云服务器和轻量应用服务器区别，云服务器和vps有什么区别？
如果同台服务器的1台VPS被攻击，将直接影响其他的所有VPS无法运行。同等情况下云服务器只影响被攻击云计算服务器，其他同服务器的*云计算服务器*不受影响。运用技术： vps是基于软件层的虚拟化技术,具体来说就是操作系统的虚拟化,*云计算服务器*是基于硬件层的虚拟化技术,*云计算服务器*使用vmware server搭建,是vmware workstation的服务器版,非常成熟，1998年VM服务器系列开始商用，被广泛应用于银行、航空领域。是非常稳定及性能卓越的虚拟服务器产品，VPS是2006年才进入市场的一个产品。 开设数量：vps可以在1台服务器上将一个操作系统虚拟上百个独立操作系统,*云计算服务器*只能虚拟大概6到8个独立操作系统，操作系统可以有多种选择 资源分配：*云计算服务器*运行前会预先将硬件内存分配好,如果服务器上有4G内存绝不能分配出5G的内存出来,而VPS服务器自生拥有4G内存可以虚拟100G的内存，并分配给100个独立操作系统。 本质区别： *云计算服务器*运行和真正的一台物理服务器是无区别的,因为获得了独立资源,VPS相当于一个人的几个面,是不独立的,从操作系统占用空间可以看出来,*云计算服务器*安装操作系统所需要的空间和在独立服务器上安装所需的体积相同,而VPS安装操作系统只要100来M,因此购买*云计算服务器*需要更大的容量。为此同网在标准容量基础上特别赠送10G磁盘空间。 性能差别： vps主机的性能远远不如*云计算服务器*，为保证高速运行，请勿安装任何杀毒软件及防火墙类软件。 成本差别： vps对运营商来说成本较低,因为1台服务器可以虚拟上数十个VPS主机,*云计算服务器*对运营商来说相当于独立服务器出租。成本略低于独立服务器出租,需要有相当实力的运营商才能提供。综合以上来说还是云服务器比较好
云服务器多少钱？
云服务器费用一般1-50元不等
云服务器每天都在做活动，只是不同时期的活动价格有所不同而已，目前阿里云ECS云服务器首购14.7元/月，2核2G轻量应用服务器49.68元1年，云服务器s6 2核4G低至0.46元/天
虚拟机安装爱快能直接升级吗？
虚拟机安装爱快能直接升级，在爱快虚拟机里安装windows系统来实现一个远程电脑的功能，这次我们用爱快虚拟机安装一个linux系统，配合一些内网穿透服务可以当一个本地轻量服务器使用。有这种需求的，当然在爱快虚拟机里安装系统是稳定性和可用性是比不上专业的虚拟机系统。这里仅仅是能达到“可用”的水平，如果要部署重要的服务还是选择云服务器或者专业的虚拟机系统。
首先我们需要去下载linux系统镜像，这里我已ubuntu为例，大家也可以选择其他系统，在爱快的操作应该是一样的，差异就是各个系统的安装界面不同。进入ubuntu官方网站根据自己的需求下载镜像，最好下载老版本的，新版本兼容性不是太好，这里为了节省空间我选择了没有图形界面的纯服务器镜像，大家也可以下载带桌面的版本，在官网里也能找到。
准备把服务器操作系统从Ubuntu改成CentOS？
完了记得找个好用的监控系统，可以把服务器和应用监控起来，对各种指标状态尽量做到实时感知，以及告警通知。
我们项目中用的wgcloud监控系统，这是国人开源的一个项目，运行一年了稳定灵敏，现在用的免费版，基本够用了，它比zabbix部署要简单多，集成度较高，几乎没有学习成本，agent体积很小，只有6M，运行占用资源也少，性能超好，我们综合对比后选了它。
以下是运行效果图
数据分析师与大数据分析师所做工作有什么区别？
很多初学者，对大数据分析的概念都是模糊不清的，大数据分析是什么，能做什么，学的时候，该按照什么线路去学习，学完往哪方面发展，很多人对于大数据分析师的印象就是坐在办公室对着电脑噼里啪啦的敲键盘，跟程序员差不多，这种想法是错误的，其实大数据分析师是一个很高大上的职业，大数据分析师通过获取必要的数据，分析这些数据，然后从数据中发现一些问题提出自己的想法，这就是一个大数据分析师的基本工作内容。
大数据工程师工作内容取决于你工作在数据流的哪一个环节。从数据上游到数据下游，大致可以分为：
数据采集 -> 数据清洗 -> 数据存储 -> 数据分析统计 -> 数据可视化 等几个方面
大数据分析工作内容当然就是使用工具组件(Spark、Flume、Kafka等)或者代码(Java、Scala等)来实现上面几个方面的功能。具体说说如下：
一、数据采集
业务系统的埋点代码时刻会产生一些分散的原始日志，可以用Flume监控接收这些分散的日志，实现分散日志的聚合，即采集。
二、数据清洗
原始的日志，数据是千奇百怪的
一些字段可能会有异常取值，即脏数据。为了保证数据下游的"数据分析统计"能拿到比较高质量的数据，需要对这些记录进行过滤或者字段数据回填。
一些日志的字段信息可能是多余的，下游不需要使用到这些字段做分析，同时也为了节省存储开销，需要删除这些多余的字段信息。
一些日志的字段信息可能包含用户敏感信息，需要做脱敏处理。如用户姓名只保留姓，名字用'*'字符替换。
三、数据存储
清洗后的数据可以落地入到数据仓库(Hive)，供下游做离线分析。如果下游的"数据分析统计"对实时性要求比较高，则可以把日志记录入到kafka。
四、大数据分析统计
大数据分析是数据流的下游，消费来自上游的数据。其实就是从日志记录里头统计出各种各样的报表数据，简单的报表统计可以用sql在kylin或者hive统计，复杂的报表就需要在代码层面用Spark、Storm做统计分析。一些公司好像会有个叫BI的岗位是专门做这一块的。
五、数据可视化
用数据表格、数据图等直观的形式展示上游"大数据分析统计"的数据。一般公司的某些决策会参考这些图表里头的数据。当然，大数据平台(如CDH、FusionInsight等)搭建与维护，也可能是大数据工程师工作内容的一部分。
大数据分析师工作的流程简单分为两部分，第一部分就是获取数据，第二部分就是对数据进行处理。那么怎么获得数据呢?首先，我们要知道，获取相关的数据，是数据分析的前提。每个企业，都有自己的一套存储机制。因此，基础的SQL语言是必须的。具备基本SQL基础，再学习下其中细节的语法，基本就可以到很多数据了。当每个需求明确以后，都要根据需要，把相关的数据获取到，做基础数据。
获得了数据以后，才能够进行数据处理工作。获取数据，把数据处理成自己想要的东西，是一个关键点。很多时候，有了数据不是完成，而是分析的开始。大数据分析师最重要的工作就是把数据根据需求处理好，只有数据跟需求结合起来，才能发挥数据的价值，看到需求的问题和本质所在。如果连数据都没处理好，何谈从数据中发现问题呢?
就目前而言，大数据分析日益成为研究行业的重要研究目标。面对其高数据量、多维度与异构化的特点，以及分析方法思路的扩展，传统统计工具已经难以应对。所以我们要使用专业的大数据分析工具。大数据分析工具都有Excel、SPSS、SAS等工具。Excel、SPSS、SAS 这三者对于大数据分析师来说并不陌生。但是这三种大数据分析工具应对的数据分析的场景并不是相同的，一般来说，SPSS 轻量、易于使用，但功能相对较少，适合常规基本统计分析。而SPSS和SAS作为商业统计软件，提供研究常用的经典统计分析处理。由于SAS 功能丰富而强大，且支持编程扩展其分析能力，适合复杂与高要求的统计性分析。 摘自：https://www.aaa-cg.com.cn/data/1770.html
