• 大数据技术与应用:数据密集型计算和模型
  • 大数据技术与应用:数据密集型计算和模型
  • 大数据技术与应用:数据密集型计算和模型
  • 大数据技术与应用:数据密集型计算和模型

大数据技术与应用:数据密集型计算和模型

18 3.1折 58 全新

库存20件

安徽淮北濉溪
认证卖家担保交易快速发货售后保障

作者童维勤、黄林鹏 编

出版社上海科学技术出版社

出版时间2015-01

版次1

装帧平装

货号一八六西D2

上书时间2018-04-11

好读书旧书店

四年老店
已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
免争议请详见图,图书品相请买家自定。细节描述不够详细,但图片为实拍图。如对品相有高标准要求,还请留言详问。
图书标准信息
  • 作者 童维勤、黄林鹏 编
  • 出版社 上海科学技术出版社
  • 出版时间 2015-01
  • 版次 1
  • ISBN 9787547822692
  • 定价 58.00元
  • 装帧 平装
  • 开本 16开
  • 纸张 胶版纸
  • 页数 221页
  • 正文语种 简体中文
  • 丛书 大数据技术与应用
【内容简介】
  《大数据技术与应用:数据密集型计算和模型》涵盖了数据密集型计算的体系结构、计算模型和编程方法,内容系统全面,着重介绍原理和方法,并配以图片,便于读者理解。《大数据技术与应用:数据密集型计算和模型》共分7章,第1章介绍数据密集型计算的概况,及其与高性能计算和云计算的异同、应用领域以及面临的挑战;第2章介绍海量数据时代的计算机组织体系和技术;第3章介绍内存计算组织体系和技术;第4章~第6章介绍几个常见的计算模型,如MapReduce模型、BSP模型和Dryad模型等;第7章综合介绍一些专门领域的计算模型,如All—Pairs模型等。
  《大数据技术与应用:数据密集型计算和模型》主要读者对象是信息技术领域的从业者以及广大的计算机学科及其相关学科的师生。
【作者简介】
童维勤,教授、博士。长期任教于上海大学计算机工程与科学学院,兼任《上海大学学报》(英文版)编委会委员。主要研究领域:并行程序设计方法;高性能计算技术和应用;嵌入式技术。

获奖:“自强2000集群式高性能计算机系统”2001年获上海市科学技术进步一等奖。荣誉称号:1997年上海市高等学校优秀青年教师奖,1998年宝钢优秀教师奖,1998年、1999年Intel优秀教师奖。作为负责人,完成了国家自然科学基金、上海市科委、上海市教委等资助的科研项目十多项。

目前承担的项目:总装某预研项目子课题“飞行器RCS精确计算的并行化方法”。
【目录】
第1章绪论
1.1数据密集型计算概念
1.2大数据时代的数据密集型计算技术
1.3数据密集型计算与高性能计算、云计算的关系
1.3.1数据密集型计算与高性能计算
1.3.2数据密集型计算与云计算
1.4数据密集型计算的应用领域
1.4.1社会管理领域
1.4.2教育领域
1.4.3医疗领域
1.4.4交通领域
1.4.5农业领域
1.4.6金融领域
1.4.7其他领域
1.5大数据带来的挑战
1.5.1大数据集成
1.5.2大数据分析
1.5.3计算机体系结构面临的挑战
1.5.4编程模型面临的挑战
参考文献

第2章大数据时代的计算机体系结构
2.1计算部件
2.1.1多核
2.1.2众核
2.1.3GPU-+-CP[J混合异构
2.1.4集群
2.2存储部件
2.2.1片上存储
2.2.2本地存储
2.2.3分布式存储
2.3网络部件
2.3.1片上通信
2.3.2数据中心网络
2.3.3数据中心互联网络
2.4软件定义部件
2.4.1软件定义计算
2.4.2软件定义存储
2.4.3软件定义网络
2.4.4软件定义数据中心
2.5虚拟资源管理系统
2.5.1典型虚拟资源管理系统
2.5.2云计算一体机
参考文献

第3章内存计算
3.1内存计算的概念
3.2内存计算的硬件结构
3.2.1用于内存计算的专用内存
3.2.2用于内存计算的计算机体系结构
3.3内存计算的系统软件
3.3.1内存文件系统
3.3.2任务及数据的调度
3.4内存数据库
3.4.1内存数据库的结构
3.4.2内存数据库的关键技术
3.4.3主流内存数据库及其优缺点
参考文献

第4章MapReduce模型
4.1MapReduce模型简介
4.1.1MapReduce模型概念及原理
4.1.2MapReduce模型工作机制
4.1.3MapReduce模型优缺点
4.2基于MapReduce模型的实现
4.2.1Hadoop
4.2.2Phoenix
4.2.3其他实现
4.3MapReduce模型的改进
4.3.1Spark
4.3.2DataFreeway和Puma
4.3.3Storm
4.3.4Nephele/PACTs
4.3.5其他改进工作
参考文献

第5章BSP模型
5.1BSP模型简介
5.1.1BSP模型概念
5.1.2BSP模型原理
5.1.3BSP模型优缺点
5.2BSP模型发展概况
5.2.1BSP模型初级阶段
5.2.2多核BSP
5.2.3BSP模型在云平台上的应用
5.2.4BSP模型在大数据时代的应用
5.3基于BSP模型的编程框架
5.3.1Pregel
5.3.2HAMA
5.3.3GPS
5.3.4Giraph
参考文献

第6章Dryad模型
6.1Dryad简介
6.1.1Dryad系统概述
6.1.2Dryad图描述
6.1.3Dryad执行机制
6.2SCOPE脚本语言
6.3DryadLINQ
6.4Cosmos
6.4.1Cosmos存储系统
6.4.2Cosmos执行环境
6.5MapReduce与Dryad的比较
参考文献

第7章其他计算模型
7.1All—Pairs
7.1.1All—Pairs简介
7.1.2All—Pairs的应用
7.1.3All—Pairs面临的挑战
7.1.4All—Pairs的具体实现
7.2DOT
7.2.1DOT简介
7,2,2DOT模型
7.2.3DOT展望
7.3PigLatin
7.3.1PigLatin简介
7.3.2PigLatin的功能及原理
7.3.3Pig数据模型
7.3.4Pig实现
7.4GraphLab
7.4.1GraphLab出现背景
7.4.2GraphLab特性
7.4.3GraphLab框架
7.5工作流
7.5.1工作流简介
7.5.2CloudWF的系统设计
7.5.3工作流的特性
参考文献

附录英文缩略语
点击展开 点击收起

   相关推荐   

—  没有更多了  —

以下为对购买帮助不大的评价

免争议请详见图,图书品相请买家自定。细节描述不够详细,但图片为实拍图。如对品相有高标准要求,还请留言详问。
此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP