數(shù)字素養(yǎng)與技能 課件 模塊十大數(shù)據(jù)技術(shù)

主講人：時間：20XX.XX模塊十

大數(shù)據(jù)技術(shù)CONTENTS01單元1大數(shù)據(jù)技術(shù)概述02單元2大數(shù)據(jù)技術(shù)應(yīng)用案例03單元3災(zāi)難備份與業(yè)務(wù)連續(xù)性技術(shù)大數(shù)據(jù)技術(shù)概述202X單元1單元1大數(shù)據(jù)技術(shù)概述大數(shù)據(jù)是指規(guī)模龐大、復(fù)雜多樣、數(shù)據(jù)流快速增長的數(shù)據(jù)集合。大數(shù)據(jù)技術(shù)是指用于收集、存儲、處理和分析大數(shù)據(jù)的技術(shù)手段和方法。大數(shù)據(jù)技術(shù)的核心目標(biāo)是從海量數(shù)據(jù)中挖掘有價值的信息，以幫助企業(yè)做出更明智的決策。圖10-1-1所示大數(shù)據(jù)云圖，用圖形化的形式表述了大數(shù)據(jù)的某些特征。一、基本概念單元1大數(shù)據(jù)技術(shù)概述大數(shù)據(jù)已經(jīng)實實在在地改變了我們的生活，滲透到人們衣食住行的每一個角落。那么大數(shù)據(jù)到底是怎樣工作的？圖簡單演示了大數(shù)據(jù)的主要處理步驟，主要包括數(shù)據(jù)采集、數(shù)據(jù)存儲、數(shù)據(jù)處理、數(shù)據(jù)運用等主要環(huán)節(jié)。一、基本概念單元1大數(shù)據(jù)技術(shù)概述1．?dāng)?shù)據(jù)采集大數(shù)據(jù)處理的第一步是數(shù)據(jù)的收集或匯總?，F(xiàn)在的中大型項目通常采用微服務(wù)架構(gòu)進(jìn)行分布式部署，所以數(shù)據(jù)的采集會在多臺服務(wù)器上進(jìn)行，且采集過程不能影響正常業(yè)務(wù)的開展?；谶@種需求，就衍生了多種日志收集工具，如Flume、Logstash、Kibana等，它們都能通過簡單的配置完成復(fù)雜的數(shù)據(jù)收集和數(shù)據(jù)聚合。一、基本概念單元1大數(shù)據(jù)技術(shù)概述2．?dāng)?shù)據(jù)存儲收集到數(shù)據(jù)后，數(shù)據(jù)該如何進(jìn)行存儲？MySQL、Oracle等傳統(tǒng)的關(guān)系型數(shù)據(jù)庫是大家最為熟知的，它們的優(yōu)點是能夠快速存儲結(jié)構(gòu)化的數(shù)據(jù)，并支持多種訪問和處理方式。但大數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)通常是半結(jié)構(gòu)化（如日志數(shù)據(jù)），甚至是非結(jié)構(gòu)化的（如視頻、音頻數(shù)據(jù)），為了解決海量半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的存儲，衍生了HadoopHDFS、KFS、GFS等分布式文件系統(tǒng)，它們都能夠支持結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的存儲，并可橫向擴(kuò)展。分布式文件系統(tǒng)完美地解決了海量數(shù)據(jù)存儲的問題，但是一個優(yōu)秀的數(shù)據(jù)存儲系統(tǒng)必須同時考慮數(shù)據(jù)存儲和訪問兩方面的問題，比如你希望能夠?qū)?shù)據(jù)進(jìn)行隨機(jī)訪問，這是傳統(tǒng)的關(guān)系型數(shù)據(jù)庫所擅長的，但卻不是分布式文件系統(tǒng)所擅長的，那么有沒有一種存儲方案能夠同時兼具分布式文件系統(tǒng)和關(guān)系型數(shù)據(jù)庫的優(yōu)點呢？基于這種需求，就產(chǎn)生了HBase、MongoDB。一、基本概念單元1大數(shù)據(jù)技術(shù)概述3．?dāng)?shù)據(jù)處理數(shù)據(jù)處理通常分為數(shù)據(jù)批處理和數(shù)據(jù)流處理兩種。數(shù)據(jù)批處理：對一段時間內(nèi)海量的離線數(shù)據(jù)進(jìn)行統(tǒng)一的處理，對應(yīng)的處理框架有HadoopMapReduce、Spark、Flink等。數(shù)據(jù)流處理：對運動中的數(shù)據(jù)進(jìn)行處理，即在接收數(shù)據(jù)的同時就對其進(jìn)行處理，對應(yīng)的處理框架有Storm、SparkStreaming、FlinkStreaming等。數(shù)據(jù)批處理和數(shù)據(jù)流處理各有適用的場景，時間不敏感或者硬件資源有限時，可以采用數(shù)據(jù)批處理；時間敏感和及時性要求高就可以采用數(shù)據(jù)流處理。隨著服務(wù)器硬件的價格越來越低和大家對及時性的要求越來越高，數(shù)據(jù)流處理將越來越普遍，如股票價格的實時預(yù)測和電商運營數(shù)據(jù)分析等。一、基本概念單元1大數(shù)據(jù)技術(shù)概述4．?dāng)?shù)據(jù)運用這是前面數(shù)據(jù)采集、數(shù)據(jù)存儲、數(shù)據(jù)處理的目的所在，是數(shù)據(jù)的具體應(yīng)用之所在，也是數(shù)據(jù)核心價值體現(xiàn)之所在。它所涉及的領(lǐng)域廣、種類多、形式復(fù)雜、效果巨大。一、基本概念單元1大數(shù)據(jù)技術(shù)概述1．分布式存儲系統(tǒng)Hadoop是目前最流行的分布式存儲系統(tǒng)，它可以將數(shù)據(jù)分散存儲在多個服務(wù)器上，提高數(shù)據(jù)的可靠性和可擴(kuò)展性。2．分布式計算框架Spark是一種高效的分布式計算框架，它可以在大規(guī)模數(shù)據(jù)集上進(jìn)行快速的數(shù)據(jù)處理和分析。3．?dāng)?shù)據(jù)挖掘和機(jī)器學(xué)習(xí)算法常用的數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)算法包括聚類、分類、回歸和關(guān)聯(lián)規(guī)則挖掘等，這些算法可以幫助從大數(shù)據(jù)中發(fā)現(xiàn)隱藏的模式和規(guī)律。4．?dāng)?shù)據(jù)可視化工具Tableau和PowerBI等數(shù)據(jù)可視化工具可以將大數(shù)據(jù)處理結(jié)果以直觀的圖表和圖形展示，幫助用戶更好地理解和分析數(shù)據(jù)。二、常用的大數(shù)據(jù)處理工具和技術(shù)單元1大數(shù)據(jù)技術(shù)概述5．實時數(shù)據(jù)處理Kafka是一種高吞吐量的分布式消息系統(tǒng)，可以實時處理大量的數(shù)據(jù)流，適用于實時監(jiān)控、日志分析等場景。6．?dāng)?shù)據(jù)分析工具永洪vividimeDesktopBasic是一款免費智能數(shù)據(jù)分析工具，基于本機(jī)安裝，省去煩瑣的部署環(huán)節(jié)，即裝即用。它提供一站式、敏捷、高效的數(shù)據(jù)治理及可視化分析、AI深度分析能力，可以幫助每一位用戶輕松實現(xiàn)數(shù)據(jù)分析和數(shù)據(jù)可視化工作。圖為vividimeDesktopBasic的操作界面。二、常用的大數(shù)據(jù)處理工具和技術(shù)大數(shù)據(jù)技術(shù)應(yīng)用案例202X單元2單元2物聯(lián)網(wǎng)傳感設(shè)備介紹推薦系統(tǒng)是自動聯(lián)系用戶和信息的一種工具，它通過研究用戶的興趣愛好，來進(jìn)行個性化推薦。以Google和百度為代表的搜索引擎可以讓用戶通過輸入關(guān)鍵詞精確找到自己需要的相關(guān)信息。但是，搜索引擎需要用戶提供能夠準(zhǔn)確描述自己的需求的關(guān)鍵詞，否則搜索引擎就無能為力了。與搜索引擎不同的是，推薦系統(tǒng)不需要用戶提供明確的需求，而是通過分析用戶的歷史行為來對用戶的興趣進(jìn)行建模，從而主動給用戶推薦可滿足他們興趣和需求的信息。每個用戶所得到的推薦信息都是與自己的行為特征和興趣有關(guān)的，而不是籠統(tǒng)的大眾化信息。一、推薦系統(tǒng)概述單元2物聯(lián)網(wǎng)傳感設(shè)備介紹圖展示了推薦引擎的工作原理，它接收的輸入是需要的數(shù)據(jù)源，一般情況下，推薦引擎所需要的數(shù)據(jù)源包括以下幾點：●物品信息（或內(nèi)容的元數(shù)據(jù)），如關(guān)鍵字、基因描述等。●已有的用戶信息，如性別、年齡等。用戶對物品（或者信息）的偏好，根據(jù)應(yīng)用本身的不同，可能包括用戶對物品的評分、查看、購買等行為的記錄情況。一、推薦系統(tǒng)概述單元2物聯(lián)網(wǎng)傳感設(shè)備介紹用戶的偏好信息可以分為顯式用戶反饋和隱式用戶反饋兩大類。（1）顯式用戶反饋是用戶在網(wǎng)站上自然瀏覽或者用戶（顯式地）提供的反饋信息，如用戶對物品的評分或評論等。（2）隱式用戶反饋是用戶在使用網(wǎng)站時產(chǎn)生的數(shù)據(jù)，隱式地反映了用戶對物品的偏好，如用戶購買了某物品，用戶多次查看了某類物品等信息。一、推薦系統(tǒng)概述單元2物聯(lián)網(wǎng)傳感設(shè)備介紹大部分推薦引擎的工作原理是基于物品或者用戶的相似集進(jìn)行推薦，所以可以對推薦機(jī)制進(jìn)行以下分類。二、推薦機(jī)制01基于人口統(tǒng)計學(xué)的推薦02基于內(nèi)容的推薦03基于協(xié)同過濾的推薦單元2物聯(lián)網(wǎng)傳感設(shè)備介紹1．基于人口統(tǒng)計學(xué)的推薦基于人口統(tǒng)計學(xué)的推薦機(jī)制可根據(jù)用戶的基本信息發(fā)現(xiàn)用戶的相關(guān)程度，然后將相似用戶喜愛的物品推薦給當(dāng)前用戶，圖描述了這種推薦機(jī)制的工作原理。從圖中可以很清楚地看出，首先，系統(tǒng)對每個用戶都有一個用戶基本信息的模型，其中包括用戶的年齡、性別等；然后，系統(tǒng)會根據(jù)用戶的基本信息計算用戶的相似度，可以看到用戶A的基本信息和用戶C一樣，所以系統(tǒng)會認(rèn)為用戶A和用戶C是“相似用戶”，在推薦引擎中，可以稱他們是“鄰居”；最后，基于“鄰居”用戶群的喜好推薦給當(dāng)前用戶一些物品，圖為將用戶A喜歡的物品A推薦給用戶C。二、推薦機(jī)制單元2物聯(lián)網(wǎng)傳感設(shè)備介紹2．基于內(nèi)容的推薦基于內(nèi)容的推薦是在推薦引擎出現(xiàn)之初應(yīng)用最為廣泛的推薦機(jī)制，它的核心思想是，根據(jù)推薦物品或內(nèi)容的元數(shù)據(jù)，發(fā)現(xiàn)物品或內(nèi)容的相關(guān)性，然后基于用戶以往的偏好記錄，推薦給用戶相似的物品。圖描述了基于內(nèi)容推薦的基本原理。圖中給出了基于內(nèi)容推薦的一個典型的例子，即電影推薦系統(tǒng)。首先，需要對電影的元數(shù)據(jù)進(jìn)行建模，這里只簡單地描述了電影的類型。然后，通過電影的元數(shù)據(jù)發(fā)現(xiàn)電影間的相似度，由于電影A和電影C的類型都是“愛情、浪漫”，所以它們會被認(rèn)為是相似的電影。最后，實現(xiàn)推薦，由于用戶A喜歡看電影A，那么系統(tǒng)就可以給他推薦類似的電影C。二、推薦機(jī)制單元2物聯(lián)網(wǎng)傳感設(shè)備介紹3．基于協(xié)同過濾的推薦隨著移動互聯(lián)網(wǎng)的發(fā)展，網(wǎng)站更加提倡用戶參與和用戶貢獻(xiàn)，因此基于“協(xié)同過濾”的推薦機(jī)制應(yīng)運而生。協(xié)同過濾的原理就是，根據(jù)用戶對物品或者信息的偏好，發(fā)現(xiàn)物品之間或者內(nèi)容之間的相關(guān)性，或者發(fā)現(xiàn)用戶之間的相關(guān)性，然后再基于這些相關(guān)性進(jìn)行推薦?；趨f(xié)同過濾的推薦可以分為3個子類：基于用戶的協(xié)同過濾推薦、基于項目的協(xié)同過濾推薦和基于模型的協(xié)同過濾推薦。二、推薦機(jī)制030201基于用戶的協(xié)同過濾推薦?；谟脩舻膮f(xié)同過濾推薦的基本原理是，根據(jù)所有用戶對物品或者信息的偏好，發(fā)現(xiàn)與當(dāng)前用戶口味和偏好相似的“鄰居”用戶群?；谀Ｐ偷膮f(xié)同過濾推薦?；谀Ｐ偷膮f(xié)同過濾推薦就是指，基于樣本的用戶偏好信息，采用機(jī)器學(xué)習(xí)的方法訓(xùn)練一個推薦模型，然后根據(jù)實時的用戶偏好的信息進(jìn)行預(yù)測，從而計算推薦?；陧椖康膮f(xié)同過濾推薦?；陧椖康膮f(xié)同過濾推薦的基本原理是，使用所有用戶對物品或者信息的偏好，發(fā)現(xiàn)物品和物品之間的相似度，然后根據(jù)用戶的歷史偏好信息，將類似的物品推薦給用戶。單元2物聯(lián)網(wǎng)傳感設(shè)備介紹4．混合推薦機(jī)制在現(xiàn)行Web站點上的推薦往往不是只采用了某一種推薦機(jī)制和策略的，而是將多種方法混合在一起，從而達(dá)到更好的推薦效果。有以下幾種比較流行的組合推薦機(jī)制的方法。●加權(quán)的混合：用線性公式將幾種不同的推薦按照一定權(quán)重組合起來，具體權(quán)重的值需要在測試數(shù)據(jù)集上反復(fù)實驗，從而達(dá)到最好的推薦效果?！袂袚Q的混合：對于不同的情況（如數(shù)據(jù)量、系統(tǒng)運行狀況、用戶和物品的數(shù)目等），選擇最為合適的推薦機(jī)制計算推薦。●分區(qū)的混合：采用多種推薦機(jī)制，并將不同的推薦結(jié)果分不同的區(qū)域顯示給用戶?！穹謱拥幕旌希翰捎枚喾N推薦機(jī)制，并將一個推薦機(jī)制的結(jié)果作為另一個的輸入，從而綜合各種推薦機(jī)制的優(yōu)點，得到更加準(zhǔn)確的推薦。二、推薦機(jī)制災(zāi)難備份與業(yè)務(wù)連續(xù)性技術(shù)202X單元3單元3災(zāi)難備份與業(yè)務(wù)連續(xù)性技術(shù)數(shù)據(jù)保護(hù)對政企至關(guān)重要，美國9·11事件，雙子塔上倒閉政企中80%是由于政企數(shù)據(jù)丟失；2022年8月以用友為代表的頭部管理軟件廠商遭遇大規(guī)模勒索攻擊，影響無數(shù)下游政企；2023年5月澳大利亞退休金服務(wù)公司UniSuper數(shù)千臺虛擬機(jī)被谷歌云誤刪除，超50萬人“退休金”數(shù)據(jù)一周之內(nèi)無法訪問，后通過第三方備份數(shù)據(jù)恢復(fù)。因此，人為誤操作、疏忽、病毒攻擊、恐怖襲擊或者災(zāi)難造成的關(guān)鍵數(shù)據(jù)丟失對政企的影響不可估量。信息系統(tǒng)（InformationSystem）是以提供信息服務(wù)為主要目的的數(shù)據(jù)密集型、人機(jī)交互的計算機(jī)應(yīng)用系統(tǒng)，通過對原始數(shù)據(jù)進(jìn)行收集、加工、存儲、處理，產(chǎn)生各類有價值的信息，以不同方式提供給各類用戶使用。單元3災(zāi)難備份與業(yè)務(wù)連續(xù)性技術(shù)信息系統(tǒng)在管理數(shù)據(jù)如客戶數(shù)據(jù)、生產(chǎn)數(shù)據(jù)、財務(wù)數(shù)據(jù)、人事數(shù)據(jù)時，面臨數(shù)據(jù)丟失或損壞風(fēng)險，這不僅可能損害政企聲譽(yù)，還可能帶來經(jīng)濟(jì)損失。同時，政企高度依賴信息系統(tǒng)，任何系統(tǒng)故障或中斷都可能嚴(yán)重影響政企運營。容災(zāi)的產(chǎn)品趨勢及基本原理主要涉及數(shù)據(jù)備份、恢復(fù)，以及業(yè)務(wù)連續(xù)性的提高，隨著技術(shù)的發(fā)展，容災(zāi)方案也在不斷演進(jìn)。（1）數(shù)據(jù)備份：通過定期或?qū)崟r地將重要數(shù)據(jù)復(fù)制到另一個存儲位置，以防止原始數(shù)據(jù)的丟失或損壞。這包括冷備、熱備，以及使用虛擬化技術(shù)和云計算進(jìn)行數(shù)據(jù)備份。（2）數(shù)據(jù)恢復(fù)：在發(fā)生災(zāi)難時，能夠快速地從備份中恢復(fù)數(shù)據(jù)，確保業(yè)務(wù)的連續(xù)運行。這包括使用自動化和智能化的工具進(jìn)行快速恢復(fù)。（3）業(yè)務(wù)連續(xù)性：通過容災(zāi)方案，確保在災(zāi)難發(fā)生時，業(yè)務(wù)能夠迅速恢復(fù)，減少停機(jī)時間，保持業(yè)務(wù)的連續(xù)性單元3災(zāi)難備份與業(yè)務(wù)連續(xù)性技術(shù)1．什么是災(zāi)難信息系統(tǒng)的災(zāi)難，不僅僅是那些顯而易見的自然災(zāi)害、戰(zhàn)爭或恐怖襲擊，它還包括任何導(dǎo)致業(yè)務(wù)流程中斷的事件。無論是突如其來的地震、洪水，還是惡意的網(wǎng)絡(luò)攻擊，抑或是人為操作失誤，這些事件都可能對信息系統(tǒng)造成嚴(yán)重?fù)p害。目前，信息系統(tǒng)及其關(guān)鍵數(shù)據(jù)主要面臨三類威脅，這些威脅包括故障、事故和災(zāi)難?！窆收希哼@通常指的是在信息系統(tǒng)運行過程中，由于硬件故障、軟件缺陷或操作失誤等原因，導(dǎo)致數(shù)據(jù)無法正常使用或數(shù)據(jù)完整性受損。物理故障可能由硬件損壞造成，比如硬盤故障；邏輯故障則可能是由于軟件錯誤或病毒攻擊造成的?！袷鹿剩涸谏a(chǎn)或生活活動中，由于違反規(guī)定或疏忽造成的意外事件，如生產(chǎn)事故或交通事故。事故可能涉及違反數(shù)據(jù)保護(hù)法規(guī)或操作失誤，導(dǎo)致數(shù)據(jù)泄露或其他損失?！駷?zāi)難：這是更嚴(yán)重的事件，可能由自然災(zāi)害或人為因素引起，對人類社會造成廣泛影響。在IT領(lǐng)域，災(zāi)難可能導(dǎo)致信息系統(tǒng)長時間癱瘓，數(shù)據(jù)丟失，嚴(yán)重影響業(yè)務(wù)運行。一、認(rèn)識信息系統(tǒng)災(zāi)難和業(yè)務(wù)單元3災(zāi)難備份與業(yè)務(wù)連續(xù)性技術(shù)2．什么是業(yè)務(wù)通俗來說，業(yè)務(wù)是指某個人或機(jī)構(gòu)的本職工作涉及一個以上的組織，按某一共同目標(biāo)，通過信息交換實現(xiàn)的一系列過程，其中每個過程都有明確的目的，并會持續(xù)一段時間。隨著時代發(fā)展，業(yè)務(wù)越來越依賴于信息系統(tǒng)，系統(tǒng)在業(yè)務(wù)運營中的作用越來越重要。目前，大多數(shù)使用信息技術(shù)的現(xiàn)代業(yè)務(wù)已經(jīng)與信息技術(shù)融為一體，難以脫離信息獨立存在。單元3災(zāi)難備份與業(yè)務(wù)連續(xù)性技術(shù)二、容災(zāi)備份技術(shù)及廠商介紹1.傳統(tǒng)有代理備份技術(shù)及代表廠商無論備份對象是文件、數(shù)據(jù)庫還是操作系統(tǒng)，無論備份環(huán)境是物理機(jī)還是虛擬機(jī)，傳統(tǒng)備份方式均采用有代理備份（Agent）方式，有代理備份方式是在計算機(jī)內(nèi)部安裝備份代理軟件，每當(dāng)需要進(jìn)行數(shù)據(jù)備份時，都需要進(jìn)行一次備份代理軟件（Agent）的安裝，再由備份代理軟件執(zhí)行計算機(jī)數(shù)據(jù)變化捕獲、備份數(shù)據(jù)傳輸、備份任務(wù)管理。市場上提供有代理備份解決方案的廠商眾多，代表廠商有Vinchin、Veritas等。單元3災(zāi)難備份與業(yè)務(wù)連續(xù)性技術(shù)二、容災(zāi)備份技術(shù)及廠商介紹2.云環(huán)境無代理備份技術(shù)及代表廠商云計算環(huán)境下的數(shù)據(jù)備份，是基于云計算資源和服務(wù)來對關(guān)鍵數(shù)據(jù)和應(yīng)用程序進(jìn)行備份的策略和技術(shù)，基本類型可以分為虛擬機(jī)備份技術(shù)、虛擬機(jī)復(fù)制技術(shù)、云原生備份技術(shù)。在無代理備份中，首先通過調(diào)用虛擬化平臺的API直接和虛擬化平臺進(jìn)行溝通，通過平臺創(chuàng)建的快照來獲取虛擬機(jī)的數(shù)據(jù)。快照就像是給虛擬機(jī)拍一張照片，記錄了虛擬機(jī)在某一時刻的完整狀態(tài)，同時，由于快照是在虛擬化層面上創(chuàng)建的，所以它不會影響虛擬機(jī)內(nèi)部的運行，也不會消耗虛擬機(jī)的資源。市場上提供云備份無代理備份技術(shù)解決方案的代表廠商有Veeam、Vinchin等。單元3災(zāi)難備份與業(yè)務(wù)連續(xù)性技術(shù)二、容災(zāi)備份技術(shù)及廠商介紹3.容災(zāi)技術(shù)及代表廠商容災(zāi)系統(tǒng)是指在相隔較遠(yuǎn)的異地，建立兩套或多套功能相同的IT系統(tǒng)，相互之間可以進(jìn)行健康狀態(tài)監(jiān)視和功能切換，當(dāng)一處系統(tǒng)因意外停止工作時，整個應(yīng)用系統(tǒng)可以切換到另一處，使得該系統(tǒng)功能可以繼續(xù)正常工作，保證業(yè)務(wù)的連續(xù)性。根據(jù)容災(zāi)系統(tǒng)對災(zāi)難的抵抗程度，可以分為數(shù)據(jù)容災(zāi)和應(yīng)用容災(zāi)。容災(zāi)涉及到的關(guān)鍵技術(shù)有遠(yuǎn)程鏡像技術(shù)、快照技術(shù)、互聯(lián)技術(shù)、實時容災(zāi)保護(hù)技術(shù)等。市場上提供容災(zāi)技術(shù)解決方案的代表廠商有成都云祺。單元3災(zāi)難備份與業(yè)務(wù)連續(xù)性技術(shù)二、容災(zāi)備份技術(shù)及廠商介紹4.當(dāng)前云環(huán)境容災(zāi)備份的趨勢隨著云計算領(lǐng)域的快速發(fā)展，云環(huán)境容災(zāi)備份正在成為數(shù)據(jù)保護(hù)和業(yè)務(wù)連續(xù)性戰(zhàn)略的重要組成部分，政企需要選擇能夠提供全面保護(hù)、靈活管理和高效恢復(fù)的云備份解決方案，以應(yīng)對當(dāng)下云環(huán)境備份趨勢，具體包括以下幾種。多云和混合云備份：隨著對多云和混合云架構(gòu)的采用，云備份