样书申请
* 申请人: | |
* 详细地址: | |
* 数量: | |
* 手机号码: | |
邮箱: | |
1.请在地址处注明您所在单位和职务.2.申请提交后,工作人员稍后和您联系. |
POD订购
* 订购人: | |
* 详细地址: | |
* 数量: | |
* 手机号码: | |
邮箱: | |
- 内容简介
- 目录
- 读者反馈
- 图书推荐
目录
第一部分 系统与应用19
第1章 公共云上LIGO物理应用中的可扩展部署:工作流引擎与资源配置技术21
1 引言22
2 相关工作23
3 体系架构及设计25
3.1 负载均衡28
4 LIGO数据分析和引力波搜索30
4.1 应用需求34
5 性能评估35
5.1 平台可扩展性36
5.2 工作者的动态配置38
6 本章小结38
参考文献39
第2章 面向大数据的FutureGrid试验台42
1 引言42
2 FutureGrid简介43
2.1 硬件概述43
3 面向大数据的服务和工具46
3.1 测试平台即服务(TestbedaaS)47
3.2 传统的高性能计算即服务(HPCaaS)48
3.3 网格即服务(GridaaS)48
3.4 基础设施即服务(IaaS)48
3.5 云平台即服务(PaaS)50
4 FutureGrid的运用52
5 系统管理58
5.1 系统开发团队的整合58
5.2 DevOps58
5.3 教育支持60
6 Cloudmesh61
6.1 功能61
6.2 架构62
6.3 云转移65
6.4 图形用户界面65
6.5 Shell命令和命令行接口67
7 本章小结68
参考文献69
第3章 支持数据密集型应用的云网络72
1 引言72
2 构建云网络的模块和技术73
2.1 数据处理中心网络73
2.2 存储区域网73
2.3 网络协议栈74
2.4 局域网分区74
2.5 VPN75
2.6 虚拟网络和覆盖网75
2.7 高性能主干网76
2.8 软件界定的网络76
3 云的内部网络78
3.1 商业IaaS云78
3.2 开源IaaS云79
3.3 SDN的网络虚拟化81
4 内部云网络82
4.1 CohesiveFT的VNS-Cubed模型83
4.2 Pertino云网络引擎83
4.3 ViNe网络覆盖基础设施84
5 案例分析86
5.1 优化云内和云间的数据传输86
5.2 虚拟机迁移86
5.3 云上的科学应用程序87
6 本章小结88
参考文献89
第4章 IaaS云基准测试:方法、挑战和经验92
1 引言92
2 计算机系统基准简介94
2.1 为什么要基准测试95
2.2 基准测试的要素95
3 IaaS云基准测试的通用架构96
3.1 概述96
3.2 显著的设计特征97
4 IaaS云基准测试中的开放性挑战98
4.1 方法论98
4.2 系统属性99
4.3 工作负载100
4.4 度量101
5 IaaS云基准测试的经验101
5.1 方法:SPEC云工作组102
5.2 SkyMark:IaaS云基准测试的框架102
5.3 IaaS云性能的真实评估103
5.4 工作负载的统计模型104
5.5 开放数据:几个有用的档案库105
6 本章小结105
参考文献106
第5章 数据密集型应用的GPU加速云计算110
1 引言110
2 背景和相关工作111
2.1 云计算111
2.2 GPU112
2.3 MapReduce112
2.4 通用图形处理114
3 基于GPU集群的MapReduce115
3.1 Mars概述115
3.2 MarsHadoop117
3.3 Mars-MR-MPI118
3.4 实验119
4 GPU和云上的图像处理123
4.1 GPU上的并行图像处理123
4.2 云上的并行图像处理126
5 本章小结128
参考文献130
第6章 面向数据密集型科学应用的自适应工作负载分区与分配135
1 引言135
1.1 工作成果总结136
1.2 组织结构137
2 相关工作137
3 问题描述138
4 Apala139
4.1 统一工作负载139
4.2 分解统一的工作负载140
4.3 分配统一的工作负载142
5 评估143
5.1 设置143
5.2 分解模式145
5.3 负载平衡的有效性146
5.4 可移植性147
5.5 分区的代价149
6 本章小结150
参考文献151
第7章 DRAW:面向具有局部兴趣的数据密集型应用的一种基于数据分组感知的新型数据配置方案153
1 引言154
2 动机155
3 基于数据分组感知的数据配置156
3.1 历史数据访问图(HDAG)156
3.2 数据分组矩阵157
3.3 最优数据配置算法159
3.4 其他注意事项160
4 分析161
4.1 “随机=最优"的可能性161
4.2 数据分布的最优度163
4.3 随机分布的最优度165
4.4 多副本机架166
5 方法166
5.1 测试平台166
5.2 应用程序167
5.3 实现168
6 实验结果与分析169
6.1 实验结果169
6.2 MapReduce程序的性能改进170
6.3 敏感性研究:副本数目172
6.4 DRAW的代价173
7 相关工作174
8 本章小结174
参考文献175
第二部分 资源管理177
第8章 应用自适应组合拍卖的任务资源有效匹配179
1 引言179
1.1 贡献总结181
1.2 组织结构181
2 相关工作181
3 问题定义182
3.1 前言183
3.2 任务资源匹配:从博弈论的角度解析185
3.3 任务—资源匹配:示例场景185
3.4 动态迭代拍卖简介185
4 用于高效任务—资源匹配策略的基于拍卖的设计187
4.1 同质性案例187
4.2 K类异质性案例192
4.3 通用异质性案例193
5 结果评估193
5.1 任务调度的性能193
5.2 激励兼容性的验证195
5.3 统一价格拍卖的性能比较196
6 本章小结197
参考文献197
第9章 具备自主能力的高级网络基础设施的整合200
1 引言200
2 发展现状202
2.1 联合计算网格202
2.2 云计算的整合203
2.3 互操作性标准化活动203
3 聚合分布式资源的联合模型204
3.1 要求204
3.2 联合架构205
3.3 Comet云207
3.4 自主管理207
3.5 启用自主能力209
4 应用场景209
4.1 CDS&E应用210
4.2 企业业务数据分析214
5 经验教训217
6 本章小结218
参考文献219
第三部分 编程模型225
第10章 科学工作流管理系统从网络到云的迁移227
1 引言228
2 挑战及可用的解决方案229
2.1 传统科学工作流的挑战229
2.2 将工作流应用程序迁移到云231
2.3 将工作流管理迁移到云中232
3 Swift和OpenNebula的集成233
3.1 服务框架233
3.2 集成架构和实现方法234
4 性能评估239
4.1 MODIS图像处理工作流程239
4.2 实验配置239
4.3 实验结果240
5 相关工作243
6 本章小结245
参考文献246
第11章 PaaS云上执行的风暴潮集成250
1 引言250
2 架构/系统概述252
2.1 Windows Azure252
2.2 Sigiri中间件253
2.3 MapReduce:Twister4Azure254
3 SLOSH集合254
4 联合部署和运行257
4.1 Sigiri中间件257
4.2 MapReduce运行过程258
5 输出感知任务的部署260
5.1 负载分区260
5.2 Sigiri中的工作-窃取算法260
6 运行时间的建模261
7 绩效评估261
7.1 不同的工作负载262
7.2 不同的并行度263
7.3 模型评估264
8 相关工作265
9 本章小结266
参考文献266
第12章 MapReduce中的交叉相位优化268
1 引言269
1.1 MapReduce在高度分布式环境中的性能271
1.2 交叉相位优化273
2 Oracle:模型驱动优化274
2.1 模型及其优化274
2.2 观点275
3 映射—感知推送276
3.1 并行推送和映射以隐藏延迟277
3.2 并行推送和映射以改进调度方案277
3.3 映射-感知推送调度277
3.4 在Hadoop中的实现278
3.5 实验结果279
4 置乱感知映射281
4.1 置乱感知映射调度282
4.2 在Hadoop中的实现283
4.3 实验结果283
5 综合比较284
5.1 Amazon EC2环境下的测试284
5.2 PlanetLab环境下的测试286
6 相关工作286
7 本章小结288
参考文献289
第13章 面向大规模迭代计算的异步计算模型291
1 异步迭代291
2 基于增量累积的迭代计算294
2.1 DAIC简介294
2.2 异步DAIC296
2.3 收敛性296
2.4 有效性297
2.5 异步DAIC中的调度298
3 编写异步DAIC算法298
3.1 指导方案299
3.2 案例299
4 Maiter:一个支持异步DAIC的框架301
4.1 系统设计302
4.2 Maiter API305
4.3 Maiter程序示例306
5 性能308
6 相关工作311
7 本章小结311
参考文献312
第四部分 云计算315
第14章 Azure云上的大数据存储与处理:大规模实验与经验教训317
1 引言317
2 面向数据密集型应用的云存储挑战318
3 案例研究:Azure云数据存储与管理319
3.1 存储非结构化数据:Azure Blobs320
3.2 存储NoSQL结构化数据:Azure表321
3.3 并发数据处理的同步过程:Azure队列321
3.4 其他321
4 进一步优化:在产生大量并发任务时处理存储延迟322
4.1 聚合虚拟磁盘进行高效通信存储323
4.2 使用专用的计算节点进行可扩展的数据管理324
4.3 面向Azure云中归约密集型处理过程的低延迟存储方法327
5 在云端执行大规模大数据实验329
5.1 脑-基因相关性研究329
5.2 计算和存储问题329
5.3 实验设置330
5.4 结果330
5.5 云中的生物大数据处理:经验教训333
6 本章小结336
参考文献337
第15章 FRIEDA云环境中的存储与数据生命周期管理338
1 引言338
2 相关工作339
3 研究背景341
3.1 存储模型341
3.2 云环境中的I/O性能342
3.3 资源模型342
3.4 应用执行模式343
3.5 科学应用数据类型343
4 FRIEDA生命周期344
4.1 数据分区345
4.2 数据管理346
5 存储规划346
6 存储配置与准备350
7 数据配置351
8 FRIEDA执行过程351
8.1 通信协议352
8.2 执行阶段354
8.3 数据分类354
9 本章小结355
参考文献355
第16章 作为云服务的文件传输管理358
1 引言358
2 数据不溶性的问题359
2.1 解决方案360
3 文件传输管理361
4 StorkCloud364
4.1 StorkCloud调度程序364
4.2 目录列表服务365
4.3 Web API和小型客户端GUI365
4.4 传输模块接口366
4.5 优化模块366
5 传输层吞吐量优化367
5.1 优化技术367
5.2 动态优化369
5.3 MFT系统中的示例369
6 调度优化和预约370
6.1 协同调度算法370
6.2 历史性能数据的估计371
6.3 实际问题372
7 MFT的潜在应用372
7.1 云数据配置中间件373
7.2 备份管理和复制373
7.3 小型应用的数据传输373
7.4 进一步了解MFT373
8 本章小结374
参考文献374
第17章 定制化索引结构的社交媒体观察站:架构与性能376
1 引言377
2 数据和查询模式378
3 HBase381
4 IndexedHBase的设计与实现382
4.1 系统架构382
4.2 定制化的索引框架383
4.3 数据加载策略386
4.4 并行查询评估策略387
5 与Riak性能评估结果的比较388
5.1 测试环境配置388
5.2 Riak的配置与实现388
5.3 数据加载性能390
5.4 查询评估的性能392
6 相关工作397
7 本章小结398
参考文献399