云計(jì)算及其應(yīng)用

定　價(jià)：￥48.00

作　者：	李強(qiáng)
出版社：	武漢大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

京東 (￥48.00)

ISBN：	9787307200135	出版時(shí)間：	2018-04-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	312	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《云計(jì)算及其應(yīng)用》選擇Hadoop作為云計(jì)算的典型代表，包括HDFS、MapReduce、Spark、Hive和HBase數(shù)據(jù)庫(kù)等組件和案例應(yīng)用，涉及云計(jì)算的調(diào)度優(yōu)化算法、云計(jì)算的存儲(chǔ)策略、云計(jì)算對(duì)慕課的作用、云平臺(tái)的架構(gòu)及云系統(tǒng)的整合和集成等。重點(diǎn)介紹了在高校數(shù)字校園建設(shè)和科技管理系統(tǒng)中的云應(yīng)用，并指明了云計(jì)算對(duì)慕課建設(shè)提供的基礎(chǔ)作用，以及應(yīng)對(duì)措施。

作者簡(jiǎn)介

　　，男，1980年5月生于太原市，副教授。2007年畢業(yè)于太原理工大學(xué)計(jì)算機(jī)與軟件學(xué)院，并獲得碩士學(xué)位（e-mail：122824940@qq.com）。主要研究方向：人工智能及應(yīng)用，云計(jì)算與大數(shù)據(jù)。2007年于山西省財(cái)政稅務(wù)專(zhuān)科學(xué)校開(kāi)始執(zhí)教，工作期間以作者身份成功發(fā)表多篇重量核心論文，且主持或參與完成多項(xiàng)省部級(jí)課題，并獲得多項(xiàng)軟件著作權(quán)和國(guó)家發(fā)明。此外，在2007年至2012年期間，獲得人事部與工信部聯(lián)合授予的信息系統(tǒng)分析師（高工資質(zhì)）、軟件架構(gòu)師（高工資質(zhì)）、不錯(cuò)項(xiàng)目管理師（高工資質(zhì)）和信息系統(tǒng)監(jiān)理師等多項(xiàng)資質(zhì)。

圖書(shū)目錄

章緒論
1．1 云計(jì)算的概念
1．2 云存儲(chǔ)
1．3 云作業(yè)調(diào)度算法
1．4 云計(jì)算資源管理技術(shù)
1．5 研究的背景、意義及內(nèi)容
1．6 云計(jì)算在科技和教育資源管理領(lǐng)域中的應(yīng)用
第2章云計(jì)算資源管理關(guān)鍵技術(shù)及系統(tǒng)架構(gòu)
2．1 引言
2．2 云計(jì)算資源管理的定義和特點(diǎn)
2．3 云計(jì)算資源管理目標(biāo)
2．4 云計(jì)算資源管理模型
2．5 云計(jì)算資源管理策略
2．6 云計(jì)算調(diào)度算法概述
2．7 云計(jì)算系統(tǒng)的架構(gòu)
2．8 基于云計(jì)算的科技資源信息共享模式的構(gòu)建
2．9 云計(jì)算平臺(tái)下的慕課
第3章云計(jì)算中碎片資源管理關(guān)鍵技術(shù)
3．1 引言
3．2 資源調(diào)度技術(shù)綜述
3．3 問(wèn)題分析
3．4 云計(jì)算碎片資源描述與能力劃分
3．5 云計(jì)算環(huán)境下具有Qos保障的分布式資源調(diào)度機(jī)制
第4章云存儲(chǔ)及相關(guān)調(diào)度機(jī)制
4．1 引言
4．2 分布式文件系統(tǒng)
4．3 云存儲(chǔ)的副本技術(shù)
4．4 Hadoop中云存儲(chǔ)存在的問(wèn)題
4．5 云存儲(chǔ)中的資源調(diào)度機(jī)制
4．6 實(shí)驗(yàn)分析
第5章云計(jì)算負(fù)載均衡的相關(guān)技術(shù)
5．1 引言
5．2 負(fù)載均衡算法
5．3 云存儲(chǔ)中的GFS及HDFS
5．4 云存儲(chǔ)中的副本技術(shù)
5．5 虛擬機(jī)動(dòng)態(tài)遷移
第6章基于Hadoop的云存儲(chǔ)的負(fù)載均衡優(yōu)化策略
6．1 引言
6．2 Hadoop數(shù)據(jù)存儲(chǔ)負(fù)載均衡的原理
6．3 超負(fù)載機(jī)架優(yōu)先處理的策略
6．4 隊(duì)列排列的優(yōu)化策略
6．5 實(shí)驗(yàn)分析
第7章多因素優(yōu)化的云存儲(chǔ)負(fù)載均衡模型
7．1 引言
7．2 多因素優(yōu)化的云存儲(chǔ)負(fù)載均衡模型的思想
7．3 基于多因素優(yōu)化的云存儲(chǔ)負(fù)載均衡模型的算法描述
7．4 實(shí)驗(yàn)分析
第8章基于動(dòng)態(tài)副本技術(shù)的負(fù)載均衡策略
8．1 引言
8．2 基于文件熱度的動(dòng)態(tài)副本策略的原理
8．3 基于文件熱度的動(dòng)態(tài)副本策略的算法描述
8．4 實(shí)驗(yàn)分析
第9章基于虛擬機(jī)遷移的資源調(diào)度負(fù)載均衡策略
9．1 引言
9．2 相關(guān)定義
9．3 基于虛擬機(jī)遷移的資源調(diào)度負(fù)載均衡策略的描述
9．4 實(shí)驗(yàn)分析
0章 MapReduce平臺(tái)上基于預(yù)期的調(diào)度算法
10．1 引言
10．2 相關(guān)概念
10．3 基于預(yù)期的調(diào)度算法設(shè)計(jì)
10．4 實(shí)驗(yàn)和分析
1章基于事件驅(qū)動(dòng)云平臺(tái)的兩步調(diào)度算法
11．1 引言
11．2 相關(guān)工作介紹
11．3 兩步調(diào)度算法設(shè)計(jì)
11．4 TSS設(shè)計(jì)和實(shí)現(xiàn)
11．5 實(shí)驗(yàn)和分析
2章彈性云平臺(tái)任務(wù)調(diào)度算法
12．1 引言
12．2 相關(guān)工作介紹
12．3 算法設(shè)計(jì)
12．4 實(shí)驗(yàn)和分析性能
3章面向任務(wù)特性和資源約束的資源任務(wù)模型
13．1 引言
13．2 相關(guān)工作
13．3 基于熵優(yōu)化的資源任務(wù)模型
13．4 模型實(shí)現(xiàn)
13．5 結(jié)論
4章基于Hopfield Neural Network的負(fù)載均衡策略
14．1 引言
14．2 Hopfield Neural Network
14．3 基于Hopfield Neural Network的作業(yè)調(diào)度策略
14．4 基于Hopfield Neural Network的存儲(chǔ)策略
5章基于改進(jìn)的植物生長(zhǎng)算法的調(diào)度模型
15．1 引言
15．2 模擬植物生長(zhǎng)算法模型
15．3 改進(jìn)的植物生長(zhǎng)算法的云作業(yè)調(diào)度模型
15．4 一種基于IPGSA的多處理機(jī)調(diào)度算法
6章基于云計(jì)算的數(shù)字化校園解決方案
16．1 需求分析
16．2 高校數(shù)字化校園云平臺(tái)總體規(guī)劃設(shè)計(jì)
16．3 數(shù)字校園云平臺(tái)建設(shè)方案
參考文獻(xiàn)