自然雲計算理論（簡體書）

《自然云計算理論》的原創性在于：提出了自然云計算，從自然計算的角度提出并系統研究了云計算理論，為自然計算開辟了云計算分支，提出并研究給出了自然計算的云理論。自然計算與云計算都是一種創新性的計算，是計算科學與信息產業中最令人興奮的分支之一，也是計算科學與信息產業革命性的發展方向之一。《自然云計算理論》內容具體包括：云計算自然原理、自然云計算理論基礎、云計算產業理論、云計算集成理論、云計算時空理論、云計算技術創新和云計算應用創新。自然云計算理論既能詮釋現有的云計算技術，又能在理論上為云計算的發展、在技術與應用上為云計算的創新奠定基礎，為自然計算的發展開辟新的分支。
《自然云計算理論》可供計算機科學領域和地理信息科學等相關應用領域的研究人員使用，亦可作為高等院校和研究院所相關專業的教學用書和參考用書，同時還可以供政府部門和企事業單位信息化建設參考。

朱定局，北京大學博士後，中國科學院深圳先進技術研究院智慧計算與信息科學實驗室主任。博士畢業于中國科學院計算技術研究所，曾任Texas State University地理系訪問學者，勝利油田地質科學研究院科研人員。作為第一發明人，已授權的國家發明專利有“一種冷卻超級計算機的系統及方法”等。作為第一作者撰寫著作Handbookof Research on Artificial Immune Systems and Natural Computing: ApplyingComplex Adaptive Technologies中Nature Inspired Parallel Computing-章等。作為第一負責人，已承擔的項目有國家自然基金項目“多機器人云計算系統的可擴展伸縮容錯方法研究”等。

《自然云計算理論》由科學出版社出版。

前言
第1章 云計算自然原理
1.1 云計算的自然性公理
1.2 云計算的自然性定理
1.3 云計算與自然云的相似性
1.4 云計算系統具備的自然性
1.5 成語中的云計算思想
1.6 社會生活中的云計算思想
1.7 云計算與傳統計算的比較
1.8 云計算的技術集成框架
1.9 云計算系統的多級結構
1.10 云計算系統的體系結構
1.11 云服務與傳統服務的比較
1.12 云服務的原理
1.13 云服務的內容
1.14 云服務的行業分類
1.15 云計算的“生老病死”

第2章 自然云計算理論基礎
2.1 云計算的服務模式與主要流派
2.2 云計算的技術資源積累與產業市場驅動
2.3 云計算的技術趨勢與運營趨勢
2.4 云計算的先集中後民主原理
2.5 用戶感受最深的云計算三大特點
2.6 判斷是否為云計算的三大標準
2.7 狹義與廣義云計算的區別
2.8 道法自然的自然計算
2.9 自然計算產生新型計算
2.10 新型計算中的自然計算
2.11 新型計算與自然計算的結合

第3章 云計算產業理論
3.1 云計算產業理論的背景
3.2 面向市場的云計算產業模型
3.3 云計算產業的縱橫發展
3.4 云計算產業的自我調節機制
3.5 云計算產業成熟度
3.6 云計算產業模型的兩種圖形建模法

第4章 云計算集成理論
4.1 云服務模塊的集成原理
4.2 云服務模塊的集成方法
4.3 云服務模塊的集成模式
4.4 即插即用中心
4.5 互聯互通中心

第5章 云計算時空理論
5.1 云計算時空理論的組成
5.2 云計算時空模型
5.3 云時空數據模型
5.4 云時空數據模型的設計
5.5 云時空數據模型的數據操作方法
5.6 時空模型云升級的意義
5.7 傳統時空模型的云升級
5.8 時空快照修正模型的云升級
5.9 時空復合模型的云升級
5.10 時空數據模型劃分方法的比較
5.11 時空數據模型升級前後的性能比較

第6章 云計算技術創新
6.1 一種自適應云計算方法
6.2 一種云服務的無縫升級方法
6.3 一種云數據審計的方法

第7章 云計算應用創新
7.1 云機器人系統的設計方法
7.2 多機器人云系統的設計方法
7.3 視頻自適應轉碼云系統的設計方法
參考文獻
後記

圖目錄
圖1.1 云的形成
圖1.2 云的轉化
圖1.3 云計算與傳統計算層次對應關系
圖1.4 云計算與傳統計算行業對應關系
圖1.5 云計算與傳統計算供求關系的差異
圖1.6 云計算與傳統計算個體生產關系的差異
圖1.7 云計算與傳統計算集體生產關系的差異
圖1.8 云計算與傳統計算冗余能力的技術差異
圖1.9 云計算與傳統計算冗余能力的模式差異舉例
圖1.10 云計算與傳統計算資源利用及能耗的差異舉例
圖1.11 云計算與傳統計算資源利用及成本的差異舉例
圖1.12 云計算與傳統計算可擴展性的差異舉例
圖1.13 云計算的技術集成框架
圖1.14 多級結構舉例
圖1.15 單級存儲云舉例
圖1.16 多級存儲云舉例
圖1.17 單級計算云舉例
圖1.18 多級計算云舉例
圖1.19 單級網絡云
圖1.20 多級網絡云
圖1.21 系統云
圖1.22 存儲中心系統云
圖1.23 計算中心系統云
圖1.24 網絡中心系統云
圖1.25 云服務原理
圖2.1 云計算的服務模式與主要流派
圖2.2 云計算的技術資源積累與產業市場驅動
圖2.3 云計算的技術趨勢與運營趨勢
圖2.4 云計算的先集中後民主原理
圖2.5 用戶感受最深的云計算三大特點
圖2.6 判斷是否為云計算的三大標準
圖2.7 狹義與廣義云計算的區別
圖3.1 云計算產業金字塔模型
圖3.2 云計算產業規模升級模型
圖3.3 云計算產業成熟度升級模型
圖3.4 云計算產業自我調節模型
圖3.5 云計算產業間主動讓利模型
圖3.6 云計算產業間聯動讓利模型
圖3.7 云計算產業用戶需求拉動模型
圖3.8 云計算產業遞進調節模型
圖3.9 云計算行業規模模型
圖3.10 云計算行業成熟度模型
圖3.11 云計算行業總體模型
圖3.12 云計算新行業演進模型
圖3.13 云計算同一時間的本性模型
圖3.14 云計算不同時間的本性模型
圖3.15 云計算地域本性模型
圖3.16 云計算時空本性模型
圖3.17 云計算產業的三維坐標
圖3.18 云計算產業坐標模型降維法示例一
圖3.19 云計算產業坐標模型降維法示例二
圖4.1 管道集成法
圖4.2 總線集成法
圖4.3 事件集成法
圖4.4 集成不同領域服務模塊方式一
圖4.5 集成不同領域服務模塊方式二
圖4.6 集成分布與非分布服務模塊方式一
圖4.7 集成分布與非分布服務模塊方式二
圖4.8 集成串并行服務模塊方式一
圖4.9 集成串并行服務模塊方式二
圖4.10 集成腳本與服務模塊方式一
圖4.11 集成腳本與服務模塊方式二
圖4.12 即插即用中心的運行流程
圖4.13 互聯互通中心主進程的流程
圖4.14 互聯互通中心請求服務子進程的流程
圖4.15 互聯互通中心獲取服務子進程的流程
圖4.16 互聯互通中心信息交互子進程的流程
圖4.17 互聯互通中心文件轉換子進程的流程
圖4.18 串并行服務模塊或應用連通流程
圖4.19 不同領域服務模塊或應用連通流程
圖4.20 不同領域服務模塊或應用連通流程
圖4.21 連通異常處理流程
圖4.22 串并行服務模塊或應用文件轉換流程
圖4.23 不同領域服務模塊或應用文件轉換流程
圖4.24 不同范例服務模塊或應用文件轉換流程
圖5.1 云計算時空理論組成示意
圖5.2 不同時空模型時間上結構可變性比較
圖5.3 云時空模型時間上結構變化原因
圖5.4 存儲容錯性
圖5.5 計算容錯性
圖5.6 單級數據云時空模型舉例
圖5.7 多級數據云時空模型舉例
圖5.8 單級任務云時空模型舉例
圖5.9 多級任務云時空模型舉例
圖5.10 單級流水云時空模型舉例
圖5.11 多級流水云時空模型舉例
圖5.12 數據—任務云時空模型舉例
圖5.13 任務—數據云時空模型舉例
圖5.14 流水—數據云時空模型舉例
圖5.15 數據—流水云時空模型舉例
圖5.16 流水—任務云時空模型舉例
圖5.17 任務—流水云時空模型舉例
圖5.18 傳統時空數據模型、并行時空數據模型與云時空數據模型的關系
圖5.19 時空數據模型按時空性進行分類
圖5.20 云時空數據模型按劃分的方式進行分類
圖5.21 基于時間維對應用對象集合進行劃分
圖5.22 基于時間維對用戶對象集合進行劃分
圖5.23 基于時間維對程序對象集合進行劃分
圖5.24 基于空間維對應用對象集合進行劃分
圖5.25 基于空間維對用戶對象集合進行劃分
圖5.26 基于空間維對程序對象集合進行劃分
圖5.27 基于本性維對應用對象集合進行劃分
圖5.28 基于本性維對用戶對象集合進行劃分
圖5.29 基于本性維對程序對象集合進行劃分
圖5.30 基于本性維和時間維對對象集合進行劃分
圖5.31 基于空間維和時間維對對象集合進行劃分
圖5.32 基于空間維和本性維對對象集合進行劃分
圖5.33 基于空間維、本性維、時間維對對象集合進行劃分
圖5.34 多級劃分
圖5.35 同一時空數據集同一并行時空數據模型舉例
圖5.36 同一時空數據集多個并行時空數據模型舉例
圖5.37 同一并行時空數據模型多個時空數據集舉例
圖5.38 多個并行時空數據模型多個時空數據集舉例
圖5.39 混合模式舉例
圖5.40 潛在空間使用原則舉例
圖5.41 各存儲空間并行時空數據模型粒度的選擇原則舉例
圖5.42 求同一個時間上的不同空間中的同類對象舉例
圖5.43 求同一個空間上的不同時間中的同類對象舉例
圖5.44 求不同時間上的不同空間中的同類對象舉例
圖5.45 在同一個時間上的不同空間中查詢某對象或某些對象舉例
圖5.46 在同一個空間上的不同時間中查詢某對象或某些對象舉例
圖5.47 在不同時間上的不同空間中查詢某對象或某些對象舉例
圖5.48 同一時間不同空間內的對象之間的空間關系運算舉例
圖5.49 不同空間內的時間點對象之間的空間關系運算舉例
圖5.50 不同時間同一空間內的對象之間的空間關系運算舉例
圖5.51 不同時間不同空間內的對象之間的空間關系運算舉例
圖5.52 不同時間內的某對象自身與自身的空間關系運算舉例
圖5.53 不同時間內的各對象自身與自身的空間關系運算舉例
圖5.54 一段時間內的各對象軌跡之間的空間關系運算舉例
圖5.55 不同空間內的某類對象自身的時間軌跡之間的關系運算舉例
圖5.56 同一空間內不同時間點內對象之間的本性關系運算舉例
圖5.57 同一時間內不同空間內對象之間的本性關系運算舉例
圖5.58 不同時間內不同空間內對象之間的本性關系運算舉例
圖5.59 同一時間內某類對象的空間分布運算舉例
圖5.60 同一時間內多類對象的空間分布運算舉例
圖5.61 某類對象時間點的空間分布運算舉例
圖5.62 多類對象時間點的空間分布運算舉例
圖5.63 不同時間內某類對象的空間分布運算舉例
圖5.64 不同時間內多類對象的空間分布運算舉例
圖5.65 同一空間內某類對象的時間分布運算舉例
圖5.66 同一空間內多類對象的時間分布運算舉例
圖5.67 某類對象空間點的時間分布運算舉例
圖5.68 多類對象空間點的時間分布運算舉例
圖5.69 不同空間內某類對象的時間分布運算舉例
圖5.70 不同空間內多類對象的時間分布運算舉例
圖5.71 同一時空數據集同一基本數據操作舉例
圖5.72 同一時空數據集多個基本數據操作舉例
圖5.73 同一基本數據操作多個時空數據集舉例
圖5.74 多個基本數據操作多個時空數據集舉例
圖5.75 混合數據操作舉例
圖5.76 潛在空間使用原則舉例
圖5.77 各級存儲空間的數據集流動舉例
圖5.78 存儲空間的變化舉例
圖5.79 數據操作的升級舉例
圖5.80 數據操作的變化舉例
圖5.81 時空數據集的變化舉例
圖5.82 串行時空立方體模型(Langran,1992)
圖5.83 劃分串行時空立方體模型
圖5.84 索引時空立方體模型
圖5.85 并行時空立方體模型
圖5.86 串行時空快照修正模型(Langran,1992)
圖5.87 劃分時空快照修正模型
圖5.88 索引時空快照模型
圖5.89 并行時空快照模型
圖5.90 串行時空復合模型(Langran,1992)
圖5.91 索引時空復合模型
圖5.92 并行時空復合模型
圖6.1 自適應云計算方法流程
圖6.2 初級自適應云計算系統結構
圖6.3 高級自適應云計算系統結構
圖6.4 一種云服務的無縫升級方法流程
圖6.5 一種初級云服務的無縫升級系統結構
圖6.6 一種高級云服務的無縫升級系統結構
圖6.7 云數據審計的方法流程
圖6.8 云數據審計的系統結構
圖7.1 云機器人系統的設計方法流程
圖7.2 云機器人系統的系統結構
圖7.3 多機器人云計算系統的擴展伸縮容錯模塊布局
圖7.4 多機器人云計算系統的擴展伸縮容錯模塊交互關系
圖7.5 “多機器人云計算系統擴展”模塊的組成
圖7.6 “云計算節點加入”子模塊的內部流程
圖7.7 “云計算節點退出”子模塊的內部流程
圖7.8 “多機器人云計算系統伸縮”模塊的組成
圖7.9 “多機器人云計算系統用戶伸縮”子模塊的組成
圖7.10 “多機器人云計算系統任務伸縮”子模塊的組成
圖7.11 “多機器人云計算系統容錯”模塊的組成
圖7.12 “云計算節點故障處理”子模塊的內部流程
圖7.13 “機器人節點故障處理”子模塊的內部流程
圖7.14 視頻自適應轉碼云系統的設計方法流程
圖7.15 視頻初級自適應轉碼云系統的方法流程
圖7.16 視頻初級自適應轉碼云系統的系統結構
圖7.17 視頻自適應轉碼云系統的資源池
圖7.18 視頻高級自適應轉碼云系統的方法流程
圖7.19 云服務端的系統結構

表目錄
表5.1 各類時空數據模型特性比較表
表5.2 不考慮進程出錯時各類時空數據模型升級前後計算復雜度比較表
表5.3 考慮進程出錯時各類時空數據模型升級前後計算復雜度比較表
表5.4 各類時空數據模型升級前後存儲復雜度比較表
表5.5 各類時空數據模型升級前後存儲及計算容錯性比較表

而計劃經濟根據供給進行分配，在計劃經濟時代，經常會出現有的地方米多，發霉爛掉了，而有的地方米少，大家都在挨餓，主要原因就是在不考慮需求情況下的供給難以應對需求在時空上的變化和差異。這一點弊端在非云計算模式下也很明顯，因為在非云計算模式下，不同的計算資源為不同的用戶服務，這些計算資源之間沒有很好地通過互聯網共享，難以互相支援。在非云計算模式下，有的用戶計算資源太多，出現閑置，沒有被充分利用，計算節點經常空轉但同樣耗電；而有的用戶計算資源太少，無法滿足計算任務的需要，要么其計算資源處理不了用戶的大作業，要么其計算資源無法在有效的時間內處理完用戶的作業。在非云計算模式下，用戶在某些時候業務忙，其計算資源無法滿足計算需求，有的時候業務閑，其計算資源又會閑置。
不管是從時間上來看同一個用戶不同時間的需求，還是從空間上來看不同用戶的需求，都有所不同，而且在空間分布上和時間上都在發生著變化，顯然在非云計算模式下，靠不變的計算資源供給變化的計算需求是不合理的，所以非云計算模式向云計算模式的轉化是需求變化日益復雜的所有用戶的必然訴求。通過云計算模式，計算資源可以像云一樣流動，可以根據不同用戶需求的變化，從一個用戶流向另一個用戶，從而平衡不同用戶的需求，使得同樣多的計算資源可以服務更多的用戶；通過云計算模式，計算資源可以像云一樣的分散和聚合，既可以滿足某些用戶大作業的計算需求，又可以滿足大量散戶的小作業的計算需求；通過云計算模式，計算資源可以像云一樣有風的時候風起云涌，無風的時候萬里無云，風好比用戶的需求，當某個用戶需求大的時候，能夠及時調配更多的計算資源，當某個用戶需求小的時候，能夠將多余的資源調配給其他用戶使用，所以從時間上等效地看，云計算模式可以根據用戶在不同時間的需求量的變化，將其計算資源從其空閑的時間流向其繁忙的時間。在云計算模式下，計算資源之所以可以根據需求量的變化在時空上進行流動，其奧秘在于充分利用了不同用戶和不同作業需求量的波峰與波谷概率相當性，即某些用戶需求量大的時候，另一些用戶此時可能需求量小；反之亦然。