云計算的關(guān)鍵技術(shù)與應(yīng)用實例

第1篇 從并行計算到云計算
第1章 并行計算與云計算
1.1 并行計算到云計算的演變
1.2 云計算需要定義嗎？
1.3 云計算是否是新瓶裝舊酒
1.4 MPI與Hadoop，不同學科學者的選擇
1.5 云計算與瀏覽器
第2章 MPI并行計算環(huán)境的建立
2.1 配置前的準備工作
2.2 掛載NFS文件系統(tǒng)
2.3 配置ssh實現(xiàn)MPI節(jié)點間用戶的無密碼訪問
2.4 安裝MPICH2
2.5 建立并行計算環(huán)境時的注意事項
第3章 并行計算時代的程序設(shè)計方法
3.1 最簡單的并行程序
3.2 獲取進程標志和機器名
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)計中的應(yīng)用
3.5 并行計算中節(jié)點間的Reduce操作
3.6 用MPI的6個基本函數(shù)實現(xiàn)Reduce函數(shù)功能
3.7 計算與通信的并行
3.8 節(jié)點間自定義復雜數(shù)據(jù)結(jié)構(gòu)的傳輸
3.9 MPI與MySQL數(shù)據(jù)庫的結(jié)合應(yīng)用
3.1 設(shè)計MPI并行程序時的注意事項
第4章 從MPI走向云計算
4.1 MPI沒有分布式文件系統(tǒng)支持
4.2 MPI無法應(yīng)對節(jié)點的失效
4.3 假如用MPI來構(gòu)建云計算系統(tǒng)
第2篇 云計算的關(guān)鍵技術(shù)
第5章 Map/Reduce是云計算的選擇嗎
5.1 Map/Reduce跨越50年的歷史
5.2 實現(xiàn)Map/Reduce的C語言實例
5.3 采用MPI實現(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)鍵問題
6.5 云計算不相信節(jié)點服務(wù)器
6.6 揭密云計算架構(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)器的性能評測
第7章 Hadoop環(huán)境的建立
7.1 Hadoop配置環(huán)境
7.2 配置ssh實現(xiàn)Hadoop節(jié)點間用戶的無密碼訪問
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語言程序在Hadoop上運行
第8章 動手做自己的云計算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 文件分布式存儲流程
8.1.3 計算與存儲的整合流程
8.2 管理節(jié)點程序設(shè)計與分析
8.2.1 管理節(jié)點服務(wù)器程序主函數(shù)
8.2.2 管理節(jié)點各線程函數(shù)的設(shè)計
8.2.3 主服務(wù)器中其他函數(shù)的設(shè)計
8.3 子節(jié)點程序分析
8.3.1 子節(jié)點主函數(shù)
8.3.2 子節(jié)點各線程函數(shù)設(shè)計
8.4 客戶端API設(shè)計
8.4.1 客戶端文件的存儲
8.4.2 客戶端啟動子節(jié)點計算
8.4.3 客戶端應(yīng)用的簡單實例
8.5 客戶端應(yīng)用開發(fā)實例
第3篇 云計算應(yīng)用實例
第9章 基于不可信服務(wù)器節(jié)點的云計算基礎(chǔ)架構(gòu)
9.1 云計算基礎(chǔ)架構(gòu)的應(yīng)用場景
9.2 云計算基礎(chǔ)架構(gòu)
9.3 基于單向指針目錄映射的分層用戶隔離
9.4 云文件系統(tǒng)的物理存儲管理
9.5 云存儲的安全級別劃分
9.6 計算和存儲的整合
9.7 計算和存儲的遷移
9.8 任務(wù)的可并行性和分類分析
9.9 簡化的服務(wù)器級粗粒度計算和存儲資源分配方案
9.1 數(shù)據(jù)的云計算系統(tǒng)之旅
第10章 云計算與智能
10.1 云計算的智能與人類智能的比較
10.2 云計算提升終端智能
10.3 云計算智能與Monte Carlo方法
10.4 云計算時代不確定性智能算法示例——模擬諧振子算法
10.4.1 簡諧振動的描述
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)用于旅行商問題
10.4.6 模擬諧振子算法在連續(xù)和非線性優(yōu)化問題中的應(yīng)用
10.4.7 模擬諧振子算法的隱含并行性
10.5 云計算中的人工智能
第11章 云計算企業(yè)之間的競爭性分析
11.1 云計算技術(shù)流派分析
11.1.1 存儲型——數(shù)據(jù)密集云計算平臺
11.1.2 計算型——計算密集云計算平臺
11.1.3 綜合云計算平臺
11.2 國際云計算公司分析
11.2.1 云計算技術(shù)的提出者Google
11.2.2 “端”的霸主微軟
11.2.3 藍色巨人IBM的藍云
11.2.4 云計算的市場先行者Amazon公司
11.2.5 Salesforce從SaaS走入云中
11.2.6 熱愛白皮書的Sun
11.2.7 EMC云計算的核心是虛擬化
11.2.8 漁翁得利的思科
11.3 國內(nèi)云計算公司分析
11.3.1 擁有基礎(chǔ)設(shè)施的世紀互聯(lián)
11.3.2 阿里巴巴下決心入云
11.3.3 中國移動的BigCloud
11.3.4 國產(chǎn)旗幟友友云計算平臺
11.3.5 曙光高性能與云計算
11.3.6 展覽也要云
11.4 開源云計算平臺分析
11.5 國際國內(nèi)云計算平臺提供商對比研究
11.6 產(chǎn)業(yè)綜合分析
11.6.1 云計算與網(wǎng)絡(luò)設(shè)備商的關(guān)系
11.6.2 云計算與移動通信運營商的關(guān)系
11.6.3 云計算與服務(wù)器提供商的關(guān)系
11.6.4 云計算與應(yīng)用程序開發(fā)商的關(guān)系
后記 未來的計算——不確定性和隱含并行計算
附錄 計算力的標準Linpack測試詳細指南
參考文獻