云计算经过漫长的发展，被很多客户所认知。这里我发表一下个人见解，和大家相互讨论。1.安全性：云计算的安全性主要有两个方面：一是云计算的环境所带来的安全问题，二是云计算怎样实现安全的防护。
前者包括技术层面的安全问题和政策上面的法规安全性问题。后者主要体现在，传统意义上的的安全软件系统都是建立在自身机子的基础上，而把这些软件服务构架在云环境中，软件本身的安全性远远不能满足用户的要求，就需要各软件厂商改变原有的安全运行模式，考虑其产品在云环境中运行的安全性和防护模式。
2.可用性：可用性指的是软件系统在给定一段时间内正常工作的时间占总时间的比重。为了提高真正好可用的服务，云计算的提供商正在研究常见故障的分析及预测模型。基于对这些模型的研究，云计算服务商希望能够预测到可能的可用性问题，并通过提前准备复本，提前解决故障，通知用户等手段来避免或者减少这些故障的发生。
3.可伸缩性：具备可伸缩性的软件系统能够通过资源的增加或减少来应对负载的变化，并保持一致的性能。
在云计算环境中，对于应用的垂直伸缩和水平伸缩都可以通过云计算的基础设施平台得到支持。比如在一个基于服务器虚拟化的云基础设施中，垂直伸缩可以通过对虚拟机的资源调整来实现；对于水平伸缩，则可以同构增加或减少应用对应的虚拟机节点来完成。
4.信息保密：在云计算环境中，虽然完整的数据是分成碎片存储在不同的服务器上的，增加了非法用户获得完整数据的难度，但是仍然存在可能。比如非法用户可以暴力破解所有的存储服务器来收集信息，他甚至会破解云存储系统的数据分发逻辑。除此之外，还要考虑各个国家的法律政策。
5.高性能：我们着重分析当前云计算环境中最流行的技术的性能，包括服务器虚拟化技术，大规模数据处理技术和分布式存储技术。
目前流行的半虚拟化系统中，例如Xen和Vmware ESX，虚拟机管理系统只会带来少量的额外CPU开销，而内存和I/O的性能开销比较严重。对于现在的虚拟化技术来说，原有的CPU密集型的应用能够比较好的迁移到虚拟化平台，而原有的内存或I/O密集型应用，例如数据库，就会遇到较大的麻烦。
作为云计算大规模数据处理的事实标准框架，MapReduce也存在性能问题。首先是适用性导致的性能问题，因为Google设计的MapReduce是针对搜索引擎的，并不是完全从通用的出发点考虑。其次，MapReduce的原语设计也会导致性能问题。此外，由于MapReduce运行在分布式系统上，系统中的节点通过网络进行连接，因此运行过程中需要大量的网络消息通信，造成额外的通信开销。
6.标准化：如果用户希望维护多个云之间的数据同步，应用版本同步，或者应用云之间的互操作，那么最理想的情况是通过一种方法将多个云数据中心抽象为一个，一次来降低使用的复杂性。这个工作职能同构标准化来完成。