A. 大数据、云计算、人工智能之间有什么样的关系
云计算最初的目标是对资源的管理，管理的主要是计算资源，网络资源，存储资源三个方面。想象你有一大堆的服务器，交换机，存储设备，放在你的机房里面，你最想做的事情就是把这些东西统一的管理起来，最好能达到当别人向你请求分配资源的时候（例如1核1G内存，10G硬盘，1M带宽的机器），能够达到想什么时候要就能什么时候要，想要多少就有多少的状态。
这就是所谓的弹性，俗话说就是灵活性。灵活性分两个方面，想什么时候要就什么时候要，这叫做时间灵活性，想要多少就要多少，这叫做空间灵活性。
这个神经元有输入，有输出，输入和输出之间通过一个公式来表示，输入根据重要程度不同(权重)，影响着输出。
于是将n个神经元通过像一张神经网络一样连接在一起，n这个数字可以很大很大，所有的神经元可以分成很多列，每一列很多个排列起来，每个神经元的对于输入的权重可以都不相同，从而每个神经元的公式也不相同。当人们从这张网络中输入一个东西的时候，希望输出一个对人类来讲正确的结果。例如上面的例子，输入一个写着2的图片，输出的列表里面第二个数字最大，其实从机器来讲，它既不知道输入的这个图片写的是2，也不知道输出的这一系列数字的意义，没关系，人知道意义就可以了。正如对于神经元来说，他们既不知道视网膜看到的是美女，也不知道瞳孔放大是为了看的清楚，反正看到美女，瞳孔放大了，就可以了。
对于任何一张神经网络，谁也不敢保证输入是2，输出一定是第二个数字最大，要保证这个结果，需要训练和学习。毕竟看到美女而瞳孔放大也是人类很多年进化的结果。学习的过程就是，输入大量的图片，如果结果不是想要的结果，则进行调整。如何调整呢，就是每个神经元的每个权重都向目标进行微调，由于神经元和权重实在是太多了，所以整张网络产生的结果很难表现出非此即彼的结果，而是向着结果微微的进步，最终能够达到目标结果。当然这些调整的策略还是非常有技巧的，需要算法的高手来仔细的调整。正如人类见到美女，瞳孔一开始没有放大到能看清楚，于是美女跟别人跑了，下次学习的结果是瞳孔放大一点点，而不是放大鼻孔。
听起来也没有那么有道理，但是的确能做到，就是这么任性。
神经网络的普遍性定理是这样说的，假设某个人给你某种复杂奇特的函数，f(x)：
不管这个函数是什么样的，总会确保有个神经网络能够对任何可能的输入x，其值f(x)（或者某个能够准确的近似）是神经网络的输出。
如果在函数代表着规律，也意味着这个规律无论多么奇妙，多么不能理解，都是能通过大量的神经元，通过大量权重的调整，表示出来的。
这让我想到了经济学，于是比较容易理解了。
我们把每个神经元当成社会中从事经济活动的个体。于是神经网络相当于整个经济社会，每个神经元对于社会的输入，都有权重的调整，做出相应的输出，比如工资涨了，菜价也涨了，股票跌了，我应该怎么办，怎么花自己的钱。这里面没有规律么？肯定有，但是具体什么规律呢？却很难说清楚。
基于专家系统的经济属于计划经济，整个经济规律的表示不希望通过每个经济个体的独立决策表现出来，而是希望通过专家的高屋建瓴和远见卓识总结出来。专家永远不可能知道哪个城市的哪个街道缺少一个卖甜豆腐脑的。于是专家说应该产多少钢铁，产多少馒头，往往距离人民生活的真正需求有较大的差距，就算整个计划书写个几百页，也无法表达隐藏在人民生活中的小规律。
基于统计的宏观调控就靠谱的多了，每年统计局都会统计整个社会的就业率，通胀率，GDP等等指标，这些指标往往代表着很多的内在规律，虽然不能够精确表达，但是相对靠谱。然而基于统计的规律总结表达相对比较粗糙，比如经济学家看到这些统计数据可以总结出长期来看房价是涨还是跌，股票长期来看是涨还是跌，如果经济总体上扬，房价和股票应该都是涨的。但是基于统计数据，无法总结出股票，物价的微小波动规律。
基于神经网络的微观经济学才是对整个经济规律最最准确的表达，每个人对于从社会中的输入，进行各自的调整，并且调整同样会作为输入反馈到社会中。想象一下股市行情细微的波动曲线，正是每个独立的个体各自不断交易的结果，没有统一的规律可循。而每个人根据整个社会的输入进行独立决策，当某些因素经过多次训练，也会形成宏观上的统计性的规律，这也就是宏观经济学所能看到的。例如每次货币大量发行，最后房价都会上涨，多次训练后，人们也就都学会了。
然而神经网络包含这么多的节点，每个节点包含非常多的参数，整个参数量实在是太大了，需要的计算量实在太大，但是没有关系啊，我们有大数据平台，可以汇聚多台机器的力量一起来计算，才能在有限的时间内得到想要的结果。
于是工智能程序作为SaaS平台进入了云计算。
网易将人工智能这个强大的技术，应用于反垃圾工作中，从网易1997年推出邮箱产品开始，我们的反垃圾技术就在不停的进化升级，并且成功应用到各个亿量级用户的产品线中，包括影音娱乐，游戏，社交，电商等产品线。比如网易新闻、博客相册、云音乐、云阅读、有道、BOBO、考拉、游戏等产品。总的来说，反垃圾技术在网易已经积累了19年的实践经验，一直在背后默默的为网易产品保驾护航。现在作为云平台的SaaS服务开放出来。
回顾网易反垃圾技术发展历程，大致上我们可以把他分为三个关键阶段，也基本对应着人工智能发展的三个时期：
第一阶段主要是依赖关键词，黑白名单和各种过滤器技术，来做一些内容的侦测和拦截，这也是最基础的阶段，受限于当时计算能力瓶颈以及算法理论的发展，第一阶段的技术也能勉强满足使用。
第二个阶段时，基于计算机行业里有一些更新的算法，比如说贝叶斯过滤(基于概率论的算法)，一些肤色的识别，纹理的识别等等，这些比较优秀成熟的论文出来，我们可以基于这些算法做更好的特征匹配和技术改造，达到更优的反垃圾效果。
最后，随着人工智能算法的进步和计算机运算能力的突飞猛进，反垃圾技术进化到第三个阶段：大数据和人工智能的阶段。我们会用海量大数据做用户的行为分析，对用户做画像，评估用户是一个垃圾用户还是一个正常用户，增加用户体验更好的人机识别手段，以及对语义文本进行理解。还有基于人工智能的图像识别技术，更准确识别是否是色情图片，广告图片以及一些违禁品图片等等。
B. 网易蜂巢搭建vpn免流，在容器里怎么添加多个链接vpn免流的帐号
打开容器页面，找到consent，打开，输入echo 账号 密码 >>/passwd
例如echo 12345 123 >>/passwd
如果要添加对多个，就输入完一个后，按回车，接着输入第二个。
纯手打，望采纳。谢谢！
C. 自己搭建了网易蜂巢服务器配置出来却连不上是什么原因
云主机性能好不好最关键要看CPU运算处理能力、内存处理能力、IOPS性能和网络传输能力。
我们公司选用比格云看中的就是这几点。
用的是intel最新的E5-2680高频系列CPU、DDR4内存、全SSD磁盘，IOPS12000
网络都是万兆光纤链路
还是双链路多路冗余
使用下来又快又稳。
D. 有哪些优秀且免费的云存储服务
GoogleStorage：其Transfer功能可从其他Storage，AmazonS3，以及URL（tab-separatedvalue(TSV)file）传输文件，即离线下载。支持中文，可在设置里更改。网易蜂巢NOS：免费用户20G下载流量，平台服务/对象存储/对象存储价格与计费.md腾讯云COS：免费用户每月10G流量阿里云OSS：中国大陆以外的服务器5G免费快云对象存储：首次开通免费赠送5G空间
E. 如何访问网易蜂巢对象存储中的私有资源
服务器推荐用nginx，配置简单，性能强悍。
nginx可以使用代理访问后端的Node.js应用服务器。
配置方法：
1）在配置文件http段内容添加后端服务器：
http {
#添加后端服务器，和nginx负载均衡配置一样
upstream nodejs {
server 127.0.0.1:8080;
}
...
}
2）给应用添加虚拟主机：
server {
listen 80;
server_nameIP
location / {
proxy_pass nodejs;#名字和前面的对应，将所有的请求转发给后端的node
}
access_log logs/nodejs.access.log main;#如果需要日志的话
}
推荐将静态文件如css、js和图片和应用服务器分开。
F. 网易云，都踩过了网易20年的哪些坑儿
云计算的核心与本质是什么？网易杭州研究院云计算平台产品部总监、网易云基础服务（网易蜂巢）容器云研发负责人陈谔讲了一个故事：网易云基础服务（网易蜂巢）最初的版本，从申请资源开始监测到虚拟机、容器全部启动，大概需要两分半钟，陈谔认为这个速度太慢，希望20秒内启动容器。
“大家觉得这个事情太困难，几乎不可能完成。于是，接下来分解阶段性目标，先优化到1分钟、再到40秒、再到20秒，让大家看自己的环节还有哪些潜力可以挖掘。最后，实现了20秒左右完成一个容器的建立（除去镜像传输的时间）。在云计算这个复杂系统里面，做到这一点其实是很不容易。”
网易云能够最终实现20秒上线一个容器的故事，道出了云计算技术的核心与本质：即不断和长期的优化。2017年7月13日，网易云即将举办首个云创大会，大会“商业匠心、技术创新”的主题点出了网易技术这20年来走过的坑儿的心得：在商业技术创新面前，只有耐得住寂寞的匠心精神，才能“磨”出精品。
云计算不是神话
十年前，在邮箱、门户、游戏等传统互联网业务之外，开始出现很多创新的互联网业务形态，包括博客、在线相册等。当时，丁磊认为网易需要在原有的业务板块之外，建立一个面向创新业务孵化、探索的独立组织，所以成立了网易杭州研究院。十年后，从网易杭州研究院孵化出了网易云。从网易技术发展历程可以看出，云计算并不是神话，而是互联网技术演变的必然结果。
现任网易杭州研究院执行院长汪源说，网易杭州研究院的第一个业务就是博客，博客代表Web 2.0时代的诞生。在新互联网业务的探索中，发现Web 2.0业务形态对技术的要求相比Web 1.0有了质的飞越，需要如海量数据管理等基础软件的支撑，而网民带来的数据量相比之前门户网站至少有两个数量级以上的提升。
陈谔刚进入网易的时候，正值Web 2.0概念爆发，他的第一个项目就是网易博客。陈谔不仅要从事技术研发，同时还做博客的技术运维，包括版本控制等等。“整个技术挑战、技术方向突然和以前完全不一样，关注点变成水平扩展、高并发、大吞吐量等。”陈谔回忆，之前整个互联网技术体系的发展都相对平缓，就那个时间点突然跳跃了一下，需要不同的运维手段。“做互联网的似乎变成了做运维的，所以我的印象是比较深刻。”
如果说Web2.0是互联网技术的一次跳跃，云计算就是互联网技术的又一次跳跃。“云计算平台对整个网易公司的互联网业务带来很明显的推动作用，因为当时我们对服务器的管理、业务的增长都已经到了一个瓶颈，必须有这样一朵云，才能实现新的突破。”作为第一批网易杭州研究院员工，陈谔回忆道。
“云计算是分布式系统，我认为最核心是要懂得取舍。因为分布式系统架构和实现的技术，近二十年没有太大的突破，该有的理论很早就存在，后面的CAP原理（一致性、可用性、分区容错性）也只是归纳性总结。所以，最重要的还是要知道取舍，比如系统复杂性与可运维性的取舍，功能很强大但是运维很麻烦也不行。”
如今的网易云，就来源于网易技术在运营网易UGC产品的云安全能力、来自网易全线互联网产品的云计算基础服务能力、来自网易电商的云客服、来自于网易多产品的大数据处理能力，以及来自于易信泡泡的通信与视频技术等等。正因为有了网易互联网产品大规模的开发与运维经验，网易云才在正式推出的短短一年时间里，获得了大量客户和开发者。
经历了网易产品的长期优化
在谈到网易过去十年走过的技术路程时，汪源表示技术体系是永远需要不断完善，因为业务发展会不断提出新的需求，而且一个庞大的技术体系中也存在很多可以优化的地方。
到目前为止，网易云是一个成功的技术体系，这是因为这套技术体系成为了一个统一、标准化平台，承载了网易各个互联网产品和业务。自2012年起，网易杭州研究院支撑网易集团互联网产品全面上云之后，网易云至今已经支撑了网易内部95%以上的互联网产品。
特别是教育、音乐、易信、电商、金融、手游等网易业务，在最近三四年间呈现爆发性增长态势，但无论是互联网业务范围还是业务规模，网易云技术体系都很好地完成了使命。“在业务爆发式增长的时候，能够及时地提供有力的支撑，没有出现技术拖后腿的情况”，汪源强调。
以网络为例，从第一个版本上线开始，网易杭研院三年之内对于整个网络的架构和优化了投入大量精力与资源。网易云的网络性能从最开始只能跑千兆网络一直到接近万兆，经历了一个很长的优化过程。而只有网络问题解决之后，上面的业务才能更好的集成，因为云计算虚拟化相对比较成熟，但各家云服务商对底层网络的优化差异程度其实很大，有的云解决方案连千兆都做不到，尤其是在部署了SDN之后。
网易云从2012年的私有云到后来的公有云，中间趟过了很多杭儿，其中一个很坑儿就是自研与跟随开源技术社区的路线选择。2006年到2007年，网易开始做海量数据管理平台，包括的五个核心系统在当时国内是比较超前和领先的。但到后来，部分平台被更加成熟的开源平台代替，比如自研的并行计算系统到2010年被替换成当时已经成熟的Hadoop，当然2007年杭研开始自研时Hadoop并不成熟。
“看开源社区，如果只看到现状，就比较容易掉到坑里去。当时觉得开源项目有很多问题，自研就很容易做一个更好的项目，但是过了三五年可能就被开源社区超过了。成熟的开源项目和开源社区的研发力量确实是很大，不是一家公司的投入所能比的，除非是公司的战略性项目。”汪源回忆过去十年间网易云有很多产品都有类似的经历，最后发现随着开源技术社区的不断成熟，跟随开源社区的技术创新、做好场景化的整体技术优化是一条更好的产品路线。
如果再回到十年前重新考虑的话，“应该会有两个调整，一个是更加积极地参与到开源社区的项目，和开源社区共同成长，另一个就是更早考虑把杭研技术进行商业化，做更好的产品对外提供服务。”
为什么要更早的商业化？“如果只是支持网易的业务，在技术的投入、应用的全面性方面，或多或少会有不足的地方；如果做到全世界的人都在用，这个技术才能说是非常成熟、非常可靠的。所以，网易自身的应用只是一个起点。”
接受内外部的考验
网易从2015年陆续对外推出通信与视频（网易云信和视频云）、全智能云客服（网易七鱼）、云计算基础服务（网易蜂巢）、云安全（网易易盾）等一系列场景化云服务，以及一站式大数据管理与应用开发平台（网易猛犸）和企业级大数据可视化分析平台（网易有数）等大数据平台。
网易云信是网易公司集17年IM经验打造的即时通讯云PaaS服务。除了基本功能外，网易云信还提供了高级通讯功能，包括实时音视频、互动直播、教学白板、专线电话、短信、专属云等以及更多服务。截止至2017年5月，已经有35万+开发者接入网易IM云服务，覆盖用户7亿+，在教育、医疗、O2O、游戏、社交等行业都有众多用户。
好未来双师课堂是一种全新的教学模式，从一个老师教学升级为两个老师负责学生的学习：一位是主讲老师，以直播的形式授课；一位是辅导老师，负责课堂管理和课后针对性学习辅导。好未来双师课堂就接入了网易云IM基础功能、互动白板、实时音视频和短信功能，不仅降低了技术运维成本，还让好未来双师课堂更专注自身的核心课程研发和运营业务。
网易积20年之力专注研发的全智能云客服系统（网易七鱼），可无缝融合多渠道在线客服、呼叫中心、客服机器人、工单系统，由表及里全面打造高效的客户服务体系。小牛在线是国内领先的互联网理财平台，在线累计交易额突破100亿。小牛在线接入全智能云客服（网易七鱼），实现了Web 及微信公众号的整合沟通、跨部门工单以及丰富的绩效管理等功能。
小牛在线的服务总监彭特表示:“全智能云客服（网易七鱼）提供的智能客服机器人智能化程度很高，网易多年的技术积累和经验值得信赖。接入全智能云客服（网易七鱼），使小牛的产品体验也有很大提升。另外很重要的一点是，全智能云客服（网易七鱼）在安全性方面是市场上绝对优秀的，这一点对于小牛、甚至是整个互联网金融行业来说都至关重要。”
网易云音乐是搭建在网易云基础服务之上，面对海量的数据请求，网易云基础服务提供了稳定、可伸缩的容器集群环境，敏捷的开发模式以及良好的运维支持。“作为网易多年经验自研的产品，云基础服务为我们项目整体高效运作夯实了基础，也为企业级应用提供了更加高效、可靠的解决方案。”网易云音乐CEO朱一闻表示。
自从2015年1月上线后，网易考拉的业务开始进入了高速发展期，第一版电商系统的瓶颈逐渐凸显，就是迭代速度缓慢，而仅仅提供基础的资源弹性无法解决问题。具体而言，随着用户数量的不断增加、市场需求的变化、运营体系的完善，网易考拉对功能模块变更的需求越来越频繁，不仅仅基础资源管理越来越复杂，脚本化的应用层的部署和管理也已经远远跟不上需求。
网易云基础服务（网易蜂巢）容器云平台的自动化能力就解决了网易考拉的挑战。网易云基础服务（网易蜂巢）采用了Docker容器作为整个软件部署和调度的基本单元，并结合Kubernetes作为容器管理和编排服务框架。
网易云基础服务（网易蜂巢）还在原生Kubernetes的基础上，对于调度进行了优化，并且利用多年运行IaaS层的调优经验，对于容器之间的网络互通和持久化存储做了优化。结果是，网易云基础服务（网易蜂巢）让网易考拉每天的更新频次上限由最开始的每天2次升级到每天112次再上升到每天723次，并发访问支持由网易考拉第二版的每秒2,600次提升到了每秒16,000次。
在大数据方面，数据科学随着近几年大数据和统计机器学习的进展受到了普遍的重视，网易杭州研究院也成立了数据科学中心，打造大数据、商业智能、机器学习平台产品，于今年推出了网易猛犸大数据平台和网易有数敏捷BI平台。此外，网易杭州研究院数据科学中心还在整合网易各大产品数据，梳理网易数据，使网易的数据发挥更大价值，已经成功挖掘网易用户画像，并应用在广告、金融风控等领域，取得显着效果。
除了经受到内外部用户的严格业务考验外，汪源强调网易云的一大优势在于整体架构设计的一致性，也就是上层PaaS服务可以完全基于IaaS层能力构建。“有些友商的云计算架构比较分散，上层的数据库等服务并没有架设在云主机上，而是独立的一套系统，但网易云计算所有的PaaS服务都统一由底层IaaS支撑、调度和提供高可靠的能力，相互之间的协调性比较好，这和设计得比较好的AWS（EC2+ECS）是同等水平。”当然，这样的一个架构设计，也是网易技术近十年来不断磨炼出来的精品结果。(文/宁川)
G. 怎么将网易蜂巢做成网站的服务器，可有偿
您好，我是海腾数据的李奕东，网易蜂巢的一般是空间或者是云主机，您可以看您使用的产品是什么，都是可以作为网站的服务器来使用的呢，云主机的话，是相当于独立的服务器的呢， 性能都是比较好的呢，希望可以帮到您。
H. 目前有没有DevOps解决方案能保证整个软件包生命周期的安全
有的，比如JFrog的DevOps解决方案，近期JFrog收购了Vdoo之后，他们的产品对于安全性更多了一层保障，能够做到保证软件生命周期的安全。
具体表现在能够使用高级算法适用性扫描进行上下文威胁分析，优先考虑跨多个向量的关键安全漏洞；能够在新漏洞、恶意软件、漏洞利用、后门、供应链风险和其他威胁公开之前自动检测；能够跨多个攻击向量的可行缓解建议切入底线，避免团队在必须筛选数千个可能的漏洞时出现“警觉疲劳”和噪音；能够将安全性扩展到设备/IoT 上的嵌入式软件，以及固件扫描和唯一识别已编译 C/C++ 应用程序组件中的漏洞；能够将发现的任何安全风险与 40 多种（迄今为止）不同的安全标准和法规相匹配等。