云計(jì)算

第1章 緒論 1
1.1 云計(jì)算的概念 1
1.2 云計(jì)算發(fā)展現(xiàn)狀 3
1.3 云計(jì)算實(shí)現(xiàn)機(jī)制 4
1.4 網(wǎng)格計(jì)算與云計(jì)算 6
參考文獻(xiàn) 8
第2章 Google云計(jì)算原理 10
2.1 Google文件系統(tǒng)GFS 10
2.1.1 系統(tǒng)架構(gòu) 11
2.1.2 容錯(cuò)機(jī)制 13
2.1.3 系統(tǒng)管理技術(shù) 13
2.2 并行數(shù)據(jù)處理MapReduce 14
2.2.1 產(chǎn)生背景 14
2.2.2 編程模型 15
2.2.3 實(shí)現(xiàn)機(jī)制 15
2.2.4 案例分析 17
2.3 分布式鎖服務(wù)Chubby 19
2.3.1 Paxos算法 19
2.3.2 Chubby系統(tǒng)設(shè)計(jì) 20
2.3.3 Chubby文件系統(tǒng) 21
2.3.4 通信協(xié)議 23
2.3.5 正確性與性能 24
2.4 分布式結(jié)構(gòu)化數(shù)據(jù)表Bigtable 25
2.4.1 設(shè)計(jì)動(dòng)機(jī)與目標(biāo) 25
2.4.2 數(shù)據(jù)模型 26
2.4.3 系統(tǒng)架構(gòu) 27
2.4.4 主服務(wù)器 28
2.4.5 子表服務(wù)器 29
2.4.6 性能優(yōu)化 32
參考文獻(xiàn) 34
第3章 Google應(yīng)用程序引擎 35
3.1 Google App Engine簡介 35
3.2 應(yīng)用程序環(huán)境 37
3.3 Google App Engine數(shù)據(jù)庫 38
3.4 Google App Engine服務(wù) 39
3.4.1 圖像操作API 39
3.4.2 郵件API 40
3.4.3 Memcache API 42
3.4.4 網(wǎng)址抓取API 44
3.4.5 用戶API 45
3.4.6 數(shù)據(jù)庫API 46
3.5 編程實(shí)例：Hello World 52
3.5.1 創(chuàng)建簡單請(qǐng)求處理程序 53
3.5.2 使用webapp框架 55
3.5.3 使用用戶服務(wù) 56
3.5.4 用webapp處理表單 57
3.5.5 使用數(shù)據(jù)庫 59
3.5.6 使用模板 61
3.5.7 應(yīng)用實(shí)例：搭建CDN 61
3.6 應(yīng)用實(shí)例：用iPhone訪問Google App Engine 63
3.7 應(yīng)用實(shí)例：基于位置的聊天 66
參考文獻(xiàn) 68
第4章 亞馬遜云計(jì)算AWS 69
4.1 簡介 69
4.2 亞馬遜平臺(tái)基礎(chǔ)存儲(chǔ)架構(gòu)：Dynamo 69
4.2.1 Dynamo在亞馬遜服務(wù)平臺(tái)的地位 69
4.2.2 Dynamo架構(gòu)的主要技術(shù) 71
4.3 彈性計(jì)算云EC2 76
4.3.1 EC2的主要特性 77
4.3.2 EC2基本架構(gòu)及主要概念 77
4.3.3 常用API 81
4.4 簡單存儲(chǔ)服務(wù)S3 82
4.4.1 基本概念和操作 82
4.4.2 數(shù)據(jù)一致性模型 84
4.4.3 S3安全措施 85
4.4.4 常用API 87
4.5 簡單隊(duì)列服務(wù)SQS 87
4.5.1 SQS基本模型 88
4.5.2 兩個(gè)重要概念 88
4.5.3 消息 89
4.5.4 身份認(rèn)證 90
4.5.5 常用API 90
4.6 簡單數(shù)據(jù)庫服務(wù)SimpleDB 91
4.6.1 重要概念 91
4.6.2 與關(guān)系型數(shù)據(jù)庫的比較 93
4.6.3 存在的問題及解決辦法 93
4.6.4 SDB和其他AWS的結(jié)合使用 94
4.6.5 常用API 94
4.7 彈性MapReduce服務(wù) 95
4.7.1 彈性MapReduce 95
4.7.2 常用API 96
4.8 內(nèi)容推送服務(wù)CloudFront 96
4.8.1 CDN 97
4.8.2 CloudFront 98
4.8.3 常用API 100
4.9 電子商務(wù)服務(wù)DevPay和FPS 100
4.9.1 DevPay 100
4.9.2 FPS 103
4.9.3 常用API 104
4.10 其他亞馬遜云計(jì)算服務(wù) 105
4.10.1 簡單支付服務(wù)Simple Pay 105
4.10.2 亞馬遜完成Web服務(wù) 106
4.10.3 土耳其機(jī)器人 106
4.10.4 Alexa Web服務(wù) 107
4.10.5 常用API 108
4.11 AWS應(yīng)用實(shí)例 108
4.11.1 在線照片存儲(chǔ)共享網(wǎng)站SmugMug 109
4.11.2 在線視頻制作網(wǎng)站Animoto 110
參考文獻(xiàn) 110
第5章 微軟云計(jì)算Windows Azure 113
5.1 微軟云計(jì)算服務(wù)平臺(tái) 113
5.2 微軟云操作系統(tǒng)Windows Azure 114
5.2.1 概述 114
5.2.2 Windows Azure存儲(chǔ)服務(wù) 116
5.2.3 Windows Azure計(jì)算服務(wù) 127
5.2.4 Fabric 129
5.2.5 使用Windows Azure 130
5.3 SQL服務(wù) 130
5.3.1 SQL數(shù)據(jù)服務(wù) 130
5.3.2 SDS數(shù)據(jù)模型 131
5.3.3 訪問SDS 132
5.4 .NET服務(wù) 132
5.4.1 概述 132
5.4.2 訪問控制服務(wù) 133
5.4.3 .NET服務(wù)總線 135
5.4.4 工作流服務(wù) 139
5.5 Live服務(wù) 143
5.5.1 概述 143
5.5.2 Live框架 144
5.5.3 訪問數(shù)據(jù) 145
5.5.4 使用網(wǎng)絡(luò) 146
5.5.5 Mesh-Enabled應(yīng)用程序 147
5.6 小結(jié) 148
參考文獻(xiàn) 148
第6章 開源云計(jì)算系統(tǒng) 149
6.1 開源云計(jì)算系統(tǒng)簡介 149
6.1.1 Hadoop 149
6.1.2 Eucalyptus 151
6.1.3 Enomaly ECP 152
6.1.4 Nimbus 152
6.1.5 Sector and Sphere 153
6.1.6 abiquo 155
6.1.7 MongoDB 156
6.2 HDFS：GFS的開源實(shí)現(xiàn) 157
6.2.1 設(shè)計(jì)前提與目標(biāo) 157
6.2.2 體系結(jié)構(gòu) 158
6.2.3 保障可靠性的措施 159
6.2.4 提升性能的措施 161
6.2.5 訪問接口 162
6.3 MapReduce的開源實(shí)現(xiàn) 163
6.3.1 邏輯模型 163
6.3.2 實(shí)現(xiàn)機(jī)制 164
6.4 HBase：Bigtable的開源實(shí)現(xiàn) 165
6.4.1 邏輯模型 165
6.4.2 物理模型 165
6.4.3 子表服務(wù)器 166
6.4.4 主服務(wù)器 167
6.4.5 元數(shù)據(jù)表 167
6.5 Eucalyptus：EC2的開源實(shí)現(xiàn) 168
6.5.1 背景 168
6.5.2 體系結(jié)構(gòu) 169
6.5.3 主要構(gòu)件 171
6.5.4 訪問接口 172
6.5.5 服務(wù)等級(jí)協(xié)議 173
6.5.6 虛擬組網(wǎng) 174
參考文獻(xiàn) 175
第7章 云計(jì)算仿真器CloudSim 177
7.1 CloudSim簡介 177
7.2 CloudSim體系結(jié)構(gòu) 178
7.2.1 SimJava層 179
7.2.2 GridSim層 179
7.2.3 CloudSim層 179
7.2.4 用戶代碼層 180
7.3 CloudSim技術(shù)實(shí)現(xiàn) 180
7.4 CloudSim的使用方法 182
參考文獻(xiàn) 185
第8章 云計(jì)算理論研究熱點(diǎn) 186
8.1 體系結(jié)構(gòu)研究 186
8.1.1 Youseff劃分方法 186
8.1.2 Lenk劃分方法 188
8.2 關(guān)鍵技術(shù)研究 190
8.2.1 虛擬機(jī) 190
8.2.2 安全管理 191
8.2.3 云監(jiān)測(cè) 192
8.2.4 能耗管理 194
8.2.5 數(shù)據(jù)管理 196
8.2.6 資源調(diào)度 197
8.3 編程模型研究 198
8.3.1 All-Pairs編程模型 198
8.3.2 GridBatch編程模型 199
8.4 支撐平臺(tái)研究 200
8.4.1 Cumulus：數(shù)據(jù)中心科學(xué)云 200
8.4.2 CARMEN：e-Science云計(jì)算 201
8.4.3 RESERVOIR：云服務(wù)融合平臺(tái) 202
8.4.4 TPlatform：Hadoop的變種 203
8.4.5 P2P環(huán)境的MapReduce 203
8.4.6 Yahoo云計(jì)算平臺(tái) 205
8.5 應(yīng)用研究 205
8.5.1 語義分析應(yīng)用 205
8.5.2 生物學(xué)應(yīng)用 206
8.5.3 數(shù)據(jù)庫應(yīng)用 207
8.5.4 地理信息應(yīng)用 208
8.5.5 商業(yè)應(yīng)用 209
8.6 云安全研究 211
8.6.1 Anti-Spam Grid：反垃圾郵件網(wǎng)格 211
8.6.2 CloudAV：終端惡意軟件檢測(cè) 213
8.6.3 AMSDS：惡意軟件簽名自動(dòng)檢測(cè) 214
8.6.4 云平臺(tái)上的數(shù)字身份認(rèn)證 215
參考文獻(xiàn) 216
第9章 總結(jié)與展望 220
9.1 Google、亞馬遜和微軟云計(jì)算對(duì)比 220
9.1.1 應(yīng)用場(chǎng)景 220
9.1.2 使用流程 221
9.1.3 體系結(jié)構(gòu) 222
9.1.4 實(shí)現(xiàn)技術(shù) 223
9.1.5 小結(jié) 224
9.2 云計(jì)算壓倒性的成本優(yōu)勢(shì) 226
9.3 云計(jì)算的歷史坐標(biāo)與發(fā)展方向 229
9.3.1 互聯(lián)網(wǎng)發(fā)展的階段劃分 229
9.3.2 3G、物聯(lián)網(wǎng)與云計(jì)算 231
9.3.3 云格（Gloud）-云計(jì)算的未來 232
參考文獻(xiàn) 234
附錄A 云計(jì)算實(shí)驗(yàn)——Hadoop安裝與使用 235
A.1 Hadoop實(shí)驗(yàn)?zāi)康募皩?shí)驗(yàn)環(huán)境 235
A.2 在Linux系統(tǒng)中安裝使用Hadoop 235
A.2.1 實(shí)驗(yàn)準(zhǔn)備 235
A.2.2 實(shí)驗(yàn)步驟 236
A.3 在Windows系統(tǒng)中安裝使用Hadoop 243
A.3.1 實(shí)驗(yàn)準(zhǔn)備 243
A.3.2 實(shí)驗(yàn)步驟 244
A.4 注意事項(xiàng) 249
附錄B 云計(jì)算實(shí)驗(yàn)——HDFS使用 250
B.1 實(shí)驗(yàn)?zāi)康?250
B.2 實(shí)驗(yàn)環(huán)境 250
B.3 實(shí)驗(yàn)步驟 250
附錄C 云計(jì)算實(shí)驗(yàn)——HDFS和MapReduce編程 254
C.1 實(shí)驗(yàn)?zāi)康?254
C.2 實(shí)驗(yàn)環(huán)境 254
C.3 實(shí)驗(yàn)步驟 254
C.4 注意事項(xiàng) 259
附錄D 云計(jì)算實(shí)驗(yàn)——HBase安裝使用 260
D.1 實(shí)驗(yàn)?zāi)康?260
D.2 實(shí)驗(yàn)環(huán)境 260
D.3 實(shí)驗(yàn)步驟 260
D.4 注意事項(xiàng) 264
附錄E 云計(jì)算實(shí)驗(yàn)——CloudSim編程 265
E.1 實(shí)驗(yàn)?zāi)康?265
E.2 實(shí)驗(yàn)環(huán)境 265
E.3 實(shí)驗(yàn)步驟 265
參考文獻(xiàn) 269