云計(jì)算的關(guān)鍵技術(shù)與應(yīng)用實(shí)例

第1篇 從并行計(jì)算到云計(jì)算
第1章 并行計(jì)算與云計(jì)算
1.1 并行計(jì)算到云計(jì)算的演變
1.2 云計(jì)算需要定義嗎？
1.3 云計(jì)算是否是新瓶裝舊酒
1.4 MPI與Hadoop，不同學(xué)科學(xué)者的選擇
1.5 云計(jì)算與瀏覽器
第2章 MPI并行計(jì)算環(huán)境的建立
2.1 配置前的準(zhǔn)備工作
2.2 掛載NFS文件系統(tǒng)
2.3 配置ssh實(shí)現(xiàn)MPI節(jié)點(diǎn)間用戶(hù)的無(wú)密碼訪(fǎng)問(wèn)
2.4 安裝MPICH2
2.5 建立并行計(jì)算環(huán)境時(shí)的注意事項(xiàng)
第3章 并行計(jì)算時(shí)代的程序設(shè)計(jì)方法
3.1 最簡(jiǎn)單的并行程序
3.2 獲取進(jìn)程標(biāo)志和機(jī)器名
3.3 有消息傳遞功能的并行程序
3.4 Monte Carlo法在并行程序設(shè)計(jì)中的應(yīng)用
3.5 并行計(jì)算中節(jié)點(diǎn)間的Reduce操作
3.6 用MPI的6個(gè)基本函數(shù)實(shí)現(xiàn)Reduce函數(shù)功能
3.7 計(jì)算與通信的并行
3.8 節(jié)點(diǎn)間自定義復(fù)雜數(shù)據(jù)結(jié)構(gòu)的傳輸
3.9 MPI與MySQL數(shù)據(jù)庫(kù)的結(jié)合應(yīng)用
3.1 設(shè)計(jì)MPI并行程序時(shí)的注意事項(xiàng)
第4章 從MPI走向云計(jì)算
4.1 MPI沒(méi)有分布式文件系統(tǒng)支持
4.2 MPI無(wú)法應(yīng)對(duì)節(jié)點(diǎn)的失效
4.3 假如用MPI來(lái)構(gòu)建云計(jì)算系統(tǒng)
第2篇 云計(jì)算的關(guān)鍵技術(shù)
第5章 Map/Reduce是云計(jì)算的選擇嗎
5.1 Map/Reduce跨越50年的歷史
5.2 實(shí)現(xiàn)Map/Reduce的C語(yǔ)言實(shí)例
5.3 采用MPI實(shí)現(xiàn)并行化的Map/Reduce功能
第6章 Hadoop技術(shù)
6.1 Hadoop與MPI在數(shù)據(jù)處理上的對(duì)比
6.2 Hadoop的主從式結(jié)構(gòu)
6.2.1 主從式文件系統(tǒng)HDFS
6.2.2 主從式計(jì)算系統(tǒng)Map/Reduce
6.2.3 文件分塊策略分析
6.3 Hadoop文件系統(tǒng)HDFS的前輩GFS
6.4 構(gòu)建云文件系統(tǒng)需要解決的關(guān)鍵問(wèn)題
6.5 云計(jì)算不相信節(jié)點(diǎn)服務(wù)器
6.6 揭密云計(jì)算架構(gòu)下的典型服務(wù)器——Google服務(wù)器
6.6.1 Google服務(wù)器概述
6.6.2 揭開(kāi)Google服務(wù)器的神秘面紗
6.6.3 Google服務(wù)器的配置情況
6.6.4 Google服務(wù)器的性能評(píng)測(cè)
第7章 Hadoop環(huán)境的建立
7.1 Hadoop配置環(huán)境
7.2 配置ssh實(shí)現(xiàn)Hadoop節(jié)點(diǎn)間用戶(hù)的無(wú)密碼訪(fǎng)問(wèn)
7.3 JDK的安裝配置
7.4 Hadoop的安裝配置
7.5 Hadoop中的Hello World
7.6 C語(yǔ)言程序在Hadoop上運(yùn)行
第8章 動(dòng)手做自己的云計(jì)算V0.01系統(tǒng)
8.1 系統(tǒng)總體分析
8.1.1 系統(tǒng)架構(gòu)
8.1.2 文件分布式存儲(chǔ)流程
8.1.3 計(jì)算與存儲(chǔ)的整合流程
8.2 管理節(jié)點(diǎn)程序設(shè)計(jì)與分析
8.2.1 管理節(jié)點(diǎn)服務(wù)器程序主函數(shù)
8.2.2 管理節(jié)點(diǎn)各線(xiàn)程函數(shù)的設(shè)計(jì)
8.2.3 主服務(wù)器中其他函數(shù)的設(shè)計(jì)
8.3 子節(jié)點(diǎn)程序分析
8.3.1 子節(jié)點(diǎn)主函數(shù)
8.3.2 子節(jié)點(diǎn)各線(xiàn)程函數(shù)設(shè)計(jì)
8.4 客戶(hù)端API設(shè)計(jì)
8.4.1 客戶(hù)端文件的存儲(chǔ)
8.4.2 客戶(hù)端啟動(dòng)子節(jié)點(diǎn)計(jì)算
8.4.3 客戶(hù)端應(yīng)用的簡(jiǎn)單實(shí)例
8.5 客戶(hù)端應(yīng)用開(kāi)發(fā)實(shí)例
第3篇 云計(jì)算應(yīng)用實(shí)例
第9章 基于不可信服務(wù)器節(jié)點(diǎn)的云計(jì)算基礎(chǔ)架構(gòu)
9.1 云計(jì)算基礎(chǔ)架構(gòu)的應(yīng)用場(chǎng)景
9.2 云計(jì)算基礎(chǔ)架構(gòu)
9.3 基于單向指針目錄映射的分層用戶(hù)隔離
9.4 云文件系統(tǒng)的物理存儲(chǔ)管理
9.5 云存儲(chǔ)的安全級(jí)別劃分
9.6 計(jì)算和存儲(chǔ)的整合
9.7 計(jì)算和存儲(chǔ)的遷移
9.8 任務(wù)的可并行性和分類(lèi)分析
9.9 簡(jiǎn)化的服務(wù)器級(jí)粗粒度計(jì)算和存儲(chǔ)資源分配方案
9.1 數(shù)據(jù)的云計(jì)算系統(tǒng)之旅
第10章 云計(jì)算與智能
10.1 云計(jì)算的智能與人類(lèi)智能的比較
10.2 云計(jì)算提升終端智能
10.3 云計(jì)算智能與Monte Carlo方法
10.4 云計(jì)算時(shí)代不確定性智能算法示例——模擬諧振子算法
10.4.1 簡(jiǎn)諧振動(dòng)的描述
10.4.2 模擬諧振子算法描述
10.4.3 模擬諧振子算法流程
10.4.4 模擬諧振子算法分析
10.4.5 模擬諧振子算法應(yīng)用于旅行商問(wèn)題
10.4.6 模擬諧振子算法在連續(xù)和非線(xiàn)性?xún)?yōu)化問(wèn)題中的應(yīng)用
10.4.7 模擬諧振子算法的隱含并行性
10.5 云計(jì)算中的人工智能
第11章 云計(jì)算企業(yè)之間的競(jìng)爭(zhēng)性分析
11.1 云計(jì)算技術(shù)流派分析
11.1.1 存儲(chǔ)型——數(shù)據(jù)密集云計(jì)算平臺(tái)
11.1.2 計(jì)算型——計(jì)算密集云計(jì)算平臺(tái)
11.1.3 綜合云計(jì)算平臺(tái)
11.2 國(guó)際云計(jì)算公司分析
11.2.1 云計(jì)算技術(shù)的提出者Google
11.2.2 “端”的霸主微軟
11.2.3 藍(lán)色巨人IBM的藍(lán)云
11.2.4 云計(jì)算的市場(chǎng)先行者Amazon公司
11.2.5 Salesforce從SaaS走入云中
11.2.6 熱愛(ài)白皮書(shū)的Sun
11.2.7 EMC云計(jì)算的核心是虛擬化
11.2.8 漁翁得利的思科
11.3 國(guó)內(nèi)云計(jì)算公司分析
11.3.1 擁有基礎(chǔ)設(shè)施的世紀(jì)互聯(lián)
11.3.2 阿里巴巴下決心入云
11.3.3 中國(guó)移動(dòng)的BigCloud
11.3.4 國(guó)產(chǎn)旗幟友友云計(jì)算平臺(tái)
11.3.5 曙光高性能與云計(jì)算
11.3.6 展覽也要云
11.4 開(kāi)源云計(jì)算平臺(tái)分析
11.5 國(guó)際國(guó)內(nèi)云計(jì)算平臺(tái)提供商對(duì)比研究
11.6 產(chǎn)業(yè)綜合分析
11.6.1 云計(jì)算與網(wǎng)絡(luò)設(shè)備商的關(guān)系
11.6.2 云計(jì)算與移動(dòng)通信運(yùn)營(yíng)商的關(guān)系
11.6.3 云計(jì)算與服務(wù)器提供商的關(guān)系
11.6.4 云計(jì)算與應(yīng)用程序開(kāi)發(fā)商的關(guān)系
后記 未來(lái)的計(jì)算——不確定性和隱含并行計(jì)算
附錄 計(jì)算力的標(biāo)準(zhǔn)Linpack測(cè)試詳細(xì)指南
參考文獻(xiàn)