云计算：科学与工程实践指南

图书标准信息

• 作者 [美]伊恩·福斯特(Ian Foster) 丹尼斯 B. 甘农（Dennis B. Gannon）
• 出版社 机械工业出版社
• 出版时间 2018-09
• 版次 1
• ISBN 9787111606727
• 定价 69.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 244页
• 字数 180千字

【内容简介】

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。

【作者简介】

---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。

【目录】

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　Python  8

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GitHub  10

1.5.4　Globus  10

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API  25

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 Bigtable  32

3.4.2　Google Cloud Datastore  33

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Hub  59

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GPU  65

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Spark  73

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Kubernetes  81

7.6.6　Mesos和Mesosphere  84

7.7　HTCondor  86

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YARN  91

8.2　Spark  93

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Spark  95

8.2.4　Spark中的SQL  96

8.3　Amazon Elastic MapReduce  97

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Firehose  112

9.3.1　Kinesis Streams架构  113

9.3.2　Kinesis和Amazon SQS  114

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 Streams  121

9.7　Google Dataflow和Apache Beam  124

9.8　Apache Flink  126

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 TensorFlow  146

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.