出版者的话译者序前言致谢第1章　在云的宇宙中定位 11.1　云：计算机、助理和平台 11.2　云的概况 21.3　本书导读 51.4　获取云服务的方式：网站、应用编程接口和软件开发工具包 61.4.1　Web界面、应用编程接口、软件开发工具包和命令行界面 61.4.2　本地应用和云应用 81.5　本书使用的工具 81.5.1　Python 81.5.2　Jupyter：基于Web的交互式计算工具 91.5.3　版本控制系统GitHub 101.5.4　Globus 101.6　小结 101.7　资源 11第一部分　管理云中的数据第2章　存储即服务 152.1　三个启发式的例子 152.2　存储模型 162.2.1　文件系统 162.2.2　对象存储 172.2.3　关系型数据库 172.2.4　NoSQL数据库 182.2.5　图数据库 192.2.6　数据仓库 202.3　云存储全景 202.3.1　文件系统 202.3.2　对象存储 212.3.3　NoSQL服务 212.3.4　关系型数据库 222.3.5　基于数据仓库的数据分析 222.3.6　图数据库及其他服务 232.3.7　OpenStack存储服务和Jetstream云服务 232.4　小结 242.5　资源 24第3章　使用云存储服务 253.1　两种访问方式：门户和API 253.2　使用Amazon云存储服务 263.3　使用Microsoft Azure云存储服务 283.4　使用Google云存储服务 313.4.1　Google Bigtable 323.4.2　Google Cloud Datastore 333.5　使用OpenStack云存储服务 343.6　用Globus传输和共享数据 353.6.1　用Globus传输数据 363.6.2　用Globus共享数据 383.7　小结 383.8　资源 39第二部分　云中的计算第4章　计算即服务 434.1　虚拟机和容器 434.2　先进的计算服务 454.3　无服务器计算 464.4　公有云计算的优缺点 464.5　小结 474.6　资源 48第5章　虚拟机的使用和管理 495.1　历史根源 495.2　亚马逊的弹性计算云 505.2.1　创建虚拟机实例 505.2.2　连接存储 525.3　Azure虚拟机 545.4　谷歌云虚拟机服务 555.5　Jetstream虚拟机服务 555.6　小结 565.7　资源 57第6章　使用和管理容器 586.1　容器的基础知识 586.2　Docker和Hub 596.3　容器用于科学 616.4　构建你自己的容器 626.5　小结 636.6　资源 63第7章　弹性部署 647.1　云中并行计算的范式 647.2　SPMD和HPC风格的并行 657.2.1　云中的消息传递接口 657.2.2　云中的GPU 657.2.3　在Amazon云上部署HPC集群 677.2.4　在Azure上部署HPC集群 707.2.5　集群的进一步扩展 717.3　多任务并行计算 727.4　MapReduce和批量同步并行计算 727.5　图数据流的执行和Spark 737.6　代理和微服务 747.6.1　微服务和容器资源管理器 757.6.2　在集群中管理身份 757.6.3　简单的例子 757.6.4　Amazon EC2容器服务 767.6.5　Google的Kubernetes 817.6.6　Mesos和Mesosphere 847.7　HTCondor 867.8　小结 867.9　资源 87第三部分　云平台第8章　云中的数据分析 918.1　Hadoop和YARN 918.2　Spark 938.2.1　一个简单的Spark程序 938.2.2　一个更有趣的Spark程序：k均值聚类 948.2.3　容器中的Spark 958.2.4　Spark中的SQL 968.3　Amazon Elastic MapReduce 978.4　Azure HDInsight和数据湖 998.4.1　Azure Data Lake存储 1008.4.2　数据湖分析 1018.5　Amazon Athena分析 1028.6　Google云数据实验室 1028.6.1　华盛顿和印第安纳州的风疹 1038.6.2　寻找气象台的异常 1048.7　小结 1078.8　资源 107第9章　将数据以流式传输到云端 1099.1　科学流案例 1099.1.1　广域地球物理传感器网络 1109.1.2　城市信息学 1109.1.3　大规模科学数据流 1119.2　流系统的基本设计挑战 1129.3　Amazon Kinesis和Firehose 1129.3.1　Kinesis Streams架构 1139.3.2　Kinesis和Amazon SQS 1149.4　Kinesis、Spark和物体阵列 1159.5　用Azure进行流数据处理 1189.6　Kafka、Storm和Heron Streams 1219.7　Google Dataflow和Apache Beam 1249.8　Apache Flink 1269.9　小结 1279.10　资源 128第10章　基于云的机器学习 12910.1　Spark机器学习库 12910.1.1　逻辑回归 13010.1.2　芝加哥餐厅案例 13010.2　Azure机器学习空间 13310.3　Amazon机器学习平台 13610.4　深度学习浅析 13810.4.1　深度网络 13910.4.2　卷积神经网络 14010.4.3　递归神经网络 14110.5　Amazon MXNet虚拟机镜像 14310.6　Google TensorFlow 14610.7　微软认知工具包 14710.8　小结 14910.9　资源 150第11章　Globus研究数据管理平台 15211.1　分布式数据的挑战和机遇 15211.2　Globus平台 15311.2.1　Globus传输和共享 15311.2.2　rule_data结构 15511.3　身份和证书管理 15511.3.1　Globus Auth授权服务 15611.3.2　一个典型的Globus Auth工作流 15711.3.