
云核算能够为物联网中服务的办理和组合供给高效的处理计划，徘徊能够完成运用物联网中发生的数据的运用程序和服务。关于物联网来说，云核算能够以愈加分布式的、动态的办法来扩展其能处理的实在世界中物/设备的规划，从而交给许多实践生活中的场景所需求的服务。
在大都情况下，云核算能够供给物与运用程序之间的中间层，徘徊将完成运用程序所必需的复杂性和功用都躲藏起来，这将影响未来的运用程序开发。在未来的多云环境下，运用程序的开发面临着来自信息的搜集、处理和传输等方面的新应战。
制作（manufacturing）是物联网在工业领域最大的商场，触及软件、硬件、连通性和服务等。跟着物联网的引进，由质料、工件、机器、东西、库存和物流等组成的工业体系构成了施行制作进程的出产单元，上述这些构件之间能够相互通讯。
物联网供给的连通性驱动了各项操作技能（Operational Technology，OT）的实践功能的收敛性，这儿的操作技能包括机械手、传送带、外表、发电机等。在整个制作进程中，传感器、分布式控制以及安全软件发挥着“胶水”的效果。当时，工业领域有远见的企业都将出产线和出产进程构建在了物联网之上。
运送（transportation）是物联网在工业领域的第二大商场。当时，在很多城市中出现的智能运送网络能够优化传统运送网络中的途径，生成高效、安全的道路，下降基础设施的开支并缓解交通拥塞。航空、铁路、城际等货运公司能够集成海量的数据来对需求进行实时剖析，完成统筹规划和优化操作。
跟着物联网和云核算技能的开展，海量的数据以史无前例的速度从异构数据源发生，这些数据源地址的领域有医疗健康、政府安排、交际网络、环境监测和金融商场等。
在这些现象的背面，存在许多强壮的体系和分布式运用程序来支撑与数据相关的操作，例如智能电网（smart grid）体系、医疗健康（healthcare）体系、零售业（retailing）体系、政府（government）体系等。
在大数据的革新发生之前，绝大大都安排和公司都没有才能长时间保存归档数据，也无法高效地办理和运用大规划的数据集。实践上，现有的传统技能能够应对的存储和办理规划都是有限的。在大数据环境下，传统技能缺少可扩展性和灵活性，其功能也无法令人满意。
当时，针对海量的数据集，需求规划包括清洗、处理、剖析、加载等操作的可行性计划。业界的公司越来越意识到针对大数据的处理与剖析是使企业具有竞争力的重要因素。
当时大数据在各个领域的广泛遍及使得学界与业界对大数据的界说很难到达共同。不过有一点一致是，大数据不仅是指许多的数据。通过对现有大数据的界说进行整理，咱们总结出三种对大数据进行描绘和了解的界说。
作为大数据研讨与运用的前驱，世界数据公司（International Data Corporation，IDC）在戴尔易安信（DELL EMC）公司的赞助下于2011年提出了如下大数据的界说：
大数据技能描绘了技能与体系结构，其规划初衷是通过施行高速的捕获、发现以及剖析，来经济性地提取许多具有广泛类型的数据的价值。
该界说旁边面描绘了大数据的四个明显特征：数量、速度、多样化和价值。由Gartner公司剖析师Doug Laney总结的研讨陈述中给出了与上述界说相似的描绘，该研讨指出数据的增加所带来的应战与机会是三个维度的，即明显增加的数量（Volume）、速度（Velocity）和多样化（Variety）。
虽然Doug Laney关于数据在三个维度的描绘开始并不是要给大数据下界说，但包括IBM、微软在内的业界在这以后的十年间都沿袭上述“3V”模型来对大数据进行描绘。
虽然该陈述没有在详细的衡量规范方面临大数据给出界说，但其引进了一个革命性的方面，即怎样的数据集才能够被称为大数据。
大数据是指数据的数量、获取的速度以及数据的表明约束了运用传统联系数据库办法进行有用剖析的才能，需求运用具有杰出可扩展性的新式办法来对数据进行高效的处理。
大数据是一个包括了在合理时刻内对潜在的超大数据集完成捕获、处理、剖析和可视化的领域，而且传统的信息技能无法担任上述要求。
数据的数量又称为数据的规划，在大数据中，其是指在进行数据处理时所面临的超大规划的数据量。现在，海量的数据继续不断地从千百万设备和运用中发生（例如信息通讯技能、智能手机、软件代码、交际网络、传感器以及各类日志）。
McAfee公司在2012年预算：在2012年的每一天中，全球都发生着2.5EB的数据，而且该数值约每40个月完成翻倍。
2013年，世界数据公司（IDC）预算全球所发生、仿制和消费的数据现已到达4.4ZB，而且该数值约每两年完成翻倍。
到2015年，全球发生的数据将到达8ZB。依据IDC的研讨陈述，全球发生的数据将在2020年到达40ZB。
在大数据中，数据的速度是指在进行数据处理时所面临的具有高频率和高实时性的数据流。高速生成的数据应当及时进行处理，以便提取有用的信息和洞悉潜在的价值。
在大数据中，数据的多样化是指在进行数据处理时所面临的具有不同语法格局的数据类型。跟着物联网技能与云核算技能的遍及，海量的多源异构数据从不同的数据源以不同的数据格局继续地发生，典型的数据源有传感器、音频、视频、文档等。
海量的异构数据构成各式各样的数据集，这些数据集或许包括结构化数据、半结构化数据、非结构化数据，数据集的特点或许是揭露或隐私的、同享或秘要的、完好或不完好的，等等。
复杂性（complexity），这儿的复杂性是指拜访数据之间联系的进化，海量数据的安排和剖析均很困难；
不变性（immutability），这儿的不变性是指假如进行妥善办理，那么通过存储的海量数据能够永久保存。
在商界，决议计划者一般不会彻底信赖从大数据中提取出的信息，而会进一步对信息进行加工和处理，然后做出更好的决议计划。假如决议计划者不信赖输入数据，那么输出数据也不会取得信赖，这样的数据不会参加决议计划进程。
跟着大数据中数据规划的一日千里和数据品种的多样化，怎么更好地衡量和提高数据可信度成为一个研讨热门。
假如无法从数据中有用地提取出潜在的价值，那么这些数据在某种程度上便是没用的。数据的价值是决议计划者最重视的方面，其需求细心且仔细的研讨。现在，现已有许多的人力、物力和财力投入到大数据的研讨和运用中，这些出资行为都希望从海量数据中取得有价值的内容。
可是，关于不同的安排和不同的价值提取办法，相同的数据集所发生的价值差异或许很大，即投入与产出并不一定成正比。因而，对大数据价值的研讨需求树立愈加完善的体系。
关于作者：高聪，男，1985年11月生，西安电子科技大学核算机科学与技能专业学士，核算机体系结构专业硕士、博士。自2015年12月至今，在西安邮电大学核算机学院任教，首要研讨方向：数据感知与交融、边际核算和无线传感器网络。
