A. 大數據、雲計算、人工智慧之間有什麼樣的關系
雲計算最初的目標是對資源的管理，管理的主要是計算資源，網路資源，存儲資源三個方面。想像你有一大堆的伺服器，交換機，存儲設備，放在你的機房裡面，你最想做的事情就是把這些東西統一的管理起來，最好能達到當別人向你請求分配資源的時候（例如1核1G內存，10G硬碟，1M帶寬的機器），能夠達到想什麼時候要就能什麼時候要，想要多少就有多少的狀態。
這就是所謂的彈性，俗話說就是靈活性。靈活性分兩個方面，想什麼時候要就什麼時候要，這叫做時間靈活性，想要多少就要多少，這叫做空間靈活性。
這個神經元有輸入，有輸出，輸入和輸出之間通過一個公式來表示，輸入根據重要程度不同(權重)，影響著輸出。
於是將n個神經元通過像一張神經網路一樣連接在一起，n這個數字可以很大很大，所有的神經元可以分成很多列，每一列很多個排列起來，每個神經元的對於輸入的權重可以都不相同，從而每個神經元的公式也不相同。當人們從這張網路中輸入一個東西的時候，希望輸出一個對人類來講正確的結果。例如上面的例子，輸入一個寫著2的圖片，輸出的列表裡面第二個數字最大，其實從機器來講，它既不知道輸入的這個圖片寫的是2，也不知道輸出的這一系列數字的意義，沒關系，人知道意義就可以了。正如對於神經元來說，他們既不知道視網膜看到的是美女，也不知道瞳孔放大是為了看的清楚，反正看到美女，瞳孔放大了，就可以了。
對於任何一張神經網路，誰也不敢保證輸入是2，輸出一定是第二個數字最大，要保證這個結果，需要訓練和學習。畢竟看到美女而瞳孔放大也是人類很多年進化的結果。學習的過程就是，輸入大量的圖片，如果結果不是想要的結果，則進行調整。如何調整呢，就是每個神經元的每個權重都向目標進行微調，由於神經元和權重實在是太多了，所以整張網路產生的結果很難表現出非此即彼的結果，而是向著結果微微的進步，最終能夠達到目標結果。當然這些調整的策略還是非常有技巧的，需要演算法的高手來仔細的調整。正如人類見到美女，瞳孔一開始沒有放大到能看清楚，於是美女跟別人跑了，下次學習的結果是瞳孔放大一點點，而不是放大鼻孔。
聽起來也沒有那麼有道理，但是的確能做到，就是這么任性。
神經網路的普遍性定理是這樣說的，假設某個人給你某種復雜奇特的函數，f(x)：
不管這個函數是什麼樣的，總會確保有個神經網路能夠對任何可能的輸入x，其值f(x)（或者某個能夠准確的近似）是神經網路的輸出。
如果在函數代表著規律，也意味著這個規律無論多麼奇妙，多麼不能理解，都是能通過大量的神經元，通過大量權重的調整，表示出來的。
這讓我想到了經濟學，於是比較容易理解了。
我們把每個神經元當成社會中從事經濟活動的個體。於是神經網路相當於整個經濟社會，每個神經元對於社會的輸入，都有權重的調整，做出相應的輸出，比如工資漲了，菜價也漲了，股票跌了，我應該怎麼辦，怎麼花自己的錢。這裡面沒有規律么？肯定有，但是具體什麼規律呢？卻很難說清楚。
基於專家系統的經濟屬於計劃經濟，整個經濟規律的表示不希望通過每個經濟個體的獨立決策表現出來，而是希望通過專家的高屋建瓴和遠見卓識總結出來。專家永遠不可能知道哪個城市的哪個街道缺少一個賣甜豆腐腦的。於是專家說應該產多少鋼鐵，產多少饅頭，往往距離人民生活的真正需求有較大的差距，就算整個計劃書寫個幾百頁，也無法表達隱藏在人民生活中的小規律。
基於統計的宏觀調控就靠譜的多了，每年統計局都會統計整個社會的就業率，通脹率，GDP等等指標，這些指標往往代表著很多的內在規律，雖然不能夠精確表達，但是相對靠譜。然而基於統計的規律總結表達相對比較粗糙，比如經濟學家看到這些統計數據可以總結出長期來看房價是漲還是跌，股票長期來看是漲還是跌，如果經濟總體上揚，房價和股票應該都是漲的。但是基於統計數據，無法總結出股票，物價的微小波動規律。
基於神經網路的微觀經濟學才是對整個經濟規律最最准確的表達，每個人對於從社會中的輸入，進行各自的調整，並且調整同樣會作為輸入反饋到社會中。想像一下股市行情細微的波動曲線，正是每個獨立的個體各自不斷交易的結果，沒有統一的規律可循。而每個人根據整個社會的輸入進行獨立決策，當某些因素經過多次訓練，也會形成宏觀上的統計性的規律，這也就是宏觀經濟學所能看到的。例如每次貨幣大量發行，最後房價都會上漲，多次訓練後，人們也就都學會了。
然而神經網路包含這么多的節點，每個節點包含非常多的參數，整個參數量實在是太大了，需要的計算量實在太大，但是沒有關系啊，我們有大數據平台，可以匯聚多台機器的力量一起來計算，才能在有限的時間內得到想要的結果。
於是工智能程序作為SaaS平台進入了雲計算。
網易將人工智慧這個強大的技術，應用於反垃圾工作中，從網易1997年推出郵箱產品開始，我們的反垃圾技術就在不停的進化升級，並且成功應用到各個億量級用戶的產品線中，包括影音娛樂，游戲，社交，電商等產品線。比如網易新聞、博客相冊、雲音樂、雲閱讀、有道、BOBO、考拉、游戲等產品。總的來說，反垃圾技術在網易已經積累了19年的實踐經驗，一直在背後默默的為網易產品保駕護航。現在作為雲平台的SaaS服務開放出來。
回顧網易反垃圾技術發展歷程，大致上我們可以把他分為三個關鍵階段，也基本對應著人工智慧發展的三個時期：
第一階段主要是依賴關鍵詞，黑白名單和各種過濾器技術，來做一些內容的偵測和攔截，這也是最基礎的階段，受限於當時計算能力瓶頸以及演算法理論的發展，第一階段的技術也能勉強滿足使用。
第二個階段時，基於計算機行業里有一些更新的演算法，比如說貝葉斯過濾(基於概率論的演算法)，一些膚色的識別，紋理的識別等等，這些比較優秀成熟的論文出來，我們可以基於這些演算法做更好的特徵匹配和技術改造，達到更優的反垃圾效果。
最後，隨著人工智慧演算法的進步和計算機運算能力的突飛猛進，反垃圾技術進化到第三個階段：大數據和人工智慧的階段。我們會用海量大數據做用戶的行為分析，對用戶做畫像，評估用戶是一個垃圾用戶還是一個正常用戶，增加用戶體驗更好的人機識別手段，以及對語義文本進行理解。還有基於人工智慧的圖像識別技術，更准確識別是否是色情圖片，廣告圖片以及一些違禁品圖片等等。
B. 網易蜂巢搭建vpn免流，在容器里怎麼添加多個鏈接vpn免流的帳號
打開容器頁面，找到consent，打開，輸入echo 賬號 密碼 >>/passwd
例如echo 12345 123 >>/passwd
如果要添加對多個，就輸入完一個後，按回車，接著輸入第二個。
純手打，望採納。謝謝！
C. 自己搭建了網易蜂巢伺服器配置出來卻連不上是什麼原因
雲主機性能好不好最關鍵要看CPU運算處理能力、內存處理能力、IOPS性能和網路傳輸能力。
我們公司選用比格雲看中的就是這幾點。
用的是intel最新的E5-2680高頻系列CPU、DDR4內存、全SSD磁碟，IOPS12000
網路都是萬兆光纖鏈路
還是雙鏈路多路冗餘
使用下來又快又穩。
D. 有哪些優秀且免費的雲存儲服務
GoogleStorage：其Transfer功能可從其他Storage，AmazonS3，以及URL（tab-separatedvalue(TSV)file）傳輸文件，即離線下載。支持中文，可在設置里更改。網易蜂巢NOS：免費用戶20G下載流量，平台服務/對象存儲/對象存儲價格與計費.md騰訊雲COS：免費用戶每月10G流量阿里雲OSS：中國大陸以外的伺服器5G免費快雲對象存儲：首次開通免費贈送5G空間
E. 如何訪問網易蜂巢對象存儲中的私有資源
伺服器推薦用nginx，配置簡單，性能強悍。
nginx可以使用代理訪問後端的Node.js應用伺服器。
配置方法：
1）在配置文件http段內容添加後端伺服器：
http {
#添加後端伺服器，和nginx負載均衡配置一樣
upstream nodejs {
server 127.0.0.1:8080;
}
...
}
2）給應用添加虛擬主機：
server {
listen 80;
server_nameIP
location / {
proxy_pass nodejs;#名字和前面的對應，將所有的請求轉發給後端的node
}
access_log logs/nodejs.access.log main;#如果需要日誌的話
}
推薦將靜態文件如css、js和圖片和應用伺服器分開。
F. 網易雲，都踩過了網易20年的哪些坑兒
雲計算的核心與本質是什麼？網易杭州研究院雲計算平台產品部總監、網易雲基礎服務（網易蜂巢）容器雲研發負責人陳諤講了一個故事：網易雲基礎服務（網易蜂巢）最初的版本，從申請資源開始監測到虛擬機、容器全部啟動，大概需要兩分半鍾，陳諤認為這個速度太慢，希望20秒內啟動容器。
「大家覺得這個事情太困難，幾乎不可能完成。於是，接下來分解階段性目標，先優化到1分鍾、再到40秒、再到20秒，讓大家看自己的環節還有哪些潛力可以挖掘。最後，實現了20秒左右完成一個容器的建立（除去鏡像傳輸的時間）。在雲計算這個復雜系統裡面，做到這一點其實是很不容易。」
網易雲能夠最終實現20秒上線一個容器的故事，道出了雲計算技術的核心與本質：即不斷和長期的優化。2017年7月13日，網易雲即將舉辦首個雲創大會，大會「商業匠心、技術創新」的主題點出了網易技術這20年來走過的坑兒的心得：在商業技術創新面前，只有耐得住寂寞的匠心精神，才能「磨」出精品。
雲計算不是神話
十年前，在郵箱、門戶、游戲等傳統互聯網業務之外，開始出現很多創新的互聯網業務形態，包括博客、在線相冊等。當時，丁磊認為網易需要在原有的業務板塊之外，建立一個面向創新業務孵化、探索的獨立組織，所以成立了網易杭州研究院。十年後，從網易杭州研究院孵化出了網易雲。從網易技術發展歷程可以看出，雲計算並不是神話，而是互聯網技術演變的必然結果。
現任網易杭州研究院執行院長汪源說，網易杭州研究院的第一個業務就是博客，博客代表Web 2.0時代的誕生。在新互聯網業務的探索中，發現Web 2.0業務形態對技術的要求相比Web 1.0有了質的飛越，需要如海量數據管理等基礎軟體的支撐，而網民帶來的數據量相比之前門戶網站至少有兩個數量級以上的提升。
陳諤剛進入網易的時候，正值Web 2.0概念爆發，他的第一個項目就是網易博客。陳諤不僅要從事技術研發，同時還做博客的技術運維，包括版本控制等等。「整個技術挑戰、技術方向突然和以前完全不一樣，關注點變成水平擴展、高並發、大吞吐量等。」陳諤回憶，之前整個互聯網技術體系的發展都相對平緩，就那個時間點突然跳躍了一下，需要不同的運維手段。「做互聯網的似乎變成了做運維的，所以我的印象是比較深刻。」
如果說Web2.0是互聯網技術的一次跳躍，雲計算就是互聯網技術的又一次跳躍。「雲計算平台對整個網易公司的互聯網業務帶來很明顯的推動作用，因為當時我們對伺服器的管理、業務的增長都已經到了一個瓶頸，必須有這樣一朵雲，才能實現新的突破。」作為第一批網易杭州研究院員工，陳諤回憶道。
「雲計算是分布式系統，我認為最核心是要懂得取捨。因為分布式系統架構和實現的技術，近二十年沒有太大的突破，該有的理論很早就存在，後面的CAP原理（一致性、可用性、分區容錯性）也只是歸納性總結。所以，最重要的還是要知道取捨，比如系統復雜性與可運維性的取捨，功能很強大但是運維很麻煩也不行。」
如今的網易雲，就來源於網易技術在運營網易UGC產品的雲安全能力、來自網易全線互聯網產品的雲計算基礎服務能力、來自網易電商的雲客服、來自於網易多產品的大數據處理能力，以及來自於易信泡泡的通信與視頻技術等等。正因為有了網易互聯網產品大規模的開發與運維經驗，網易雲才在正式推出的短短一年時間里，獲得了大量客戶和開發者。
經歷了網易產品的長期優化
在談到網易過去十年走過的技術路程時，汪源表示技術體系是永遠需要不斷完善，因為業務發展會不斷提出新的需求，而且一個龐大的技術體系中也存在很多可以優化的地方。
到目前為止，網易雲是一個成功的技術體系，這是因為這套技術體系成為了一個統一、標准化平台，承載了網易各個互聯網產品和業務。自2012年起，網易杭州研究院支撐網易集團互聯網產品全面上雲之後，網易雲至今已經支撐了網易內部95%以上的互聯網產品。
特別是教育、音樂、易信、電商、金融、手游等網易業務，在最近三四年間呈現爆發性增長態勢，但無論是互聯網業務范圍還是業務規模，網易雲技術體系都很好地完成了使命。「在業務爆發式增長的時候，能夠及時地提供有力的支撐，沒有出現技術拖後腿的情況」，汪源強調。
以網路為例，從第一個版本上線開始，網易杭研院三年之內對於整個網路的架構和優化了投入大量精力與資源。網易雲的網路性能從最開始只能跑千兆網路一直到接近萬兆，經歷了一個很長的優化過程。而只有網路問題解決之後，上面的業務才能更好的集成，因為雲計算虛擬化相對比較成熟，但各家雲服務商對底層網路的優化差異程度其實很大，有的雲解決方案連千兆都做不到，尤其是在部署了SDN之後。
網易雲從2012年的私有雲到後來的公有雲，中間趟過了很多杭兒，其中一個很坑兒就是自研與跟隨開源技術社區的路線選擇。2006年到2007年，網易開始做海量數據管理平台，包括的五個核心系統在當時國內是比較超前和領先的。但到後來，部分平台被更加成熟的開源平台代替，比如自研的並行計算系統到2010年被替換成當時已經成熟的Hadoop，當然2007年杭研開始自研時Hadoop並不成熟。
「看開源社區，如果只看到現狀，就比較容易掉到坑裡去。當時覺得開源項目有很多問題，自研就很容易做一個更好的項目，但是過了三五年可能就被開源社區超過了。成熟的開源項目和開源社區的研發力量確實是很大，不是一家公司的投入所能比的，除非是公司的戰略性項目。」汪源回憶過去十年間網易雲有很多產品都有類似的經歷，最後發現隨著開源技術社區的不斷成熟，跟隨開源社區的技術創新、做好場景化的整體技術優化是一條更好的產品路線。
如果再回到十年前重新考慮的話，「應該會有兩個調整，一個是更加積極地參與到開源社區的項目，和開源社區共同成長，另一個就是更早考慮把杭研技術進行商業化，做更好的產品對外提供服務。」
為什麼要更早的商業化？「如果只是支持網易的業務，在技術的投入、應用的全面性方面，或多或少會有不足的地方；如果做到全世界的人都在用，這個技術才能說是非常成熟、非常可靠的。所以，網易自身的應用只是一個起點。」
接受內外部的考驗
網易從2015年陸續對外推出通信與視頻（網易雲信和視頻雲）、全智能雲客服（網易七魚）、雲計算基礎服務（網易蜂巢）、雲安全（網易易盾）等一系列場景化雲服務，以及一站式大數據管理與應用開發平台（網易猛獁）和企業級大數據可視化分析平台（網易有數）等大數據平台。
網易雲信是網易公司集17年IM經驗打造的即時通訊雲PaaS服務。除了基本功能外，網易雲信還提供了高級通訊功能，包括實時音視頻、互動直播、教學白板、專線電話、簡訊、專屬雲等以及更多服務。截止至2017年5月，已經有35萬+開發者接入網易IM雲服務，覆蓋用戶7億+，在教育、醫療、O2O、游戲、社交等行業都有眾多用戶。
好未來雙師課堂是一種全新的教學模式，從一個老師教學升級為兩個老師負責學生的學習：一位是主講老師，以直播的形式授課；一位是輔導老師，負責課堂管理和課後針對性學習輔導。好未來雙師課堂就接入了網易雲IM基礎功能、互動白板、實時音視頻和簡訊功能，不僅降低了技術運維成本，還讓好未來雙師課堂更專注自身的核心課程研發和運營業務。
網易積20年之力專注研發的全智能雲客服系統（網易七魚），可無縫融合多渠道在線客服、呼叫中心、客服機器人、工單系統，由表及裡全面打造高效的客戶服務體系。小牛在線是國內領先的互聯網理財平台，在線累計交易額突破100億。小牛在線接入全智能雲客服（網易七魚），實現了Web 及微信公眾號的整合溝通、跨部門工單以及豐富的績效管理等功能。
小牛在線的服務總監彭特表示:「全智能雲客服（網易七魚）提供的智能客服機器人智能化程度很高，網易多年的技術積累和經驗值得信賴。接入全智能雲客服（網易七魚），使小牛的產品體驗也有很大提升。另外很重要的一點是，全智能雲客服（網易七魚）在安全性方面是市場上絕對優秀的，這一點對於小牛、甚至是整個互聯網金融行業來說都至關重要。」
網易雲音樂是搭建在網易雲基礎服務之上，面對海量的數據請求，網易雲基礎服務提供了穩定、可伸縮的容器集群環境，敏捷的開發模式以及良好的運維支持。「作為網易多年經驗自研的產品，雲基礎服務為我們項目整體高效運作夯實了基礎，也為企業級應用提供了更加高效、可靠的解決方案。」網易雲音樂CEO朱一聞表示。
自從2015年1月上線後，網易考拉的業務開始進入了高速發展期，第一版電商系統的瓶頸逐漸凸顯，就是迭代速度緩慢，而僅僅提供基礎的資源彈性無法解決問題。具體而言，隨著用戶數量的不斷增加、市場需求的變化、運營體系的完善，網易考拉對功能模塊變更的需求越來越頻繁，不僅僅基礎資源管理越來越復雜，腳本化的應用層的部署和管理也已經遠遠跟不上需求。
網易雲基礎服務（網易蜂巢）容器雲平台的自動化能力就解決了網易考拉的挑戰。網易雲基礎服務（網易蜂巢）採用了Docker容器作為整個軟體部署和調度的基本單元，並結合Kubernetes作為容器管理和編排服務框架。
網易雲基礎服務（網易蜂巢）還在原生Kubernetes的基礎上，對於調度進行了優化，並且利用多年運行IaaS層的調優經驗，對於容器之間的網路互通和持久化存儲做了優化。結果是，網易雲基礎服務（網易蜂巢）讓網易考拉每天的更新頻次上限由最開始的每天2次升級到每天112次再上升到每天723次，並發訪問支持由網易考拉第二版的每秒2,600次提升到了每秒16,000次。
在大數據方面，數據科學隨著近幾年大數據和統計機器學習的進展受到了普遍的重視，網易杭州研究院也成立了數據科學中心，打造大數據、商業智能、機器學習平台產品，於今年推出了網易猛獁大數據平台和網易有數敏捷BI平台。此外，網易杭州研究院數據科學中心還在整合網易各大產品數據，梳理網易數據，使網易的數據發揮更大價值，已經成功挖掘網易用戶畫像，並應用在廣告、金融風控等領域，取得顯著效果。
除了經受到內外部用戶的嚴格業務考驗外，汪源強調網易雲的一大優勢在於整體架構設計的一致性，也就是上層PaaS服務可以完全基於IaaS層能力構建。「有些友商的雲計算架構比較分散，上層的資料庫等服務並沒有架設在雲主機上，而是獨立的一套系統，但網易雲計算所有的PaaS服務都統一由底層IaaS支撐、調度和提供高可靠的能力，相互之間的協調性比較好，這和設計得比較好的AWS（EC2+ECS）是同等水平。」當然，這樣的一個架構設計，也是網易技術近十年來不斷磨煉出來的精品結果。(文/寧川)
G. 怎麼將網易蜂巢做成網站的伺服器，可有償
您好，我是海騰數據的李奕東，網易蜂巢的一般是空間或者是雲主機，您可以看您使用的產品是什麼，都是可以作為網站的伺服器來使用的呢，雲主機的話，是相當於獨立的伺服器的呢， 性能都是比較好的呢，希望可以幫到您。
H. 目前有沒有DevOps解決方案能保證整個軟體包生命周期的安全
有的，比如JFrog的DevOps解決方案，近期JFrog收購了Vdoo之後，他們的產品對於安全性更多了一層保障，能夠做到保證軟體生命周期的安全。
具體表現在能夠使用高級演算法適用性掃描進行上下文威脅分析，優先考慮跨多個向量的關鍵安全漏洞；能夠在新漏洞、惡意軟體、漏洞利用、後門、供應鏈風險和其他威脅公開之前自動檢測；能夠跨多個攻擊向量的可行緩解建議切入底線，避免團隊在必須篩選數千個可能的漏洞時出現「警覺疲勞」和噪音；能夠將安全性擴展到設備/IoT 上的嵌入式軟體，以及固件掃描和唯一識別已編譯 C/C++ 應用程序組件中的漏洞；能夠將發現的任何安全風險與 40 多種（迄今為止）不同的安全標准和法規相匹配等。