孙傲冰，博士后，研究员，博士生导师。现任中国科学院云计算产业技术创新与育成中心特聘研究员，电子政务云集成与应用国家工程实验室研究中心主任，ISO/IEC JTC 1/SC 38云计算靠前标准专家组成员，广东省云计算标准化技术委员会（GD/TC 113）委员。主要研究领域为云计算、大数据、人工智能（AI）、分布式图像处理等，主持云操作系统、云终端、云存储、大数据平台、人工智能平台产品的研发。主持国家及省部级研究课题15项。在International Journal of Grid and Utility Computing、International Journal of Communications、Network and System Sciences等靠前外重要学术期刊及会议上发表学术论文40篇，其中SCI检索8篇，EI检索25篇。获得国家8项，软件著作权4项。

章绪论/1
1.1引言/1
1.1.1信息世界与人类世界的交互/1
1.1.2智慧社会是信息社会的不错阶段/4
1.1.3信息世界是人机物融合的三元世界/5
1.2云计算构建新型IT基础设施/7
1.2.1云计算概念的定义/8
1.2.2云计算技术相关特征/9
1.2.3云计算技术应用现状/10
1.2.4云计算技术发展趋势/10
1.3大数据深挖数据的价值/11
1.3.1大数据的概念/11
1.3.2大数据处理技术/13
1.3.3大数据技术应用现状/14
1.3.4大数据技术面临挑战/15
1.4人工智能成为“云+大数据”交叉点/16
1.4.1人工智能技术定义/16
1.4.2人工智能与云计算和大数据的关系/17
1.4.3人工智能技术发展现状/17
1.4.4人工智能发展趋势/18
1.5智能制造是新技术与制造的融合/19
1.5.1物联网是智能制造的感觉神经系统/20
1.5.2云计算是智能制造的中枢神经系统/20
1.5.3大数据是智能制造的“智慧之源”/21
1.6小结/21
本章参考文献/22
第2章云计算体系与层次/25
2.1引言/25
2.1.1五个特性/26
2.1.2三种服务模型/26
2.1.3四种部署模型/27
2.2云计算技术体系/28
2.3虚拟化和容器技术/29
2.3.1计算虚拟化技术/30
2.3.2存储虚拟化技术/32
2.3.3网络虚拟化技术/33
2.3.4容器技术/35
2.3.5Kubernetes（K8s）/39
2.4云基础设施管理平台/41
2.4.1OpenStack/42
2.4.2CloudStack/46
2.4.3Eucalyptus/48
2.4.4其他云平台/50
2.5PaaS技术体系/50
2.5.1PaaS服务概述/51
2.5.2Cloud Foundry/52
2.5.3OpenShift/53
2.5.4Google App Engine（GAE）/54
2.5.5其他PaaS平台/55
2.6SaaS技术体系/55
2.6.1SaaS体系结构/56
2.6.2SaaS多租户技术/57
2.6.3Salesforce.com/59
2.7云服务提供商/59
2.7.1亚马逊/60
2.7.2谷歌/60
2.7.3微软/60
2.7.4阿里云/60
2.7.5腾讯云/61
2.7.6其他/61
2.8小结/61
本章参考文献/62
第3章大数据技术体系/66
3.1引言/66
3.2大数据采集技术/68
3.3大数据存储和管理技术/70
3.3.1分布式文件系统/70
3.3.2分布式列式数据库/72
3.4大数据分布式批处理技术/74
3.4.1MapReduce技术/75
3.4.2弹性分布式数据集/77
3.5大数据实时流处理技术/78
3.5.1流处理基本技术/79
3.5.2流处理调度技术/80
3.6大规模图数据处理技术/82
3.6.1图计算模型/82
3.6.2图计算应用示例/84
3.7大数据分析技术/84
本章参考文献/86
第4章大数据开源生态/88
4.1大数据开源生态分层结构/88
4.2分布式存储系统/89
4.2.1Hadoop分布式文件系统/89
4.2.2HBase/90
4.2.3Memcached/Redis/91
4.2.4Haystack/91
4.3消息发布订阅系统/92
4.3.1Apache Kafka/92
4.3.2RabbitMQ/94
4.4分布式批处理系统/95
4.4.1Apache Hadoop/95
4.4.2Apache Hadoop YARN/96
4.4.3Spark/97
4.5实时流处理系统/98
4.5.1Apache Storm/98
4.5.2Spark Streaming/99
4.5.3Apache Flink/100
4.5.4Twitter Heron/101
4.5.5Apache Samza/103
4.6大规模图计算系统/104
4.6.1PowerGraph/104
4.6.2Ligra/105
4.6.3GraphChi/106
4.7大数据分析系统/107
4.7.1TensorFlow/107
4.7.2Caffe/108
4.8分布式协调服务/108
4.8.1Apache Zookeeper/108
4.8.2Spring Cloud/110
本章参考文献/110
第5章云和大数据应用/113
5.1智慧城市应用案例/113
5.1.1智慧城市简介/113
5.1.2现状及分析/114
5.1.3建设模型/114
5.1.4建设案例/116
5.1.5效益分析/117
5.2电子政务应用案例/117
5.2.1建设模式/118
5.2.2建设思路/120
5.2.3安全保障/122
5.2.4效益分析/123
5.3教育应用案例/124
5.3.1建设需求/124
5.3.2建设框架/124
5.3.3建设内容/125
5.3.4效益分析/128
5.4小结/128
本章参考文献/129
第6章云计算、大数据与智能制造的关系/131
6.1智能制造发展背景/131
6.1.1工业1.0到4.0的发展历程/131
6.1.2世界各国智能制造发展现状/132
6.1.3智能制造系统的研究/134
6.2智能制造系统的定义/135
6.3智能制造技术框架/139
6.3.1体系架构/139
6.3.2层次结构/141
6.4智能制造支撑平台/142
6.5大数据促进智能制造/144
6.5.1工业数据大量产生/144
6.5.2智能制造产生大数据的场景/144
6.5.3智能制造与大数据融合/144
6.6小结/147
本章参考文献/147第7章总结和展望/149
7.1“云+大数据”推动产业进步/149
7.1.1云和大数据成为信息能力的倍增器/149
7.1.2新技术推动全连接的新型组织模式/150
7.1.3新技术推动全新的协作模式/150
7.1.4新技术推动全新的产业生态模式/151
7.1.5新技术推动跨境协同模式/152
7.2云计算和大数据的时代/153
7.2.1云和大数据技术是关键和基础/153
7.2.2云和大数据技术发展方向/153
7.2.3云和大数据技术展望/153
本章参考文献/156

云计算和大数据技术作为构建优选新型信息基础设施的商业模式和技术模式，一经提出就广受业界重视。本书讨论了云计算和大数据技术发展现状，分析了靠前外市场的发展趋势，总结了靠前靠前企业、组织和开源社区的相关进展。本书以“中国制造2025”作为切入点，指出云计算和大数据不仅为智能制造提供了基础技术层面的支持，且通过将市场、生产、物流、售后和回收环节转换为在线按需服务，在微观上实现个性化定制，为“中国制造”的优选化提供了可能。