数据密集型计算和模型

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

2.1.3 GPU-+-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

4.1 MapReduce模型简介

4.1.1 MapReduce模型概念及原理

4.1.2 MapReduce模型工作机制

4.1.3 MapReduce模型优缺点

4.2 基于MapReduce模型的实现

4.2.1 Hadoop

4.2.2 Phoenix

4.2.3 其他实现

4.3 MapReduce模型的改进

4.3.1 Spark

4.3.2 Data Freeway和Puma

4.3.3 Storm

4.3.4 Nephele／PACTs

4.3.5 其他改进工作

参考文献

第5章 BSP模型

5.1 BSP模型简介

5.1.1 BSP模型概念

5.1.2 BSP模型原理

5.1.3 BSP模型优缺点

5.2 BSP模型发展概况

5.2.1 BSP模型初级阶段

5.2.2 多核BSP

5.2.3 BSP模型在云平台上的应用

5.2.4 BSP模型在大数据时代的应用

5.3 基于BSP模型的编程框架

5.3.1 Pregel

5.3.2 HAMA

5.3.3 GPS

5.3.4 Giraph

参考文献

第6章 Dryad模型

6.1 Dryad简介

6.1.1 Dryad系统概述

6.1.2 Dryad图描述

6.1.3 Dryad执行机制

6.2 SCOPE脚本语言

6.3 DryadLINQ

6.4 Cosmos

6.4.1 Cosmos存储系统

6.4.2 Cosmos执行环境

6.5 MapReduce与Dryad的比较

参考文献

第7章 其他计算模型

7.1 All—Pairs

7.1.1 All—Pairs简介

7.1.2 All—Pairs的应用

7.1.3 All—Pairs面临的挑战

7.1.4 All—Pairs的具体实现

7.2 DOT

7.2.1 DOT简介

7，2，2 DOT模型

7.2.3 DOT展望

7.3 Pig Latin

7.3.1 Pig Latin简介

7.3.2 Pig Latin的功能及原理

7.3.3 Pig数据模型

7.3.4 Pig实现

7.4 GraphLab

7.4.1 GraphLab出现背景

7.4.2 GraphLab特性

7.4.3 GraphLab框架

7.5 工作流

7.5.1 工作流简介

7.5.2 CloudWF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

《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。

《大数据技术与应用：数据密集型计算和模型》试图阐述大数据时代数据密集型计算技术对于数据分析和处理的核心支撑作用，并系统地介绍当前主流的适合数据密集型计算的体系结构和计算模型，以使相关领域的从业者能一书在手、了然于胸，亦使广大计算机以及相关专业的教师和学生能在短时间内通过阅读《大数据技术与应用：数据密集型计算和模型》而对信息技术的这个前沿话题有个大致了解，这既是《大数据技术与应用：数据密集型计算和模型》的目的，也是编者的心愿。