大數(shù)據(jù)浪潮：大數(shù)據(jù)整體解決方案及關鍵技術探索

定　價：￥53.80

作　者：	陳敏
出版社：	華中科技大學出版社
叢編項：
標　簽：	計算機/網(wǎng)絡數(shù)據(jù)倉庫與數(shù)據(jù)挖掘數(shù)據(jù)庫

購買這本書可以去

ISBN：	9787568012706	出版時間：	2015-11-01	包裝：	平裝
開本：	16開	頁數(shù)：	260	字數(shù)：

內(nèi)容簡介

　　本書站在大數(shù)據(jù)學科發(fā)展前沿和大數(shù)據(jù)產(chǎn)業(yè)發(fā)展方向上，結合學術界和工業(yè)界的研究成果和實踐經(jīng)驗，傳播大數(shù)據(jù)領域的研究動態(tài)和先進技術。全書通過“基礎、進階、實戰(zhàn)、應用”四個篇章，既深入淺出地介紹大數(shù)據(jù)的基本概念，又面面俱到地剖析了大數(shù)據(jù)整體解決方案所涉及的具體技術細節(jié)。本書既適合初學者作為基礎學習資料，又適合科研人員作為理論研究教程，更適合從業(yè)人員作為技術參考書目。

作者簡介

　　陳敏，男，1980年12月出生，教授，博士生導師，華中科技大學嵌入與普適計算實驗室主任，23歲獲華南理工大學通信與信息系統(tǒng)博士學位。發(fā)表學術論文180余篇，其中包括SCI論文90余篇，IEEE/ACM期刊論文40余篇；相關論文在美國科技信息索引SCI 數(shù)據(jù)庫中他引總數(shù)500次，Google Scholar中引用總數(shù)超過4250次，單篇論文引用超高520次，其中十篇第一作者論著引用次數(shù)超過1800次，H-index = 29；曾獲第五屆國際異構網(wǎng)服務質量大會QShine 2008最佳論文獎和IEEE ICC 2012最佳論文獎。2012年入選國家第二批“青年千人計劃”，長期從事普適計算、移動通信、多媒體通信、傳感網(wǎng)、云計算、遠程醫(yī)療等領域的研究工作，擔任Information Science等7個國際SCI學術期刊的副編輯或編委，以及IEEE Wireless Communications及IEEE Network等多個著名國際雜志及期刊的特邀編輯。任IEEE CIT 2012，TRIDENTCOM 2014，Mobimedia 2015等國際學術大會副總主席，任Cloudcomp 2014/2015大會指導委員會成員。陳敏教授具有多年海外工作經(jīng)驗，曾在韓國國立漢城大學、加拿大不列顛哥倫比亞大學從事博士后研究，曾任韓國首爾大學助理教授。1999年入選國際電子電氣工程師學會（IEEE）高級會員，2014年擔任IEEE計算機協(xié)會大數(shù)據(jù)技術委員會主席。入選愛思唯爾2014年中國高被引學者。

圖書目錄

目錄
1大數(shù)據(jù)背景(8)
1.1大數(shù)據(jù)時代的到來(8)
1.2大數(shù)據(jù)定義及特征(4)
1.3大數(shù)據(jù)價值(6)
1.4大數(shù)據(jù)備受關注(7)
1.5大數(shù)據(jù)帶來的挑戰(zhàn)(8)
2大數(shù)據(jù)基礎(10)
2.1云計算(10)
2.1.1云計算概述(10)
2.1.2云計算與大數(shù)據(jù)的聯(lián)系(12)
2.2物聯(lián)網(wǎng)(13)
2.2.1物聯(lián)網(wǎng)概述(13)
2.2.2物聯(lián)網(wǎng)與大數(shù)據(jù)(14)
2.3數(shù)據(jù)中心(14)
2.3.1數(shù)據(jù)中心概述(14)
2.3.2數(shù)據(jù)中心與大數(shù)據(jù)(15)
3大數(shù)據(jù)的生成和采集(19)
3.1大數(shù)據(jù)生成(19)
3.1.1企業(yè)內(nèi)部數(shù)據(jù)(19)
3.1.2物聯(lián)網(wǎng)數(shù)據(jù)(20)
3.1.3互聯(lián)網(wǎng)數(shù)據(jù)(21)
3.1.4生物醫(yī)療數(shù)據(jù)(21)
3.1.5其他科學數(shù)據(jù)(22)
3.2大數(shù)據(jù)采集(22)
3.2.1數(shù)據(jù)收集(23)
3.2.2數(shù)據(jù)傳輸(25)
3.2.3數(shù)據(jù)預處理(26)
4大數(shù)據(jù)存儲(28)
4.1海量存儲系統(tǒng)(28)
4.2分布式存儲系統(tǒng)(29)
4.3大數(shù)據(jù)存儲機制(31)
4.3.1數(shù)據(jù)庫技術(32)
4.3.2數(shù)據(jù)庫編程模型(36)
5大數(shù)據(jù)分析(39)
5.1傳統(tǒng)數(shù)據(jù)分析方法(39)
5.2大數(shù)據(jù)分析方法(40)
5.3大數(shù)據(jù)分析架構(42)
5.4大數(shù)據(jù)挖掘和分析軟件(43)
大數(shù)據(jù)浪潮——大數(shù)據(jù)整體解決方案及關鍵技術探索目錄6大數(shù)據(jù)整體解決方案(47)
6.1大數(shù)據(jù)解決方案方法論(47)
6.1.1大數(shù)據(jù)解決方案參考模型(48)
6.1.2大數(shù)據(jù)解決方案分類(49)
6.2大數(shù)據(jù)硬件平臺(50)
6.2.1可擴展性設計(51)
6.2.2可定制性設計(52)
6.3大數(shù)據(jù)軟件系統(tǒng)(55)
6.3.1大數(shù)據(jù)處理系統(tǒng)核心模塊(55)
6.3.2發(fā)行版增強功能、企業(yè)應用優(yōu)化和增值服務(56)
6.3.3基于內(nèi)存計算的大數(shù)據(jù)處理系統(tǒng)(60)
6.4大數(shù)據(jù)典型處理流程(63)
6.5大數(shù)據(jù)一體化解決方案比較(67)
7分布式文件系統(tǒng)HDFS(72)
7.1Hadoop I/O操作(72)
7.1.1I/O操作中的數(shù)據(jù)檢查(73)
7.1.2數(shù)據(jù)的壓縮(76)
7.1.3數(shù)據(jù)的I/O中序列化操作(78)
7.2Hadoop文件系統(tǒng)(87)
7.3HDFS體系結構(89)
7.3.1HDFS的特點和局限(89)
7.3.2HDFS相關概念(90)
7.3.3HDFS架構(91)
7.4 HDFS文件結構(94)
7.4.1NameNode的文件結構(94)
7.4.2編輯日志(edit log)及文件系統(tǒng)映像(filesystem image)(95)
7.4.3Secondary NameNode的目錄結構(96)
7.4.4DataNode的目錄結構(97)
7.5HDFS讀/寫數(shù)據(jù)流(98)
7.5.1文件的讀取(98)
7.5.2文件的寫入(99)
7.5.3一致性模型(101)
7.6HDFS命令詳解(102)
7.6.1通過distcp進行并行復制(102)
7.6.2HDFS平衡(103)
7.6.3其他命令(103)
8并行編程模型MapReduce(108)
8.1MapReduce體系結構(108)
8.1.1MapReduce基本模型(108)
8.1.2MapReduce作業(yè)執(zhí)行流程(108)
8.2MapReduce關鍵流程詳解(110)
8.2.1partiton過程(110)
8.2.2combine過程(111)
8.2.3shuffle過程(112)
8.3MapReduce高級應用(114)
8.3.1二次排序(114)
8.3.2全排序(119)
8.3.3分布式緩存(121)
8.3.4MapReduce 小文件處理與文件壓縮(123)
8.3.5MapReduce負載均衡(125)
9NoSQL數(shù)據(jù)庫HBase(128)
9.1HBase體系結構(128)
9.2RowKey的設計與數(shù)據(jù)訪問(132)
9.3過濾器(135)
9.3.1比較過濾器(137)
9.3.2專用過濾器(137)
9.3.3附加過濾器(139)
9.3.4FilterList(139)
9.3.5自定義過濾器(140)
9.4HBase多維數(shù)據(jù)訪問(142)
9.4.1通過Filter實現(xiàn)(142)
9.4.2通過設計RowKey實現(xiàn)(143)
9.5協(xié)處理器Coprocessor(143)
9.5.1Coprocessor類(144)
9.5.2協(xié)處理器的加載(144)
9.5.3觀察者(146)
9.5.4終端(150)
9.6二級索引(154)
9.6.1全局索引（global index）(154)
9.6.2本地索引（local index）(155)
10交互式查詢語言Hive(157)
10.1Hive體系結構(157)
10.1.1Hive客戶端(159)
10.1.2Metastore(159)
10.2Hive數(shù)據(jù)類型(160)
10.2.1基本類型(161)
10.2.2復雜類型(161)
10.3Hive存儲方式和壓縮類型(162)
10.3.1托管表和外部表(162)
10.3.2存儲方式(163)
10.4Hive關鍵技術(164)
10.4.1HiveQL簡介(164)
10.4.2Hive表的創(chuàng)建(165)
10.4.3Hive表的數(shù)據(jù)加載(166)
10.4.4Hive表的查詢(167)
10.4.5Hive表的更改(170)
10.4.6Hive表的刪除(171)
10.4.7Hive表的分區(qū)(171)
10.4.8Hive表的分桶(173)
10.4.9用戶定義函數(shù)(174)
10.5Hive優(yōu)化技術(175)
10.5.1Join優(yōu)化(175)
10.5.2數(shù)據(jù)傾斜優(yōu)化(176)
10.5.3Map和Reduce個數(shù)控制(177)
11資源管理和調(diào)度框架——YARN(180)
11.1MRv1架構面臨的問題(180)
11.2YARN架構(181)
11.2.1YARN整體架構(181)
11.2.2RM組件的作用(183)
11.2.3AM組件的作用(184)
11.2.4NM組件的作用(185)
11.2.5運行在YARN上的計算框架(186)
11.2.6在YARN上定制計算框架(187)
11.3YARN管理后臺簡介(188)
11.4YARN資源調(diào)度(192)
12內(nèi)存計算引擎Spark(197)
12.1Spark簡介(197)
12.2Spark整體架構(198)
12.3Spark核心概念(199)
12.3.1彈性分布式數(shù)據(jù)集(199)
12.3.2RDD模型的優(yōu)點(200)
12.3.3Spark DAG(201)
12.4Spark編程模型(202)
12.4.1Spark初始化(203)
12.4.2RDDs(203)
12.4.3Shared Variables(205)
12.5Spark相關組件(207)
12.6Spark應用實例(208)
12.6.1InMemory Analytics(208)
12.6.2Traffic Modeling(209)
12.6.3Twitter Spam Classification (209)
13大數(shù)據(jù)應用(213)
13.1大數(shù)據(jù)應用演化(213)
13.2大數(shù)據(jù)分析的關鍵領域(214)
13.2.1結構化數(shù)據(jù)分析(214)
13.2.2文本分析(215)
13.2.3Web分析(216)
13.2.4多媒體分析(217)
13.2.5網(wǎng)絡分析(218)
13.2.6移動分析(219)
14大數(shù)據(jù)案例分析(221)
14.1物聯(lián)網(wǎng)大數(shù)據(jù)(221)
14.1.1物聯(lián)網(wǎng)大數(shù)據(jù)的表示(222)
14.1.2物聯(lián)網(wǎng)大數(shù)據(jù)的預處理(223)
14.1.3物聯(lián)網(wǎng)大數(shù)據(jù)的快速處理(224)
14.1.4物聯(lián)網(wǎng)大數(shù)據(jù)的并行分析(226)
14.1.5物聯(lián)網(wǎng)大數(shù)據(jù)處理平臺的搭建(227)
14.2其他大數(shù)據(jù)的典型應用(231)
14.2.1企業(yè)級應用(231)
14.2.2社交網(wǎng)絡大數(shù)據(jù)(232)
14.2.3醫(yī)療健康(234)
14.2.4群智感知(235)
14.2.5智能電網(wǎng)(235)
15總結(237)
15.1大數(shù)據(jù)的研究熱點及研究方向(237)
15.1.1基礎理論研究(237)
15.1.2關鍵技術研究(238)
15.1.3應用實踐研究(238)
15.1.4數(shù)據(jù)安全研究(239)
15.2展望(240)
參考文獻(243)