1云计算技术概述
云计算是一种商业计算模型，它将计算任务分布在大量计算机构成的资源池上，使用户能够按需获取计算能力、存储空间和信息服务，这些资源池称为云。云是一些可以自我维护和管理的虚拟计算资源，通常是一些大型服务器集群，包括计算服务器、存储服务器和宽带资源等。
目前，云计算技术已成为了IT产业的关注焦点，得到了各大主流公司的支持。包括Google.微软、IBM、Amazon在内的许多IT业巨头都在云计算上进行了重点研究。例如，Google的云计算基础架构模式包括4个相互独立又紧密结合在一起的系统:Google File System分布式文件系统(Sanjay Ghemawat等，2003)、针对Google应用程序特点提出的MapReduce编程模式 (Jeffrey Dean等，2004)、分布式锁机制Chubby (Burrows M, 2006)以及Google开发的模型简化的大规模分布式数据库BigTable (Fay Chang等，2006)。
云计算在学术研究方面也取得了重大进展，这主要包括两个方面:一是分布式平台基础设施的构建，另一个是云计算分布式平台的开发编程。在分布式平台的基础设施研究上，主要包括微软的Dryad框架、Amazon公司的Dynamo框架和Ask. com公司的Neptune框架(DeCandia等，2007)。
2 Hadoop云计算关键技术分析
Hadoop是MapReduce的开源实现，是著名的开源组织Apache开发的一个开源云计算系统，是目前在学术和工业界应用较为广泛的云计算软件。Hadoop起源于Apache的另外两个开源项目:全文检索软件Lucene和Web搜索系统Nutch。Hadoop的主要模块开始是包含在Nutch软件中，主要用于提高开源Web搜索引擎性能和扩展性。从Nutch 8. 0开始，Hadoop逐渐独立形成一个开源项目，并得到迅速的发展。Hadoop的关键技术包括HDFS分布式存储技术、HBase数据管理技术、MapReduce编程模型。
2. 1 HDFS分布式存储技术
为保证数据的高可用、高可靠和经济性，Hadoop的数据采用HDFS分布式文件系统进行存储。山于HDFS的开源优势，目前有很大一部分IT厂商，包括yahoo!.Intel、阿里巴巴的云存储计划采用的均为HDFS的数据存储技术。
HDFS系统是受Google文件系统(Ghemawat等，2003)启发，是建立在大型服务器集群上可以安全可靠地存储海量数据(可以达到TB甚至PB级)的文件系统，具有高度容错性。它可以和MapReduce编程模型很好的结合，是分布式计算的存储基础。
一个HDFS集群是山一个名称节点(Namenode)和一定数目的数据节点(Datanodes)组成。名称节点是一个中心服务器，负责管理文件系统的命名空间 (Namespace)以及客户端对文件的访问的元数据。数据节点在集群中一般是一个节点一个，负责管理它所在节点上的实际数据的存储。客户端联系名称节点以获取文件的元数据，而真正的文件工I/0操作是直接和数据节点进行交互的。
2. 2 HBase数据管理技术
与关系型数据库不同，HBase是按照列存储的稀疏列/行矩阵，表内数据非常稀疏，不同行、列数据可以大不相同。在HBase数据库中空的数据单元不占用任何存储空间，这种技术特点使得HBase特别适合管理具有稀疏特征的大型数据表。按照互联网地图发布的要求，栅格数据按照分辨率分为若干层，每一层都包含大量的栅格地图图片数据，数据从数百个乃至上千万个，每层包含的图片数量存在巨大差异。这就导致每个数据库表中必定有大量单元是没有数据的，是一个非常稀疏的表格，所以适合使用HBase存储和管理瓦片地图图片数据。HBase物理模型是把逻辑模型中的一个行进行分割，并按照列族存储。
2.3 MapReduce编程模型技术
MapReduce编程模式由Google于2004年开发，用于在超大集群下进行T级以上海量数据的计算处理。它以Key-Value对的思维方式来考虑问题，开发人员只需要写Map和Reduce两个操作就可以简单快速的处理海量的数据。HadoopMapReduce引擎由JobTracker(作业服务器)和Task Tracker(任务服务器)组成。 Job Tracker (Google称为Master)是负责管理调度所有作业，它是整个系统分配任务的核心。Task Tracker具体负责执行用户定义操作，每个作业被分割为任务集，包括Map任务和Reduce任务，任务是具体执行的基本单元。
3基于MapReduce的矿区信息监测云平台结构
根据MapReduce的体系架构，设在矿井内各监测点的监测信息首先通过以太网传送至处理集群，并存储在数据服务器中，总控室的监测员通过运管服务器，调度后台集群中适当的结点对监测数据进行处理，然后将结果返回，同时可以将处理后的结果反馈给接入无线网络的移动设备，达到随时监测和预警的目的，具体架构图如图1所示。
从上图可以看出，矿区监测云系统可以将各监测站的数据有效的结合起来，利用MapReduce调度后台处理结点形成高效的信息处理机制和反馈机制，提高了矿区监测的实时性和稳定性。
4结语
云计算的分布式存储以及数据管理、节点管理可以使大量的信息协同处理，客户端的任务可以山运管服务器自动分配到可用的计算资源和存储资源。以矿区信息监测为目的的云系统可以将各分散监测站的监测信息有效的整合在一起，形成快速实时的信息处理和反馈系统，为矿区的安全生产提供保障。
