中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
大規模云數據中心智能管理技術及應用 版權信息
- ISBN：9787030783127
- 條形碼：9787030783127 ; 978-7-03-078312-7
- 裝幀：精裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
大規模云數據中心智能管理技術及應用 內容簡介
本書深入探討了云計算的關鍵基礎設施——云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云數據中心運行數據管理技術、大規模云數據中心運行能效評估與預測技術、大規模云數據中心資源智能管理與調度技術、大規模云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，本書介紹了云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，并面向典型工業應用開展了應用示范。
大規模云數據中心智能管理技術及應用 目錄
目錄序前言第1章 云數據中心智能管理概述11.1 云數據中心智能管理背景與意義11.2 研究現狀與主要技術挑戰21.2.1 云數據中心運行數據管理現狀與挑戰21.2.2 云數據中心運行能效評估與預測現狀與挑戰61.2.3 云數據中心資源管理與調度現狀與挑戰81.2.4 云工作流管理與調度現狀與挑戰101.2.5 云數據中心智能管理系統現狀與挑戰121.3 研究目標與總體技術架構131.3.1 大規模云數據中心運行數據管理關鍵技術141.3.2 大規模云數據中心運行能效評估與預測關鍵技術151.3.3 大規模云數據中心資源智能管理與調度關鍵技術151.3.4 大規模云工作流智能管理與調度關鍵技術161.3.5 云數據中心智能管理系統研制及應用示范181.4 本章小結18第2章 大規模云數據中心運行數據管理關鍵技術202.1 多云數據中心運行數據采集方法202.1.1 基于概率性采樣的自適應性采集技術202.1.2 面向不同設備粒度的多源數據采集技術272.2 質量感知的數據預處理技術292.2.1 缺失值處理292.2.2 離群點302.2.3 標準化302.3 運行數據冗余發現與刪除技術302.3.1 基于壓縮點的冗余數據處理技術312.3.2 面向云數據中心集群調度的冗余數據處理優化技術332.4 分布式、支持冗余備份的安全存儲系統352.4.1 運行數據高效壓縮技術362.4.2 分布式運行數據安全存儲模型412.4.3 異構運行數據高效檢索方法412.5 本章小結45第3章 大規模云數據中心運行能效評估與預測關鍵技術463.1 基于深度學習的云數據中心能耗預測方法463.1.1 深度學習基本原理463.1.2 基于深度學習的能效預測算法設計493.1.3 仿真環境中的測試結果分析523.2 基于特征貢獻值的工作流可解釋性能耗預測方法533.2.1 可解釋性機器學習543.2.2 能耗可解釋性框架563.2.3 基于交互貢獻值的可解釋性方法573.2.4 實驗結果和分解能耗分析593.3 云數據中心虛擬化環境能耗評估方法643.3.1 虛擬機能耗評估方法643.3.2 基于虛擬機能耗模型的容器能耗評估方法713.4 云數據中心多指標融合的能效定性評估方法753.4.1 云數據中心能效評估指標體系763.4.2 云數據中心多指標融合的能效定性評估模型763.4.3 仿真環境下的實驗結果和分析783.5 面向云計算的基于QoS參數的能效評估方法813.5.1 問題描述813.5.2 基于QoS的能效評估模型823.5.3 實驗分析與結果展示863.6 本章小結91第4章 大規模云數據中心資源智能管理與調度關鍵技術924.1 基于深度強化學習的云數據中心集群資源智能調度方法924.1.1 深度強化學習基本原理924.1.2 基于深度強化學習的資源調度算法設計934.1.3 仿真環境中的測試結果分析984.2 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1014.2.1 數據計算密集型任務資源分配與調度方法1014.2.2 系統架構與問題建模1014.2.3 基于深度強化學習的任務調度方法1024.2.4 基于深度強化學習的云資源分配策略1034.2.5 服務質量感知的計算任務調度策略1064.2.6 實驗部署與性能評測1074.3 多云數據中心的用戶請求調度方法1094.3.1 基于深度強化學習的多云數據中心調度策略1104.3.2 用戶體驗感知的多云數據中心調度策略1124.3.3 復雜約束下的成本優化策略1154.4 基于模仿學習的深度強化學習訓練優化方法1194.4.1 模仿學習基本原理1194.4.2 模仿學習訓練優化技術1204.4.3 基于模仿學習的云端資源自適應調度1204.5 數據驅動的任務群并合智能調度技術1244.5.1 并合調度框架1254.5.2 并合調度算法設計與配置1254.5.3 并合調度算法測試1384.6 本章小結145第5章 大規模云工作流智能管理與調度關鍵技術1465.1 支持云工作流管理與調度的關鍵預測技術1465.1.1 基于密集型寬度學習的容器資源使用量預測方法1465.1.2 基于密集型寬度學習的改進型容器云資源的預測方法1495.1.3 基于極限梯度提升的云工作流任務執行時間預測方法1525.1.4 基于多維度特征融合的云工作流任務執行時間預測方法1585.2 大規模云工作流動態優化調度技術1645.2.1 基于用戶優先級感知和花費約束的云工作流調度技術1645.2.2 基于分布式策略多云工作流動態調度方法1685.2.3 面向隨機混合云工作流實時調度方法1775.3 滿足用戶個性化需求調度策略1865.3.1 基于云工作流結構和成本感知的預測調度算法1875.3.2 基于改進非支配遺傳算法的多目標云工作流調度方法1985.3.3 基于強化學習策略的多目標云工作流調度方法2075.4 本章小結212第6章 云數據中心智能管理系統研制及應用2146.1 云數據中心智能化管理與運維體系架構設計2146.2 云數據中心智能管理系統及其應用2156.2.1 大規模云數據中心運行數據管理子系統研制2166.2.2 大規模云數據中心運行能效評估與預測子系統研制2516.2.3 大規模云數據中心資源管理與調度子系統研制2546.2.4 大規模云工作流智能管理與調度子系統研制2866.3 系統集成——云數據中心智能管理系統2946.3.1 大規模云數據中心資源管理與調度子系統集成2946.3.2 大規模云數據中心運行能效評估與預測子系統集成2946.3.3 大規模云工作流智能管理與調度子系統集成2966.3.4 完整系統集成2966.4 面向典型工業應用開展云數據中心智能化管理系統應用示范3006.4.1 應用示范——設備故障診斷3006.4.2 應用示范——無人駕駛車輛軌跡跟蹤控制3056.4.3 應用示范——智能廢鋼判級系統3086.5 本章小結313參考文獻315
展開全部
大規模云數據中心智能管理技術及應用 作者簡介
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，國家杰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、中國計算機學會大數據專家委員會委員、中國儀器儀表學會物聯網工作委員會副理事長、中國指揮與控制學會云控制與決策專業委員會主任委員。主要研究多源信息復雜系統的信息處理與控制、飛行器控制、無人移動平臺協同控制、天空地一體化網絡協同控制、云控制與決策等。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，并于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年獲吳文俊人工智能自然科學獎二等獎（排名第一）。
書友推薦
- >
唐代進士錄
- >
姑媽的寶刀
- >
二體千字文
- >
煙與鏡
- >
小考拉的故事-套裝共3冊
- >
推拿
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
我從未如此眷戀人間
本類暢銷
