新書推薦：
《
建安：官渡大决战（196—200）
》
售價：NT$
245.0
《
权力的图像——近代的中国海图与交流
》
售價：NT$
840.0
《
中亚民族史
》
售價：NT$
840.0
《
人工智能与智能制造：概念与方法 ［美］马苏德·索鲁什 ［美］理查德·D.布拉茨
》
售價：NT$
640.0
《
中平：东汉王朝大崩溃（184—189）
》
售價：NT$
245.0
《
基于鲲鹏的分布式图分析算法实战
》
售價：NT$
495.0
《
中国历史研究入门（全二册）
》
售價：NT$
1290.0
《
夺回大脑 如何靠自己走出强迫
》
售價：NT$
299.0
|
| 內容簡介： |
|
本教材以当前万物互联的环境为背景，结合5G网络发展，分为四个部分，共11章。基础篇从身边的云计算出发，系统讲述了云计算、边缘计算和云边融合系统的基本概念、系统架构及优势与挑战。技术篇介绍了云计算、边缘计算和云边融合系统的技术基础，以及创新性地结合大规模复杂数据预测和复杂分布式系统优化两方面应用案例对云边融合系统深入浅出地阐述了其相关技术。应用篇针对云边融合在CDN、工业互联网、能源互联网、智慧建筑、智能交通等新型基础设施场景中的应用进行介绍，同时对云边融合在安防监控、智慧农业、生态环境等典型行业应用场景进行分析。发展篇从“云边融合 大数据 人工智能”三位一体及云边融合技术与各领域新技术深度融合的发展战略，论述了云边融合技术、产业与应用的未来展望。每章均有小结和参考文献，使读者对各章的内容能清楚地理解和掌握。
|
| 關於作者： |
毕敬，北京工业大学教授、博士生导师。长期致力于复杂大数据计算与分析、云边资源协同与优化领域的理论方法和关键技术创新研究。主持承担了多项国家和省部级项目，包括国家自然科学基金委面上和青年项目、“十三五”科技部水体污染控制与治理科技重大专项子课题等。担任IEEE高级会员、IEEE系统、人与控制论学会WiE和TAB CDI委员会秘书长、多个IEEE期刊及国际会议副主编、专题分会主席及程序委员会委员等工作。
苑海涛，副教授，硕士生导师，工业互联网与建模仿真系副主任，全球前2%顶尖科学家、小米青年学者、北京航空航天大学青年拔尖人才、北航优秀硕士论文指导教师，美国新泽西理工学院计算机工程博士、北京航空航天大学控制科学与工程博士。
|
| 目錄：
|
目 录
第 1 章 绪论 …………………………………………………………………………………… 1
1.1 背景介绍及意义 …………………………………………………………………………………… 2
1.2 国内外研究现状 …………………………………………………………………………………… 2
1.3 本书组织结构 …………………………………………………………………………………… 7
第 2 章 云计算基础 …………………………………………………………………………… 9
2.1 身边的云计算 …………………………………………………………………………………… 9
2.2 云计算的产生与发展 …………………………………………………………………………………… 13
2.3 云计算的内涵与特性 …………………………………………………………………………………… 23
2.4 云计算的目标、任务与价值 …………………………………………………………………………………… 27
2.5 云计算系统的系统架构 …………………………………………………………………………………… 32
2.6 云计算的风险与挑战 …………………………………………………………………………………… 51
2.7 本章小结 …………………………………………………………………………………… 51
第 3 章 边缘计算基础 ……………………………………………………………………… 52
3.1 什么是边缘计算 …………………………………………………………………… 52
3.2 边缘计算的产生背景 ……………………………………………………………… 55
3.3 边缘计算的发展历史 ……………………………………………………………… 58
3.4 边缘计算的系统架构 ……………………………………………………………… 69
3.5 边缘计算的优势与挑战 …………………………………………………………… 74
3.6 本章小结 …………………………………………………………………………… 76
第 4 章 云边融合系统基础 ………………………………………………………………… 77
4.1 云计算与边缘计算的差异 ………………………………………………………… 77
4.2 云边融合基本概念 ………………………………………………………………… 86
4.3 云边融合系统架构 ………………………………………………………………… 87
4.4 云边融合面临的问题 ……………………………………………………………… 92
4.5 本章小结 …………………………………………………………………………… 97
第 5 章 云计算系统的使能技术 …………………………………………………………… 99
5.1 云计算技术基础 …………………………………………………………………… 99
5.2 分布式技术 ………………………………………………………………………… 112
5.3 虚拟化技术 ………………………………………………………………………… 121
5.4 云平台技术 ………………………………………………………………………… 129
5.5 本章小结 …………………………………………………………………………… 132
第 6 章 边缘计算相关技术 ………………………………………………………………… 133
6.1 边缘计算技术基础 ………………………………………………………………… 133
6.2 网络通信技术 ……………………………………………………………………… 137
6.3 计算技术 …………………………………………………………………………… 141
6.4 边缘计算系统 ……………………………………………………………………… 144
6.5 本章小结 …………………………………………………………………………… 149
第 7 章 云边融合相关技术 ………………………………………………………………… 150
7.1 资源协同 …………………………………………………………………………… 151
7.2 数据协同 ………………………………………………………………………… 154
7.3 智能协同 …………………………………………………………………………… 160
7.4 应用协同 …………………………………………………………………………… 167
7.5 服务协同 …………………………………………………………………………… 171
7.6 本章小结 …………………………………………………………………………… 174
第 8 章 大规模复杂数据预测 ……………………………………………………………… 176
8.1 大规模复杂数据预测问题概述 …………………………………………………… 176
8.2 典型大规模复杂数据预测方法 …………………………………………………… 178
8.3 基于改进 Transformer 的云数据中心资源预测方法 …………………………… 189
8.4 基于 ST-LSTM 神经网络的网络流量预测方法 ………………………………… 202
8.5 本章小结 …………………………………………………………………………… 213
第 9 章 复杂分布式系统优化 ……………………………………………………………… 214
9.1 复杂分布式系统优化问题概述 …………………………………………………… 214
9.2 典型复杂分布式系统优化方法 …………………………………………………… 217
9.3 基于云边融合的物联网智能计算迁移与资源融合优化 ………………………… 230
9.4 基于云边融合的车联网智能计算迁移与资源融合优化 ………………………… 244
9.5 本章小结 …………………………………………………………………………… 278
第 10 章 云边融合的创新实践——新型基础设施………………………………………… 279
10.1 云边融合在 CDN 场景中的应用 ………………………………………………… 279
10.2 云边融合在工业互联网场景中的应用 ………………………………………… 282
10.3 云边融合在能源互联网场景中的应用 ………………………………………… 286
10.4 云边融合在智慧建筑场景中的应用 …………………………………………… 290
10.5 云边融合在智慧交通场景中的应用 …………………………………………… 294
10.6 本章小结 ………………………………………………………………………… 298
第 11 章 云边融合的创新实践 ——典型行业应用………………………………………… 299
11.1 云边融合在安防监控场景中的应用 …………………………………………… 299
11.2 云边融合在农业生产场景中的应用 …………………………………………… 301
11.3 云边融合在生态环境场景中的应用 …………………………………………… 304
11.4 云边融合在医疗保健场景中的应用 …………………………………………… 306
11.5 云边融合在智慧教育场景中的应用 …………………………………………… 310
11.6 本章小结 ………………………………………………………………………… 314
第 12 章 云边融合的未来发展……………………………………………………………… 315
12.1 “云边融合 大数据 人工智能”三位一体发展战略………………………… 315
12.2 云边融合与新技术的融合 ……………………………………………………… 321
12.3 云边融合产业生态及其地位 …………………………………………………… 327
12.4 面向新型计算模式的云边融合 ………………………………………………… 332
12.5 本章小结 ………………………………………………………………………… 339
第 13 章 总结与展望………………………………………………………………………… 340
13.1 总结 ……………………………………………………………………………… 340
13.2 展望 ……………………………………………………………………………… 341
参考文献………………………………………………………………………………………… 343
|
| 內容試閱：
|
随着移动互联网、物联网、大数据和人工智能等技术的迅猛发展，我们正迈向一 个全新的数字化时代。在这个时代中，数据的产生、传输和处理正以前所未有的速度 和规模持续扩展，而为了有效地应对这一挑战，计算模式也在不断演进。云计算和边 缘计算作为两个重要的计算模式，分别是集中式计算和分布式计算的典型范式，然而， 它们各自在面对特定应用场景时存在一些瓶颈和不足。
云计算在过去几年中取得了显著的成就，通过将数据和计算资源集中在云端，为 用户提供了高度的可扩展性、弹性和计算能力。然而，随着数据量的迅速增加，传统 的云计算模式在一些情况下面临着网络带宽瓶颈、数据隐私保护、实时性要求等挑战。 例如，在智能交通系统中，要求对大规模的实时数据进行处理和分析，传统的云计算 模式可能无法满足实时性的需求，从而影响交通流量的监测和管理。
边缘计算是为了解决云计算模式中的一些局限性而被提出的新型计算范式。边缘 计算将计算和数据处理推向网络的边缘，将计算资源部署在离数据源更近的地方，从 而减少了数据传输时延和网络负载。这对于一些对实时性要求较高的应用场景（如工 业自动化、智能制造等）具有重要意义。然而，边缘计算也存在一些挑战，如计算资 源有限、扩展性受限等问题。
为了充分发挥云计算和边缘计算的优势，云边融合系统与应用崭露头角。云边融 合系统将云计算和边缘计算相结合，以实现资源的优化配置、数据的智能处理和实时 决策。通过将数据处理和计算任务在云端和边缘之间进行分配，云边融合系统可以在 满足实时性需求的同时，兼顾计算能力和数据隐私等问题。
本书旨在深入研究云边融合系统与应用的关键技术、架构设计和应用场景。具体 而言，我们将分析云边融合系统在数据处理、资源调度、安全性等方面的实现机制和 挑战，通过案例分析展示其在智能城市、健康医疗、环境监测等领域的应用前景。同 时，我们也将探讨云边融合系统未来可能的发展趋势，以期为构建更加智能、高效和 可靠的计算环境提供有益的参考。
在接下来的章节中，我们将逐步深入探讨云边融合系统与应用的各个方面，希望 通过本书的研究，能够为推动数字化时代的发展和应用提供一些新的思路和方法。
云边融合系统与应用-01.indd 1
2024/10/18
13:49:25
云边融合系统与应用
1.1 背景介绍及意义
在当今数字化时代，信息技术的快速发展和普及，促使各行各业对数据处理、实 时性和智能化的需求不断增加。移动设备、物联网设备以及各种传感器等设备不断产 生着大量的数据，这些数据涵盖了从环境信息到用户行为的方方面面。同时，随着人 工智能和机器学习等技术的进步，人们对于实时数据分析、智能决策以及对未来趋势 的预测能力有了更高期望。
然而，传统的集中式计算模式在处理这些数据时可能面临一系列挑战。云计算虽 然在提供高度的计算能力和存储资源方面表现出色，但由于数据传输的时延和网络带 宽的限制，对于某些实时性要求较高的应用场景可能显得不太适用。同时，对于涉及 大规模数据隐私的场景，将数据集中存储在云端可能会引发一些安全性和隐私性的顾 虑。边缘计算模式由于将计算资源部署在网络边缘，可以降低数据传输时延，但在处 理大规模数据和复杂计算任务方面可能存在性能瓶颈。
在这样的背景下，云边融合系统与应用应运而生，它融合了云计算和边缘计算的 优势，旨在弥补各自的不足，为各行各业提供更加灵活、高效、实时的数据处理和智 能决策方式。云边融合系统可以将数据处理任务智能地分配到云端和边缘节点，以实 现实时性需求和计算能力的平衡。在网络边缘进行数据处理和分析，不仅可以降低数 据传输的时延，还可以减轻云端的计算负担，提高系统的整体性能。
此外，云边融合系统还有助于解决大规模数据隐私和安全性的问题。敏感数据可 以在边缘进行本地处理，减少了敏感信息在网络上传输的风险。同时，云边融合系统 也为智能化应用的开发和部署提供了更为便捷的平台，开发人员可以充分利用云边融 合系统的计算能力和资源，快速构建智能化的应用程序。
在工业制造、智能交通、智能城市、医疗健康等领域，云边融合系统都具有重要 的应用价值。它可以实现实时监测、预测分析、智能优化等功能，为各行各业带来更 高效、智能的管理和决策支持。因此，研究和探索云边融合系统与应用，对于推动数 字化时代的发展，提升产业竞争力，具有深远的意义与价值。
总之，云边融合系统与应用在数据处理、实时性和智能决策方面的优势，将为各 行各业带来新的机遇和挑战。通过深入研究云边融合系统的关键技术、架构设计和应 用场景，我们有望为构建更加智能、高效和可靠的计算环境，开创全新的发展前景。
1.2 国内外研究现状
目前，国内外针对云边融合系统与应用的研究大多数集中在物联网、工业互联网、
智能交通、安全监控等诸多领域的应用场景上。在智能制造领域，研究者致力于将云 边融合系统应用于制造过程中的数据采集、实时监测和生产调度。例如，在边缘设备 上通过数据处理实现生产线的实时监控，优化生产计划，提高生产效率和产品质量。 随着城市化进程的加速，云边融合系统在智能交通和城市管理方面得到广泛应用。研 究者通过将交通信号数据、车辆定位等信息进行实时分析，实现智能交通流量控制、拥 堵预测以及城市规划。在医疗健康领域，云边融合系统用于实现医疗数据的远程采集和 监测。研究者探索如何通过边缘设备对患者生理数据进行实时分析，实现远程医疗诊断 和治疗方案的优化。在农业领域，国内外研究关注云边融合系统在农作物生长监测、灌 溉管理等方面的应用。此外，云边融合系统可以实现气象数据的实时采集和分析，为农 业生产提供数据支持。国内外研究也关注云边融合系统在环境保护和气象学领域的应 用，通过实时数据采集和分析，实现气候变化、空气质量等环境指标的监测和预测。
1.2.1 云边融合环境下的服务优化部署
目前，针对云边融合环境下的主要研究目的是对时延、能耗、成本和服务质量等 指标的优化。通过对问题本身的优化或者对现有算法的改进从而达到服务部署的优化。
时延指标的优化方面，Ren 等人［1］提出了云边协同中在计算资源约束的条件下建 立时延最小化模型，分析了在传统云计算中的网络拥塞和长延迟的特殊场景，该模型 中将服务部署的问题转化为一个凸优化函数，并利用凸优化理论得到计算资源分配最 佳策略。Chen 等人［2］对特定类型的服务提出部署方案，充分考虑到了不同类型服务 对于资源需求是有差异的这一特征，针对云边协同的边缘侧物联网数据传输过程中存 在巨大的传输延迟而影响整个系统的性能的问题，以减少传输时延为优化目标，提出 了一种混合模拟退火蚁群算法的启发式算法用于在云边协同系统中部署物联网数据密 集型服务。除此之外，有研究人员也考虑到了服务类型的多样性，为满足更多用户对 不同类型服务部署的需求，将服务部署时延作为最优目标并对其建模，提出了一种基 于分布式深度学习的边缘云上服务部署的方案。该研究对服务进行类别划分，将服务 部署到提供该资源的边缘云上，从而能使资源利用率最大化。除对服务类别进行划分 以外，目前还有一些研究是围绕通过对边缘侧虚拟机和服务器的调度实现服务部署时 延最小化的目标。比如，有研究人员研究的是针对边缘节点和云数据中心的服务部署， 主要是解决网络高时延和服务低时延高传输速率需求之间的矛盾，通过部署服务器的 方式，采用 FFS IPFS 算法来实现时延最小化的优化目标。Chen 等［2］研究的则是在边 缘云服务器放置预算有限的情况下，在全部边缘云的服务器上租用有限的资源，并提 出了一种全新的结合上下文内容的多臂赌博机学习算法进行服务部署，通过实验发现 这种部署策略有效地降低了时延。在一些新兴应用场景中，有研究人员首先构建了一 种云边融合的智能物联网架构，然后建立了关于边缘节点之间的传输数据总处理时间
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
