云計算實戰(zhàn)

內(nèi)容概要

　　云計算是繼20世紀80年代大型計算機到客戶端胡艮務(wù)器的大轉(zhuǎn)變之后的又一巨變，它描述了一種基于互聯(lián)網(wǎng)的相關(guān)服務(wù)的增加、使用和交付模式，通常通過互聯(lián)網(wǎng)來提供動態(tài)、易擴展而且經(jīng)常是虛擬化的資源，廣泛應(yīng)用于云物聯(lián)、云安全、云存儲?！对朴嬎銓崙?zhàn)》介紹了云計算的基本概念、原理及實際應(yīng)用，重點闡述了云計算領(lǐng)域具有代表性的Google、Amazon、微軟和VMwave四家公司的云計算核心原理、使用方法及應(yīng)用。主要內(nèi)容包括Google云計算實現(xiàn)、Hadoop分布式文件系統(tǒng)、Amazon云計算、VMware云計算、WindowsAzure云計算及云計算其他應(yīng)用軟件等。
　　《云計算實戰(zhàn)》結(jié)合具體實例來講解相關(guān)概念及原理，實用性較強，適合作為大學高年級和研究生云計算課程教材，也可作為云計算研究開發(fā)人員、愛好者的參考用書。

書籍目錄

第1章 云計算緒論
1.1 云計算概述
1.1.1 云計算的定義
1.1.2 云計算產(chǎn)生的背景
1.1.3 云時代誰是主角
1.1.4 云計算的特征
1.1.5 云計算的發(fā)展史
1.1.6 云計算的服務(wù)層次
1.1 ，7云計算的服務(wù)形式
1.1.8 云計算的實現(xiàn)機制
1.1.9 云計算延伸
1.1.1 0云計算研究方向
1.1.1 1云計算發(fā)展趨勢
1.2 云計算的發(fā)展環(huán)境
1.2.1 云計算與對等網(wǎng)的關(guān)系
1.2.2 云計算與網(wǎng)格計算關(guān)系
1.2.3 云計算與物聯(lián)網(wǎng)關(guān)系
1.2.4 云計算與3G關(guān)系
1.3 云計算研究熱點
1.3.1 研究云計算體系結(jié)構(gòu)
1.3.2 研究云計算關(guān)鍵技術(shù)
1.3.3 研究云計算支撐平臺
1.3.4 研究云計算的安全性
1.4 云標準
1.5 云計算的生命周期
1.6 我國云計算中心的問題與注意事項
第2章 Google云計算實現(xiàn)
2.1 Google整體架構(gòu)概述
2.1.1 Google技術(shù)整體構(gòu)架
2.1.2 Google外部與內(nèi)部技術(shù)層次介紹
2.2 Google文件系統(tǒng)GFS
2.2.1 文件系統(tǒng)架構(gòu)
2.2.2 GFS的特點
2.2.3 文件系統(tǒng)的容錯性
2.2.4 系統(tǒng)管理技術(shù)
2.3 Google計算架構(gòu)
2.3.1 Google并行計算架構(gòu)MapReduce
2.3.2 Google分布式鎖服務(wù)Chubby
2.3.3 Google分布式結(jié)構(gòu)化數(shù)據(jù)庫BigTable
2.4 GFS應(yīng)用實例
2.5 Google應(yīng)用引擎
2.5.1 Google應(yīng)用引擎概述
2.5.2 Google應(yīng)用引擎環(huán)境
2.5.3 Google應(yīng)用引擎服務(wù)
2.5.4 Google應(yīng)用引擎實例
2.6 Hadoop云計算概述
2.6.1 Hadoop的構(gòu)架介紹
2.6.2 Hadoop群族
2.6.3 Hadoop在Windows中安裝
2.6.4 Hadoop的應(yīng)用
2.7 Hadoop云計算系統(tǒng)操作
2，7.1 多節(jié)點Hadoop云計算系統(tǒng)設(shè)置
2，7.2 多節(jié)點Hadoop設(shè)置實例
2.7.3 啟動Hadoop云計算系統(tǒng)
2.8 Hadoop的Avatar機制
2.8.1 Avatar系統(tǒng)架構(gòu)
2.8.2 Avatar元數(shù)據(jù)同步機制
2.8.3 切換故障過程
2.8.4 Avatar運行流程
2.8.5 切換Avatar故障流程
2.9 Hadoop應(yīng)用開發(fā)
第3章 Hadoop分布式文件系統(tǒng)
3.1 Hadoop分布式文件系統(tǒng)HDFS
3.1.1 設(shè)計前提與目標
3.1.2 HDFS體系結(jié)構(gòu)
3.1.3 HDFS的可靠性措施
3.1.4 訪問接口
3.1.5 HDFS常用命令
3.1.6 HDFS應(yīng)用實例
3.2 Hadoop分布式數(shù)據(jù)處理MapReduce
3.2.1 MapReduce云計算模型
3.2.2 MapReduce架構(gòu)結(jié)構(gòu)
3.2.3 MapReduce云計算應(yīng)用實例
3.2.4 并行隨機發(fā)生器算法的MapReduce實現(xiàn)
3.3 MapReduce的進一步功能
3.3.1 MapReduce的進一步功能概述
3.3.2 定制的數(shù)據(jù)類型
3.3.3 定制的輸入／輸出形式
3.3.4 連接多數(shù)據(jù)源
3.3.5 傳遞與使用全局參數(shù)／數(shù)據(jù)文件
3.3.6 連接與訪問關(guān)系數(shù)據(jù)庫
3.4 Hadoop分布式存儲數(shù)據(jù)HBase
3.4.1 HBase的系統(tǒng)框架
3.4.2 HBase的模型
3.4.3 HBase的安裝配置
3.4.4 HBase的優(yōu)缺點
3.4.5 HBase應(yīng)用實例
第4章 Amazon云計算
第5章 VMware云計算
第6章 WindowsAzure云計算
第7章 云計算其他應(yīng)用軟件

章節(jié)摘錄

版權(quán)頁：   插圖：   數(shù)據(jù)節(jié)點存儲HDFS數(shù)據(jù)到本地的文件系統(tǒng)中。數(shù)據(jù)節(jié)點沒有關(guān)于HDFS文件的信息。它以單獨的文件存儲每一個HDFS的塊到本地文件系統(tǒng)中。數(shù)據(jù)節(jié)點不產(chǎn)生所有文件到同一個目錄中，而是用啟發(fā)式的檢測最優(yōu)的每一個目錄的文件數(shù)。它在適當?shù)臅r候創(chuàng)建子目錄。在本地文件的同一個目錄下創(chuàng)建所有的文件不是最優(yōu)的，因為本地文件系統(tǒng)可能單個目錄里有數(shù)目巨大的文件效率較差。當數(shù)據(jù)節(jié)點啟動時，它將掃描它的本地文件系統(tǒng)，根據(jù)本地的文件產(chǎn)生一個所有HDFS數(shù)據(jù)塊的列表并報告給名字節(jié)點，這個報告稱作塊報告。 （6）磁盤故障，心跳和重新復制 一個數(shù)據(jù)節(jié)點周期性地發(fā)送一個心跳信息到名字節(jié)點。網(wǎng)絡(luò)斷開會造成一個數(shù)據(jù)節(jié)點子集和名字節(jié)點失去聯(lián)系。名字節(jié)點發(fā)現(xiàn)這種判斷論據(jù)是根據(jù)有無心跳信息。名字節(jié)點標記這些數(shù)據(jù)節(jié)點是死掉了，就不再將新的IO請求轉(zhuǎn)發(fā)到這些數(shù)據(jù)節(jié)點上，而這些數(shù)據(jù)節(jié)點上的數(shù)據(jù)將對HDFS不再可用。這將導致一些塊的復制因子降到指定的值。名字節(jié)點檢查所有需要復制的塊，并開始復制它們到其他數(shù)據(jù)節(jié)點上。重新復制會因為很多原因而必須放棄。 （7）集群的重新均衡 HDFS體系結(jié)構(gòu)是兼容數(shù)據(jù)的重新平衡方案的。當數(shù)據(jù)節(jié)點的可用空間降到一個極限時數(shù)據(jù)可能自動地從一個數(shù)據(jù)節(jié)點移動到另外一個，而且突然地對一個特殊的文件發(fā)生高請求時也會引發(fā)額外的復制，將集群中的其他數(shù)據(jù)重新均衡。這種類型的重新均衡方案還沒有實現(xiàn)。 （8）數(shù)據(jù)正確性 從數(shù)據(jù)節(jié)點上取一個文件塊有可能出現(xiàn)損壞的情況，這種情況可能會發(fā)生是因為存儲設(shè)備低、網(wǎng)絡(luò)差、軟件的缺陷。HDFS客戶端實現(xiàn)了去檢查HDFS的文件內(nèi)容。當一個客戶端創(chuàng)建一個HDFS文件時，它為每一個文件快速地計算一個校驗碼并存儲校驗碼在同一個HDFS名字空間的一個單獨的隱藏文件中。當客戶端找回這個文件內(nèi)容時，其再根據(jù)這個校驗碼來驗證從數(shù)據(jù)節(jié)點接受到的數(shù)據(jù)。如果不對，客戶端可以從另外一個有該塊復制的數(shù)據(jù)節(jié)點取這個塊。

編輯推薦

《云計算實戰(zhàn)》結(jié)合具體實例來講解相關(guān)概念及原理，實用性較強，適合作為大學高年級和研究生云計算課程教材，也可作為云計算研究開發(fā)人員、愛好者的參考用書。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    云計算實戰(zhàn) PDF格式下載

---