《雲計算與物聯網關鍵技術研究及套用》是2017年12月電子工業出版社出版的圖書，作者是尚鳳軍。
基本介紹
- 書名：雲計算與物聯網關鍵技術研究及套用
- 作者：尚鳳軍
- 出版社： 電子工業出版社
- 出版時間：2017年12月
- 頁數：258 頁
- 定價：69 元
- 開本：16 開
- ISBN：9787121330056
- 版次：01-01
- 千字數：435
內容簡介,作者簡介,圖書目錄,
內容簡介
本書基於作者對雲計算與物聯網的相關研究成果，從雲計算的工作原理出發，介紹作者研究開發的基於雲平台的套用案例，提出自己的看法和思路；接著從物聯網方面進行研究，介紹所開發的基於物聯網的套用案例研究成果。對雲計算與物聯網的理論研究和技術實踐經驗總結，構成本書的主要內容。本書可以作為本科和研究生教材，也可以作為相關研究人員的參考書。
雲計算與物聯網是當今國內外備受關注的、由多學科高度交叉形成的新興前沿研究領域。信息技術產業迅猛發展，極大豐富了人們生活的方方面面。與此同時，企業、組織和個人所產生的數據量也與日俱增，我們生活在一個數據增長比以往任何時候都要快的時代。IDC預測，2020年將有40億人接入網路，全球數據量將達到44ZB，是2013年的10倍之多。特別是在網際網路領域，隨著Web 2.0技術的發展，以超大規模、高並發為特點的社交網站逐漸興起，隨之而來的海量用戶數據需要處理。Web 2.0的“瘦客戶端+服務”運行模式將這些龐大的數據處理任務交給伺服器端，對伺服器端的數據計算和存儲能力要求越來越高。2012年，Google在世界範圍內擁有數百萬台伺服器總量的數據中心，平均每天要處理33億次的搜尋請求，每月要處理的用戶生成數據更是超過400PB；同年，Facebook公布其數據中心平均每天接收3億幅用戶上傳的圖片，資料庫中新增數據也超過500TB。這些海量數據所蘊含的4V特徵，即體量大（Volume）、模式多（Variety）、速度快（Velocity）、價值密度低（Value），正是大數據管理和信息提取的困難度和複雜性所在。隨著社會全面信息化，我們進入了“大數據時代”。傳統數據存儲能力和數據處理技術逐漸顯得乏力，雲計算技術應運而生。
面對這些海量的數據，它們的存儲、挖掘、實時處理等，都需要雲計算作為技術支撐，所以雲計算是讓大數據發揮價值的關鍵。雲計算採取集群計算，將若干獨立計算實體通過網路整合成一個具有強大計算能力的資源池，並藉助基礎設施即服務（IaaS）、平台即服務（PaaS）、軟體即服務（SaaS）和管理服務提供商（MSP）等先進的商業模式，把計算資源池中強大的計算能力按需分配到用戶手中。工業界的雲計算實例，包括Google公司的雲計算平台以及雲計算的網路應用程式（如Google App Engine），IBM公司的“藍雲”平台，Amazon公司的可伸縮彈性計算雲等。其中，Google雲計算平台成為了網際網路雲計算的領頭羊。
在軟體系統方面，Google以學術論文的形式陸續公開了其GFS、MapReduce、BigTable等分散式海量數據處理框架，同時證明了該框架的高可擴展、高性能等優點。基於這些技術，Doug Cutting將其運用到了全網搜尋引擎項目（Nutch）中。2006年年初，開發人員將這個開源實現移出了Nutch，成為Lucene的一個子項目，稱為Hadoop。同年2月，Apache Hadoop項目正式啟動，以支持MapReduce和HDFS的獨立發展。其中，HDFS（Hadoop Distributed File System）是Hadoop的分散式檔案系統，也是GFS的開源實現，它主要提供在集群中的流式高吞吐量數據訪問。MapReduce則是Hadoop的分散式數據處理框架，也是Google MapReduce計算模型的開源實現，它支持大規模數據集的並行運算。
在大數據時代，計算能力已經成為衡量一個國家綜合國力的重要標準，開源的Apache Hadoop提供了穩定、廉價、高效的大數據處理工具，是大數據計算的事實標準，成為雲計算研究的重要樣本之一，被廣泛套用在海量數據的存儲、計算、挖掘、分析、查詢以及機器學習等領域。隨著雲計算技術的發展，不斷有類似的大數據處理工具誕生，例如Spark、Storm等，這說明在市場需求方面有廣闊的空間。
除此之外，從Apache基金會推出Hadoop平台到目前為止不過短短數年時間，雖然得到了學術界和工業界的重視，但在很多方面仍然需要進一步完善和提高。其中，調度策略作為一項關鍵技術還有很長的路要走。Hadoop中的調度策略組件負責系統中所有作業與其子任務的整個調度過程，包括如何選擇作業和它的子任務，以及如何選擇適合的計算節點來執行它們。調度的結果會直接影響Hadoop系統的整體性能和集群資源利用率。所以衡量調度策略優劣的主要指標就是系統對作業任務的回響時間（即周轉時間），和集群資源（例如計算資源和頻寬資源）的利用率。而目前Hadoop系統中仍在廣泛使用的調度策略均存在許多不足之處。
社會信息化技術快速發展，通信系統與網際網路技術的融合，使得科學研究工作不斷更新，其中，物聯網相關的各種技術研究狀況較為熱烈。物聯網（Internet of Things，IoT）將物與物之間、人與物之間通過網際網路聯繫起來，採取智慧型感知識別技術、計算機通信技術等，以網際網路為核心基礎，在其層面上深層次研究拓展而形成網路，用戶通過物與物的通信過程實現信息交換，如遠程管理、智慧型監控等信息化操作。從1999年中科院對IoT的研究工作開始，我國各項工程都針對IoT的相關技術進行了深層次的探索，如2006年在重慶成立的移動物聯網運營中心，2009年建立的國家感測信息中心，2010年在上海開幕的IoT大會，將物聯網視為國家重點發展新型產業之一。由於感測技術的逐漸成熟與政府的大力支持，智慧型交通、安防、家居等市場已經融入IoT的相關技術，多個城市已經投入規模化的套用，目前我國IoT的產業鏈已經基本形成。與此同時，雲計算、大數據、移動網際網路的時代已經來臨，目前網際網路的數據傳遞方式從最傳統的形式變為海量數據互聯，隨著國內雲計算服務的建設，IoT的廣泛套用推動著雲計算的發展。
本書作者經過近5年對雲計算與物聯網的學習和研究，積累了一定的成果，為本書的出版奠定了紮實的基礎。我們首先從雲計算的工作原理出發，通過吸收國內外大學和研究所的研究成果，對雲計算技術進行了研究並開發了基於雲平台的套用案例，提出自己的看法和思路；接著從物聯網方面進行研究並開發了基於物聯網的套用案例，取得一定的研究成果。隨著不斷地研究開發積累，通過對雲計算與物聯網的理論研究和技術實踐經驗總結，構成本書的全部內容。根據當前國家有關部門對雲計算與物聯網技術和套用的密切關注程度，以及國家未來15年中長期科技發展戰略部署和國家重點基礎研究發展計畫綱要的主題，本書劃分為18章、6大部分。第一部分主要介紹雲計算產生、發展和套用，以及經典的雲計算平台，包括Google、Amazon、Microsoft和OpenStack等。第二部介紹雲平台最佳化技術、雲存儲關鍵技術、數據中心網路最佳化技術等內容。第三部分主要介紹新聞雲、導航雲等套用案例。第四部分介紹物聯網體系結構及其關鍵技術。第五部分介紹物聯網之觸覺——感測網通信協定、節點定位關鍵技術及數據傳輸機制等。第六部分介紹物聯網套用技術，包括兒童位置服務、智慧型實驗室、基於SDN的視頻套用和物聯網數據融合技術等。
作者簡介
尚鳳軍，博士，重慶郵電大學計算機學院教授。主要從事計算機網路、物聯網、雲計算等方向的研究。獲國家發明專利授權4項；專著1部；論文40餘篇。目前從事的科研項目主要研究方向涉及計算機網路、物聯網、雲計算等。
圖書目錄
雲 基 礎 篇
第1章 雲計算概述 2
1.1 雲計算產生 2
1.2 雲計算體系結構 3
1.3 雲計算發展 5
1.4 雲計算套用 5
參考文獻 7
第2章 雲計算基礎 8
2.1 Google雲計算 8
2.2 Amazon雲計算 11
2.3 Microsoft雲計算 13
2.4 VMware雲計算 18
2.5 OpenStack雲計算 21
2.6 開源雲計算系統 23
2.7 雲計算關鍵技術 25
2.8 國內雲平台 26
參考文獻 30
雲 研 究 篇
第3章 Hadoop雲計算中任務調度策略研究 34
3.1 Hadoop系統基本框架 34
3.1.1 Hadoop作業調度模型 35
3.2 MapReduce簡介 35
3.2.1 MapReduce作業執行過程 36
3.2.2 MapReduce 的任務調度策略 37
3.2.3 雲計算套用案例 38
3.3 Hadoop作業調度最佳化 42
3.3.1 MNBC調度策略 42
3.3.2 代價計算模型及調度算法 43
3.3.3 頻寬節省效率分析 47
參考文獻 50
第4章 OpenStack雲計算中資源調度機制研究 51
4.1 OpenStack虛擬機初始資源調度算法 51
4.1.1 虛擬機初始資源調度算法概述 51
4.1.2 國內外研究現狀 53
4.2 OpenStack的初始放置機制設計 54
4.2.1 虛擬機放置模型 55
4.2.2 虛擬機初始放置機制 56
4.3 OpenStack虛擬機初始放置算法仿真實現 60
4.3.1 MHD-VMP算法仿真流程 60
4.3.2 MHD-VMP算法代碼仿真實現 61
4.4 仿真實驗 62
4.4.1 實驗條件 63
4.4.2 實驗結果與分析 63
參考文獻 65
第5章 數據中心網路傳輸機制研究 68
5.1 數據中心網路概述 68
5.1.1 多約束QoS路由算法 68
5.1.2 數據中心流量負載均衡 69
5.1.3 國內外研究現狀 70
5.2 大象流碰撞迴避流量調度算法 70
5.2.1 數據中心網路中大象流碰撞問題 71
5.2.2 基於FatTree的路由模型 71
5.2.3 單流調度最佳化算法 73
5.2.4 基於非等機率的大象流碰撞迴避流量調度算法 74
5.3 仿真實驗及分析 75
5.3.1 對比模型 75
5.3.2 實驗方法 76
5.3.3 實驗結果及分析 78
參考文獻 81
第6章 雲計算平台中混合存儲機制研究 82
6.1 混合主存系統 82
6.1.1 混合主存系統概述 82
6.1.2 國內外研究現狀 83
6.2 基於熱度感知的頁面劃分管理算法 84
6.2.1 算法結構 84
6.2.2 頁面遷移策略 88
6.2.3 頁面管理策略 91
6.3 實驗和結果分析 93
6.3.1 模擬器研究 93
6.3.2 實驗環境 94
6.3.3 實驗結果對比 95
參考文獻 98
雲 應 用 篇
第7章 新聞雲 102
7.1 背景 102
7.2 新聞雲搭建方案 102
7.3 實現流程及系統框架 104
7.3.1 新聞雲服務 104
7.3.2 數據分析處理及存儲 106
7.4 測試 106
7.4.1 新聞雲手機客戶端測試 107
7.4.2 客戶機測試 108
參考文獻 113
第8章 基於Hadoop平台的導航系統設計 115
8.1 背景 115
8.2 使用環境及軟體介紹 115
8.3 原理 116
8.4 實現流程及系統框架 117
8.5 測試 118
8.5.1 測試環境 119
8.5.2 功能測試方案 119
8.5.3 性能測試方案 120
8.5.4 測試數據及結果 121
參考文獻 123
第9章 基於Hadoop和Storm的交通預測 124
9.1 背景 124
9.2 套用技術 124
9.3 系統架構圖 125
9.4 實現原理 125
9.5 測試 126
參考文獻 128
物聯網基礎篇
第10章 物聯網概述 130
10.1 物聯網的產生 130
10.2 物聯網的體系結構 132
10.3 物聯網關鍵技術 133
10.4 物聯網套用 134
參考文獻 135
第11章 物聯網基礎 137
11.1 EPC與物聯網 137
11.2 RFID技術 139
11.2.1 RFID的工作原理 140
11.2.2 RFID體系結構 140
11.2.3 RFID系統分類 141
11.2.4 RFID套用 142
11.3 智慧型技術 143
11.3.1 智慧型 143
11.3.2 智慧型技術的套用 143
11.4 納米技術 145
11.4.1 納米材料 145
11.4.2 納米材料的特性 146
參考文獻 146
物聯網研究篇
第12章 感測器網路通信協定研究 150
12.1 感測器網路簡介 150
12.2 無線感測器網路體系結構 150
12.3 感測器網路通信協定 152
12.3.1 CHTD簇頭的產生 152
12.3.2 CHTD簇頭數目的確定 153
12.3.3 CHTD最優簇半徑 155
12.3.4 CHTD描述 156
12.4 CHTD算法的改進 157
12.5 仿真分析 161
12.5.1 生命周期 162
12.5.2 接收數據包量 164
12.5.3 能量消耗 165
12.5.4 負載均衡 166
參考文獻 169
第13章 感測器網路定位研究 171
13.1 無線感測器網路定位技術 171
13.2 存在的問題 171
13.3 基於測距的定位方法 171
13.4 非測距定位算法 173
13.5 感測器網路套用 174
13.6 定位算法實現 175
13.7 定位算法仿真及分析 177
參考文獻 180
第14章 基於隨機遊走的安全傳輸機 181
14.1 無線感測器安全 182
14.2 基於數據分片的安全路由機制 182
14.2.1 安全路由機制介紹 183
14.2.2 安全通信模型的實現與改進 183
14.3 仿真與分析 195
參考文獻 198
物聯網套用篇
第15章 兒童定位技術 202
15.1 背景 202
15.2 使用環境及軟體 202
15.3 具體設計方案 202
15.3.1 整體架構 203
15.3.2 定位方法 205
15.4 測試 206
15.4.1 測試設備 206
15.4.2 測試內容 207
15.4.3 測試數據 209
15.4.4 測試結果分析 216
參考文獻 218
第16章 智慧型實驗室系統 220
16.1 智慧型實驗室介紹 220
16.2 系統方案 220
16.3 實施原理及過程 222
16.4 硬體框圖與測試結果 224
參考文獻 227
第17章 軟體定義網路套用 228
17.1 SDN技術及其在視頻業務頻寬保障中的套用 228
17.1.1 研究問題及本設計的特色 229
17.1.2 設計架構與程式流程 230
17.1.3 實驗設計 232
17.1.4 實驗結果 233
17.2 SDN中的鏈路故障快速重構套用 235
17.2.1 背景及套用場景 235
17.2.2 具體設計 236
17.2.3 實驗測試 242
參考文獻 246
第18章 物聯網數據融合技術 248
18.1 多聚焦圖像融合概述 248
18.2 基於DCT域多聚集圖像融合算法及評判標準 249
18.2.1 幾種重要的基於DCT域多聚集圖像融合算法 249
18.2.2 常用的圖像融合評價標準 253
18.3 一種基於DCT塊與係數相結合的融合算法 254
18.3.1 無線視覺感測器中的圖像融合 254
18.3.2 算法描述 254
18.3.3 實驗結果 257
參考文獻 258
