书籍详情
计算机系统的性能建模与设计：排队论实战
作者：[美] 莫尔·哈肖尔-巴尔特（Mor Harchol-Balter） 著，方娟 蔡旻 张佳玥等译 译
出版社：机械工业出版社
出版时间：2020-08-01
ISBN：9787111659938
定价：¥139.00
购买这本书可以去
内容简介
本书讲述建模、分析和设计大型计算机系统同时使其具有良好性能且成本较低的方法和技术。其中重点强调的排队论也正好是作者非常擅长的理论研究。除了必要的理论方法，还包括丰富的计算机系统设计实例和练习。目的是使读者不仅能够定制现有的计算机系统设计和分析，还可以自己发明适合自己系统设计的方法。全书内容有趣而且易于阅读，采用“苏格拉底式”的问答模式进行叙述，适合该领域的科研和工程人员阅读参考，也适合高校计算机相关专业学生阅读。
作者简介
莫尔·哈肖尔-巴尔特（Mor Harchol-Balter） 卡内基？梅隆大学（CMU）计算机科学系教授。1996年，她在美国科学院院士、图灵奖得主Manuel Blum教授的指导下获得了加州大学伯克利分校的博士学位。1996~1999年，在麻省理工学院从事博士后研究。1999年加入CMU，2008~2011年担任博士项目负责人。她是ACM Fellow和IEEE Fellow。曾被授予McCandless Chair，并曾荣获NSF CAREER奖以及多项*佳伦文奖和杰出教学成果奖。此外，她一直在积极参与SIGMETRICS/PERFORMANCE研究社区的工作。：译者简介：方娟，北京工业大学教授，博士生导师，信息学部计算机学院体系结构研究所所长，物联网工程专业负责人。曾获北京市人才、北京市中青年骨干等称号，发表论文100余篇，授权国家发明专利21项。蔡旻 张佳玥 博士，北京工业大学讲师，信息学部计算机学院体系结构研究所教师。
目录
出版者的话
译者序
序言
前言
致谢
第一部分 排队论简介
第1章 分析建模的功能及实例2
1.1 什么是排队论2
1.2 排队论实例3
第2章 排队论术语8
2.1 我们将去向何方8
2.2 单服务器网络8
2.3 排队网络的分类9
2.4 开放网络10
2.5 更多指标：吞吐量和利用率10
2.6 封闭网络12
2.6.1 交互式（终端驱动）系统13
2.6.2 批处理系统14
2.6.3 封闭系统中的吞吐量14
2.7 封闭网络和开放网络之间的差异15
2.8 阅读材料16
2.9 习题16
第二部分 必要的概率背景知识
第3章 概率知识复习18
3.1 样本空间和事件18
3.2 事件定义的概率18
3.3 事件的条件概率19
3.4 独立事件和有条件独立事件20
3.5 总概率定律21
3.6 贝叶斯定律22
3.7 离散随机变量与连续随机变量22
3.8 概率和密度23
3.8.1 离散：概率质量函数23
3.8.2 连续：概率密度函数25
3.9 期望和方差27
3.10 联合概率和独立性29
3.11 条件概率和期望30
3.12 基于条件化的概率和期望34
3.13 期望的线性性质35
3.14 正态分布36
3.14.1 线性变换特性37
3.14.2 中心极限定理39
3.15 随机变量的随机数的和40
3.16 习题41
第4章 生成用于模拟的随机变量45
4.1 逆变换方法45
4.1.1 连续情况45
4.1.2 离散情况46
4.2 接受拒绝方法47
4.2.1 离散情况47
4.2.2 连续情况48
4.2.3 一些更难的问题50
4.3 阅读材料50
4.4 习题50
第5章 样本路径、收敛和均值52
5.1 收敛52
5.2 强/弱大数定律55
5.3 时间均值与整体均值56
5.3.1 动机56
5.3.2 定义57
5.3.3 解释57
5.3.4 等价性58
5.3.5 模拟59
5.3.6 系统时间均值60
5.4 阅读材料60
5.5 习题60
第三部分 简单运筹定律的预测能力：“假设”问题和答案
第6章 Little定律和其他运筹定律62
6.1 开放系统的Little定律62
6.2 直觉62
6.3 封闭系统的Little定律63
6.4 开放系统的Little定律证明63
6.4.1 基于时间均值的陈述64
6.4.2 证明64
6.4.3 推论65
6.5 封闭系统的Little定律证明66
6.5.1 基于时间均值的陈述66
6.5.2 证明66
6.6 广义的Little定律67
6.7 应用Little定律的示例67
6.8 更多运筹定律：强制流定律69
6.9 运筹定律组合70
6.10 设备需求72
6.11 与Little定律相关的阅读和其他主题73
6.12 习题73
第7章 修改分析：封闭系统的“假设”75
7.1 回顾75
7.2 封闭系统的渐近界限76
7.3 封闭系统的修改分析78
7.4 更多修改分析示例78
7.5 封闭网络和开放网络的比较80
7.6 阅读材料81
7.7 习题81
第四部分 从马尔可夫链到简单队列
第8章 离散时间马尔可夫链84
8.1 离散时间与连续时间马尔可夫链84
8.2 DTMC的定义85
8.3 有限状态DTMC的示例85
8.3.1 维修设施问题85
8.3.2 雨伞问题86
8.3.3 程序分析问题86
8.4 P的幂：n步转移概率87
8.5 平稳方程88
8.6 平稳分布等于极限分布89
8.7 求解平稳方程的示例90
8.7.1 维修设施成本问题90
8.7.2 雨伞问题91
8.8 无限状态DTMC91
8.9 无限状态平稳性结果91
8.10 求解无限状态DTMC中的平稳方程93
8.11 习题95
第9章 遍历性理论97
9.1 遍历性问题97
9.2 有限状态DTMC98
9.2.1 极限分布的存在98
9.2.2 访问状态之间的平均时间101
9.2.3 时间均值102
9.3 无限状态马尔可夫链102
9.3.1 常返与瞬时103
9.3.2 无限随机游走示例106
9.3.3 正常返与零常返108
9.4 马尔可夫链的遍历定理109
9.5 时间均值110
9.6 极限概率解释为速率112
9.7 时间可逆性定理113
9.8 当链是周期性的或者不可约的114
9.8.1 周期链115
9.8.2 不可约的链119
9.9 结论119
*9.10 马尔可夫链的遍历定理的证明119
9.11 习题124*
第10章 真实世界的示例：Google、Aloha和Harder Chains129
10.1 Google的PageRank算法129
10.1.1 Google的DTMC算法129
10.1.2 真实网络图的问题131
10.1.3 死角和蜘蛛陷阱问题的Google解决方案131
10.1.4 PageRank算法的评估132
10.1.5 实际实现的注意事项132
10.2 Aloha协议分析132
10.2.1 Slotted Aloha协议133
10.2.2 Aloha马尔可夫链133
10.2.3 Aloha马尔可夫链的性质134
10.2.4 改进Aloha协议135
10.3 Aloha为更难的马尔可夫链生成函数136
10.3.1 z变换136
10.3.2 求解链136
10.4 阅读材料138
10.5 习题138
第11章 指数分布和泊松过程141
11.1 指数分布的定义141
11.2 指数的无记忆特性142
11.3 通过δ-步将指数与几何相关联143
11.4 指数的更多属性144
11.5 著名的泊松过程146
11.6
译者序
序言
前言
致谢
第一部分 排队论简介
第1章 分析建模的功能及实例2
1.1 什么是排队论2
1.2 排队论实例3
第2章 排队论术语8
2.1 我们将去向何方8
2.2 单服务器网络8
2.3 排队网络的分类9
2.4 开放网络10
2.5 更多指标：吞吐量和利用率10
2.6 封闭网络12
2.6.1 交互式（终端驱动）系统13
2.6.2 批处理系统14
2.6.3 封闭系统中的吞吐量14
2.7 封闭网络和开放网络之间的差异15
2.8 阅读材料16
2.9 习题16
第二部分 必要的概率背景知识
第3章 概率知识复习18
3.1 样本空间和事件18
3.2 事件定义的概率18
3.3 事件的条件概率19
3.4 独立事件和有条件独立事件20
3.5 总概率定律21
3.6 贝叶斯定律22
3.7 离散随机变量与连续随机变量22
3.8 概率和密度23
3.8.1 离散：概率质量函数23
3.8.2 连续：概率密度函数25
3.9 期望和方差27
3.10 联合概率和独立性29
3.11 条件概率和期望30
3.12 基于条件化的概率和期望34
3.13 期望的线性性质35
3.14 正态分布36
3.14.1 线性变换特性37
3.14.2 中心极限定理39
3.15 随机变量的随机数的和40
3.16 习题41
第4章 生成用于模拟的随机变量45
4.1 逆变换方法45
4.1.1 连续情况45
4.1.2 离散情况46
4.2 接受拒绝方法47
4.2.1 离散情况47
4.2.2 连续情况48
4.2.3 一些更难的问题50
4.3 阅读材料50
4.4 习题50
第5章 样本路径、收敛和均值52
5.1 收敛52
5.2 强/弱大数定律55
5.3 时间均值与整体均值56
5.3.1 动机56
5.3.2 定义57
5.3.3 解释57
5.3.4 等价性58
5.3.5 模拟59
5.3.6 系统时间均值60
5.4 阅读材料60
5.5 习题60
第三部分 简单运筹定律的预测能力：“假设”问题和答案
第6章 Little定律和其他运筹定律62
6.1 开放系统的Little定律62
6.2 直觉62
6.3 封闭系统的Little定律63
6.4 开放系统的Little定律证明63
6.4.1 基于时间均值的陈述64
6.4.2 证明64
6.4.3 推论65
6.5 封闭系统的Little定律证明66
6.5.1 基于时间均值的陈述66
6.5.2 证明66
6.6 广义的Little定律67
6.7 应用Little定律的示例67
6.8 更多运筹定律：强制流定律69
6.9 运筹定律组合70
6.10 设备需求72
6.11 与Little定律相关的阅读和其他主题73
6.12 习题73
第7章 修改分析：封闭系统的“假设”75
7.1 回顾75
7.2 封闭系统的渐近界限76
7.3 封闭系统的修改分析78
7.4 更多修改分析示例78
7.5 封闭网络和开放网络的比较80
7.6 阅读材料81
7.7 习题81
第四部分 从马尔可夫链到简单队列
第8章 离散时间马尔可夫链84
8.1 离散时间与连续时间马尔可夫链84
8.2 DTMC的定义85
8.3 有限状态DTMC的示例85
8.3.1 维修设施问题85
8.3.2 雨伞问题86
8.3.3 程序分析问题86
8.4 P的幂：n步转移概率87
8.5 平稳方程88
8.6 平稳分布等于极限分布89
8.7 求解平稳方程的示例90
8.7.1 维修设施成本问题90
8.7.2 雨伞问题91
8.8 无限状态DTMC91
8.9 无限状态平稳性结果91
8.10 求解无限状态DTMC中的平稳方程93
8.11 习题95
第9章 遍历性理论97
9.1 遍历性问题97
9.2 有限状态DTMC98
9.2.1 极限分布的存在98
9.2.2 访问状态之间的平均时间101
9.2.3 时间均值102
9.3 无限状态马尔可夫链102
9.3.1 常返与瞬时103
9.3.2 无限随机游走示例106
9.3.3 正常返与零常返108
9.4 马尔可夫链的遍历定理109
9.5 时间均值110
9.6 极限概率解释为速率112
9.7 时间可逆性定理113
9.8 当链是周期性的或者不可约的114
9.8.1 周期链115
9.8.2 不可约的链119
9.9 结论119
*9.10 马尔可夫链的遍历定理的证明119
9.11 习题124*
第10章 真实世界的示例：Google、Aloha和Harder Chains129
10.1 Google的PageRank算法129
10.1.1 Google的DTMC算法129
10.1.2 真实网络图的问题131
10.1.3 死角和蜘蛛陷阱问题的Google解决方案131
10.1.4 PageRank算法的评估132
10.1.5 实际实现的注意事项132
10.2 Aloha协议分析132
10.2.1 Slotted Aloha协议133
10.2.2 Aloha马尔可夫链133
10.2.3 Aloha马尔可夫链的性质134
10.2.4 改进Aloha协议135
10.3 Aloha为更难的马尔可夫链生成函数136
10.3.1 z变换136
10.3.2 求解链136
10.4 阅读材料138
10.5 习题138
第11章 指数分布和泊松过程141
11.1 指数分布的定义141
11.2 指数的无记忆特性142
11.3 通过δ-步将指数与几何相关联143
11.4 指数的更多属性144
11.5 著名的泊松过程146
11.6
猜您喜欢
