幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

大規模雲數據中心智能管理技術及應用(精)

  • 作者：夏元清//詹玉峰//孫立峰|責編:許健
  • 出版社：科學
  • ISBN：9787030783127
  • 出版日期：2024/05/01
  • 裝幀：精裝
  • 頁數：320
人民幣：RMB 160 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書深入探討了雲計算的關鍵基礎設施——雲數據中心的關鍵技術和智能管理方法。在國家重點研發計劃項目、國家自然科學基金重點項目以及企事業單位研究所科技合作項目等多個層次的項目支持下，項目組攻克了一系列關鍵技術挑戰。本書重點介紹了大規模雲數據中心運行數據管理技術、大規模雲數據中心運行能效評估與預測技術、大規模雲數據中心資源智能管理與調度技術、大規模雲工作流智能管理與調度技術。在上述關鍵技術攻關的基礎上，本書介紹了雲數據中心智能化管理與運維體系架構及相關子系統的設計與開發，並面向典型工業應用開展了應用示範。
    本書可供電腦和自動化領域的工程師和研究人員參考，也可作為高等院校自動化、電子信息工程、電腦科學與技術、通信工程等相關專業的教師和研究生的教學參考書。
作者介紹
夏元清//詹玉峰//孫立峰|責編:許健
    夏元清，1971年生，博士，中原工學院院長，北京理工大學講席教授，博士生導師，自動化學院院長，教育部「長江學者」特聘教授，國家傑出青年科學基金獲得者，國家「萬人計劃」領軍人才，享受國務院政府特殊津貼專家。擔任國務院學位委員會第八屆學科評議組成員、中國電腦學會大數據專家委員會委員、中國儀器儀錶學會物聯網工作委員會副理事長、中國指揮與控制學會雲控制與決策專業委員會主任委員。主要研究多源信息複雜系統的信息處理與控制、飛行器控制、無人移動平台協同控制、天空地一體化網路協同控制、雲控制與決策等。發表學術論文300余篇，出版英文專著16部、中文專著2部、中英文教材3部，並於2014至今連續入選Elsevier中國高被引學者榜單。2011年獲國家科學技術進步獎二等獎（排名第二），2012年、2017年獲教育部自然科學獎二等獎（排名第一），2010年、2015年獲北京市科學技術獎二等獎（排名第一），2018年獲吳文俊人工智慧自然科學獎二等獎（排名第一）。
目錄
序
前言
第1章  雲數據中心智能管理概述
  1.1  雲數據中心智能管理背景與意義
  1.2  研究現狀與主要技術挑戰
    1.2.1  雲數據中心運行數據管理現狀與挑戰
    1.2.2  雲數據中心運行能效評估與預測現狀與挑戰
    1.2.3  雲數據中心資源管理與調度現狀與挑戰
    1.2.4  雲工作流管理與調度現狀與挑戰
    1.2.5  雲數據中心智能管理系統現狀與挑戰
  1.3  研究目標與總體技術架構
    1.3.1  大規模雲數據中心運行數據管理關鍵技術
    1.3.2  大規模雲數據中心運行能效評估與預測關鍵技術
    1.3.3  大規模雲數據中心資源智能管理與調度關鍵技術
    1.3.4  大規模雲工作流智能管理與調度關鍵技術
    1.3.5  雲數據中心智能管理系統研製及應用示範
  1.4  本章小結
第2章  大規模雲數據中心運行數據管理關鍵技術
  2.1  多雲數據中心運行數據採集方法
    2.1.1  基於概率性採樣的自適應性採集技術
    2.1.2  面向不同設備粒度的多源數據採集技術
  2.2  質量感知的數據預處理技術
    2.2.1  缺失值處理
    2.2.2  離群點
    2.2.3  標準化
  2.3  運行數據冗余發現與刪除技術
    2.3.1  基於壓縮點的冗餘數據處理技術
    2.3.2  面向雲數據中心集群調度的冗餘數據處理優化技術
  2.4  分散式、支持冗余備份的安全存儲系統
    2.4.1  運行數據高效壓縮技術
    2.4.2  分散式運行數據安全存儲模型
    2.4.3  異構運行數據高效檢索方法
  2.5  本章小結
第3章  大規模雲數據中心運行能效評估與預測關鍵技術
  3.1  基於深度學習的雲數據中心能耗預測方法
    3.1.1  深度學習基本原理
    3.1.2  基於深度學習的能效預測演算法設計
    3.1.3  模擬環境中的測試結果分析
  3.2  基於特徵貢獻值的工作流可解釋性能耗預測方法
    3.2.1  可解釋性機器學習
    3.2.2  能耗可解釋性框架
    3.2.3  基於交互貢獻值的可解釋性方法
    3.2.4  實驗結果和分解能耗分析
  3.3  雲數據中心虛擬化環境能耗評估方法
    3.3.1  虛擬機能耗評估方法
    3.3.2  基於虛擬機能耗模型的容器能耗評估方法
  3.4  雲數據中心多指標融合的能效定性評估方法
    3.4.1  雲數據中心能效評估指標體系
    3.4.2  雲數據中心多指標融合的能效定性評估模型
    3.4.3  模擬環境下的實驗結果和分析

  3.5  面向雲計算的基於QoS參數的能效評估方法
    3.5.1  問題描述
    3.5.2  基於QoS的能效評估模型
    3.5.3  實驗分析與結果展示
  3.6  本章小結
第4章  大規模雲數據中心資源智能管理與調度關鍵技術
  4.1  基於深度強化學習的雲數據中心集群資源智能調度方法
    4.1.1  深度強化學習基本原理
    4.1.2  基於深度強化學習的資源調度演算法設計
    4.1.3  模擬環境中的測試結果分析
  4.2  成本能耗與服務質量平衡的數據計算密集型任務資源分配與調度方法
    4.2.1  數據計算密集型任務資源分配與調度方法
    4.2.2  系統架構與問題建模
    4.2.3  基於深度強化學習的任務調度方法
    4.2.4  基於深度強化學習的雲資源分配策略
    4.2.5  服務質量感知的計算任務調度策略
    4.2.6  實驗部署與性能評測
  4.3  多雲數據中心的用戶請求調度方法
    4.3.1  基於深度強化學習的多雲數據中心調度策略
    4.3.2  用戶體驗感知的多雲數據中心調度策略
    4.3.3  複雜約束下的成本優化策略
  4.4  基於模仿學習的深度強化學習訓練優化方法
    4.4.1  模仿學習基本原理
    4.4.2  模仿學習訓練優化技術
    4.4.3  基於模仿學習的雲端資源自適應調度
  4.5  數據驅動的任務群併合智能調度技術
    4.5.1  併合調度框架
    4.5.2  併合調度演算法設計與配置
    4.5.3  併合調度演算法測試
  4.6  本章小結
第5章  大規模雲工作流智能管理與調度關鍵技術
  5.1  支持雲工作流管理與調度的關鍵預測技術
    5.1.1  基於密集型寬度學習的容器資源使用量預測方法
    5.1.2  基於密集型寬度學習的改進型容器雲資源的預測方法
    5.1.3  基於極限梯度提升的雲工作流任務執行時間預測方法
    5.1.4  基於多維度特徵融合的雲工作流任務執行時間預測方法
  5.2  大規模雲工作流動態優化調度技術
    5.2.1  基於用戶優先順序感知和花費約束的雲工作流調度技術
    5.2.2  基於分散式策略多雲工作流動態調度方法
    5.2.3  面向隨機混合雲工作流實時調度方法
  5.3  滿足用戶個性化需求調度策略
    5.3.1  基於雲工作流結構和成本感知的預測調度演算法
    5.3.2  基於改進非支配遺傳演算法的多目標雲工作流調度方法
    5.3.3  基於強化學習策略的多目標雲工作流調度方法
  5.4  本章小結
第6章  雲數據中心智能管理系統研製及應用
  6.1  雲數據中心智能化管理與運維體系架構設計
  6.2  雲數據中心智能管理系統及其應用
    6.2.1  大規模雲數據中心運行數據管理子系統研製
    6.2.2  大規模雲數據中心運行能效評估與預測子系統研製

    6.2.3  大規模雲數據中心資源管理與調度子系統研製
    6.2.4  大規模雲工作流智能管理與調度子系統研製
  6.3  系統集成——雲數據中心智能管理系統
    6.3.1  大規模雲數據中心資源管理與調度子系統集成
    6.3.2  大規模雲數據中心運行能效評估與預測子系統集成
    6.3.3  大規模雲工作流智能管理與調度子系統集成
    6.3.4  完整系統集成
  6.4  面向典型工業應用開展雲數據中心智能化管理系統應用示範
    6.4.1  應用示範——設備故障診斷
    6.4.2  應用示範——無人駕駛車輛軌跡跟蹤控制
    6.4.3  應用示範——智能廢鋼判級系統
  6.5  本章小結
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032