谢谢刚才毛总、何总、陈总从不同层面上，为大家诠释的云计算的概念和未来的方向。现在把我对于云计算的概念想法跟大家共享。
除了ISSA和PSSA还有SSSA三种云计算模式之外，其实云计算也分公有云和私有云，在国内的企业内，私有云应用更多一些，国内企业都是从数据中心往私有云上转换，然后又从私有云向公有云上转换，像英特尔、万网等，就是基础提供商的服务不断的提升和创新是分不开的。
我跟大家分享的是，对于像我们这样的企业来讲，为什么会需要云计算的平台？而且目前从数据中心往私有云上转换，私有云往公有云上转换，会历经什么过程，是细节的介绍。
首先我介绍一下我们的公司，悠易互通在中国是比较领先的受众网络和数字营销的公司，这个名词很专业，用我们刘总的话来讲，我们是一个“卖人”的公司，对于中国互联网广告来讲，大多数公司都在“卖媒体”，按照媒体的属性去为大家铺设广告，对于悠易，我们想做的是完全不同的，我们要Cover每个人的兴趣是什么样，对什么样的广告感兴趣，对什么内容感兴趣，在互联网上有什么行为，对悠易来讲，这是最核心的价值。悠易是2007年成立的公司，现在已经是500人的规模，大概是这样的情况。
我会分三个层面为大家介绍，第一个层面，是我们的用户行为定向的概念，由概念引出像我们这样的企业，对云计算和大型平台的需求；第二个层面，介绍私有云目前的状况，以及数据累积量的展示和扩展的应用。
大家知道，在互联网广告投放的时候，其实定向已经说了很多年了，最早的用户行为定向其实是雅虎提出来的，就是在雅虎Sales那边很早就听到过，而更早的概念，用户行为定向概念和互联网同时产生的，为什么一直没有人做好，或者说在近几年才能有快速的发展，是和大型计算平台产生分不开的。
传统的互联网广告在投放的时候，我们区别于传媒广告，我们可以做到地域定向、时间定向、客户端环境的定向，以及网址的定向和其他基础数据，包括简单的关键词定向等等，但是这些定向并不能Cover到人，我们只是定向到北京，但是北京可能有一千七百多万的网民，他们每一个人对什么感兴趣，其实我们不知道，而现在的市场需求，随着品牌的广告主以及效果类的广告主，互联网投放规模快速增长，对数据要求以及人群选择要求，有更高的标准。所以我们需要更加精准的定向手段。
那么竞争广告的定向趋势，比如我们Cover很多人群的时候，我们需要对人群进行一个分类做投放，这个分类其实是一个很恐怖的数字，据现在的统计，中国现在活跃的网民每天在4.5到4.5亿之间，有可能比这个数字更大，但是这些网民每天在互联网上会产生巨量的数据，他们每天看什么网页，在什么网站购买什么产品，消费能力是什么，他们玩什么游戏，使用什么客户端，甚至他们对什么广告有什么样的行为，这些行为在每天会产生非常大量的数据，这个数据是在以前的计算平台业务模式底下不可想象的，我们要做的竞争广告定向，就是建立在这些数据之上，也是为什么我们需要一个非常海量存储，并且能够对海量数据进行运算平台的原因。
而用户行为定向的特点，其实可以分析每一个互联网受众的行为，判断他们的兴趣和心理的预期，并且有针对性的进行广告投放，除了对海量数据存储和分析之外，我们还要求服务的实时性，就是每一个用户看网页的时候，这个网页想播放广告的时候，就必须得实时从后台的以亿为级别的库里实时抽取属性出来，并且要做广告的匹配，得需要非常实时的，有大的选项能力平台的支持，那么这是对计算平台第二方面的要求。
而用户行为定向的优势，对于不同的用户来讲有不同的优势，对于广告主来讲，可以把广告主投放给真正感兴趣的人，对于代理商来讲，可以减少无效曝光，节省代理商的媒体资源，对于媒体来讲，可以提升媒体价值，因为定向的广告可以卖的更贵，并且可以提升用户对媒体的用户体验，在媒体上始终能看到感兴趣的广告，不是跟兴趣完全相悖甚至反感的广告，对媒体用户来讲，也是好的事情。
对于受众，因为广告一般都是被迫行为，受众接受自己喜欢广告的内容，比接受自己反感的广告内容，会有更好的感觉。这是悠易的多维立体的概念，我简单介绍一下。
首先，我们会判断每一个用户浏览兴趣关键词，以及他们对电子商务的购买行为，以及他们对广告的交互行为，把数据通过建模形成每一个用户的兴趣，我们把用户分成22个大类，230个小类，进行用户分析，每一个用户对每一个兴趣的属性，都是通过一系列的周围数据计算出来的，有一个非常复杂的数学模型在里面。
以上这些点，其实说明了，我们其实要处理的就是基于互联网4.6亿网民的，每一个用户的很多种信息的集合，我们每天都会接受以TB为单位的数据，并且要对数据进行分析，把用户进行计算和分类，不是一个小的计算机群，或者单个计算中心满足的应用，所以我们构建了私有云的模式。实际上用户行为分析定向，技术难点是存在几个方面的。
第一个方面，是用户行为数据的分析，对于悠易互通来讲，我们和很多的媒体会有合作，包括四大门户，包括垂直行业内网站各TOP20的网站，我们会收集到非常丰富媒体流量资源，每一个媒体的流量资源，可以为我们带来每一个Cookie，就是在浏览什么样的网页的数据，这是一个数据基础。第二个，要有非常海量的数据存储，因为首先有海量数据之后，第一个要解决的问题就是存储的问题，已经超过单台的Server或者是盘阵，或者存储模式所能够解决的范畴，比如我们一个月的数据可能要超过20TB，数据是非常巨大的。第三个，我们拿到这些数据以后，解决存储的问题，我们还要对数据进行不断的分析，校正，进行建模、归类，并且对计算结果进行验证，就需要非常庞大的计算平台，能够对数据做非常实时的处理，并且按照我们的需求，对计算的模式做改变。
在以上的计算和存储问题解决之后，接下来我们要对计算出来的数据做应用上的验证，这个就需要我们结合业务部门的配合，业务模式的配合，判断数据在真正广告应用当中的表现，就涉及到刚刚提到的实时为广告应用提供服务的计算能力。
对四个难点，我们介绍分别解决的方法，第一个方法，就是用户收集原理，首先我们会收集每个用户不同页面浏览的行为，用户对于广告的交互行为，因为我们是投户媒体广告的，对什么广告完整播放完了，会有重播，并且有连续的点击行为，我们算做广告交互行为，来判断兴趣。第三方面，是电子商务的交互行为，我们有很多电子商务合作伙伴，他们在电子商务网站上形成什么样的购买，买了什么产品，消费能力大概什么样，三方面的数据会形成用户行为的数据主体。会通过我们的用户行为分析的模块形成悠易互通用户属性库，是我们具有价值的部分，通过实时定向的API为广告的服务提供支持。
在这套系统当中，我们还有一套基础的支持系统，就是我们的负荷搜索系统，因为对于用户浏览行为的分析，我们是基于所浏览页面的正文做分析的，如果拿到这些数据，并且应用计算的话，我们后台有负荷的搜索系统做支持的，比较类似于百度或者谷歌的搜索引擎。同样也是要求实时性非常高，并且要求海量存储和海量数据计算的平台。
这是我们负荷搜索系统的原理图，我们会抓取我们所合作媒体的所有的内容，并且解析出他们的正文区域，最终形成分析的结果，存在我们的互动区，而用户的浏览行为结合搜索的数据库进行数据分析的。
目前，我们所收录页面信息已经超过20亿条，接下来我会介绍用户数据的信息。为了解决以上的问题，我们构建了这样的架构，首先构建自己的分布式存储系统，就是HDFS系统，谷歌、百度，包括大型的私有云公司，包括淘宝，他们都会构建自己的存储系统，我们用的是HDFS，这个是开元的，和雅虎、Facebook所用的都是一样的。同时，我们基于HDFS构建了Map平台，是比较细节的底层的技术，我会简单介绍一下。Map redios的概念，其实就是相当于把一个计算任务分布在不同的计算机上，同一整个集群为一个任务做服务，这是私有云计算基础的概念，或者是最基础的技术方法，这是一个实例图，我们把不同的任务分发到不同的机器，用不同的机器进行计算完成之后，再由一个汇总的调度任务，最终汇总出计算结果。
我们自己的Map redios计算，分为不同的业务类型做服务，包括广告业务数据的分析，广告优化数据的分析，以及用户行为的挖掘部分应用，我们经过了几百的改动，最早做得是数据中心的概念，后来发现传统的数据中心的概念，会有很多的弊端，比如说资源应用不平衡，虚拟化实现并不好，而且应用的调度、拓展性并不是特别理想，我们逐渐往私有云结构上做转换。
在这个平台上，还做了一些选型的工作，包括Low sql的数据库的选型等。对Low搜索，像HDfs或者是传统的开放云计算支撑的底层来讲，我们还有很多后续的研究。这是我们的一个系统的架构图，是一个非常复杂的应用计算的模式。在今年我们又重新升级了我们的架构，更像一个云计算的计算平台，我们使用了Mai sql内存Cash等等，一些新的技术加入进来，使云计算的平台结构会更加的完整。
接下来我介绍一下我们的受众行为的建模过程，我们对每一个用户会从四个维度上做建模，一个是近期浏览页面的关键词，长期以来所积累的，在用户身上的关键词，用户感兴趣的兴趣行业，还有用户兴趣的产品类别，来自广告交互行为和电商网站上的具体行为，我们会通过属性分析建模，将用户分成22个大类，230个小类，并且为广告定向服务以及广告分析服务做基础的数据支撑，这是一个完整的数据画像的过程。在这之上，我们有具体的基础分析支持系统，包括基于道学习的分析系统，就是SNM技术，以及用户兴趣的分类算法。
并且我们在现有的模式底下，还在开展人口统计学的分析研究，我们会不断往每一个用户身上加入不同的标签，要求扩展性非常强的计算，或者是应用服务的模式。目前我们通过私有云的架构，已经为我们的企业，为超过400家广告主提供了广告定向服务，并且在广告直接反映效果点击率上有50%到150%的提升，峰值我们可以通过这项技术提升280%。这是我们数据量积累的应用，就是截止到6月末，我们可以用于用户行为定向，活跃的固定样本，概念就是在一个月之内可以Cover十次，抓到十次以上行为的用户，我们已经存储了2.6亿个，就是说可能在座的诸位，你们的电脑可能50%都在我们的数据库当中，我们知道你们对什么感兴趣，我们知道你们看过什么样的网页。
我们收集用户访问记录以及其他用户情况这种数据条目，已经超过了206亿条，正是有这两个数据的概念，这不是一个简单的计算模式能够解决的问题，必须依靠云计算的概念。
我们会基于这些数据，为所有的用户提供受众的群体属性分析报告，他们对什么感兴趣，对什么媒体感兴趣，他们活跃的时间、地域等，这份报告是我们在业内唯一能够拿出来的。
以上就是对这块的介绍，其实在接下来，我们在私有云的构建方面，是一个很简单的介绍，我希望通过和各大IDC厂商以及云计算方案提供商能够合作，因为我们下一步的计划其实是往公有云上做转换，这个方面希望之后能够得到大家的帮助和关注，完成整个过程，谢谢大家！
（演讲者：北京悠易互通网络广告公司CTO 赵征）