云计算机导论 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

许豪 著

图书标签:

• 云计算
• 计算机科学
• 信息技术
• 虚拟化
• 分布式系统
• 数据中心
• 云服务
• 网络
• 存储
• 安全

店铺： 学向美图书专营店

出版社： 西安电子科技大学出版社

ISBN：9787560639284

商品编码：29659376083

包装：平装-胶订

开本：16

出版时间：2017-12-01

内容介绍
编写模式新颖，教材体系TI现应用型本科教学特色。贯彻“以服务为宗旨，以就业为导向” 的职业教育方针，打破“章、节”编写模式，建立了以“工程项目为导向，用工作任务进行驱动，以行动体系为框架，以典型案例为引导”的教材体系。教材紧紧围绕着学生实践能力的培养组织教材的内容，在保证云计算基础理论的系统性同时，增加教材真实案例分析，强调了实践操作的实用性，促进了“教、学、做”1体化教学。

关联推荐

目录
*1章 云计算的演进 1 1.1 云计算的由来 1 1.1.1 思想演化 2 1.1.2 技术支撑 3 1.2 云计算的概念与特征 4 1.2.1 云计算的基本概念 5 1.2.2 云计算的基本特征 8 1.3 云计算的发展现状 10 1.4 云计算的商业模式 12 1.4.1 云计算是第三次信息技术革命 12 1.4.2 云计算的优势和带来的变革 13 1.4.3 云计算技术的优点 16 1.4.4 云计算的三大商业模式 17 1.5 丰富多彩的云应用 19

*1章 云计算的演进 1
1.1 云计算的由来 1
1.1.1 思想演化 2
1.1.2 技术支撑 3
1.2 云计算的概念与特征 4
1.2.1 云计算的基本概念 5
1.2.2 云计算的基本特征 8
1.3 云计算的发展现状 10
1.4 云计算的商业模式 12
1.4.1 云计算是第三次信息技术革命 12
1.4.2 云计算的优势和带来的变革 13
1.4.3 云计算技术的优点 16
1.4.4 云计算的三大商业模式 17
1.5 丰富多彩的云应用 19
1.5.1 云办公 19
1.5.2 云存储 20
1.5.3 云教育 23
1.5.4 云医疗 24
1.5.5 云政务 25
思考与练xi 26

*二章 云服务 27
2.1 云服务概述 27
2.1.1 云服务的概念 27
2.1.2 云服务的特征 28
2.1.3 云服务的设计原则 28
2.1.4 云服务的优缺点 29
2.2 云服务体系简介 30
2.2.1 云架构层次 30
2.2.2 云服务体系 31
2.2.3 云服务的组成 32
2.3 云服务类型及应用 32
2.3.1 基础设施即服务(IaaS) 32
2.3.2 平台即服务(PaaS) 36
2.3.3 软件即服务(SaaS) 38
2.4 云部署模型 42
思考与练xi 43

第三章 云计算中的数据处理技术 44
3.1 大数据概述 44
3.1.1 大数据的引入 44
3.1.2 大数据的概念 45
3.1.3 大数据技术 45
3.2 云存储 46
3.2.1 云存储的概念 47
3.2.2 云存储的结构模型 48
3.2.3 云存储关键技术 49
3.2.4 分布式数据存储的概念 51
3.2.5 Google File System(GFS) 53
3.2.6 Hadoop Distributed File
System (HDFS) 56
3.3 并行编程模式 59
3.3.1 并行编程模式的重要性 59
3.3.2 MapReduce并行编程模型简介 59
3.3.3 MapReduce逻辑数据流 60
3.3.4 MapReduce实现机制 61
3.4 分布式锁服务Chubby 63
3.4.1 Paxos算* 63
3.4.2 Chubby系统设计 64
3.4.3 通信协议 66
3.5 数据管理技术 67
3.5.1 Bigtable数据管理技术 67
3.5.2 HBase数据管理技术 72
思考与练xi 73
第四章 虚拟化 74
4.1 虚拟化概述 74
4.1.1 虚拟化的概念 74
4.1.2 虚拟化的发展历程 75
4.1.3 虚拟化的分类 76
4.2 虚拟化技术 77
4.2.1 完全虚拟化技术 78
4.2.2 半虚拟化技术 78
4.2.3 CPU虚拟化技术 79
4.2.4 内存虚拟化技术 79
4.2.5 I/O虚拟化技术 80
4.3 常见的虚拟化产品 80
4.3.1 Hyper-V虚拟化 80
4.3.2 Xex虚拟化 88
4.3.3 VMware虚拟化 97
4.3.4 VirtualBox虚拟化 100
4.3.5 KVM虚拟化 104
思考与练xi 106

第五章 云计算管理平台相关技术 107
5.1 云管理平台概述 107
5.1.1 云平台的概念 107
5.1.2 云平台的作用 108
5.1.3 云管理平台的特点 111
5.2 云平台管理技术 113
5.2.1 Libvirt组件 113
5.2.2 QEMU及其功能 113
5.3 常见的云管理平台 114
5.3.1 VMWare平台 114
5.3.2 Opexstack平台 124
5.3.3 MiracleCloud平台 125
思考与练xi 129

第六章 云计算典型应用案例 130
6.1 IaaS模式的实现——Amazox云计算
解决方案 130
6.1.1 Amazox云计算概述 130
6.1.2 基础存储架构Dyxamo 130
6.1.3 弹性计算云EC2 132
6.1.4 简单存储服务S3
(Simple Store Service) 133
6.1.5 简单队列服务SQS 133
6.1.6 简单数据库服务Simple DB 136
6.2 PaaS模式的实现——Google云计算
?解决方案 138
6.2.1 Google云计算概述 138
6.2.2 GFS文件系统 139
6.2.3 分布式数据处理MapReduce 140
6.2.4 分布式结构化数据表Bigtable 141
6.2.5 分布式数据存储Megastore 145
6.2.6 分布式监控系统架构Dapper 147
6.3 SaaS模式的实现案例——奇观科技
?虚拟化云桌面解决方案 148
6.3.1 奇观科技云桌面概述 148
6.3.2 MiracleCloud云平台 148
6.3.3 云平台管理系统 149
6.3.4 奇观科技云桌面架构 150
6.3.5 奇观科技云桌面解决方案的优势 152
思考与练xi 153

第七章 云安全 155
7.1 云计算安全概述 155
7.1.1 云安全的概念 155
7.1.2 云安全常见问题 156
7.1.3 云安全面临的挑战 158
7.1.4 云安全性的优势 160
7.2 云安全架构 160
7.2.1 云客户端 161
7.2.2 云端 161
7.2.3 第三方机构 162
7.3 云安全的防护策略和方* 163
7.3.1 云计算核心架构的安全防护 163
7.3.2 云计算网络与系统的安全防护 168
7.3.3 云计算数据信息的安全防护 170
7.3.4 云计算的身份管理与安全审计 171
7.3.5 云计算应用的安全策略部署 173
思考与练xi 174

第八章 云计算的未来与面临的问题 175
8.1 云计算对技术的影响 175
8.2 云计算对产业的影响 176
8.3 云计算的未来应用 176
8.3.1 医疗云 176
8.3.2 社保云 177
8.3.3 电子政务云 178
8.4 云计算面临的问题 179
8.4.1 改进IT基础设施 179
8.4.2 保护用户隐私 180
8.4.3 制定行业标准 180
8.4.4 增强数据存储访问的安全性 180
8.4.5 完善相关*律*规 180
思考与练xi 181

参考文献 182

显示全部信息

《数据流的艺术：解析现代计算的脉搏》 引言：穿越信息洪流的导航图 在信息爆炸的时代，数据如同奔腾不息的江河，以惊人的速度和庞大的体量席卷而来。如何有效地驾驭这股力量，将无序的数据转化为有价值的洞见，已成为衡量一个组织或个人核心竞争力的关键。本书并非聚焦于某个特定的技术栈或计算模型，而是深入探讨支撑现代计算运行的深层逻辑——数据流。我们将一同揭示数据在不同系统中的传递、转换、聚合与分析的奥秘，构建一个理解信息流动的全景式框架，帮助读者从本质上把握计算的脉搏，从而在瞬息万变的数字世界中游刃有余。 第一章：数据的生命周期——从起源到价值的旅程 本章将开启我们对数据流的探索之旅。我们首先要理解，数据并非孤立存在，而是贯穿于从产生、采集、存储、处理、分析到最终应用的整个生命周期。我们将剖析每一个环节的关键考量： 数据起源与采集： 数据从何而来？传感器、用户交互、日志文件、交易记录……这些多样化的数据源各自的特点是什么？如何设计高效、可靠的采集机制，以确保数据的完整性和及时性？我们将讨论实时采集与批量采集的权衡，以及边缘计算在数据预处理中的作用。 数据存储的考量： 海量数据的存储是巨大的挑战。我们将对比不同存储技术的优劣，如关系型数据库、NoSQL数据库（键值存储、文档数据库、列族数据库、图数据库）、数据仓库、数据湖等。重点在于理解不同存储模型如何影响数据的访问效率和分析能力。 数据处理的引擎： 数据从原始状态转化为可用信息，离不开强大的处理能力。本章将介绍批处理（Batch Processing）和流处理（Stream Processing）两种核心范式。批处理适合离线分析，而流处理则为实时决策提供了可能。我们将探讨MapReduce、Spark等经典批处理框架，以及Kafka Streams、Flink、Storm等流处理平台的设计理念和核心组件。 数据分析的洞察： 如何从数据中提取有价值的信息？我们将初步触及数据分析的各个层次，包括描述性分析（发生了什么？）、诊断性分析（为什么发生？）、预测性分析（将要发生什么？）和规范性分析（应该做什么？）。 数据应用的落地： 最终，数据的价值体现在其应用中。无论是商业决策、产品推荐、风险控制还是科学研究，都需要将分析结果转化为可执行的行动。本章将强调将数据流的整个生命周期与业务目标紧密结合的重要性。 第二章：流式计算的哲学——实时响应的艺术 在当今追求即时性的世界，流式计算（Stream Computing）已经成为不可或缺的技术。本章将深入探讨流式计算的核心理念、挑战与解决方案。 流式计算的定义与特点： 与批处理不同，流式计算处理的是无界、连续产生的数据。其核心特点包括低延迟、高吞吐量、事件驱动以及对无序、有损数据的容忍性。我们将详细阐释这些特点如何影响系统设计。 流式处理的挑战： 处理实时流数据并非易事。我们将讨论延迟、吞吐量、状态管理、窗口机制、乱序事件处理（Out-of-Order Events）、故障恢复以及Exactly-Once语义等关键挑战。 窗口机制的精妙： 如何在连续的流数据中定义“一个时间段”来聚合和分析？本章将详细介绍各种窗口类型：固定时间窗口（Fixed-size Window）、滑动时间窗口（Sliding Window）、会话窗口（Session Window）以及基于事件数量的计数窗口（Count Window）。理解这些窗口机制是进行有效流式分析的基础。 状态管理与容错： 流式计算通常需要维护中间状态以便进行聚合或连接操作。我们将探讨不同的状态管理策略，如内存状态、分布式状态以及如何实现状态的一致性与容错。分布式共识算法（如Raft、Paxos）在状态一致性中的作用也将被提及。 Exactly-Once语义的追求： 在分布式系统中，保证每条数据被处理恰好一次（Exactly-Once）是极其困难但至关重要的。我们将分析至少一次（At-Least-Once）和至多一次（At-Most-Once）的局限性，并介绍实现Exactly-Once的常见技术，如幂等性操作、事务性提交和分布式追踪。 流处理框架的演进： 从早期的Storm到功能强大的Flink，流处理框架在不断发展。我们将简要回顾这些框架的设计哲学，并重点分析Flink在状态管理、事件时间处理和Exactly-Once语义方面的创新。 第三章：数据管道的构建——连接与协调的桥梁 数据管道（Data Pipeline）是实现数据流动的生命线，它负责数据的采集、传输、转换和加载（ETL/ELT）。本章将聚焦于如何设计和构建健壮、高效的数据管道。 ETL与ELT的辩证： 我们将深入分析Extract, Transform, Load (ETL) 和 Extract, Load, Transform (ELT) 两种模式的差异、适用场景以及各自的优缺点。 消息队列的角色： 消息队列（Message Queue）在现代数据管道中扮演着至关重要的角色，它们是解耦生产者与消费者的缓冲器，是保证数据可靠传输的基石。我们将详细探讨Kafka、RabbitMQ、Pulsar等主流消息队列的设计原理、吞吐量、持久化能力以及消费者组（Consumer Group）等概念。 数据集成与转换工具： 如何在管道中进行数据清洗、格式转换、字段映射、数据丰富等操作？本章将介绍多种工具和方法，包括SQL、Python脚本、Apache NiFi、StreamSets等可视化数据流编排工具，以及Spark SQL、Flink SQL等流式SQL能力。 数据质量的保障： 数据管道的质量直接影响最终的分析结果。我们将讨论数据校验、数据去重、异常数据处理、数据血缘（Data Lineage）追踪等关键的数据质量控制机制。 管道的监控与维护： 一个完整的数据管道需要持续的监控和维护。我们将探讨如何监控管道的吞吐量、延迟、错误率，以及如何进行故障排查和性能优化。 第四章：分布式数据处理的原理——规模化分析的基石 现代数据量级要求我们必须依赖分布式系统进行处理。本章将揭示分布式数据处理的核心原理。 分布式系统的挑战： CAP定理（Consistency, Availability, Partition Tolerance）是理解分布式系统设计的出发点。我们将详细阐述CAP定理的含义，以及在实际应用中如何进行权衡。 数据分区与复制： 为了实现数据的并行处理和高可用性，数据被划分为多个分区（Partition），并在多个节点上进行复制（Replication）。我们将讨论不同的分区策略（如哈希分区、范围分区）以及复制策略（如主从复制、多主复制）。 任务调度与协调： 在分布式环境中，如何将计算任务分配到不同的节点，并协调它们共同完成目标？本章将介绍分布式任务调度器（如YARN, Kubernetes Scheduler）和分布式协调服务（如ZooKeeper, etcd）在其中的作用。 分布式文件系统： 存储大规模分布式数据需要专门的文件系统。我们将介绍HDFS（Hadoop Distributed File System）等分布式文件系统的设计理念，包括其高吞吐量、容错性以及为大数据处理量身定制的特性。 内存计算与加速： 为了提升数据处理的速度，内存计算（In-memory Computing）变得越来越重要。我们将讨论Spark等框架如何利用内存来加速计算，以及其与传统磁盘I/O处理的区别。 第五章：案例分析——数据流在不同领域的实践 理论结合实际，本章将通过一系列真实世界的案例，展示数据流在不同领域的广泛应用。 电商平台的实时推荐系统： 如何利用用户行为数据流，实时生成个性化商品推荐？我们将分析其数据采集、特征提取、模型推理和推荐展示的整个数据流过程。 金融行业的欺诈检测： 如何通过实时监控交易数据流，快速识别潜在的欺诈行为？我们将探讨异常检测算法、规则引擎在流式数据处理中的应用。 物联网（IoT）设备监控与分析： 海量传感器数据如何被收集、处理和分析，以实现设备状态监控、故障预警和性能优化？我们将讨论边缘计算、时间序列数据库和数据聚合在IoT场景中的应用。 社交媒体的内容分析： 如何从海量文本、图片、视频数据流中提取有价值的信息，进行舆情分析、话题发现和情感挖掘？我们将触及自然语言处理（NLP）和图像识别在流式数据分析中的应用。 日志分析与运维监控： 如何构建一个高效的日志数据管道，实现日志的收集、存储、实时分析和异常告警，以保障系统的稳定运行？ 结语：拥抱数据流，驱动未来 数据流并非孤立的技术概念，而是贯穿于所有计算活动的核心。理解数据流的本质，掌握其处理的艺术，能够帮助我们更深入地理解现代计算系统的设计原理，更有效地应对海量数据的挑战，并最终将数据转化为驱动创新的强大引擎。本书希望为您提供一幅清晰的导航图，引领您穿越信息洪流，在数据的海洋中找到属于自己的航道，驶向更广阔的未来。

评分☆☆☆☆☆

总的来说，《云计算机导论》这本书给我带来的最大收获，在于它对于“云原生”这个前沿概念的阐释，让我看到了未来计算的雏形。作者在介绍容器化技术，特别是Docker时，并没有止步于介绍命令和语法，而是花了不少篇幅去阐述容器技术如何改变了应用的开发、部署和管理模式。它详细解释了微服务架构与容器的结合，是如何实现应用的高内聚、低耦合，以及如何使得应用的独立迭代和快速部署成为可能。我尤其对它在介绍Kubernetes时，所构建的“容器编排”的宏大图景感到震撼。它不仅仅是把Kubernetes的功能一一列举，而是将其置于整个云原生生态系统中，阐述了它如何成为构建和管理大规模容器化应用的核心组件。书中对于Kubernetes的声明式API、控制回路等概念的讲解，虽然初听起来有些抽象，但通过作者一系列的图示和案例，我逐渐领悟到了它的强大之处，以及它如何自动化地处理应用程序的部署、扩展和管理。而且，这本书在讨论DevOps文化与云原生结合时，也给了我很多启发。它清晰地阐述了DevOps如何通过自动化和协作，打破开发和运维之间的壁垒，而云原生技术又如何为DevOps的落地提供了坚实的技术支撑。读完这部分，我仿佛看到了一个全新的软件开发和交付模式的未来。

评分☆☆☆☆☆

这本《云计算机导论》算是我最近一段时间里，在数字技术这个浩瀚海洋中捞到的一块还算扎实的浮木。当初买这本书，其实也是抱着一种“碰碰运气”的心态，毕竟“云”这个概念实在是太泛泛了，市面上关于它的书也如雨后春笋般冒出来，良莠不齐。拿到手翻了几页，才发现它并没有像一些同类书籍那样，上来就堆砌一堆晦涩难懂的专业术语，而是选择了循序渐进的讲解方式。我尤其喜欢它在开篇部分，并没有直接 dive into 技术细节，而是花了不少篇幅去梳理云计算的发展历程，从早期的虚拟化技术萌芽，到分布式计算的崛起，再到互联网巨头们如何一步步构建起自己的云平台，这种宏观的视角让我这个初学者对“云”的由来和演变有了一个清晰的脉络。它不像有些书那样，上来就告诉你“什么是云”，而是通过讲故事的方式，让你慢慢理解“云”是怎么来的，为什么会有“云”。而且，作者在介绍一些基础概念时，比如IaaS、PaaS、SaaS，并没有用那些枯燥的定义式阐述，而是结合了一些大家耳熟能详的例子，比如把IaaS比作租用服务器，PaaS比作一个提供开发工具和运行环境的平台，SaaS则像是直接使用别人提供的软件。这种通俗易懂的比喻，确实大大降低了理解门槛，让我这个非科班出身的人也能快速抓住核心要义。总的来说，这本书在引导读者建立对云计算整体认知方面，做得非常出色，让我对后续深入学习打下了坚实的基础。

评分☆☆☆☆☆

《云计算机导论》这本书，在某些章节的论述上，确实给我带来了耳目一新的感觉，特别是关于边缘计算和物联网（IoT）与云计算结合的部分。作者的视角非常独特，他并没有把边缘计算简单地看作是云计算的补充，而是将其置于一个更宏大的信息处理生态系统中进行解读。他详细阐述了为什么在物联网设备数量爆炸式增长的今天，将所有的计算都集中在远端的云端会面临延迟高、带宽受限、隐私泄露等问题。然后，他引出了边缘计算的概念，并形象地将其比作在“离数据最近的地方”进行计算。书中对于边缘计算在智能制造、自动驾驶、智慧城市等领域的应用场景的描绘，让我对这项技术有了直观的认识。他会解释在工厂车间，如何通过边缘设备进行实时的机器故障预测和质量检测，从而提高生产效率；在自动驾驶汽车中，边缘计算如何实现对传感器数据的秒级处理，保证行车安全。而且，作者在探讨物联网设备管理和数据流转时，也提供了非常具体的解决方案。他会介绍如何利用云平台来统一管理海量的物联网设备，如何设计高效的数据采集和处理管道，以及如何利用机器学习对边缘采集的数据进行分析，从而挖掘出有价值的信息。这本书让我意识到，云计算的未来，不仅仅是数据中心的扩张，更是计算能力向“万物互联”的终端延伸。

评分☆☆☆☆☆

读完《云计算机导论》的某些章节，我最大的感受是，它像一位经验丰富的老船长，带着我在信息技术的海洋中指引航向。这本书并非仅仅是技术的堆砌，更重要的是它提供了一种“思考云”的方式。在探讨弹性伸缩和负载均衡时，作者并没有停留在理论公式层面，而是深入剖析了在实际业务场景中，这些概念是如何发挥作用的。例如，在介绍弹性伸缩时，它会列举电商在“双十一”这样的促销高峰期，如何通过自动扩容来应对海量用户访问，保证服务的稳定性；而在访问量低谷时，又如何自动缩减资源，降低运营成本。这种贴近现实的案例分析，让我深刻理解了云计算的“弹性”二字并非空穴来风，而是实实在在的商业价值体现。再者，书中关于安全性部分的论述也让我印象深刻。它并没有简单地罗列一些安全威胁，而是从多维度、深层次地探讨了在云环境中，数据安全、访问控制、合规性等方面的挑战，以及相应的防护策略。作者在讲解过程中，会引用一些实际的安全事件作为反例，并分析其成因和教训，这比干巴巴地讲理论要生动得多。我尤其欣赏它在讨论多云和混合云策略时，所展现出的辩证思维，既肯定了它们带来的灵活性和避免厂商锁定，也指出了随之而来的复杂性和管理难度。这本书让我意识到，在拥抱云计算的同时，我们也需要对潜在的风险和挑战有清醒的认识。

评分☆☆☆☆☆

这部《云计算机导论》给我的感觉，更像是一次深入骨髓的“洗礼”，它让我对过去的一些认知产生了颠覆。尤其是在探讨 serverless 计算和函数即服务（FaaS）的章节，作者的讲解方式让我眼前一亮。他并没有一开始就去强调serverless的“无服务器”概念，而是先从传统服务器运维的痛点出发，比如资源浪费、管理复杂、扩展困难等，层层递进，自然而然地引出了serverless的优势。他巧妙地将FaaS比作“按需即取”的服务，开发者只需要专注于编写业务逻辑代码，而底层的基础设施，包括服务器的启动、停止、扩容等，都由云平台自动处理。这种“上帝视角”的讲解，让我这个对底层架构了解不深的读者，也能够迅速理解serverless的核心价值。更让我惊喜的是，作者在书中还深入探讨了serverless的应用场景，比如事件驱动的架构、实时数据处理、微服务等，并且列举了一些非常具体的应用案例，让我看到了serverless不仅仅是一种技术趋势，更是一种能够解决实际问题的有效方案。它还对serverless的局限性，比如冷启动问题、供应商锁定等，也进行了坦诚的分析，让我对这项技术有了更全面、更客观的认识。这本书让我开始重新思考，在未来的计算模式中，我们如何能将更多的精力投入到业务创新上。