本书是关于云计算的“百科全书”，涵盖方方面面的理论知识和广泛的实践内容。这一版添加了关于并发性、云硬件和云软件的新章节，并讨论了大数据和移动应用带来的挑战。全书主要内容包括：以网络为中心的计算和以网络为中心的内容，与并行和分布式有关的概念，云服务供应商、云接入、云数据存储、云软硬件等云生态系统要素，云应用、云资源管理和调度，云安全、移动云等云研究热点。本书适合高等院校计算机相关专业的本科生和研究生学习，也适合该领域的技术人员参考。
云计算“百科全书”，囊括重要的技术演进和研究成果
在计算时代开启之后的几乎半个世纪，在永恒的硅时代，颠覆性的多核技术使得计算科学社区和应用程序开发人员意识到理解和使用并发性的重要性。现在已经没有必要等待更快的时钟频率技术，而是更倾向于选择设计算法和实现应用程序来更好地发挥现代处理器的多核作用。
当新的应用程序可以利用云计算毫不费力地实现高并发，并且在这个过程中产生巨大的收益时，这种想法再次发生了变化。一个并行和分布式系统的新时代开始了，大数据时代隐藏着“金矿”信息，并且需要大量的计算资源。在这个时代，“粗糙”是好的，“精细”不一定好，至少在并行性的粒度上是这样的。新的挑战来自如何利用数百万多核处理器的能力，并允许它们有效地协同工作。
计算机和信息处理技术的发展速度确实惊人，甚至超出了最乐观的专家与预测者的预期和预测。例如，在20世纪90年代初，美国能源部的基于科学的库存管理（SBSS）计划从核反应堆的地下测试过渡到以科学为基础的计算机驱动测试，要求在10年内将超级计算机的速度提高10000倍。而事实上100Tflops这个目标在实现时已经翻了20倍[417]。
过去的几十年强化了这样一种观点：信息处理可以在通过互联网接入的大型计算和存储系统上更有效地进行。网络、处理器架构、存储技术和软件技术的进步，都在为接受新计算模型而做出改变。
20世纪90年代初，美国国家实验室和大学为造福世界科学界而发起的网格计算运动吸引了学者和投资机构的注意。10年后，面向企业应用的云计算时代开始了。
2006年，亚马逊推出了亚马逊网络服务（AWS），提供的第一个云计算服务是弹性云计算（EC2）和简单存储服务（S3）。今天，S3已经拥有超过2万亿的对象，通常每秒运行超过110万个峰值请求，它的年增长率是132%\[232\]。自2013年5月开始服务以来，弹性MapReduce已经启动了550万个集群。
AWS拥有超过100万的客户，他们可以访问28个以上的数据中心；一个数据中心需要为50000~80000台服务器供电，网络容量为102Tbps，同时使用25MW~30MW的功率\[220\]。2015年，亚马逊拥有最大的云基础设施。其他14家云供应商的总容量是AWS的1/5[232]。
据非官方估计，2012年1月谷歌使用的服务器数量接近180万。今天，有超过200个云服务供应商（CSP）以及大约120个支持基础设施即服务（IaaS）和数据库即服务（DBaaS）的云交付模型。在过去，一家IT公司花数年时间才能拥有100万客户，而Instagram仅花几周就达到了这一里程碑。
许多IT公司（如亚马逊、谷歌、微软、IBM、Oracle等）推动的云计算已经有效地实现了计算的大众化。2015年，地球上72亿居民中有26亿人使用电子邮件服务 ，如Gmail。数以亿计的人使用在线服务购买所有能想到的商品，或者在遥远的地方租房子。数以百万计的计算机专家和新手只需要一张信用卡就可以访问以前由政府机构运行的超级计算机提供的计算机资源——当时只有少数人才拥有访问权限。
参见http://www.radicati.com/wp/wp-content/uploads/2015/02/Email-Statistics-Report-2015-2019-Executive-Su-mmary.pdf。
计算机云把我们带入了大数据时代。根据IBM的一篇文章：“每天，我们会创造2.5万亿字节的数据，以至于现在世界上90%的数据都是在过去的两年里创造出来的。这些数据来自收集气候信息的传感器、社交媒体网站、数码照片和视频、购买交易记录以及手机GPS信号等。这些数据形成了大数据。”\[251\]
软件的复杂性和支持云服务的硬件基础设施的发展速度令人震惊。谷歌维护着20亿行代码，这些代码驱动着应用程序，如谷歌搜索、谷歌地图、谷歌文档、谷歌+、谷歌日历、Gmail、YouTube和其他谷歌互联网服务。相比之下，微软自20世纪80年代以来开发的Windows操作系统有大约5000万行代码，仅为谷歌在19年里开发的代码的1/40。
谷歌于1998年9月正式成立。
拥有成千上万个处理器的仓库级计算机（WSC）不再是虚构的，而是服务于数以百万计的用户，并在计算机体系结构教科书[56,228]和研究论文[262]中得到了详细分析。WSC的处理器吞吐量比单线程峰值性能更重要，因为没有单个处理器能够处理现代应用程序的全部工作负载[239]。随着并行线程数量的增加，减少序列化和通信开销变得更加困难。强核（brawny-core）系统——其单核性能相当高——比更节能的弱核（wimpy-core）系统更可取。
在以网络为中心的计算的早期，人们假定网络搜索是“杀手级”应用，这种应用将在未来几十年驱动大型系统的软件和硬件[54]。事实证明，运行在计算机云上的应用程序非常多样化。例如，在Google，最常用的前50%的应用程序只占所使用CPU周期的50% [262]。
云应用程序的广泛运用增加了云基础设施面临的挑战。例如，控制时间关键作业和批处理作业混合而成的工作负载的尾部延迟是非平凡的[131]。一些关键的系统需求是相互矛盾的，例如，多路复用资源既要提高效率并降低响应时间，又要支持性能和安全隔离。
为了建立从底层硬件中移除的抽象层，正在研发一种用于互联网规模任务的操作系统。例如，Dryad [253]、DryadLinq [539]、Mesos[237]、Borg [502]、Omega[446]和Kubernetes[82]试图弥合集群基础设施与应用程序对其环境的假设之间的差距。这种系统管理着一个由非常多的独立服务器组成的物理集群的虚拟计算机聚合资源。
云计算的软件栈已经发展到为系统提供统一的更高层次的视图，而不是一个单个机器组成的大集合。虚拟化和容器化是无处不在的抽象，它们使访问日益庞大和多样化的云用户群体变得更容易。分布式和半结构化存储系统，如谷歌的BigTable[96]或Amazon的Dynamo[134]被广泛使用。支持更高抽象的系统包括FiumeJava\[92\]、Mesa[212]、Pig[187]、Spark[541]、Spark Streaming[543]、Tachyon[301]等。
云计算已经并将持续对具有大数据处理能力的许多个人、机构和研究团体产生深远的影响。计算机云在多变和需求冲突的环境中运行。计算机云的这种颠覆性特性最终需要系统设计中的新思维。
云的规模产生了意想不到的好处，同时也给系统设计者带来了巨大的挑战。即使稍微改进一下服务器性能或资源管理算法，也可能导致巨大的成本节约，收到如潮的好评。与此同时，若数百万软硬件组件中的一个出了故障，其在整个系统中的传播将会造成灾难性的后果。在大型工程系统中，重要的一课是为意外的低概率事件的发生做好准备，并且提前考虑其可能造成的重大破坏性影响。
过去几年，云计算的发展速度非常快，本书的第2版在第1版的基础上进行了修订，以反映这些变化。我们试图对大量的信息进行筛选，以提炼出与云计算相关的主要思想。第1章非正式地介绍计算机云、以网络为中心的计算和以网络为中心的内容，云计算的实体、范式和服务，以及伦理问题。第2章综述三大云服务供应商Amazon、Google和Microsoft提供的服务，并讨论了CSP与云用户之间的责任分担。之后的章节由四个部分组成。
第一部分（第3和4章）介绍与并行和分布式计算有关的重要理论和实践概念。第3章介绍计算模型、进程组的全局状态、因果历史、原子操作、并发、Petri网并发建模、共识协议和负载均衡。第4章涵盖数据级/线程级/任务级并行、并行计算机体系结构、分布式系统、虚拟化，还讨论了如何通过模块化、分层和层次结构来处理现代系统的复杂性。
第二部分（第5和6章）介绍云基础设施的两个关键要素。第5章致力于通信和云接入，介绍了网络组织结构、云计算网络基础设施、命名数据网络（NDN）、软件定义网络、互连网络（如InfiniBand和Myrinet）、存储区域网络、可伸缩数据中心通信架构、内容分发网络和车载自组织网络。第6章介绍存储模型、文件系统、NoSQL数据库、锁服务、谷歌的BigTable和Megastore、存储的规模可靠性和数据库服务。
第三部分（第7~10章）讨论云应用、云资源管理和调度。在简要回顾工作流的基础上，第7章分析了ZooKeeper协调器、MapReduce编程模型和处理大数据的分布式计算框架，包括Hadoop、Hive、Yarn、Tez、Pig、Impala，接着介绍云计算在科学和工程、生物学研究及社交计算中的应用。第8章讨论云基础设施，包括仓库级计算机、WSC的性能、软件栈组件、云资源管理、粗粒度数据并行应用的引擎、大数据的内存集群计算以及包括Docker和Kubernetes在内的容器化软件。第9章致力于资源管理和调度，涵盖的主题包括：基于云的Web服务的效用模型、控制论在调度中的应用、两级资源分配策略、多个自主性能管理器的协调、延迟调度、数据感知调度、包括启动时间公平排队在内的几种调度算法和借用虚拟时间。第10章介绍资源虚拟化，包括性能和安全隔离、虚拟化的硬件支持、对广泛使用的虚拟机管理程序Xen和KVM的分析、嵌套虚拟化以及与虚拟化相关的性能损耗和风险。
第四部分（第11~13章）介绍云计算的研究主题。第11章的核心是云安全，在对云安全风险、隐私和信任进行一般性讨论之后，分析了虚拟化安全以及共享映像和管理操作系统所带来的安全风险，给出了一种基于微内核设计原则和可信虚拟机监视器的虚拟机管理程序的实现。第12章主要讨论大数据、数据流和移动应用带来的挑战。在分析大数据的演进和发展之后，介绍MapReduce之后出现的技术，包括Pig、Hive和Impala。然后给出OLTP（在线事务处理）数据库和核内数据库化的概念，并分析移动计算应用、移动应用的能耗以及移动云计算的局限性。第13章关注更高级的主题，如规模对性能的影响、有期限的云调度、自组织和云资源的组合竞拍。
两个附录
附录为在线资源，可访问Elsevier网站（https://www.elsevier.com/books-and-journals/book-companion/9780128128107）或华章网站（www.hzbook.com）下载。——编辑注
为计划使用AWS服务的用户和学习云计算课程的学生提供了有用的信息。附录A讨论云应用开发，附录B介绍几个大规模模拟和云服务中的云项目，其中包括对多个可选设计方案进行并发评估的应用，以及计算科学中的大数据应用。
部分章末尾的历史笔记展示了对应章中讨论的科学和技术的里程碑。这些历史笔记提醒人们，自云计算时代开始，那些被视为经典的重要概念是如何出现及发展的。其中还展示了技术进步的影响力以及它们给我们的社会和我们的思想带来的根本性变革。
书中引用了将近550篇参考文献。许多参考文献介绍了云计算的几个相关领域的新研究成果，还有一些是关于并行和分布式系统中的关键主题的经典参考文献。术语表涵盖了书中使用的重要概念和术语。
感谢多年来与我分享智慧和知识的许多同事和合作者。特别感谢科罗拉多州立大学的H.J.Siegel教授、爱尔兰科克大学的John Patrick Morrison以及欧道明大学的Stephan Olariu。感谢Stephan Olariu教授和Gabriela Marinescu提供了大约600页的文本注释。感谢爱思唯尔的Nate McFadden和Steve Merken的指导和帮助。
计算机/云计算
本书完美呈现了当今云计算领域的核心技术。对于那些希望从多角度学习云计算的读者，本书是资源丰富的宝库；对于计算社区的广大技术人员，本书也是必备的参考读物。
—— Albert Y. Zomaya，悉尼大学高性能计算与网络系教授
在本书中，你将跟随作者一道回望计算技术的发展史，重新打磨那些构建起现代云计算大厦的基石。你将重温云时代的兴起，理解云的意义，并明晰云的未来方向。此外，本书涉猎内容之广、视角之专业也是特别值得称赞的！
—— John P. Morrison，科克大学计算机科学系教授
本书是关于云计算的“百科全书”，不仅讲解方方面面的理论知识，还涵盖广泛的实践内容。书中共引用了近550篇参考文献，梳理了云计算领域的发展史和里程碑，全景呈现了重要的技术演进和研究成果。这一版添加了关于并发性、云硬件和云软件的新章节，并讨论了大数据和移动应用带来的挑战。
在简要介绍计算机云、以网络为中心的计算和以网络为中心的内容后，全书分四个部分展开论述，主要内容分别为：与并行和分布式有关的概念，云服务供应商、云接入、云数据存储、云软硬件等云生态系统要素，云应用、云资源管理和调度，云安全、移动云等云研究热点。
作者简介
丹·C. 马里恩斯库（Dan C. Marinescu） 中佛罗里达大学计算机科学系教授，曾任普渡大学计算机科学系教授，还曾在IBM Watson研究中心、Intel公司、德国电信等担任客座研究员。他的研究兴趣包括并行和分布式系统、云计算、科学计算、量子计算和量子信息论。他在这些领域发表了220多篇论文，并撰写了3本书。
译者简介
佘堃 电子科技大学教授、博士生导师，主要从事智能云计算、区块链等领域的研究工作。曾获省部级科技进步奖5次、国家发明专利10项、软件著作权12项。
[美]丹·C. 马里恩斯库（Dan C. Marinescu） 著：---作者简介---
丹·C. 马里恩斯库（Dan C. Marinescu） 中佛罗里达大学计算机科学系教授，曾任普渡大学计算机科学系教授，还曾在IBM Watson研究中心、Intel公司、德国电信等担任客座研究员。他的研究兴趣包括并行和分布式系统、云计算、科学计算、量子计算和量子信息论。他在这些领域发表了220多篇论文，并撰写了3本书。
---译者简介---
佘堃 电子科技大学教授、博士生导师，主要从事智能云计算、区块链等领域的研究工作。曾获省部级科技进步奖5次、国家发明专利10项、软件著作权12项。
云计算、大数据、人工智能的新进展和区块链等新技术带来的变化已经深刻地改变了我们的生活方式，而且这种改变还在进一步、更深层次地发生着。这种深刻的改变来得太快，以致虽然我们每天都在经历并享受着，但大部分人还“云”里雾里，甚至不知所“云”。作为专业人士，尽管我们了解这些新技术的出现都来自“云计算”的突破，清楚“云即互联网”“云就是互联网的图腾”背后的含义，也理解大数据、区块链和人工智能2.0甚至工业2025都是云时代的产物，但每每进行解释时还是会感到水平有限。遍阅文献，总算找到了云计算知识集大成者——Dan C.Marinescu博士的这本书。感谢机械工业出版社给予我们翻译本书的机会，虽然翻译和审校花了近两年的时间，但我认为这是值得的，因为这是目前世界上最好的云计算教科书。
本书可作为“计算机网络”后续课程的教材和参考书籍，适合计算机、电子、通信、软件工程和网络空间安全等相关专业本科生或研究生阅读。
在本书的翻译过程中，得到了电子科技大学信息与软件工程学院、智能软件与感知计算研究中心诸多老师和学生的支持及帮助。于钥、刘文哲、鲍涛、潘映林、张登凯、吴佳伟和杨帅等学生参与了本书的第一次校译；蔺立凡、陈浩、张郭健、胡艺和文钊等学生参与了本书的第二次校译，蔺立凡完成了第二、三次校译的总体整理；周飞阳、杨晨、唐峰、何万泽和彭涛等学生完成了本书的第三次校译，并制作了PPT。
用书教师可访问华章网站www.hzbook.com下载PPT资源。——编辑注
限于时间和学识，译文中难免存在疑问和错漏之处，请将问题发送给kun@uestc.edu.cn，我将及时反馈。
佘堃
于电子科技大学沙河校区
当今用过计算机的人都听说过云计算，而且大多数人都在某种程度上使用过云计算，如面向科学和工程的高精计算或者希望安全地在云中存储家人的照片。什么是计算云？为什么它无处不在？谁提供云计算服务？它提供了哪些服务？为什么它具有高性价比？计算云是如何构建和编程的？如何访问它？它如何存储和处理巨量的信息集合？怎样才能保证它的安全？这本书将回答这些关于云计算的设计、实现、使用和优势的问题。这本书是关于云计算的权威教科书和参考书，是为来自学术界、工业界和政府的研究者及教育工作者编写的。
我认识这本书的作者Dan C.Marinescu博士已经30多年了。作为一名长期从事计算机科学和计算机工程研究的人，我可以肯定地说，Dan是一位学者、一位知识分子、一位专业研究者和一位勤奋的作家。作为想了解云计算的人，我们很幸运，Dan运用他的智慧和精力，将云计算众多方面的丰富知识汇集成了这本书。
本书是以简明且易懂的方式编写的，取材于数百种相关资料。作者将这数百种资料及其中的知识组织起来，并在统一的术语、上下文和框架中予以呈现，使内容连贯一致。
可以说这本书是云计算的“百科全书”。除了上面提到的主题之外，读者将从本书中学习的其他主题包括：应用程序开发、大数据、容器、用于优化系统使用的控制论、数据存储、数据流、死锁预防、能效、图形处理单元、虚拟机管理程序、互联云、互连网络、互联网的通信、MapReduce编程、移动计算、以网络为中心的计算和以网络为中心的内容、并行性（数据级、线程级和任务级）、性能分析、过程协调、资源管理及调度、安全性、服务水平协议、可信、虚拟化和仓库级计算机。书中还对现有云计算硬件和软件系统进行了研究和比较。
大部分章末都有一系列值得思考的练习和问题。其中的许多问题需要读者参考其他特定的参考文献以获得额外信息。这些问题引导学生运用和借鉴书中的知识，探索其他系统，并加深对知识的理解。此外，本书的附录中还包含针对云计算课程的研究项目。
本书提供了将近550篇参考文献，每个主题都引用了相关文献，以引导读者了解更多细节。参考文献也经常用于问题和练习，以帮助读者了解更多信息。
本书组织严密，主要由四个部分组成，每个部分由多章具体阐述。本书具有相当的技术深度，既包括基础理论概念，又涉及现实实践。尽管本书在技术上很深奥，但其写作风格和组织结构使之易于阅读和理解。书中包含180多幅插图，并配有有效的文字说明，呈现方式清晰，易于读者理解。
每个云计算基础设施都是一类大规模复杂系统，对于设计、分析、部署和安全保护的每个阶段，既要考虑满足用户需求，又要为云服务供应商带来利润。这些问题都非常难处理，本书将尝试给出一些解决方案。
总之，Dan C.Marinescu博士运用他深厚的写作功底和杰出研究者的经验，成功地把云计算领域广泛而复杂的知识有效地组织起来，并且使其变得易于理解。这本书是权威的云计算教科书和参考资料，可供研究人员、实践者、系统设计者和实现者以及使用云计算的应用专家阅读。
H.J.Siegel
IEEE Fellow，ACM Fellow
科罗拉多州立大学荣休教授
电气和计算机工程George T.Abell名誉首席杰出教授
计算机科学教授
校信息科学和技术中心主任
出版者的话
译者序
推荐序
前言
第1章 引言1
1.1 云计算2
1.2 以网络为中心的计算和以网络为中心的内容3
1.3 云计算：一个古老的概念，它的时代已经来临4
1.4 云交付模型和定义属性6
1.5 云计算中的伦理道德问题8
1.6 云计算的缺陷9
第2章 云服务供应商与云生态系统11
2.1 云生态系统11
2.2 云计算交付模型和服务13
2.3 亚马逊网络服务15
2.4 AWS的持续演进21
2.5 谷歌云24
2.6 微软Windows Azure和Online Services27
2.7 云存储的多样性和供应商锁定28
2.8 云计算的互操作性和互联云29
2.9 服务水平协议和合规水平协议31
2.10 用户与CSP之间的责任分担32
2.11 用户体验33
2.12 软件授权34
2.13 云计算的能源消耗及其对生态的影响34
2.14 云计算面临的主要挑战35
2.15 扩展阅读36
2.16 练习和问题37
第一部分
第3章 云的并发性40
3.1 持久挑战：并发与云计算40
3.2 计算领域的通信和并发42
3.3 计算模型和BSP模型45
3.4 一种多核计算模型47
3.5 用Petri网对并发建模48
3.6 进程状态：一个进程或线程组的全局状态53
3.7 通信协议和进程协调56
3.8 通信、逻辑时钟和消息交付规则57
3.9 运行、裁剪和因果历史60
3.10 线程和活动协调63
3.11 临界区、锁、死锁和原子操作67
3.12 共识协议71
3.13 负载均衡73
3.14 Java的多线程和并发以及FlumeJava76
3.15 历史笔记和扩展阅读78
3.16 练习和问题79
第4章 并行与分布式系统81
4.1 数据级、线程级和任务级并行81
4.2 并行架构83
4.3 SIMD架构、向量处理和多媒体扩展86
4.4 图形处理单元88
4.5 增速比、Amdahl定律和可扩展增速比90
4.6 多核处理器的增速比91
4.7 分布式系统和系统模块化93
4.8 软模块化和强模块化94
4.9 分层和层次结构98
4.10 虚拟化和分层99
4.11 P2P系统101
4.12 大规模系统103
4.13 可组合边界和可伸缩性104
4.14 历史笔记和扩展阅读105
4.15 练习和问题108
第二部分
第5章 云接入与云互连网络110
5.1 分组交换网络和互联网110
5.2 互联网的演变114
5.3 Web访问和TCP拥塞控制窗口117
5.4 命名数据网络119
5.5 软件定义网络121
5.6 计算机云的互连网络121
5.7 多级互连网络124
5.8 无限带宽技术和Myrinet126
5.9 存储区域网络和光纤信道128
5.10 可伸缩数据中心通信架构130
5.11 网络资源管理算法133
5.12 内容分发网络136
5.13 车载自组织网络139
5.14 扩展阅读139
5.15 练习和问题140
第6章 云数据存储141
6.1 存储技术的发展史142
6.2 存储模型、文件系统和数据库144
6.3 分布式文件系统：先驱者146
6.4 通用并行文件系统151
6.5 谷歌文件系统153
6.6 锁和锁服务Chubby155
6.7 NoSQL数据库158
6.8 用于在线事务处理的数据存储系统159
6.9 BigTable160
6.10 Megastore162
6.11 存储的规模可靠性163
6.12 计算机云中的磁盘本地化和数据本地化166
6.13 数据库起源167
6.14 历史笔记和扩展阅读169
6.15 练习和问题170
第三部分
第7章 云应用程序172
7.1 云应用开发和架构风格172
7.2 多活动协调175
7.3 工作流模式178
7.4 基于状态机模型的协调：ZooKeeper180
7.5 MapReduce编程模型183
7.6 案例研究：GrepTheWeb应用185
7.7 Hadoop、Yarn和Tez187
7.8 SQL在Hadoop上的应用：Pig、Hive和Impala191
7.9 当前的云应用与新机遇195
7.10 科学与工程领域的云196
7.11 生物学研究中的云计算199
7.12 社交计算、数字内容和云计算201
7.13 软件故障隔离202
7.14 扩展阅读203
7.15 练习和问题203
第8章 云的软硬件205
8.1 虚拟机和容器205
8.2 云硬件和仓库级计算机207
8.3 WSC的性能209
8.4 虚拟机管理程序212
8.5 粗粒度数据并行应用的引擎212
8.6 细粒度的集群资源共享214
8.7 大规模集群管理系统Borg215
8.8 共享状态集群管理217
8.9 QoS感知集群管理219
8.10 资源隔离221
8.11 大数据的内存集群计算225
8.12 容器和Docker容器230
8.13 Kubernetes232
8.14 扩展阅读233
8.15 练习和问题234
第9章 云资源管理与调度236
9.1 资源管理的策略和机制237
9.2 云资源的效用和能效238
9.3 资源管理和动态应用调节241
9.4 控制论和最优资源管理242
9.5 两级资源分配架构的稳定性244
9.6 基于动态阈值的反馈控制245
9.7 自主性能管理器的协调246
9.8 基于云Web服务的效用模型248
9.9 计算机云的调度算法251
9.10 延迟调度252
9.11 数据感知调度256
9.12 Apache容量调度程序258
9.13 启动时间公平排队259
9.14 借用虚拟时间262
9.15 扩展阅读265
9.16 练习和问题266
第10章 云资源虚拟化267
10.1 计算机云的性能和安全隔离268
10.2 虚拟机268
10.3 全虚拟化和半虚拟化271
10.4 对虚拟化的硬件支持272
10.5 Xen：一种基于半虚拟化的虚拟机管理程序275
10.6 Xen 2.0的网络虚拟化优化279
10.7 基于内核的虚拟机280
10.8 嵌套虚拟化281
10.9 用于ARMv8的基于内核的可信虚拟机284
10.10 Itanium体系结构的半虚拟化286
10.11 虚拟机的性能比较288
10.12 专有云的开源软件平台290
10.13 虚拟化的不足之处292
10.14 虚拟化软件293
10.15 历史笔记和扩展阅读294
10.16 练习和问题295
第四部分
第11章 云安全298
11.1 安全性：云用户最关心的问题298
11.2 云安全风险300
11.3 隐私和隐私影响评估303
11.4 信任305
11.5 云数据加密306
11.6 数据库服务安全308
11.7 操作系统安全309
11.8 虚拟机安全310
11.9 虚拟化安全311
11.10 共享映像带来的安全风险313
11.11 管理操作系统带来的安全风险316
11.12 Xoar：打破TCB的整体设计318
11.13 可信虚拟机管理程序320
11.14 移动设备和云安全321
11.15 扩展阅读322
11.16 练习和问题323
第12章 大数据、数据流和移动云324
12.1 大数据325
12.2 大数据的数据仓库和谷歌数据库326
12.3 数据分析的自引导技术332
12.4 近似查询处理335
12.5 动态数据驱动应用337
12.6 数据流339
12.7 面向数据流的数据流模型342
12.8 合并多个数据流344
12.9 系统的规模可用性346
12.10 规模和延迟348
12.11 移动计算和应用351
12.12 移动计算的能效353
12.13 可选的移动云计算模型354
12.14 移动边缘云和马尔可夫决策过程356
12.15 扩展阅读358
12.16 练习和问题358
第13章 进阶主题360
13.1 一窥未来360
13.2 有期限的云调度361
13.3 有期限的MapReduce应用调度365
13.4 涌现和自组织366
13.5 资源捆绑和云资源的组合竞拍模型368
13.6 云互操作性和超云370
13.7 迎接接连不断的挑战372
在线章节
附录A 云应用开发
附录B 云项目
术语表
参考文献
请访问华章网站www.hzbook.com下载在线资源。——编辑注
