第1章 云計(jì)算概述1
1.1 什么是云計(jì)算1
1.1.1 云計(jì)算的定義1
1.1.2 云計(jì)算的概念模型2
1.1.3 云計(jì)算的特點(diǎn)3
1.2 云計(jì)算技術(shù)發(fā)展背景3
1.3 典型的云計(jì)算基礎(chǔ)架構(gòu)8
1.4 云計(jì)算的主要服務(wù)模式9
1.4.1 基礎(chǔ)設(shè)施即服務(wù)（IaaS）9
1.4.2 平臺(tái)即服務(wù)（PaaS）11
1.4.3 軟件即服務(wù)（SaaS）11
1.4.4 三種服務(wù)模式之間的關(guān)系12
1.5 云計(jì)算的主要部署模式13
1.6 云計(jì)算是商業(yè)模式的創(chuàng)新14
1.7 典型的云計(jì)算產(chǎn)品15
1.7.1 Amazon的AWS15
1.7.2 Windows Azure Platform16
1.7.3 IBM藍(lán)云解決方案17
1.7.4 阿里云18
1.8 云計(jì)算技術(shù)的新發(fā)展20
1.8.1 軟件定義存儲(chǔ)（SDS）20
1.8.2 超融合基礎(chǔ)架構(gòu)（HCI）20
1.8.3 軟件定義數(shù)據(jù)中心（SDDC）和
DevOps21
1.8.4 混合云服務(wù)興起22
1.8.5 邊緣計(jì)算22
1.8.6 分布式云24
1.8.7 信創(chuàng)云25
1.8.8 安全性成為關(guān)鍵26
1.9 我國(guó)的云計(jì)算產(chǎn)業(yè)現(xiàn)狀27
1.9.1 政府推動(dòng)云計(jì)算產(chǎn)業(yè)發(fā)展27
1.9.2 我國(guó)云計(jì)算產(chǎn)業(yè)高速發(fā)展27
習(xí)題28
第2章 大數(shù)據(jù)技術(shù)概述29
2.1 大數(shù)據(jù)技術(shù)的產(chǎn)生29
2.1.1 大數(shù)據(jù)的基本概念29
2.1.2 大數(shù)據(jù)產(chǎn)生的原因29
2.1.3 大數(shù)據(jù)概念的提出32
2.1.4 第四范式—大數(shù)據(jù)對(duì)科學(xué)研究
產(chǎn)生的影響33
2.1.5 云計(jì)算與大數(shù)據(jù)的關(guān)系33
2.2 大數(shù)據(jù)的4V特征34
2.3 大數(shù)據(jù)的主要應(yīng)用及行業(yè)推動(dòng)
力量35
2.3.1 大數(shù)據(jù)的主要應(yīng)用35
2.3.2 企業(yè)推動(dòng)大數(shù)據(jù)行業(yè)發(fā)展35
2.3.3 我國(guó)政府推動(dòng)大數(shù)據(jù)行業(yè)發(fā)展36
2.4 大數(shù)據(jù)的關(guān)鍵技術(shù)37
2.5 典型的大數(shù)據(jù)計(jì)算架構(gòu)38
習(xí)題38
第3章 虛擬化技術(shù)39
3.1 虛擬化技術(shù)簡(jiǎn)介39
3.1.1 虛擬化技術(shù)的概念39
3.1.2 虛擬化技術(shù)的分類(lèi)41
3.1.3 虛擬化技術(shù)的優(yōu)勢(shì)和劣勢(shì)45
3.1.4 虛擬化技術(shù)與云計(jì)算46
3.2 虛擬化技術(shù)原理46
3.2.1 虛擬機(jī)技術(shù)原理47
3.2.2 CPU虛擬化原理47
3.2.3 內(nèi)存虛擬化原理49
3.2.4 網(wǎng)絡(luò)虛擬化原理50
3.2.5 CGroups相關(guān)原理50
3.3 虛擬化技術(shù)解決方案51
3.3.1 OpenStack51
3.3.2 KVM52
3.3.3 Hyper-V53
3.3.4 VMware53
3.3.5 Xen54
3.3.6 Docker55
3.4 常見(jiàn)虛擬化技術(shù)的應(yīng)用實(shí)踐56
3.4.1 虛擬化環(huán)境的搭建56
3.4.2 克隆虛擬機(jī)58
3.4.3 虛擬機(jī)做快照60
習(xí)題63
第4章 數(shù)據(jù)中心與云存儲(chǔ)技術(shù)64
4.1 數(shù)據(jù)中心的概念64
4.1.1 數(shù)據(jù)中心的定義、作用及分類(lèi)64
4.1.2 云計(jì)算、大數(shù)據(jù)時(shí)代的數(shù)據(jù)中心
發(fā)展趨勢(shì)66
4.2 云存儲(chǔ)概述66
4.2.1 云存儲(chǔ)的概念66
4.2.2 云存儲(chǔ)系統(tǒng)的結(jié)構(gòu)67
4.2.3 云存儲(chǔ)的實(shí)現(xiàn)基礎(chǔ)69
4.2.4 云存儲(chǔ)的特性71
4.3 云存儲(chǔ)與云計(jì)算72
4.4 云存儲(chǔ)發(fā)展的關(guān)注點(diǎn)72
習(xí)題73
第5章 并行計(jì)算與集群技術(shù)74
5.1 并行計(jì)算概述74
5.1.1 并行計(jì)算的概念74
5.1.2 并行計(jì)算的層次75
5.1.3 并行計(jì)算機(jī)的發(fā)展76
5.1.4 并行計(jì)算與分布式計(jì)算78
5.1.5 并行計(jì)算與云計(jì)算79
5.2 云計(jì)算基礎(chǔ)架構(gòu)—集群技術(shù)80
5.2.1 集群的基本概念80
5.2.2 集群系統(tǒng)的分類(lèi)81
5.2.3 集群文件系統(tǒng)81
5.3 并行計(jì)算的分類(lèi)82
5.3.1 按Flynn分類(lèi)83
5.3.2 按應(yīng)用的計(jì)算特征分類(lèi)84
5.3.3 按結(jié)構(gòu)模型分類(lèi)84
5.4 并行計(jì)算相關(guān)技術(shù)86
5.4.1 并行計(jì)算的關(guān)鍵技術(shù)86
5.4.2 并行計(jì)算的性能估算87
5.5 并行程序設(shè)計(jì)—MPI編程88
5.5.1 MPI簡(jiǎn)介88
5.5.2 一個(gè)簡(jiǎn)單的MPI程序?qū)崿F(xiàn)90
5.5.3 MPI消息91
5.5.4 MPI的消息傳遞過(guò)程92
5.5.5 MPI常用基本函數(shù)92
5.5.6 有消息傳遞的并行程序93
習(xí)題95
第6章　OpenStack—功能強(qiáng)大的
IaaS平臺(tái)96
6.1 OpenStack架構(gòu)96
6.2 計(jì)算服務(wù)模塊Nova97
6.3 網(wǎng)絡(luò)服務(wù)模塊Neutron100
6.3.1 Neutron的主要組件100
6.3.2 Neutron網(wǎng)絡(luò)102
6.4 塊存儲(chǔ)服務(wù)模塊Cinder103
6.5 對(duì)象存儲(chǔ)服務(wù)模塊Swift104
6.6 身份認(rèn)證模塊Keystone108
6.7 鏡像模塊Glance112
6.8 儀表盤(pán)服務(wù)模塊Horizon114
6.9 監(jiān)控計(jì)量服務(wù)模塊Ceilometer115
習(xí)題116
第7章 Docker—用途廣泛的
容器技術(shù)117
7.1 Docker概述117
7.1.1 Docker安裝117
7.1.2 運(yùn)行第一個(gè)容器119
7.1.3 Docker基本命令120
7.2 Docker鏡像與倉(cāng)庫(kù)121
7.2.1 什么是Docker鏡像121
7.2.2 發(fā)布和獲取Docker鏡像122
7.2.3 鏡像操作123
7.2.4 構(gòu)建私有倉(cāng)庫(kù)124
7.3 Dockerfile定制鏡像125
7.3.1 Dockerfile介紹125
7.3.2 Dockerfile命令詳解126
7.3.3 構(gòu)建定制鏡像126
7.4 Kubernetes容器編排技術(shù)127
7.4.1 Kubernetes簡(jiǎn)介127
7.4.2 部署Kubernetes128
習(xí)題130
第8章 Hadoop—分布式大數(shù)據(jù)
開(kāi)發(fā)平臺(tái)131
8.1 Hadoop簡(jiǎn)介131
8.1.1 Hadoop與分布式開(kāi)發(fā)技術(shù)131
8.1.2 Hadoop的體系架構(gòu)132
8.1.3 Hadoop集群的架構(gòu)134
8.2 分布式文件系統(tǒng)HDFS136
8.2.1 分布式文件系統(tǒng)概述136
8.2.2 HDFS的架構(gòu)及讀寫(xiě)流程138
8.3 分布式計(jì)算框架MapReduce141
8.3.1 MapReduce編程模型141
8.3.2 MapReduce數(shù)據(jù)流143
8.3.3 MapReduce任務(wù)運(yùn)行流程144
8.4 列式數(shù)據(jù)庫(kù)HBase147
8.4.1 HBase列式數(shù)據(jù)庫(kù)介紹147
8.4.2 理解HBase的表結(jié)構(gòu)148
8.5 搭建Hadoop開(kāi)發(fā)環(huán)境151
8.5.1 相關(guān)準(zhǔn)備工作151
8.5.2 JDK的安裝配置152
8.5.3 安裝Hadoop并配置Hadoop
環(huán)境變量153
8.5.4 修改Hadoop配置文件153
8.5.5 將配置好的Hadoop文件復(fù)制到
其他節(jié)點(diǎn)并格式化154
8.5.6 啟動(dòng)、停止Hadoop155
8.5.7 運(yùn)行測(cè)試程序WordCount156
習(xí)題157
第9章 Storm—基于拓?fù)涞牧鲾?shù)據(jù)
實(shí)時(shí)計(jì)算框架158
9.1 Storm簡(jiǎn)介158
9.2 Storm原理及其體系架構(gòu)161
9.2.1 Storm編程模型原理161
9.2.2 Storm體系架構(gòu)163
9.3 Storm-Yarn簡(jiǎn)介164
9.3.1 Storm-Yarn的產(chǎn)生背景164
9.3.2 Storm-Yarn的體系架構(gòu)165
9.4 Flink與Storm166
9.5 搭建Storm開(kāi)發(fā)環(huán)境167
9.5.1 Storm安裝說(shuō)明167
9.5.2 Storm安裝步驟168
9.5.3 Storm設(shè)置170
9.5.4 Storm的啟動(dòng)171
9.5.5 Storm的常用操作命令172
9.6 Storm應(yīng)用實(shí)踐173
9.6.1 使用Maven管理storm-starter173
9.6.2 WordCountTopology源代碼分析176
習(xí)題179
第10章 Spark—基于內(nèi)存的大數(shù)據(jù)
計(jì)算框架180
10.1 Spark概述180
10.2 Spark的運(yùn)行機(jī)制181
10.3 Spark的運(yùn)行模式183
10.3.1 Standalone模式184
10.3.2 Spark Yarn模式185
10.3.3 Spark Mesos模式188
10.4 Spark RDD188
10.4.1 RDD的特點(diǎn)189
10.4.2 RDD的創(chuàng)建190
10.4.3 RDD基本操作191
10.4.4 RDD持久化（緩存）193
10.4.5 Spark共享變量194
10.5 Spark生態(tài)系統(tǒng)196
10.5.1 Spark SQL196
10.5.2 Spark Streaming197
10.5.3 GraphX201
10.5.4 MLlib203
習(xí)題204
第11章 云計(jì)算仿真205
11.1 云計(jì)算仿真系統(tǒng)—CloudSim205
11.1.1　CloudSim基礎(chǔ)205
11.1.2　CloudSim的體系結(jié)構(gòu)206
11.2 CloudSim的模型使用場(chǎng)景208
11.3 CloudSim應(yīng)用實(shí)踐209
11.3.1 準(zhǔn)備環(huán)境209
11.3.2 數(shù)據(jù)中心仿真實(shí)例210
11.3.3 網(wǎng)絡(luò)仿真實(shí)例215
習(xí)題218
參考文獻(xiàn)219