前言

系统仿真与建模（SSM）是一门专注于通过使用模型和仿真来解决问题的学科。SSM 几乎被应用于所有涉及多学科研究的科学与工程领域。SSM 开发适用于各学科的框架，以建立在解决方案开发中具有实用价值的基准工具。

为了使 SSM 得以发展并持续进步，需要将建模理论转化为一致的框架，进而实现为一致的基准。当今世界显然已进入大数据与云计算时代。大数据面临的挑战在于通过在硬件和软件层面优化配置，以平衡运行效率与成本开销，同时满足用户约束。在实时计算环境中开展此类研究可能面临以下困难：

• 建立或租用大规模数据中心资源池
• 在大规模真实工作环境中频繁更改实验配置涉及大量手动配置
• 在真实工作环境中，跨异构的软件和硬件资源类型组合并控制不同类型的故障行为和基准测试

基于 SSM 的性能测试和基准测试方法具有显著优势。许多大数据、云应用开发人员和研究人员能够以可控且可重复的方式进行测试。由于需要分析不同大数据处理和云框架的性能，研究人员推出了多个基准测试工具，包括 BigDataBench、BigBench、HiBench、PigMix、CloudSuite 和 GridMix。尽管已取得显著进展，研究领域仍需要一个面向不同应用的全面、整体的大数据与云仿真平台。
编辑感谢所有章节贡献者投入的大量时间和精力，这确保了内容的高质量。编辑还想向协助审阅章节的专家小组表示感谢。