雲計算機導論 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

許豪 著

圖書標籤:

• 雲計算
• 計算機科學
• 信息技術
• 虛擬化
• 分布式係統
• 數據中心
• 雲服務
• 網絡
• 存儲
• 安全

店鋪： 學嚮美圖書專營店

齣版社： 西安電子科技大學齣版社

ISBN：9787560639284

商品編碼：29659376083

包裝：平裝-膠訂

開本：16

齣版時間：2017-12-01

內容介紹
編寫模式新穎，教材體係TI現應用型本科教學特色。貫徹“以服務為宗旨，以就業為導嚮” 的職業教育方針，打破“章、節”編寫模式，建立瞭以“工程項目為導嚮，用工作任務進行驅動，以行動體係為框架，以典型案例為引導”的教材體係。教材緊緊圍繞著學生實踐能力的培養組織教材的內容，在保證雲計算基礎理論的係統性同時，增加教材真實案例分析，強調瞭實踐操作的實用性，促進瞭“教、學、做”1體化教學。

關聯推薦

目錄
*1章 雲計算的演進 1 1.1 雲計算的由來 1 1.1.1 思想演化 2 1.1.2 技術支撐 3 1.2 雲計算的概念與特徵 4 1.2.1 雲計算的基本概念 5 1.2.2 雲計算的基本特徵 8 1.3 雲計算的發展現狀 10 1.4 雲計算的商業模式 12 1.4.1 雲計算是第三次信息技術革命 12 1.4.2 雲計算的優勢和帶來的變革 13 1.4.3 雲計算技術的優點 16 1.4.4 雲計算的三大商業模式 17 1.5 豐富多彩的雲應用 19

*1章 雲計算的演進 1
1.1 雲計算的由來 1
1.1.1 思想演化 2
1.1.2 技術支撐 3
1.2 雲計算的概念與特徵 4
1.2.1 雲計算的基本概念 5
1.2.2 雲計算的基本特徵 8
1.3 雲計算的發展現狀 10
1.4 雲計算的商業模式 12
1.4.1 雲計算是第三次信息技術革命 12
1.4.2 雲計算的優勢和帶來的變革 13
1.4.3 雲計算技術的優點 16
1.4.4 雲計算的三大商業模式 17
1.5 豐富多彩的雲應用 19
1.5.1 雲辦公 19
1.5.2 雲存儲 20
1.5.3 雲教育 23
1.5.4 雲醫療 24
1.5.5 雲政務 25
思考與練xi 26

*二章 雲服務 27
2.1 雲服務概述 27
2.1.1 雲服務的概念 27
2.1.2 雲服務的特徵 28
2.1.3 雲服務的設計原則 28
2.1.4 雲服務的優缺點 29
2.2 雲服務體係簡介 30
2.2.1 雲架構層次 30
2.2.2 雲服務體係 31
2.2.3 雲服務的組成 32
2.3 雲服務類型及應用 32
2.3.1 基礎設施即服務(IaaS) 32
2.3.2 平颱即服務(PaaS) 36
2.3.3 軟件即服務(SaaS) 38
2.4 雲部署模型 42
思考與練xi 43

第三章 雲計算中的數據處理技術 44
3.1 大數據概述 44
3.1.1 大數據的引入 44
3.1.2 大數據的概念 45
3.1.3 大數據技術 45
3.2 雲存儲 46
3.2.1 雲存儲的概念 47
3.2.2 雲存儲的結構模型 48
3.2.3 雲存儲關鍵技術 49
3.2.4 分布式數據存儲的概念 51
3.2.5 Google File System(GFS) 53
3.2.6 Hadoop Distributed File
System (HDFS) 56
3.3 並行編程模式 59
3.3.1 並行編程模式的重要性 59
3.3.2 MapReduce並行編程模型簡介 59
3.3.3 MapReduce邏輯數據流 60
3.3.4 MapReduce實現機製 61
3.4 分布式鎖服務Chubby 63
3.4.1 Paxos算* 63
3.4.2 Chubby係統設計 64
3.4.3 通信協議 66
3.5 數據管理技術 67
3.5.1 Bigtable數據管理技術 67
3.5.2 HBase數據管理技術 72
思考與練xi 73
第四章 虛擬化 74
4.1 虛擬化概述 74
4.1.1 虛擬化的概念 74
4.1.2 虛擬化的發展曆程 75
4.1.3 虛擬化的分類 76
4.2 虛擬化技術 77
4.2.1 完全虛擬化技術 78
4.2.2 半虛擬化技術 78
4.2.3 CPU虛擬化技術 79
4.2.4 內存虛擬化技術 79
4.2.5 I/O虛擬化技術 80
4.3 常見的虛擬化産品 80
4.3.1 Hyper-V虛擬化 80
4.3.2 Xex虛擬化 88
4.3.3 VMware虛擬化 97
4.3.4 VirtualBox虛擬化 100
4.3.5 KVM虛擬化 104
思考與練xi 106

第五章 雲計算管理平颱相關技術 107
5.1 雲管理平颱概述 107
5.1.1 雲平颱的概念 107
5.1.2 雲平颱的作用 108
5.1.3 雲管理平颱的特點 111
5.2 雲平颱管理技術 113
5.2.1 Libvirt組件 113
5.2.2 QEMU及其功能 113
5.3 常見的雲管理平颱 114
5.3.1 VMWare平颱 114
5.3.2 Opexstack平颱 124
5.3.3 MiracleCloud平颱 125
思考與練xi 129

第六章 雲計算典型應用案例 130
6.1 IaaS模式的實現——Amazox雲計算
解決方案 130
6.1.1 Amazox雲計算概述 130
6.1.2 基礎存儲架構Dyxamo 130
6.1.3 彈性計算雲EC2 132
6.1.4 簡單存儲服務S3
(Simple Store Service) 133
6.1.5 簡單隊列服務SQS 133
6.1.6 簡單數據庫服務Simple DB 136
6.2 PaaS模式的實現——Google雲計算
?解決方案 138
6.2.1 Google雲計算概述 138
6.2.2 GFS文件係統 139
6.2.3 分布式數據處理MapReduce 140
6.2.4 分布式結構化數據錶Bigtable 141
6.2.5 分布式數據存儲Megastore 145
6.2.6 分布式監控係統架構Dapper 147
6.3 SaaS模式的實現案例——奇觀科技
?虛擬化雲桌麵解決方案 148
6.3.1 奇觀科技雲桌麵概述 148
6.3.2 MiracleCloud雲平颱 148
6.3.3 雲平颱管理係統 149
6.3.4 奇觀科技雲桌麵架構 150
6.3.5 奇觀科技雲桌麵解決方案的優勢 152
思考與練xi 153

第七章 雲安全 155
7.1 雲計算安全概述 155
7.1.1 雲安全的概念 155
7.1.2 雲安全常見問題 156
7.1.3 雲安全麵臨的挑戰 158
7.1.4 雲安全性的優勢 160
7.2 雲安全架構 160
7.2.1 雲客戶端 161
7.2.2 雲端 161
7.2.3 第三方機構 162
7.3 雲安全的防護策略和方* 163
7.3.1 雲計算核心架構的安全防護 163
7.3.2 雲計算網絡與係統的安全防護 168
7.3.3 雲計算數據信息的安全防護 170
7.3.4 雲計算的身份管理與安全審計 171
7.3.5 雲計算應用的安全策略部署 173
思考與練xi 174

第八章 雲計算的未來與麵臨的問題 175
8.1 雲計算對技術的影響 175
8.2 雲計算對産業的影響 176
8.3 雲計算的未來應用 176
8.3.1 醫療雲 176
8.3.2 社保雲 177
8.3.3 電子政務雲 178
8.4 雲計算麵臨的問題 179
8.4.1 改進IT基礎設施 179
8.4.2 保護用戶隱私 180
8.4.3 製定行業標準 180
8.4.4 增強數據存儲訪問的安全性 180
8.4.5 完善相關*律*規 180
思考與練xi 181

參考文獻 182

顯示全部信息

《數據流的藝術：解析現代計算的脈搏》 引言：穿越信息洪流的導航圖 在信息爆炸的時代，數據如同奔騰不息的江河，以驚人的速度和龐大的體量席捲而來。如何有效地駕馭這股力量，將無序的數據轉化為有價值的洞見，已成為衡量一個組織或個人核心競爭力的關鍵。本書並非聚焦於某個特定的技術棧或計算模型，而是深入探討支撐現代計算運行的深層邏輯——數據流。我們將一同揭示數據在不同係統中的傳遞、轉換、聚閤與分析的奧秘，構建一個理解信息流動的全景式框架，幫助讀者從本質上把握計算的脈搏，從而在瞬息萬變的數字世界中遊刃有餘。 第一章：數據的生命周期——從起源到價值的旅程 本章將開啓我們對數據流的探索之旅。我們首先要理解，數據並非孤立存在，而是貫穿於從産生、采集、存儲、處理、分析到最終應用的整個生命周期。我們將剖析每一個環節的關鍵考量： 數據起源與采集： 數據從何而來？傳感器、用戶交互、日誌文件、交易記錄……這些多樣化的數據源各自的特點是什麼？如何設計高效、可靠的采集機製，以確保數據的完整性和及時性？我們將討論實時采集與批量采集的權衡，以及邊緣計算在數據預處理中的作用。 數據存儲的考量： 海量數據的存儲是巨大的挑戰。我們將對比不同存儲技術的優劣，如關係型數據庫、NoSQL數據庫（鍵值存儲、文檔數據庫、列族數據庫、圖數據庫）、數據倉庫、數據湖等。重點在於理解不同存儲模型如何影響數據的訪問效率和分析能力。 數據處理的引擎： 數據從原始狀態轉化為可用信息，離不開強大的處理能力。本章將介紹批處理（Batch Processing）和流處理（Stream Processing）兩種核心範式。批處理適閤離綫分析，而流處理則為實時決策提供瞭可能。我們將探討MapReduce、Spark等經典批處理框架，以及Kafka Streams、Flink、Storm等流處理平颱的設計理念和核心組件。 數據分析的洞察： 如何從數據中提取有價值的信息？我們將初步觸及數據分析的各個層次，包括描述性分析（發生瞭什麼？）、診斷性分析（為什麼發生？）、預測性分析（將要發生什麼？）和規範性分析（應該做什麼？）。 數據應用的落地： 最終，數據的價值體現在其應用中。無論是商業決策、産品推薦、風險控製還是科學研究，都需要將分析結果轉化為可執行的行動。本章將強調將數據流的整個生命周期與業務目標緊密結閤的重要性。 第二章：流式計算的哲學——實時響應的藝術 在當今追求即時性的世界，流式計算（Stream Computing）已經成為不可或缺的技術。本章將深入探討流式計算的核心理念、挑戰與解決方案。 流式計算的定義與特點： 與批處理不同，流式計算處理的是無界、連續産生的數據。其核心特點包括低延遲、高吞吐量、事件驅動以及對無序、有損數據的容忍性。我們將詳細闡釋這些特點如何影響係統設計。 流式處理的挑戰： 處理實時流數據並非易事。我們將討論延遲、吞吐量、狀態管理、窗口機製、亂序事件處理（Out-of-Order Events）、故障恢復以及Exactly-Once語義等關鍵挑戰。 窗口機製的精妙： 如何在連續的流數據中定義“一個時間段”來聚閤和分析？本章將詳細介紹各種窗口類型：固定時間窗口（Fixed-size Window）、滑動時間窗口（Sliding Window）、會話窗口（Session Window）以及基於事件數量的計數窗口（Count Window）。理解這些窗口機製是進行有效流式分析的基礎。 狀態管理與容錯： 流式計算通常需要維護中間狀態以便進行聚閤或連接操作。我們將探討不同的狀態管理策略，如內存狀態、分布式狀態以及如何實現狀態的一緻性與容錯。分布式共識算法（如Raft、Paxos）在狀態一緻性中的作用也將被提及。 Exactly-Once語義的追求： 在分布式係統中，保證每條數據被處理恰好一次（Exactly-Once）是極其睏難但至關重要的。我們將分析至少一次（At-Least-Once）和至多一次（At-Most-Once）的局限性，並介紹實現Exactly-Once的常見技術，如冪等性操作、事務性提交和分布式追蹤。 流處理框架的演進： 從早期的Storm到功能強大的Flink，流處理框架在不斷發展。我們將簡要迴顧這些框架的設計哲學，並重點分析Flink在狀態管理、事件時間處理和Exactly-Once語義方麵的創新。 第三章：數據管道的構建——連接與協調的橋梁 數據管道（Data Pipeline）是實現數據流動的生命綫，它負責數據的采集、傳輸、轉換和加載（ETL/ELT）。本章將聚焦於如何設計和構建健壯、高效的數據管道。 ETL與ELT的辯證： 我們將深入分析Extract, Transform, Load (ETL) 和 Extract, Load, Transform (ELT) 兩種模式的差異、適用場景以及各自的優缺點。 消息隊列的角色： 消息隊列（Message Queue）在現代數據管道中扮演著至關重要的角色，它們是解耦生産者與消費者的緩衝器，是保證數據可靠傳輸的基石。我們將詳細探討Kafka、RabbitMQ、Pulsar等主流消息隊列的設計原理、吞吐量、持久化能力以及消費者組（Consumer Group）等概念。 數據集成與轉換工具： 如何在管道中進行數據清洗、格式轉換、字段映射、數據豐富等操作？本章將介紹多種工具和方法，包括SQL、Python腳本、Apache NiFi、StreamSets等可視化數據流編排工具，以及Spark SQL、Flink SQL等流式SQL能力。 數據質量的保障： 數據管道的質量直接影響最終的分析結果。我們將討論數據校驗、數據去重、異常數據處理、數據血緣（Data Lineage）追蹤等關鍵的數據質量控製機製。 管道的監控與維護： 一個完整的數據管道需要持續的監控和維護。我們將探討如何監控管道的吞吐量、延遲、錯誤率，以及如何進行故障排查和性能優化。 第四章：分布式數據處理的原理——規模化分析的基石 現代數據量級要求我們必須依賴分布式係統進行處理。本章將揭示分布式數據處理的核心原理。 分布式係統的挑戰： CAP定理（Consistency, Availability, Partition Tolerance）是理解分布式係統設計的齣發點。我們將詳細闡述CAP定理的含義，以及在實際應用中如何進行權衡。 數據分區與復製： 為瞭實現數據的並行處理和高可用性，數據被劃分為多個分區（Partition），並在多個節點上進行復製（Replication）。我們將討論不同的分區策略（如哈希分區、範圍分區）以及復製策略（如主從復製、多主復製）。 任務調度與協調： 在分布式環境中，如何將計算任務分配到不同的節點，並協調它們共同完成目標？本章將介紹分布式任務調度器（如YARN, Kubernetes Scheduler）和分布式協調服務（如ZooKeeper, etcd）在其中的作用。 分布式文件係統： 存儲大規模分布式數據需要專門的文件係統。我們將介紹HDFS（Hadoop Distributed File System）等分布式文件係統的設計理念，包括其高吞吐量、容錯性以及為大數據處理量身定製的特性。 內存計算與加速： 為瞭提升數據處理的速度，內存計算（In-memory Computing）變得越來越重要。我們將討論Spark等框架如何利用內存來加速計算，以及其與傳統磁盤I/O處理的區彆。 第五章：案例分析——數據流在不同領域的實踐 理論結閤實際，本章將通過一係列真實世界的案例，展示數據流在不同領域的廣泛應用。 電商平颱的實時推薦係統： 如何利用用戶行為數據流，實時生成個性化商品推薦？我們將分析其數據采集、特徵提取、模型推理和推薦展示的整個數據流過程。 金融行業的欺詐檢測： 如何通過實時監控交易數據流，快速識彆潛在的欺詐行為？我們將探討異常檢測算法、規則引擎在流式數據處理中的應用。 物聯網（IoT）設備監控與分析： 海量傳感器數據如何被收集、處理和分析，以實現設備狀態監控、故障預警和性能優化？我們將討論邊緣計算、時間序列數據庫和數據聚閤在IoT場景中的應用。 社交媒體的內容分析： 如何從海量文本、圖片、視頻數據流中提取有價值的信息，進行輿情分析、話題發現和情感挖掘？我們將觸及自然語言處理（NLP）和圖像識彆在流式數據分析中的應用。 日誌分析與運維監控： 如何構建一個高效的日誌數據管道，實現日誌的收集、存儲、實時分析和異常告警，以保障係統的穩定運行？ 結語：擁抱數據流，驅動未來 數據流並非孤立的技術概念，而是貫穿於所有計算活動的核心。理解數據流的本質，掌握其處理的藝術，能夠幫助我們更深入地理解現代計算係統的設計原理，更有效地應對海量數據的挑戰，並最終將數據轉化為驅動創新的強大引擎。本書希望為您提供一幅清晰的導航圖，引領您穿越信息洪流，在數據的海洋中找到屬於自己的航道，駛嚮更廣闊的未來。

評分☆☆☆☆☆

讀完《雲計算機導論》的某些章節，我最大的感受是，它像一位經驗豐富的老船長，帶著我在信息技術的海洋中指引航嚮。這本書並非僅僅是技術的堆砌，更重要的是它提供瞭一種“思考雲”的方式。在探討彈性伸縮和負載均衡時，作者並沒有停留在理論公式層麵，而是深入剖析瞭在實際業務場景中，這些概念是如何發揮作用的。例如，在介紹彈性伸縮時，它會列舉電商在“雙十一”這樣的促銷高峰期，如何通過自動擴容來應對海量用戶訪問，保證服務的穩定性；而在訪問量低榖時，又如何自動縮減資源，降低運營成本。這種貼近現實的案例分析，讓我深刻理解瞭雲計算的“彈性”二字並非空穴來風，而是實實在在的商業價值體現。再者，書中關於安全性部分的論述也讓我印象深刻。它並沒有簡單地羅列一些安全威脅，而是從多維度、深層次地探討瞭在雲環境中，數據安全、訪問控製、閤規性等方麵的挑戰，以及相應的防護策略。作者在講解過程中，會引用一些實際的安全事件作為反例，並分析其成因和教訓，這比乾巴巴地講理論要生動得多。我尤其欣賞它在討論多雲和混閤雲策略時，所展現齣的辯證思維，既肯定瞭它們帶來的靈活性和避免廠商鎖定，也指齣瞭隨之而來的復雜性和管理難度。這本書讓我意識到，在擁抱雲計算的同時，我們也需要對潛在的風險和挑戰有清醒的認識。

評分☆☆☆☆☆

這部《雲計算機導論》給我的感覺，更像是一次深入骨髓的“洗禮”，它讓我對過去的一些認知産生瞭顛覆。尤其是在探討 serverless 計算和函數即服務（FaaS）的章節，作者的講解方式讓我眼前一亮。他並沒有一開始就去強調serverless的“無服務器”概念，而是先從傳統服務器運維的痛點齣發，比如資源浪費、管理復雜、擴展睏難等，層層遞進，自然而然地引齣瞭serverless的優勢。他巧妙地將FaaS比作“按需即取”的服務，開發者隻需要專注於編寫業務邏輯代碼，而底層的基礎設施，包括服務器的啓動、停止、擴容等，都由雲平颱自動處理。這種“上帝視角”的講解，讓我這個對底層架構瞭解不深的讀者，也能夠迅速理解serverless的核心價值。更讓我驚喜的是，作者在書中還深入探討瞭serverless的應用場景，比如事件驅動的架構、實時數據處理、微服務等，並且列舉瞭一些非常具體的應用案例，讓我看到瞭serverless不僅僅是一種技術趨勢，更是一種能夠解決實際問題的有效方案。它還對serverless的局限性，比如冷啓動問題、供應商鎖定等，也進行瞭坦誠的分析，讓我對這項技術有瞭更全麵、更客觀的認識。這本書讓我開始重新思考，在未來的計算模式中，我們如何能將更多的精力投入到業務創新上。

評分☆☆☆☆☆

這本《雲計算機導論》算是我最近一段時間裏，在數字技術這個浩瀚海洋中撈到的一塊還算紮實的浮木。當初買這本書，其實也是抱著一種“碰碰運氣”的心態，畢竟“雲”這個概念實在是太泛泛瞭，市麵上關於它的書也如雨後春筍般冒齣來，良莠不齊。拿到手翻瞭幾頁，纔發現它並沒有像一些同類書籍那樣，上來就堆砌一堆晦澀難懂的專業術語，而是選擇瞭循序漸進的講解方式。我尤其喜歡它在開篇部分，並沒有直接 dive into 技術細節，而是花瞭不少篇幅去梳理雲計算的發展曆程，從早期的虛擬化技術萌芽，到分布式計算的崛起，再到互聯網巨頭們如何一步步構建起自己的雲平颱，這種宏觀的視角讓我這個初學者對“雲”的由來和演變有瞭一個清晰的脈絡。它不像有些書那樣，上來就告訴你“什麼是雲”，而是通過講故事的方式，讓你慢慢理解“雲”是怎麼來的，為什麼會有“雲”。而且，作者在介紹一些基礎概念時，比如IaaS、PaaS、SaaS，並沒有用那些枯燥的定義式闡述，而是結閤瞭一些大傢耳熟能詳的例子，比如把IaaS比作租用服務器，PaaS比作一個提供開發工具和運行環境的平颱，SaaS則像是直接使用彆人提供的軟件。這種通俗易懂的比喻，確實大大降低瞭理解門檻，讓我這個非科班齣身的人也能快速抓住核心要義。總的來說，這本書在引導讀者建立對雲計算整體認知方麵，做得非常齣色，讓我對後續深入學習打下瞭堅實的基礎。

評分☆☆☆☆☆

總的來說，《雲計算機導論》這本書給我帶來的最大收獲，在於它對於“雲原生”這個前沿概念的闡釋，讓我看到瞭未來計算的雛形。作者在介紹容器化技術，特彆是Docker時，並沒有止步於介紹命令和語法，而是花瞭不少篇幅去闡述容器技術如何改變瞭應用的開發、部署和管理模式。它詳細解釋瞭微服務架構與容器的結閤，是如何實現應用的高內聚、低耦閤，以及如何使得應用的獨立迭代和快速部署成為可能。我尤其對它在介紹Kubernetes時，所構建的“容器編排”的宏大圖景感到震撼。它不僅僅是把Kubernetes的功能一一列舉，而是將其置於整個雲原生生態係統中，闡述瞭它如何成為構建和管理大規模容器化應用的核心組件。書中對於Kubernetes的聲明式API、控製迴路等概念的講解，雖然初聽起來有些抽象，但通過作者一係列的圖示和案例，我逐漸領悟到瞭它的強大之處，以及它如何自動化地處理應用程序的部署、擴展和管理。而且，這本書在討論DevOps文化與雲原生結閤時，也給瞭我很多啓發。它清晰地闡述瞭DevOps如何通過自動化和協作，打破開發和運維之間的壁壘，而雲原生技術又如何為DevOps的落地提供瞭堅實的技術支撐。讀完這部分，我仿佛看到瞭一個全新的軟件開發和交付模式的未來。

評分☆☆☆☆☆

《雲計算機導論》這本書，在某些章節的論述上，確實給我帶來瞭耳目一新的感覺，特彆是關於邊緣計算和物聯網（IoT）與雲計算結閤的部分。作者的視角非常獨特，他並沒有把邊緣計算簡單地看作是雲計算的補充，而是將其置於一個更宏大的信息處理生態係統中進行解讀。他詳細闡述瞭為什麼在物聯網設備數量爆炸式增長的今天，將所有的計算都集中在遠端的雲端會麵臨延遲高、帶寬受限、隱私泄露等問題。然後，他引齣瞭邊緣計算的概念，並形象地將其比作在“離數據最近的地方”進行計算。書中對於邊緣計算在智能製造、自動駕駛、智慧城市等領域的應用場景的描繪，讓我對這項技術有瞭直觀的認識。他會解釋在工廠車間，如何通過邊緣設備進行實時的機器故障預測和質量檢測，從而提高生産效率；在自動駕駛汽車中，邊緣計算如何實現對傳感器數據的秒級處理，保證行車安全。而且，作者在探討物聯網設備管理和數據流轉時，也提供瞭非常具體的解決方案。他會介紹如何利用雲平颱來統一管理海量的物聯網設備，如何設計高效的數據采集和處理管道，以及如何利用機器學習對邊緣采集的數據進行分析，從而挖掘齣有價值的信息。這本書讓我意識到，雲計算的未來，不僅僅是數據中心的擴張，更是計算能力嚮“萬物互聯”的終端延伸。