新書推薦：
《
失衡与重塑——百年变局下的中国与世界经济
》
售價：HK$
135.7
《
不被定义的年龄：积极年龄观让我们更快乐、健康、长寿
》
售價：HK$
79.4
《
南方谈话：邓小平在1992
》
售價：HK$
82.8
《
纷纭万端 ： 近代中国的思想与社会
》
售價：HK$
109.8
《
中国古代文体形态研究（第四版）（中华当代学术著作辑要）
》
售價：HK$
172.5
《
朋党之争与北宋政治·大学问
》
售價：HK$
102.4
《
甲骨文丛书·波斯的中古时代（1040-1797年）
》
售價：HK$
90.9
《
以爱为名的支配
》
售價：HK$
64.4
|
| 內容簡介： |
|
本书向科学家、工程师和学生介绍云计算，内容涵盖云计算的支撑技术、解决云技术问题的新方法，以及将云服务集成到科学工作中所需要的概念。具体包括：管理云中的数据，以及如何对这些服务进行编程；在云计算中，从部署单一虚拟机或容器到支持基本的交互式科学实验，从而收集机器集群的数据以进行分析；将云作为自动化分析程序、机器学习和分析流数据的平台；用开源软件构建自己的云；云安全。
|
| 關於作者： |
---作者简介---
伊恩•福斯特（Ian Foster） 知名计算机科学家，芝加哥大学教授，阿贡国家实验室杰出研究员。他是网格计算理论的创始人和积极倡导者，被尊称为“网格计算之父”。
丹尼斯·B. 甘农（Dennis B. Gannon印第安纳大学计算机科学系荣誉退休教授。曾任微软云研究战略总监，向全球的研究和教育机构提供Azure云计算资源。
---译者简介【已更新】---
赵勇清数科技及融数链创始人，电子科技大学副教授，曾任职于美国微软搜索与广告部，获微软杰出员工奖。博士期间师从Ian Foster教授。
黄毅美国SkyGlue公司总裁兼CTO，圣何塞大学教授兼大数据实验室主任。曾任职于微软，担任Azure云计算软件开发工程师。博士期间师从Dennis Gannon教授。
|
| 目錄：
|
出版者的话
译者序
前言
致谢
第1章 在云的宇宙中定位1
1.1 云：计算机、助理和平台1
1.2 云的概况2
1.3 本书导读5
1.4 获取云服务的方式：网站、应用编程接口和软件开发工具包6
1.4.1 Web界面、应用编程接口、软件开发工具包和命令行界面6
1.4.2 本地应用和云应用8
1.5 本书使用的工具8
1.5.1 Python8
1.5.2 Jupyter：基于Web的交互式计算工具9
1.5.3 版本控制系统GitHub10
1.5.4 Globus10
1.6 小结10
1.7 资源11
第一部分 管理云中的数据
第2章 存储即服务15
2.1 三个启发式的例子15
2.2 存储模型16
2.2.1 文件系统16
2.2.2 对象存储17
2.2.3 关系型数据库17
2.2.4 NoSQL数据库18
2.2.5 图数据库19
2.2.6 数据仓库20
2.3 云存储全景20
2.3.1 文件系统20
2.3.2 对象存储21
2.3.3 NoSQL服务21
2.3.4 关系型数据库22
2.3.5 基于数据仓库的数据分析22
2.3.6 图数据库及其他服务23
2.3.7 OpenStack存储服务和Jetstream云服务23
2.4 小结24
2.5 资源24
第3章 使用云存储服务25
3.1 两种访问方式：门户和API25
3.2 使用Amazon云存储服务26
3.3 使用Microsoft Azure云存储服务28
3.4 使用Google云存储服务31
3.4.1 Google Bigtable32
3.4.2 Google Cloud Datastore33
3.5 使用OpenStack云存储服务34
3.6 用Globus传输和共享数据35
3.6.1 用Globus传输数据36
3.6.2 用Globus共享数据38
3.7 小结38
3.8 资源39
第二部分 云中的计算
第4章 计算即服务43
4.1 虚拟机和容器43
4.2 先进的计算服务45
4.3 无服务器计算46
4.4 公有云计算的优缺点46
4.5 小结47
4.6 资源48
第5章 虚拟机的使用和管理49
5.1 历史根源49
5.2 亚马逊的弹性计算云50
5.2.1 创建虚拟机实例50
5.2.2 连接存储52
5.3 Azure虚拟机54
5.4 谷歌云虚拟机服务55
5.5 Jetstream虚拟机服务55
5.6 小结56
5.7 资源57
第6章 使用和管理容器58
6.1 容器的基础知识58
6.2 Docker和Hub59
6.3 容器用于科学61
6.4 构建你自己的容器62
6.5 小结63
6.6 资源63
第7章 弹性部署64
7.1 云中并行计算的范式64
7.2 SPMD和HPC风格的并行65
7.2.1 云中的消息传递接口65
7.2.2 云中的GPU65
7.2.3 在Amazon云上部署HPC集群67
7.2.4 在Azure上部署HPC集群70
7.2.5 集群的进一步扩展71
7.3 多任务并行计算72
7.4 MapReduce和批量同步并行计算72
7.5 图数据流的执行和Spark73
7.6 代理和微服务74
7.6.1 微服务和容器资源管理器75
7.6.2 在集群中管理身份75
7.6.3 简单的例子75
7.6.4 Amazon EC2容器服务76
7.6.5 Google的Kubernetes81
7.6.6 Mesos和Mesosphere84
7.7 HTCondor86
7.8 小结86
7.9 资源87
第三部分 云平台
第8章 云中的数据分析91
8.1 Hadoop和YARN91
8.2 Spark93
8.2.1 一个简单的Spark程序93
8.2.2 一个更有趣的Spark程序：k均值聚类94
8.2.3 容器中的Spark95
8.2.4 Spark中的SQL96
8.3 Amazon Elastic MapReduce97
8.4 Azure HDInsight和数据湖99
8.4.1 Azure Data Lake存储100
8.4.2 数据湖分析101
8.5 Amazon Athena分析102
8.6 Google云数据实验室102
8.6.1 华盛顿和印第安纳州的风疹103
8.6.2 寻找气象台的异常104
8.7 小结107
8.8 资源107
第9章 将数据以流式传输到云端109
9.1 科学流案例109
9.1.1 广域地球物理传感器网络110
9.1.2 城市信息学110
9.1.3 大规模科学数据流111
9.2 流系统的基本设计挑战112
9.3 Amazon Kinesis和Firehose112
9.3.1 Kinesis Streams架构113
9.3.2 Kinesis和Amazon SQS114
9.4 Kinesis、Spark和物体阵列115
9.5 用Azure进行流数据处理118
9.6 Kafka、Storm和Heron Streams121
9.7 Google Dataflow和Apache Beam124
9.8 Apache Flink126
9.9 小结127
9.10 资源128
第10章 基于云的机器学习129
10.1 Spark机器学习库129
10.1.1 逻辑回归130
10.1.2 芝加哥餐厅案例130
10.2 Azure机器学习空间133
10.3 Amazon机器学习平台136
10.4 深度学习浅析138
10.4.1 深度网络139
10.4.2 卷积神经网络140
10.4.3 递归神经网络141
10.5 Amazon MXNet虚拟机镜像143
10.6 Google TensorFlow146
10.7 微软认知工具包147
10.8 小结149
10.9 资源150
第11章 Globus研究数据管理平台152
11.1 分布式数据的挑战和机遇152
11.2 Globus平台153
11.2.1 Globus传输和共享153
11.2.2 rule_data结构155
11.3 身份和证书管理155
11.3.1 Globus Auth授权服务156
11.3.2 一个典型的Globus Auth工作流157
11.3.
|
| 內容試閱：
|
文明的进步，是不断增加我们能够进行的重要操作的数量，而不需要考虑如何进行这些操作。
—Alfred North Whitehead，《数学简介》
本书讨论云计算以及如何让读者—也就是你—把它应用在科学和工程领域。这是一本实用指南，涵盖了很多动手实践的案例，这些案例都可以在线获得，以帮助读者了解怎样使用云计算解决技术计算方面的特定问题，我们还就日常工作中如何使用云计算提出了可行的建议。
云计算作为技术术语最早出现在1996年。发展至今，这一词汇在机场的广告牌上已随处可见。你可能会困惑于它是一项技术、一种趋势还是旧概念的重新包装，或者仅仅是一个市场宣传口号。其实它是所有这些的集合而且还不限于此。最重要的是，云计算是一种我们以往多有忽视的处理事务方式上的重大转变，不论是在科学方面还是在日常生活的其他方面。就如提姆·布瑞（Tim Bray）在2015年所写：“计算正转向一个效用模型。你可以在一个公有云里做各种在自己的计算机房很难完成或者很昂贵的事。公有云可以提供比你自己建造的环境更加优越的在线时间、安全性保障和有效的分配。”[77]
功能强大、随时在线、可访问的云设施的出现，已经转变了我们作为消费者和信息技术互动的方式，我们可以在Netflix上持续流畅地观看视频（托管在亚马逊云平台上），通过谷歌搜寻网站内容（使用谷歌云平台），通过脸书更新朋友圈动态，通过Alexa购买我们的日用品。云技术让许多公司得以将其信息技术外包到云供应商，从而削减了成本，提高了速率。大量以前的手工工作通过运行在云设施上的软件得以自动化，正如1960年McCarthy所设想的以及20世纪90年代网格所探索的那样，现在则通过像亚马逊、谷歌和微软这样的云供应商得以大规模实现。
那么云计算在科学和工程方面的应用是怎样的呢？许多科学家和工程师在工作中使用像Dropbox、GitHub、Google Docs、Skype甚至Twitter这样的云服务。但是他们还远远没有享受到云计算的全面福利。有一些技术应用运行在云计算机上，但是很少有研究人员将其他部分外包到云平台上。这是一种机会的浪费。毕竟，科学和工程虽然是令人着迷且开发心智的专业，但是也包含许多平凡的很花费时间的活动。为什么不通过自动化和外包来加速科学探索（并享有更多乐趣）呢？我们相信对这个问题的答案是肯定的，这就是我们为什么写这本书。
在接下来的章节里，我们调研了支撑云的新技术，云所提供的解决技术问题的新方法，以及在研究方面有效应用云的新思考方式。我们不奢望能够提供一本全面的云计算指导，因为主要的云供应商运行着成百上千的服务，当然有许多在科学和工程方面可以有效应用的服务没有涵盖在本书中。但我们确实描述了精华的部分，并给出了把你的工作整合到云服务中的必要概念。
下面是一些大家常问的问题，我们也将在书中尽力提供答案：我应该买一个集群还是使用云？如果使用商务云，我的基金会为此付费吗？我可以把数据导到云里面吗？那儿安全吗？我可以和我的同事分享吗？我怎么在云里计算？云计算可以大规模化吗？如果我想计算大量数据会怎样？我应该在工作中使用云平台服务吗？ 哪些是对科学和工程有用的？我怎么建立自己的云服务？我可以使它们按需规模化以解决真正的大问题吗？在科学和工程方面使用云有哪些成功的例子？我怎么建立自己的云？等等。
没有洞察一切的水晶球，我们不能提供这些问题的确切答案。但是我们至少可以提供一些信息和观点，以帮助你做决定。
一切都在流动，没有什么是静止的。就如2500年前Heraclitus所写的，软件行业尤其是这样。本书中一些技术细节的有效性会比我们所想的更加短暂。但是不要沮丧。你可以帮助我们和你的同仁，请在Cloud4SciEng.org中告诉我们。我们会更新网站，并准备本书的第2版。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
