本書深入探討了云計(jì)算的關(guān)鍵基礎(chǔ)設(shè)施——云數(shù)據(jù)中心的關(guān)鍵技術(shù)和智能管理方法。在國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目，國家自然科學(xué)基金重點(diǎn)項(xiàng)目以及企事業(yè)單位研究所科技合作項(xiàng)目等多個(gè)層次的項(xiàng)目支持下，項(xiàng)目組攻克了一系列關(guān)鍵技術(shù)挑戰(zhàn)。本書重點(diǎn)介紹了大規(guī)模云數(shù)據(jù)中心運(yùn)行數(shù)據(jù)管理技術(shù)、大規(guī)模云數(shù)據(jù)中心運(yùn)行能效評估與預(yù)測技術(shù)、大規(guī)模云數(shù)據(jù)中心資源智能管理與調(diào)度技術(shù)、大規(guī)模云工作流智能管理與調(diào)度技術(shù)。在上述關(guān)鍵技術(shù)攻關(guān)的基礎(chǔ)上，本書介紹了云數(shù)據(jù)中心智能化管理與運(yùn)維體系架構(gòu)及相關(guān)子系統(tǒng)的設(shè)計(jì)與開發(fā)，并面向典型工業(yè)應(yīng)用開展了應(yīng)用示范。

更多科學(xué)出版社服務(wù)，請掃碼獲取。

國家杰出青年科學(xué)基金、國家自然科學(xué)基金、973子項(xiàng)等17項(xiàng).獲 獎(jiǎng)：2010年北京市科學(xué)技術(shù)二等獎(jiǎng)（排名第一）：多源信息復(fù)雜系統(tǒng)控制基礎(chǔ)理論與方法.2015年北京市科學(xué)技術(shù)二等獎(jiǎng)（排名第一)：多傳感器網(wǎng)絡(luò)系統(tǒng)信息融合與控制基礎(chǔ)理論及應(yīng)用.2017年教育部自然科學(xué)二等獎(jiǎng)（排名第一）：復(fù)雜廣義系統(tǒng)控制理論及應(yīng)用

目錄
序
前言
第1章 云數(shù)據(jù)中心智能管理概述1
1.1 云數(shù)據(jù)中心智能管理背景與意義1
1.2 研究現(xiàn)狀與主要技術(shù)挑戰(zhàn)2
1.2.1 云數(shù)據(jù)中心運(yùn)行數(shù)據(jù)管理現(xiàn)狀與挑戰(zhàn)2
1.2.2 云數(shù)據(jù)中心運(yùn)行能效評估與預(yù)測現(xiàn)狀與挑戰(zhàn)6
1.2.3 云數(shù)據(jù)中心資源管理與調(diào)度現(xiàn)狀與挑戰(zhàn)8
1.2.4 云工作流管理與調(diào)度現(xiàn)狀與挑戰(zhàn)10
1.2.5 云數(shù)據(jù)中心智能管理系統(tǒng)現(xiàn)狀與挑戰(zhàn)12
1.3 研究目標(biāo)與總體技術(shù)架構(gòu)13
1.3.1 大規(guī)模云數(shù)據(jù)中心運(yùn)行數(shù)據(jù)管理關(guān)鍵技術(shù)14
1.3.2 大規(guī)模云數(shù)據(jù)中心運(yùn)行能效評估與預(yù)測關(guān)鍵技術(shù)15
1.3.3 大規(guī)模云數(shù)據(jù)中心資源智能管理與調(diào)度關(guān)鍵技術(shù)15
1.3.4 大規(guī)模云工作流智能管理與調(diào)度關(guān)鍵技術(shù)16
1.3.5 云數(shù)據(jù)中心智能管理系統(tǒng)研制及應(yīng)用示范18
1.4 本章小結(jié)18
第2章 大規(guī)模云數(shù)據(jù)中心運(yùn)行數(shù)據(jù)管理關(guān)鍵技術(shù)20
2.1 多云數(shù)據(jù)中心運(yùn)行數(shù)據(jù)采集方法20
2.1.1 基于概率性采樣的自適應(yīng)性采集技術(shù)20
2.1.2 面向不同設(shè)備粒度的多源數(shù)據(jù)采集技術(shù)27
2.2 質(zhì)量感知的數(shù)據(jù)預(yù)處理技術(shù)29
2.2.1 缺失值處理29
2.2.2 離群點(diǎn)30
2.2.3 標(biāo)準(zhǔn)化30
2.3 運(yùn)行數(shù)據(jù)冗余發(fā)現(xiàn)與刪除技術(shù)30
2.3.1 基于壓縮點(diǎn)的冗余數(shù)據(jù)處理技術(shù)31
2.3.2 面向云數(shù)據(jù)中心集群調(diào)度的冗余數(shù)據(jù)處理優(yōu)化技術(shù)33
2.4 分布式、支持冗余備份的安全存儲(chǔ)系統(tǒng)35
2.4.1 運(yùn)行數(shù)據(jù)高效壓縮技術(shù)36
2.4.2 分布式運(yùn)行數(shù)據(jù)安全存儲(chǔ)模型41
2.4.3 異構(gòu)運(yùn)行數(shù)據(jù)高效檢索方法41
2.5 本章小結(jié)45
第3章 大規(guī)模云數(shù)據(jù)中心運(yùn)行能效評估與預(yù)測關(guān)鍵技術(shù)46
3.1 基于深度學(xué)習(xí)的云數(shù)據(jù)中心能耗預(yù)測方法46
3.1.1 深度學(xué)習(xí)基本原理46
3.1.2 基于深度學(xué)習(xí)的能效預(yù)測算法設(shè)計(jì)49
3.1.3 仿真環(huán)境中的測試結(jié)果分析52
3.2 基于特征貢獻(xiàn)值的工作流可解釋性能耗預(yù)測方法53
3.2.1 可解釋性機(jī)器學(xué)習(xí)54
3.2.2 能耗可解釋性框架56
3.2.3 基于交互貢獻(xiàn)值的可解釋性方法57
3.2.4 實(shí)驗(yàn)結(jié)果和分解能耗分析59
3.3 云數(shù)據(jù)中心虛擬化環(huán)境能耗評估方法64
3.3.1 虛擬機(jī)能耗評估方法64
3.3.2 基于虛擬機(jī)能耗模型的容器能耗評估方法71
3.4 云數(shù)據(jù)中心多指標(biāo)融合的能效定性評估方法75
3.4.1 云數(shù)據(jù)中心能效評估指標(biāo)體系76
3.4.2 云數(shù)據(jù)中心多指標(biāo)融合的能效定性評估模型76
3.4.3 仿真環(huán)境下的實(shí)驗(yàn)結(jié)果和分析78
3.5 面向云計(jì)算的基于QoS參數(shù)的能效評估方法81
3.5.1 問題描述81
3.5.2 基于QoS的能效評估模型82
3.5.3 實(shí)驗(yàn)分析與結(jié)果展示86
3.6 本章小結(jié)91
第4章 大規(guī)模云數(shù)據(jù)中心資源智能管理與調(diào)度關(guān)鍵技術(shù)92
4.1 基于深度強(qiáng)化學(xué)習(xí)的云數(shù)據(jù)中心集群資源智能調(diào)度方法92
4.1.1 深度強(qiáng)化學(xué)習(xí)基本原理92
4.1.2 基于深度強(qiáng)化學(xué)習(xí)的資源調(diào)度算法設(shè)計(jì)93
4.1.3 仿真環(huán)境中的測試結(jié)果分析98
4.2 成本能耗與服務(wù)質(zhì)量平衡的數(shù)據(jù)計(jì)算密集型任務(wù)資源分配與調(diào)度方法101
4.2.1 數(shù)據(jù)計(jì)算密集型任務(wù)資源分配與調(diào)度方法101
4.2.2 系統(tǒng)架構(gòu)與問題建模101
4.2.3 基于深度強(qiáng)化學(xué)習(xí)的任務(wù)調(diào)度方法102
4.2.4 基于深度強(qiáng)化學(xué)習(xí)的云資源分配策略103
4.2.5 服務(wù)質(zhì)量感知的計(jì)算任務(wù)調(diào)度策略106
4.2.6 實(shí)驗(yàn)部署與性能評測107
4.3 多云數(shù)據(jù)中心的用戶請求調(diào)度方法109
4.3.1 基于深度強(qiáng)化學(xué)習(xí)的多云數(shù)據(jù)中心調(diào)度策略110
4.3.2 用戶體驗(yàn)感知的多云數(shù)據(jù)中心調(diào)度策略112
4.3.3 復(fù)雜約束下的成本優(yōu)化策略115
4.4 基于模仿學(xué)習(xí)的深度強(qiáng)化學(xué)習(xí)訓(xùn)練優(yōu)化方法119
4.4.1 模仿學(xué)習(xí)基本原理119
4.4.2 模仿學(xué)習(xí)訓(xùn)練優(yōu)化技術(shù)120
4.4.3 基于模仿學(xué)習(xí)的云端資源自適應(yīng)調(diào)度120
4.5 數(shù)據(jù)驅(qū)動(dòng)的任務(wù)群并合智能調(diào)度技術(shù)124
4.5.1 并合調(diào)度框架125
4.5.2 并合調(diào)度算法設(shè)計(jì)與配置125
4.5.3 并合調(diào)度算法測試138
4.6 本章小結(jié)145
第5章 大規(guī)模云工作流智能管理與調(diào)度關(guān)鍵技術(shù)146
5.1 支持云工作流管理與調(diào)度的關(guān)鍵預(yù)測技術(shù)146
5.1.1 基于密集型寬度學(xué)習(xí)的容器資源使用量預(yù)測方法146
5.1.2 基于密集型寬度學(xué)習(xí)的改進(jìn)型容器云資源的預(yù)測方法149
5.1.3 基于極限梯度提升的云工作流任務(wù)執(zhí)行時(shí)間預(yù)測方法152
5.1.4 基于多維度特征融合的云工作流任務(wù)執(zhí)行時(shí)間預(yù)測方法158
5.2 大規(guī)模云工作流動(dòng)態(tài)優(yōu)化調(diào)度技術(shù)164
5.2.1 基于用戶優(yōu)先級感知和花費(fèi)約束的云工作流調(diào)度技術(shù)164
5.2.2 基于分布式策略多云工作流動(dòng)態(tài)調(diào)度方法168
5.2.3 面向隨機(jī)混合云工作流實(shí)時(shí)調(diào)度方法177
5.3 滿足用戶個(gè)性化需求調(diào)度策略186
5.3.1 基于云工作流結(jié)構(gòu)和成本感知的預(yù)測調(diào)度算法187
5.3.2 基于改進(jìn)非支配遺傳算法的多目標(biāo)云工作流調(diào)度方法198
5.3.3 基于強(qiáng)化學(xué)習(xí)策略的多目標(biāo)云工作流調(diào)度方法207
5.4 本章小結(jié)212
第6章 云數(shù)據(jù)中心智能管理系統(tǒng)研制及應(yīng)用214
6.1 云數(shù)據(jù)中心智能化管理與運(yùn)維體系架構(gòu)設(shè)計(jì)214
6.2 云數(shù)據(jù)中心智能管理系統(tǒng)及其應(yīng)用215
6.2.1 大規(guī)模云數(shù)據(jù)中心運(yùn)行數(shù)據(jù)管理子系統(tǒng)研制216
6.2.2 大規(guī)模云數(shù)據(jù)中心運(yùn)行能效評估與預(yù)測子系統(tǒng)研制251
6.2.3 大規(guī)模云數(shù)據(jù)中心資源管理與調(diào)度子系統(tǒng)研制254
6.2.4 大規(guī)模云工作流智能管理與調(diào)度子系統(tǒng)研制286
6.3 系統(tǒng)集成——云數(shù)據(jù)中心智能管理系統(tǒng)294
6.3.1 大規(guī)模云數(shù)據(jù)中心資源管理與調(diào)度子系統(tǒng)集成294
6.3.2 大規(guī)模云數(shù)據(jù)中心運(yùn)行能效評估與預(yù)測子系統(tǒng)集成294
6.3.3 大規(guī)模云工作流智能管理與調(diào)度子系統(tǒng)集成296
6.3.4 完整系統(tǒng)集成296
6.4 面向典型工業(yè)應(yīng)用開展云數(shù)據(jù)中心智能化管理系統(tǒng)應(yīng)用示范300
6.4.1 應(yīng)用示范——設(shè)備故障診斷300
6.4.2 應(yīng)用示范——無人駕駛車輛軌跡跟蹤控制305
6.4.3 應(yīng)用示范——智能廢鋼判級系統(tǒng)308
6.5 本章小結(jié)313
參考文獻(xiàn)315