数据密集型计算和模型-大数据技术与应用

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 Hadoop4.2.2 Phoenix4.2.3 其他实现4.3 MapReduce模型的改进4.3.1 Spark4.3.2 Data Freeway和Puma4.3.3 Storm4.3.4 Nephele／PACTs4.3.5 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BSP5.2.3 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 Pregel5.3.2 HAMA5.3.3 GPS5.3.4 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 DryadLINQ6.4 Cosmos6.4.1 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—Pairs7.1.1 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 DOT7.2.1 DOT简介7，2，2 DOT模型7.2.3 DOT展望7.3 Pig Latin7.3.1 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 GraphLab7.4.1 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