Self-Aware Computing Systems

این کتاب تعاریف و طبقه بندی های رسمی و غیررسمی را برای سیستم های محاسباتی خودآگاه ارائه می دهد و توضیح می دهد که چگونه محاسبات خودآگاه با بسیاری از زیرشاخه های موجود علوم رایانه، به ویژه مهندسی نرم افزار، ارتباط دارد. معماری ها و الگوریتم های سیستم های خودآگاه و همچنین مزایا و مشکلات خودآگاهی را توصیف می کند و بسیاری از آخرین تحقیقات مرتبط را در طیف گسترده ای از رشته ها، از جمله چالش های تحقیقاتی باز، مرور می کند.

فصول این کتاب در پنج بخش تشکیل شده است: مقدمه، معماری سیستم، روش ها و الگوریتم ها، کاربردها و مطالعات موردی، و چشم انداز. بخش اول مقدمه‌ای ارائه می‌کند که سیستم‌های محاسباتی خودآگاه را از منظرهای متعدد تعریف می‌کند، و یک تعریف رسمی، یک طبقه‌بندی و مجموعه‌ای از سناریوهای مرجع را ایجاد می‌کند که به یکپارچه‌سازی فصل‌های باقی‌مانده کمک می‌کند. در مرحله بعد، قسمت دوم معماری‌های سیستم‌های محاسباتی خودآگاه را بررسی می‌کند، مانند مفاهیم و نشانه‌های عمومی که به طیف وسیعی از معماری‌های سیستم خودآگاه اجازه می‌دهد تا با هر دو سیستم جدا شده و متقابل مقایسه شوند. همچنین وضعیت فعلی معماری‌های مرجع، چارچوب‌های معماری و زبان‌های سیستم‌های خودآگاه را بررسی می‌کند. بخش سوم بر روی روش‌ها و الگوریتم‌های سیستم‌های محاسباتی خودآگاه با پرداختن به مسائل مربوط به طراحی سیستم، مانند مدل‌سازی، سنتز و تأیید تمرکز دارد. همچنین موضوعاتی مانند سازگاری، معیارها و معیارها را بررسی می کند. سپس بخش چهارم کاربردها و مطالعات موردی را در حوزه‌های مختلف از جمله محاسبات ابری، مراکز داده، سیستم‌های فیزیکی سایبری، و میزان اتخاذ رویکردهای محاسباتی خودآگاه در این حوزه‌ها ارائه می‌کند. در نهایت، قسمت پنجم چالش‌های باز و جهت‌گیری‌های تحقیقاتی آینده را برای سیستم‌های محاسباتی خودآگاه بررسی می‌کند.

این کتاب می‌تواند به‌عنوان یک کتاب راهنما برای متخصصان و محققانی که در حوزه‌های مرتبط با محاسبات خودآگاه کار می‌کنند، استفاده شود، و همچنین می‌تواند مفید باشد. به عنوان یک کتاب درسی پیشرفته برای مدرسان و دانشجویان تحصیلات تکمیلی که موضوعاتی مانند مهندسی نرم افزار پیشرفته، محاسبات خودکار، سیستم های خود تطبیقی ​​و مدیریت منابع مرکز داده را مطالعه می کنند. هر فصل تا حد زیادی مستقل است و منابع زیادی را برای هر کسی که مایل است موضوع را عمیق‌تر دنبال کند ارائه می‌کند.

This book provides formal and informal definitions and taxonomies for self-aware computing systems, and explains how self-aware computing relates to many existing subfields of computer science, especially software engineering. It describes architectures and algorithms for self-aware systems as well as the benefits and pitfalls of self-awareness, and reviews much of the latest relevant research across a wide array of disciplines, including open research challenges.

The chapters of this book are organized into five parts: Introduction, System Architectures, Methods and Algorithms, Applications and Case Studies, and Outlook. Part I offers an introduction that defines self-aware computing systems from multiple perspectives, and establishes a formal definition, a taxonomy and a set of reference scenarios that help to unify the remaining chapters. Next, Part II explores architectures for self-aware computing systems, such as generic concepts and notations that allow a wide range of self-aware system architectures to be described and compared with both isolated and interacting systems. It also reviews the current state of reference architectures, architectural frameworks, and languages for self-aware systems. Part III focuses on methods and algorithms for self-aware computing systems by addressing issues pertaining to system design, like modeling, synthesis and verification. It also examines topics such as adaptation, benchmarks and metrics. Part IV then presents applications and case studies in various domains including cloud computing, data centers, cyber-physical systems, and the degree to which self-aware computing approaches have been adopted within those domains. Lastly, Part V surveys open challenges and future research directions for self-aware computing systems.

It can be used as a handbook for professionals and researchers working in areas related to self-aware computing, and can also serve as an advanced textbook for lecturers and postgraduate students studying subjects like advanced software engineering, autonomic computing, self-adaptive systems, and data-center resource management. Each chapter is largely self-contained, and offers plenty of references for anyone wishing to pursue the topic more deeply.