本书对第 1 版做了修订，紧跟分布式计算、云计算与大数据相关领域的新技术，以应用需求为背景讲解相关技术原理和应用方法，主要内容包括 ：分布式计算的基本原理和编程开发技术，云计算的原理和关键技术、主流云计算平台和编程开发方法，云原生技术、云计算安全技术与标准及云存储技术，大数据的分析处理关键技术、计算模式和编程技术、平台，大数据应用开发方法和典型应用案例等。 本书可以作为计算机相关专业本科高年级学生和研究生的教材，也可供相关技术人员参考使用。

林伟伟，博士，华南理工大学计算机科学与工程学院教授(三级)、博士生导师。中国计算机学会杰出会员，IEEE高级会员，《计算机科学》期刊执行编委，广东省高等教育学会数字化科学技术分会副理事长。主要研究方向包括云计算调度优化和节能技术、大数据性能建模和分析算法、AI应用技术(联邦学习、边缘智能、云边协同)等。2021—2023年连续3年入选斯坦福大学评选的全球前2%顶尖科学家榜单，科研成果“云计算调度优化技术”获2020年广东省科技进步奖二等奖(排名第一),作为第一指导老师指导学生获中国国际大学生创新大赛(2023)产业命题赛道总决赛金奖。主编云计算与大数据相关教材3部，参编英文著作2部，发表论文200余篇，申请发明专利60余件，相关成果已在华为、OPPO等公司落地应用。
刘波，博士，华南师范大学计算机学院教授，硕士生导师。广东教育学会中小学信息技术教育专业委员会副理事长，广东省计算机学会网络空间安全专业委员会副秘书长。获广东省2020年度科技进步二等奖。主持广东省自然科学基金项目2项、广东省科技计划项目6项，担任1项广东省自然科学基金团队项目核心成员，并主持该项目的云存储方向研究。编写教材1部，发表论文50多篇。
刘发贵，博士，华南理工大学计算机科学与工程学院教授，博士生导师，享受国务院津贴专家。广东省教育厅“干百十”人才培养计划省级培养对象，IEEE会员，广东省物联网协会副主任。主要研究方向为物联网与边缘计算、云计算与大数据、操作系统与嵌入式软件等。发表SCI、EI索引论文130余篇，编写学术专著和教材4部，申请授权发明专利100余件，获得软件著作权30项。2011年获广东省科技进步二等奖(第一完成人),2015年获广东省科技进步一等奖(第三完成人),2019年获广东省科技进步一等奖(第一完成人)。

目　　录<br />前言<br />第1章　分布式计算概论　1<br />1.1　分布式计算的概念　1<br />1.1.1　定义　1<br />1.1.2　优缺点　1<br />1.2　分布式计算模式　2<br />1.2.1　单机计算　3<br />1.2.2　并行计算　3<br />1.2.3　网络计算　4<br />1.2.4　对等计算　4<br />1.2.5　集群计算　5<br />1.2.6　网格计算　5<br />1.2.7　云计算　6<br />1.2.8　雾计算　6<br />1.2.9　边缘计算　7<br />1.2.10　移动边缘计算　8<br />1.2.11　移动云计算　9<br />1.2.12　大数据计算　10<br />1.2.13　无服务器计算　11<br />1.3　分布式基础问题与理论　12<br />1.3.1　拜占庭将军问题　12<br />1.3.2　Paxos算法　14<br />1.3.3　ACID原则　14<br />1.3.4　CAP定理　15<br />1.3.5　BASE理论　17<br />1.4　 经典分布式计算系统　18<br />1.4.1　 WWW　18<br />1.4.2　 SETI@home　19<br />1.4.3　BOINC　19<br />1.4.4　OpenStack　20<br />1.4.5　Hadoop　21<br />1.4.6　Spark　24<br />1.4.7　Kubernetes　25<br />1.4.8　其他分布式计算系统　26<br />习题　28<br />参考文献　28<br />第2章　分布式计算编程基础　30<br />2.1　进程间通信　30<br />2.1.1　进程间通信的概念　30<br />2.1.2　IPC原型与示例　31<br />2.2　Socket编程　32<br />2.2.1　Socket概述　32<br />2.2.2　流式Socket 编程　33<br />2.3　RMI编程　39<br />2.3.1　RMI概述　39<br />2.3.2　RMI基本分布式应用　40<br />2.4　P2P编程　48<br />习题　56<br />参考文献　57<br />第3章?Web原理与应用开发　58<br />3.1?HTTP　58<br />3.1.1?WWW服务　58<br />3.1.2?TCP/IP　58<br />3.1.3?HTTP的原理　59<br />3.2?Web开发技术简介　63<br />3.2.1?HTML　63<br />3.2.2?JavaScript　66<br />3.2.3?CSS　70<br />3.2.4?XML　72<br />3.2.5?动态网页技术　78<br />3.3?CGI　82<br />3.3.1?CGI的原理　82<br />3.3.2?Web表单　84<br />3.4?Web会话　86<br />3.4.1?Cookie机制　 87<br />3.4.2?Session机制　92<br />3.5?Applet　97<br />3.6?Servlet　101<br />3.7?SSH框架与应用开发　106<br />3.7.1?SSH简介　106<br />3.7.2?Struts　107<br />3.7.3?Spring　112<br />3.7.4?Hibernate　114<br />3.7.5　基于SSH的应用开发案例　116<br />习题　127<br />参考文献　131<br />第4章　云计算原理与技术　132<br />4.1　云计算概述　132<br />4.1.1　云计算的起源　132<br />4.1.2　云计算的概念与定义　133<br />4.1.3　云计算的分类　134<br />4.2　云计算关键技术　137<br />4.2.1　体系结构　137<br />4.2.2　数据存储　137<br />4.2.3　计算模型　137<br />4.2.4　资源调度　138<br />4.2.5　虚拟化　148<br />4.3　谷歌云计算　149<br />4.3.1　GFS　149<br />4.3.2　MapReduce　150<br />4.3.3　BigTable　151<br />4.3.4　Dremel　154<br />4.4　亚马逊云计算　157<br />4.4.1　亚马逊云平台存储架构　157<br />4.4.2　EC2、S3、SimpleDB等组件　159<br />4.5　阿里云计算　164<br />4.5.1　阿里云云平台　164<br />4.5.2　飞天分布式操作系统　164<br />4.6　华为云计算　167<br />4.6.1　华为云公有架构　167<br />4.6.2　华为云擎天架构　170<br />习题　172<br />参考文献　173<br />第5章　云计算编程实践　175<br />5.1　CloudSim体系结构和API　175<br />5.1.1　CloudSim体系结构　175<br />5.1.2　CloudSim 3.0 API　181<br />5.2　CloudSim环境搭建和使用方法　184<br />5.2.1　环境配置　184<br />5.2.2　运行样例程序　184<br />5.3　CloudSim扩展编程　187<br />5.3.1　调度策略的扩展　188<br />5.3.2　仿真核心代码　190<br />5.3.3　平台重编译　194<br />5.4　CloudSim的编程实践　195<br />5.4.1　CloudSim任务调度编程　195<br />5.4.2　CloudSim网络编程　200<br />5.4.3　CloudSim能耗编程　203<br />5.4.4　CloudSim容器编程　214<br />5.4.5　CloudSimEx　218<br />5.5　OpenStack编程实践　219<br />5.5.1　OpenStack体系结构　219<br />5.5.2　OpenStack程序设计范例　221<br />习题　228<br />参考文献　229<br />第6章　云存储技术　231<br />6.1　存储基础知识　231<br />6.1.1　存储组网形态　231<br />6.1.2　RAID　235<br />6.1.3　磁盘热备　242<br />6.1.4　快照　243<br />6.1.5　数据分级存储的概念　244<br />6.2　云存储的概念与技术原理　245<br />6.2.1　分布式存储　245<br />6.2.2　存储虚拟化　252<br />6.3　对象存储技术　255<br />6.3.1　对象存储架构　255<br />6.3.2　传统块存储与对象存储　256<br />6.3.3　对象　256<br />6.3.4　对象存储系统的组成　258<br />习题　260<br />参考文献　260<br />第7章　云原生技术　261<br />7.1　云原生的概念与架构　261<br />7.1.1　云原生的概念　261<br />7.1.2　云原生的架构　261<br />7.2　云原生关键技术　262<br />7.2.1　微服务　262<br />7.2.2　容器　266<br />7.2.3　Kubernetes　269<br />7.2.4　服务网格　272<br />7.3　云原生应用开发　274<br />7.3.1　实例概述　274<br />7.3.2　系统设计　274<br />7.3.3　系统实现　279<br />7.3.4　Spring Cloud的使用实例　282<br />7.3.5　持续集成与部署　288<br />7.4　云原生技术特色　293<br />7.4.1　云原生应用的12要素　293<br />7.4.2　云原生应用与传统应用<br />的差别　297<br />习题　300<br />参考文献　300<br />第8章　云计算安全技术与标准　302<br />8.1　云计算安全的概念与现状分析　302<br />8.1.1　云计算安全的概念　302<br />8.1.2　云计算安全现状分析　303<br />8.2　云计算安全技术　306<br />8.2.1　身份认证技术　307<br />8.2.2　访问控制技术　309<br />8.2.3　网络隔离技术　311<br />8.2.4　远程访问技术　312<br />8.2.5　端点防护技术　314<br />8.2.6　数据加密技术　314<br />8.3　云计算技术标准　315<br />8.3.1　国际云计算组织及技术标准　315<br />8.3.2　国内云计算技术标准　317<br />习题　321<br />参考文献　321<br />第9章　大数据技术与编程　323<br />9.1　大数据产生的背景与大数据概述　323<br />9.1.1　大数据产生的背景　323<br />9.1.2　大数据的定义　323<br />9.1.3　大数据的5V特征　324<br />9.1.4　大数据发展趋势　325<br />9.2　大数据处理关键技术　326<br />9.2.1　大数据采集　326<br />9.2.2　大数据预处理　327<br />9.2.3　大数据存储及管理　330<br />9.2.4　大数据分析及挖掘　331<br />9.2.5　大数据展现及应用　332<br />9.3　大数据计算模式　335<br />9.3.1　MapReduce　335<br />9.3.2　Spark　340<br />9.3.3　流式计算　347<br />9.4　基于Hadoop的大数据编程实践　353<br />9.4.1　Hadoop环境的搭建　353<br />9.4.2　基于MapReduce的程序实例（HDFS）　358<br />9.4.3　基于MapReduce的程序实例（HBase）　364<br />9.5　基于Spark的大数据编程实践　368<br />9.5.1　基于Spark的程序实例　368<br />9.5.2　Spark的RDD编程实践　373<br />习题　377<br />参考文献　377<br />第10章　实时医疗大数据分析<br />案例　378<br />10.1　案例背景与需求概述　378<br />10.1.1　背景介绍　378<br />10.1.2　基本需求　378<br />10.2　设计方案　379<br />10.2.1　ETL　380<br />10.2.2　非格式化存储　380<br />10.2.3　流处理　380<br />10.2.4　训练模型与结果预测　381<br />10.3　环境准备　381<br />10.3.1　节点规划　381<br />10.3.2　软件选型　382<br />10.4　实现方法　383<br />10.4.1　使用Kettle、Sqoop等ETL<br />工具将数据导入HDFS　383<br />10.4.2　基于Spark Streaming开发<br />Kafka连接器组件　390<br />10.4.3　基于Spark MLlib开发数据<br />挖掘组件　396<br />10.5　不足与扩展　400<br />习题　401<br />参考文献　401<br />第11章　保险大数据分析案例　402<br />11.1　案例背景与需求概述　402<br />11.1.1　背景介绍　402<br />11.1.2　基本需求　402<br />11.2　设计方案　405<br />11.2.1　基于GraphX的并行家谱<br />挖掘算法　405<br />11.2.2　基于分片技术的随机森林<br />算法　408<br />11.2.3　基于内存计算的FP-Growth<br />关联规则挖掘算法　410<br />11.3　环境准备　411<br />11.4　实现方法　416<br />11.4.1　基于GraphX的并行家谱<br />挖掘　417<br />11.4.2　基于分片技术的随机森林<br />模型用户推荐　419<br />11.4.3　基于FP-Growth关联规则<br />挖掘算法的回归检验　425<br />11.4.4　结果可视化　430<br />11.5　不足与扩展　435<br />习题　436<br />参考文献　437