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: نویسندگان: Rajkumar Buyya, Christian Vecchiola.S.T سری: 计算机科学丛书 ناشر: 机械工业出版社 سال نشر: 2015 تعداد صفحات: 336 [355] زبان: Chinese فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 75 Mb
در صورت تبدیل فایل کتاب 深入理解云计算: 基本原理和应用程序编程技术 7111496582, 9787111496588 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 深入理解云计算: 基本原理和应用程序编程技术 7111496582, 9787111496588 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.
封面\n书名\n版权\n前言\n目录\n第一部分 基础\n第1章 导论\n1.1 云计算简介\n1.1.1 云计算构想\n1.1.2 云计算定义\n1.1.3 进一步了解云计算\n1.1.4 云计算参考模型\n1.1.5 特性和优势\n1.1.6 面临的挑战\n1.2 云计算起源\n1.2.1 分布式系统\n1.2.2 虚拟化\n1.2.3 Web 2.0\n1.2.4 面向服务的计算\n1.2.5 效用计算\n1.3 构建云计算环境\n1.3.1 应用程序开发\n1.3.2 基础设施和系统开发\n1.3.3 云计算平台和技术\n本章小结\n习题\n第2章 并行计算与分布式计算原理\n2.1 计算时代\n2.2 并行计算与分布式计算\n2.3 并行计算基本要素\n2.3.1 什么是并行处理\n2.3.2 并行处理硬件架构\n2.3.3 并行编程方法\n2.3.4 并行性的级别\n2.3.5 注意事项\n2.4 分布式计算基本要素\n2.4.1 通用概念和定义\n2.4.2 分布式系统组件\n2.4.3 分布式计算架构模式\n2.4.4 进程间通信模型\n2.5 分布式计算技术\n2.5.1 远程过程调用\n2.5.2 分布式对象框架\n2.5.3 面向服务的计算\n本章小结\n习题\n第3章 虚拟化\n3.1 简介\n3.2 虚拟化环境特点\n3.2.1 更强的安全性\n3.2.2 执行管理\n3.2.3 可移植性\n3.3 虚拟化技术分类\n3.3.1 执行虚拟化\n3.3.2 其他类型的虚拟化\n3.4 虚拟化和云计算\n3.5 虚拟化的利与弊\n3.5.1 虚拟化技术的优点\n3.5.2 虚拟化技术的缺点\n3.6 技术实例\n3.6.1 Xen:半虚拟化\n3.6.2 VMware:完全虚拟化\n3.6.3 微软Hyper-V\n本章小结\n习题\n第4章 云计算架构\n4.1 简介\n4.2 云计算参考模型\n4.2.1 架构\n4.2.2 基础设施即服务和硬件即服务\n4.2.3 平台即服务\n4.2.4 软件即服务\n4.3 云的种类\n4.3.1 公共云\n4.3.2 私有云\n4.3.3 混合云\n4.3.4 社区云\n4.4 云计算经济特性\n4.5 云计算面临的挑战\n4.5.1 云计算定义\n4.5.2 云计算互操作性和标准\n4.5.3 可扩展性和容错性\n4.5.4 安全、可信和隐私\n4.5.5 组织方面\n本章小结\n习题\n第二部分 云应用编程与Aneka平台\n第5章 Aneka:云应用平台\n5.1 框架概述\n5.2 Aneka容器结构\n5.2.1 Aneka平台基础:平台抽象层\n5.2.2 构造服务\n5.2.3 基础服务\n5.2.4 应用服务\n5.3 构建Aneka云平台\n5.3.1 基础设施组织\n5.3.2 逻辑组织\n5.3.3 私有云部署模式\n5.3.4 公共云部署模式\n5.3.5 混合云部署模式\n5.4 云编程和云管理\n5.4.1 Aneka SDK\n5.4.2 管理工具\n本章小结\n习题\n第6章 并行计算:线程编程\n6.1 单机并行计算简介\n6.2 线程编程应用\n6.2.1 什么是线程\n6.2.2 线程API\n6.2.3 线程并行计算技术\n6.3 Aneka多线程方式\n6.3.1 线程编程模型简介\n6.3.2 Aneka线程和普通线程\n6.4 Aneka线程编程应用\n6.4.1 Aneka线程应用模型\n6.4.2 域分解:矩阵乘法\n6.4.3 功能分解:Sine、Cosine、Tangent\n本章小结\n习题\n第7章 高吞吐量计算:任务编程\n7.1 任务计算\n7.1.1 任务特性\n7.1.2 计算类别\n7.1.3 任务计算框架\n7.2 基于任务的应用模型\n7.2.1 高度并行应用\n7.2.2 参数化应用\n7.2.3 消息传递接口应用\n7.2.4 具有任务依赖性的工作流应用\n7.3 基于任务的Aneka编程\n7.3.1 任务编程模型\n7.3.2 用任务模型开发应用\n7.3.3 开发参数化应用\n7.3.4 管理工作流\n本章小结\n习题\n第8章 数据密集型计算:MapReduce编程\n8.1 什么是数据密集型计算\n8.1.1 数据密集型计算特性\n8.1.2 未来的挑战\n8.1.3 历史背景\n8.2 数据密集型计算技术\n8.2.1 存储系统\n8.2.2 编程平台\n8.3 Aneka MapReduce编程\n8.3.1 MapReduce编程模型简介\n8.3.2 应用实例\n本章小结\n习题\n第三部分 工业云平台与新进展\n第9章 工业云平台\n9.1 亚马逊Web服务\n9.1.1 计算服务\n9.1.2 存储服务\n9.1.3 通信服务\n9.1.4 其他服务\n9.1.5 总结\n9.2 谷歌AppEngine\n9.2.1 架构和核心概念\n9.2.2 应用程序生命周期\n9.2.3 成本模型\n9.2.4 结论\n9.3 微软Azure\n9.3.1 Azure核心概念\n9.3.2 SQL Azure\n9.3.3 Windows Azure平台设备\n9.3.4 结论\n本章小结\n习题\n第10章 云应用\n10.1 科学应用\n10.1.1 医疗保健:云心电图分析\n10.1.2 生物学:蛋白质结构预测\n10.1.3 生物学:基因表达数据用于癌症诊断分析\n10.1.4 地球科学:卫星图像处理\n10.2 商业和消费应用\n10.2.1 CRM和ERP\n10.2.2 效率型应用\n10.2.3 社交网络\n10.2.4 媒体应用\n10.2.5 多人在线游戏\n本章小结\n习题\n第11章 云计算高级主题\n11.1 云能效\n11.2 基于市场的云管理\n11.2.1 面向市场的云计算\n11.2.2 MOCC参考模型\n11.2.3 支持MOCC的技术和实现\n11.2.4 结论\n11.3 云联盟和互联云\n11.3.1 特性和定义\n11.3.2 云联盟栈\n11.3.3 关注点\n11.3.4 云联盟技术\n11.3.5 结论\n11.4 第三方云服务\n11.4.1 MetaCDN\n11.4.2 SpotCloud\n本章小结\n习题\n参考文献\n索引