云计算最大的特点是"快速弹性", 简单的说, 就是如果你需要新的计算资源(主机, 数据库, 磁盘, 文件存储), 你所做的只是点击几下鼠标(甚至无需点击, 可以写代码使其自动化), 在几分钟就能获得你所需的资源, 然后当你不需要的时候, 可以马上释放, 停止计费.

而传统的主机提供商, 扩容可能牵涉到新的合同, 需要人工参与, 耗时可能几天甚至几星期, 而计费周期也至少以"月"计算.

因为, 最被云计算吸引的, 是那种资源需求变动比较大的用户. 比如
1.创业公司.  
比如你做一个新网站,  很难预测下个季度需要多少机器, 使用VPS, 你就得硬着头皮做预估, 估得太低, 会爆你的网站, 估得太高,又影响你的现金流. 如果使用云计算, 你就可以不必这么辛苦, 只要今天预估下明天所需的资源就ok.  
亚马逊的AWS最开始的目标客户也是这类创业公司, 比较著名的案例就是netflix和quora.

2.短期项目.
假设你是生物公司的IT Manager, 现在实验室的同事给你提了一个药物筛选项目的IT需求:
1) 项目需要大量的CPU计算能力, 越多越好, 如果有10台机器, 则要计算300天, 如果有100台机器, 则需要计算30天, 实验室的同事暗示, 有1000台机器那是最好的.
2)项目需要迅速启动, 恨不能今天晚上就开工.
3)项目经费有限, 不会真的给你拨购买1000台机器的预算.

使用传统的VPS提供商, 这三个要求都很难满足. 传统的主机提供商会要求客户提前规划, 像现在国内有些热门机房, 甚至需要客户提前半年签订合同. 如果是1000台机器的大规模需求, 则更困难. 而且合同不可能只签一天, 假设最低要求是一个月, 则可以看到, 你使用1000台机器的成本是使用100台机器的10倍.

而使用云计算平台, 则比较容易满足几个需求
1) 云计算的特征一是"资源池化", 由于池子大, 所以找到1000台机器的可能性是比较大的.
2)云计算的特征二是"按需分配的自主服务", 无需走冗长的申请流程, 直接从云计算平台申请资源,期间不需要与销售人员或者客服人员互动.
3)云计算的特征三是"快速弹性", 当你使用完毕的时候, 马上释放, 并且停止付费. 这样就使得你1000台机器计算3天和100台机器计算30天的成本是一样的.

这第二类客户, 实际上也是AWS目前最大的客户群体, 而医药公司, 也确实是AWS客户群里比较醒目的一类. 我本人也帮助过一家国内的公司使用AWS做类似的计算.

云计算是一个模型，这个模型可以方便地按需访问一个可配置的计算资源(例如，网络、服务器、存储设备、应用程序以及服务)的公共集。这些资源可以被迅速提供并发布，同时最小化管理成本或服务提供商的干涉。云模型由五个基本特征、三个服务模型和四个发布模型组成。

Linux学成之后就业方向还是挺广泛的，多种岗位，多种领域，多栖发展，其就业方向主要有：

1、Linux云计算方向

2、DBA方向

3、网络安全方向

4、系统运维方向

5、Python运维开发方向

具体的岗位有云计算工程师、数据库运维工程师、安全运维工程师、Python运维开发工程师、安全专家、高级数据库工程师等等，都可以胜任这些岗位，还是有必要专门进行学习的。

云计算运用的领域是相当广泛的 但是大部分都没有经过系统的学习 如果你想要专注于这个领域 还是很有必要专门学习的

各类新技术的出现，有些落伍的技术会慢慢消失，存在即合理，有可能一辈子都学不过来；如果感兴趣可以花一段时间专门学习研究；如果没有时间，工作上要用到什么就学什么也可以。看个人情况了，干这行就需要持续学习和充电。

我认为，对于学习，我们需要了解的是自己要学习的方向，比如说具体哪一个分支、具体哪一个产品。再一个就是我们初始的定位，初级、中级、高级，或者说就是一个入门级的、只了解云计算都没有过上手经验、更无从谈起学习方向的。然后就是学习目的，是要拿到什么样的认证、可以独当一面的完成什么样的工作。最后就是学习计划，这个计划除了包含前面三个学习的方向、初始的定位、学习的目的，还要有学习的路径，就是如何从初始学习到目标，当然最好能给这个计划加上一个时间期限，以避免三天打鱼两天晒网。

再有就是学习的方法，就像学习写作文一样，不是抱一本字典或者诗经就能写好作文，这需要一个循序渐进的过程。无论是代码开发还是运维管理，我们也都要由浅入深的，在什么阶段学习什么知识，在什么阶段参考什么语句或案例。即使目标就是考取一个认证，那么也要了解清楚这个认证的前序必要认证有哪些、这些认证所考核的关键内容是什么，这样才能有的放矢的进行学习。

那么结合之前参加Ignite Tour 2019 技术大会的感触来说一说，也许现在对学习感到迷茫的人和部分当时的参会者有着一样的问题：本着强烈想要学习的意愿，但是由于或是时间关系、或是对学习体系不尽了解、亦或是缺乏规划和引导，最终碎片化的学习了零碎的知识，但是这些知识是否能够形成体系、或者说是否能够为自己的技术之路和职业生涯提供实际的帮助，可能就很难保证了。

那么我自己作为Azure 的拥趸，就分享一些个人学习经验和理解。

首先，就是要学习基础知识，说白了就是对云有一个基本的认识，比如云基本概念、网络基础知识、安全基础知识、数据存储、功能等等。在掌握基础之后，就要确定自己的学习角色，是要成为IT Pro / 解决方案架构师、还是要成为云开发者/ 解决方案架构师、或是要成为数据工程师/ 数据科学家，确定了自己的学习角色之后，才可以有针对性地开始学习。如果是 IT Pro / 解决方案架构师，可能就要掌握服务器上云、混合管理、运维、安全、管理、事件响应、高可靠性部署、容量规划和缩放等等；如果是云开发者/ 解决方案架构师，可能就要掌握Web 应用迁移、数据库、部署和测试、DevOps 与管理、构建云应用、云端数据库、容器、Kubernetes 等等；如果是数据工程师/ 数据科学家，可能就是人工智能、机器学习、学习模型等等。

乍看之下可能还是比较模糊，微软其实也替我们想好了这些了，在Microsoft Learn 学习网站上，我们就可以清晰地针对各个阶段找到对应的“学习路径”来帮助系统化的学习。

Microsoft Learn

首先映入眼帘的就是“学习路径”，通过引导式路径深入探索主题，或通过各模块完成特定任务。最右侧还有一个“DOCS”，通过教程和代码示例，发现适用于使用者、开发者和 IT 管理员的综合文档。当然，如果在学习完成后想顺便考个“认证”，在上面也有对应的模块。那么无论什么角色和发展方向，或者当前热门的云计算、大数据、人工智能（AI）、物联网（IoT）、机器学习都可以在这里找到对口的专业。

通过此网站，访客可以实现一站式的从入门、了解学习方向，到规划自己的学习计划，再到了解知识体系结构和对应的知识范围。还可以随时参考各种级别、各种深度的教程和代码示例，不论是入门者还是中高级人士，均可从这里找到适合自己的知识技能、学习方向和参考示例。当知识技能受限需要更深入的学习、亦或职业发展遇到瓶颈需要额外掌握其他知识技能以融合突破瓶颈的时候，也都可以基于现有水平等级和目标职位、目标知识技能快速找到适合的学习路径。

由于基于流程式的学习体验，当想要去成为某种职业或具备某种技能的时候，访客就可以先搜索对应角色的认证，下面我们以IT Pro 的云管理员、云开发者、数据工程师三个角色分别示例：

学习针对某个角色的知识时，可以看到下方列出需要学习的技能。每个角色的认证都有两种不同的准备方法，在MS Learn平台上你能学到海量免费内容。除了可以选择免费的联机自学，还可以选择付费的、由专业且经验丰富的技术讲师进行指导学习。

而具体到某项技能的学习，点击进入之后都会以一个“学习路径”的样式呈现，同样也是基于流程式体验（如下图某一技能的“学习路径”示例），会列出学习该技能需要学习的模块，以及学习每个模块时一步一步要做什么。

Microsoft Learn 的另一个优秀功能是学习者在学习云知识设计一些动手实践的时候，我们可以使用平台自带的Azure 环境进行操作。左边代码，右边提供真实的Azure 的可交互的操作环境，帮助学习者无需拥有Azure 订阅，就可以获得真实的Azure 资源来动手实践。是不是很酷。

每一章节学习后都会有相应的知识检查题，如果是实践题的，还会对操作结果进行检查哦。答案错误的话是无法进入后续学习的。从这点看来这个平台也很智能。

相比大而全的知识库，这种流程式的学习体验将知识点系统化，按知识模块了解、学习、测验、总结帮助掌握，有效的引导学习者循序渐进的学习并大大提高掌握该知识的总体效率。此外，由于工作繁忙，人们总是没有固定的时间、无法去到固定的地点完成学习。相比之下，在网站上学习则无需到场，随时随地、甚至手机访问都可以完成，通过学习路径和模块显示的预估学习时间，学习者也可以高度自由的安排自己的时间，无论通勤路上、午休或者睡前闲暇时间，只要需要都可以开始学习。也正是这样系统化、无需到场、自由度高的学习方式，给予了自主学习最大的便利。

如果你不是以考证为目的来学习也没关系，你可以在MS Learn中选择任何你感兴趣的模块来单独学习，培养自己的技能树。MS Learn根据学习进度还可以获得相应的经验值和奖杯，学习过程也很有趣，了解、学习、测试、总结，就像打游戏通关获得进度和奖杯一样，将原本略显枯燥的学习变得成就感满满，这份成就感除了来自学习到的知识技能，同时也来自这一个一个获得的经验和奖杯，令获得知识这件事也看得见摸得着。

这个网站涉及的产品或专业方向除了Azure 云，还包括Microsoft 365 和Dynamics 365 之类的SaaS 服务。

对于学习的收益，其实核心是学习到了专业的知识和技能，通过所掌握的知识和技能对工作和生产带来帮助。同时，掌握知识和技能的另一个表现形式就是获得认证，从而对自身水平加以佐证。

这样一个学习网站，是完全免费的。

除此之外，也可以关注微软举办的Tech Summit / Ignite 等或者行业内其他的技术大会，了解行业尖端的技术和大咖们的分享，还能了解到业内动态和行业趋势。

同时，本着兼听则明的态度，也可以关注社交网络或者技术社区中的行业大咖，学习和研究他们在项目中处理问题的思路和方法。

最后，祝愿每个人都能在学习中收获自己想要的知识和技能，并为自己的工作和生活带来相应的收益。

这个太需要了。不知道兄台现在是工作了，还是在校生，如果是工作了，你看你有没有时间自学，如果时间少的话，那可以想办法专门学习一下，如果时间还可以，可以自己找些资料学，但是自学往往不系统，所以，如果想学习云计算，我个人认为专门学习一下比较好；如果兄台是在校生，那就不用在下多说了，那是一定要报个班学习一下的了，因为学校的学习往往不系统，研究得不深，一般情况下不符合企业的需要。从以上分析可知呀，还是专门学习一下更好的。

云计算最大的特点是"快速弹性", 简单的说, 就是如果你需要新的计算资源(主机, 数据库, 磁盘, 文件存储), 你所做的只是点击几下鼠标(甚至无需点击, 可以写代码使其自动化), 在几分钟就能获得你所需的资源, 然后当你不需要的时候, 可以马上释放, 停止计费.

而传统的主机提供商, 扩容可能牵涉到新的合同, 需要人工参与, 耗时可能几天甚至几星期, 而计费周期也至少以"月"计算.

因为, 最被云计算吸引的, 是那种资源需求变动比较大的用户. 比如
1.创业公司.  
比如你做一个新网站,  很难预测下个季度需要多少机器, 使用VPS, 你就得硬着头皮做预估, 估得太低, 会爆你的网站, 估得太高,又影响你的现金流. 如果使用云计算, 你就可以不必这么辛苦, 只要今天预估下明天所需的资源就ok.  
亚马逊的AWS最开始的目标客户也是这类创业公司, 比较著名的案例就是netflix和quora.

2.短期项目.
假设你是生物公司的IT Manager, 现在实验室的同事给你提了一个药物筛选项目的IT需求:
1) 项目需要大量的CPU计算能力, 越多越好, 如果有10台机器, 则要计算300天, 如果有100台机器, 则需要计算30天, 实验室的同事暗示, 有1000台机器那是最好的.
2)项目需要迅速启动, 恨不能今天晚上就开工.
3)项目经费有限, 不会真的给你拨购买1000台机器的预算.

使用传统的VPS提供商, 这三个要求都很难满足. 传统的主机提供商会要求客户提前规划, 像现在国内有些热门机房, 甚至需要客户提前半年签订合同. 如果是1000台机器的大规模需求, 则更困难. 而且合同不可能只签一天, 假设最低要求是一个月, 则可以看到, 你使用1000台机器的成本是使用100台机器的10倍.

而使用云计算平台, 则比较容易满足几个需求
1) 云计算的特征一是"资源池化", 由于池子大, 所以找到1000台机器的可能性是比较大的.
2)云计算的特征二是"按需分配的自主服务", 无需走冗长的申请流程, 直接从云计算平台申请资源,期间不需要与销售人员或者客服人员互动.
3)云计算的特征三是"快速弹性", 当你使用完毕的时候, 马上释放, 并且停止付费. 这样就使得你1000台机器计算3天和100台机器计算30天的成本是一样的.

这第二类客户, 实际上也是AWS目前最大的客户群体, 而医药公司, 也确实是AWS客户群里比较醒目的一类. 我本人也帮助过一家国内的公司使用AWS做类似的计算.

挺有必要的，因为专门学习毕竟是系统学。有助于更好的提升。