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