دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Xiaolin Li. Judy Qiu (eds.)
سری:
ISBN (شابک) : 9781493919048, 9781493919055
ناشر: Springer-Verlag New York
سال نشر: 2014
تعداد صفحات: 425
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 12 مگابایت
کلمات کلیدی مربوط به کتاب Cloud Computing برای برنامه های کاربردی داده های فشرده: سیستم های اطلاعاتی و خدمات ارتباطی، شبکه های ارتباطی کامپیوتری، برنامه های کاربردی سیستم های اطلاعاتی (شامل اینترنت)، مدیریت پایگاه داده
در صورت تبدیل فایل کتاب Cloud Computing for Data-Intensive Applications به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب Cloud Computing برای برنامه های کاربردی داده های فشرده نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب طیف وسیعی از پلتفرمهای رایانش ابری را برای برنامههای علمی با حجم فشرده ارائه میدهد. این سیستمهایی را پوشش میدهد که زیرساخت را به عنوان یک سرویس ارائه میکنند، از جمله: HPC به عنوان یک سرویس. شبکه های مجازی به عنوان یک سرویس؛ ذخیره سازی مقیاس پذیر و قابل اعتماد؛ الگوریتم هایی که منابع عظیم ابری و زمان اجرا برنامه ها را مدیریت می کنند. و مدل های برنامه نویسی که برنامه نویسی عملی و بسته های ابزار پیاده سازی را برای برنامه های eScience فعال می کنند. بسیاری از کاربردهای علمی در ابرها نیز معرفی شده اند، مانند بیوانفورماتیک، زیست شناسی، پیش بینی آب و هوا و شبکه های اجتماعی. اکثر فصول شامل مطالعات موردی است. محاسبات ابری برای برنامه های کاربردی داده فشرده، دانشجویان و محققان سطح پیشرفته ای را که در رشته علوم کامپیوتر و مهندسی برق مطالعه می کنند، هدف قرار می دهد. متخصصانی که در رایانش ابری، شبکهها، پایگاههای داده و موارد دیگر کار میکنند نیز این کتاب را به عنوان مرجع مفید خواهند یافت.
This book presents a range of cloud computing platforms for data-intensive scientific applications. It covers systems that deliver infrastructure as a service, including: HPC as a service; virtual networks as a service; scalable and reliable storage; algorithms that manage vast cloud resources and applications runtime; and programming models that enable pragmatic programming and implementation toolkits for eScience applications. Many scientific applications in clouds are also introduced, such as bioinformatics, biology, weather forecasting and social networks. Most chapters include case studies. Cloud Computing for Data-Intensive Applications targets advanced-level students and researchers studying computer science and electrical engineering. Professionals working in cloud computing, networks, databases and more will also find this book useful as a reference.
Front Matter....Pages i-viii
Front Matter....Pages 1-1
Scalable Deployment of a LIGO Physics Application on Public Clouds: Workflow Engine and Resource Provisioning Techniques....Pages 3-25
The FutureGrid Testbed for Big Data....Pages 27-59
Cloud Networking to Support Data Intensive Applications....Pages 61-81
IaaS Cloud Benchmarking: Approaches, Challenges, and Experience....Pages 83-104
GPU-Accelerated Cloud Computing for Data-Intensive Applications....Pages 105-129
Adaptive Workload Partitioning and Allocation for Data Intensive Scientific Applications....Pages 131-148
DRAW: A New Data-gRouping-AWare Data Placement Scheme for Data Intensive Applications with Interest Locality....Pages 149-174
Front Matter....Pages 175-175
Efficient Task-Resource Matchmaking Using Self-adaptive Combinatorial Auction....Pages 177-200
Federating Advanced Cyberinfrastructures with Autonomic Capabilities....Pages 201-227
Front Matter....Pages 229-229
Migrating Scientific Workflow Management Systems from the Grid to the Cloud....Pages 231-256
Executing Storm Surge Ensembles on PAAS Cloud....Pages 257-276
Cross-Phase Optimization in MapReduce....Pages 277-302
Asynchronous Computation Model for Large-Scale Iterative Computations....Pages 303-328
Front Matter....Pages 329-329
Big Data Storage and Processing on Azure Clouds: Experiments at Scale and Lessons Learned....Pages 331-355
Storage and Data Life Cycle Management in Cloud Environments with FRIEDA....Pages 357-378
Managed File Transfer as a Cloud Service....Pages 379-399
Supporting a Social Media Observatory with Customizable Index Structures: Architecture and Performance....Pages 401-427