吕云翔、钟巧灵、张璐、王佳玮编著的《云计算与大数据技术/大数据与人工智能技术丛书》在阐述云计算和大数据关系的基础上，介绍了云计算和大数据的基本概念、技术及应用。全书内容如下： 第1~4章讲述云计算的概念和原理，包括云计算的概论、基础、虚拟化、应用； 第5~8章讲述大数据概述及基础，包括大数据概念和发展背景、大数据系统架构概述、分布式通信与协同、大数据存储； 第9~13章讲述大数据处理，包括分布式处理、Hadoop MapReduce解析、Spark解析、流计算、集群资源管理与调度； 第14章讲述综合实践（在OpenStack平台上搭建Hadoop并进行数据分析）。
本书结合实际应用及实践过程来讲解相关概念、原理和技术，实用性较强。适合作为本科院校计算机、云计算、大数据及信息管理等相关专业的教材，也适合计算机爱好者阅读和参考。

第1章 云计算概论
1.1 什么是云计算
1.2 云计算的产生背景
1.3 云计算的发展历史
1.4 如何学好云计算
习题
第2章 云计算基础
2.1 分布式计算
2.2 云计算的基本概念
2.3 云计算的关键技术
2.3.1 分布式海量数据存储
2.3.2 虚拟化技术
2.3.3 云平台技术
2.3.4 并行编程技术
2.3.5 数据管理技术
2.4 云交付模型
2.4.1 软件即服务
2.4.2 平台即服务
2.4.3 基础设施即服务
2.4.4 基本云交付模型的比较
2.4.5 容器即服务
2.5 云部署模式
2.5.1 公有云
2.5.2 私有云
2.5.3 混合云
2.6 云计算的优势与挑战
2.7 典型云应用
2.7.1 云存储
2.7.2 云服务
2.7.3 云物联
2.8 云计算与大数据
习题
第3章 虚拟化
3.1 虚拟化简介
3.1.1 什么是虚拟化
3.1.2 虚拟化的发展历史
3.1.3 虚拟化带来的好处
3.2 虚拟化的分类
3.2.1 服务器虚拟化
3.2.2 网络虚拟化
3.2.3 存储虚拟化
3.2.4 应用虚拟化
3.2.5 技术比较
3.3 系统虚拟化
3.4 虚拟化与云计算
3.5 开源技术
3.5.1 Xen
3.5.2 KVM
3.5.3 OpenVZ
3.6 虚拟化未来发展趋势
习题
第4章 云计算的应用
4.1 概述
4.2 Google公司的云计算平台与应用
4.2.1 MapReduce分布式编程环境
4.2.2 分布式大规模数据库管理系统BigTable
4.2.3 Google的云应用
4.3 亚马逊的弹性计算云
4.3.1 开放的服务
4.3.2 灵活的工作模式
4.3.3 总结
4.4 IBM蓝云云计算平台
4.4.1 蓝云云计算平台中的虚拟化
4.4.2 蓝云云计算平台中的存储结构
4.5 清华大学透明计算平台
4.6 阿里云
4.6.1 阿里云简介
4.6.2 阿里云的发展过程
4.6.3 阿里云的主要产品
4.7 Microsoft Azure
4.7.1 Microsoft Azure简介
4.7.2 Microsoft Azure架构
4.7.3 Microsoft Azure服务平台
4.7.4 开发步骤
习题
第5章 大数据概念和发展背景
5.1 什么是大数据
5.2 大数据的特点
5.3 大数据发展
5.4 大数据应用
习题
第6章 大数据系统架构概述
6.1 总体架构概述
6.1.1 总体架构设计原则
6.1.2 总体架构参考模型
6.2 运行架构概述
6.2.1 物理架构
6.2.2 集成架构
6.2.3 安全架构
6.3 主流大数据系统厂商
6.3.1 Cloudera
6.3.2 Hortonworks
6.3.3 Amazon
6.3.4 Google
6.3.5 微软
6.3.6 阿里云数加平台
习题
第7章 分布式通信与协同
7.1 数据编码传输
7.1.1 数据编码概述
7.1.2 LZSS算法
7.1.3 Snappy压缩库
7.2 分布式通信系统
7.2.1 远程过程调用
7.2.2 消息队列
7.2.3 应用层多播通信
7.2.4 Hadoop IPC应用
7.3 分布式协同系统
7.3.1 Chubby锁服务
7.3.2 ZooKeeper
7.3.3 ZooKeeper在HDFS高可用中使用
习题
第8章 大数据存储
8.1 大数据存储技术发展
8.2 海量数据存储的关键技术
8.2.1 数据分片与路由
8.2.2 数据复制与一致性
8.3 重要数据结构和算法
8.3.1 Bloom Filter
8.3.2 LSM树
8.3.3 Merkle哈希树
8.3.4 Cuckoo哈希
8.4 分布式文件系统
8.4.1 文件存储格式
8.4.2 Google文件系统
8.4.3 HDFS
8.5 分布式数据库NoSQL
8.5.1 NoSQL数据库概述
8.5.2 KV数据库
8.5.3 列式数据库
8.5.4 图数据库
8.5.5 文档数据库
8.6 HBase数据库搭建与使用
8.6.1 HBase伪分布式运行
8.6.2 HBase分布式运行
8.7 大数据存储技术趋势
习题
第9章 分布式处理
9.1 CPU多核和POSIX Thread
9.2 MPI并行计算框架
9.3 Hadoop MapReduce
9.4 Spark
9.5 数据处理技术发展
习题
第10章 Hadoop MapReduce解析
10.1 Hadoop MapReduce架构
10.2 Hadoop MapReduce与高性能计算、网格计算的区别
10.3 MapReduce工作机制
10.3.1 Map
10.3.2 Reduce
10.3.3 Combine
10.3.4 Shuffle
10.3.5 Speculative Task
10.3.6 任务容错
10.4 应用案例
10.4.1 WordCount
10.4.2 WordMean
10.4.3 Grep
10.5 MapReduce的缺陷与不足
习题
第11章 Spark解析
11.1 Spark RDD
11.2 Spark与MapReduce对比
11.3 Spark工作机制
11.3.1 DAG工作图
11.3.2 Partition
11.3.3 Lineage容错方法
11.3.4 内存管理
11.3.5 数据持久化
11.4 数据读取
11.4.1 HDFS
11.4.2 Amazon S3
11.4.