大數(shù)據(jù)技術(shù)與應(yīng)用

前言Ⅰ
第1章大數(shù)據(jù)概論
1.1大數(shù)據(jù)技術(shù)簡(jiǎn)介
1.1.1IT產(chǎn)業(yè)的發(fā)展簡(jiǎn)史
1.1.2大數(shù)據(jù)的主要來源
1.1.3數(shù)據(jù)生成的3種主要方式
1.1.4大數(shù)據(jù)的特點(diǎn)
1.1.5大數(shù)據(jù)的處理流程
1.1.6大數(shù)據(jù)的數(shù)據(jù)格式
1.1.7大數(shù)據(jù)的基本特征
1.1.8大數(shù)據(jù)的應(yīng)用領(lǐng)域
1.2大數(shù)據(jù)的技術(shù)架構(gòu)
1.3大數(shù)據(jù)的整體技術(shù)
1.4大數(shù)據(jù)分析的4種典型工具簡(jiǎn)介
1.5大數(shù)據(jù)未來發(fā)展趨勢(shì)
1.5.1數(shù)據(jù)資源化
1.5.2數(shù)據(jù)科學(xué)和數(shù)據(jù)聯(lián)盟的成立
1.5.3大數(shù)據(jù)隱私和安全問題
1.5.4開源軟件成為推動(dòng)大數(shù)據(jù)發(fā)展的動(dòng)力
1.5.5大數(shù)據(jù)在多方位改善人們的生活
本章小結(jié)
習(xí)題1
第2章大數(shù)據(jù)采集及預(yù)處理
2.1數(shù)據(jù)采集簡(jiǎn)介
2.1.1數(shù)據(jù)采集
2.1.2數(shù)據(jù)采集的數(shù)據(jù)來源
2.1.3數(shù)據(jù)采集的技術(shù)方法
2.2大數(shù)據(jù)的預(yù)處理
2.3大數(shù)據(jù)采集及預(yù)處理的主要工具
本章小結(jié)
習(xí)題2
第3章大數(shù)據(jù)分析概論
3.1大數(shù)據(jù)分析簡(jiǎn)介
3.1.1大數(shù)據(jù)分析
3.1.2大數(shù)據(jù)分析的基本方法
3.1.3大數(shù)據(jù)處理流程
3.2大數(shù)據(jù)分析的主要技術(shù)
3.2.1深度學(xué)習(xí)
3.2.2知識(shí)計(jì)算
3.3大數(shù)據(jù)分析處理系統(tǒng)簡(jiǎn)介
3.3.1批量數(shù)據(jù)及處理系統(tǒng)
3.3.2流式數(shù)據(jù)及處理系統(tǒng)
3.3.3交互式數(shù)據(jù)及處理系統(tǒng)
3.3.4圖數(shù)據(jù)及處理系統(tǒng)
3.4大數(shù)據(jù)分析的應(yīng)用
本章小結(jié)
習(xí)題3
第4章大數(shù)據(jù)可視化
4.1大數(shù)據(jù)可視化簡(jiǎn)介
4.2大數(shù)據(jù)可視化工具Tableau
本章小結(jié)
習(xí)題4
第5章Hadoop概論
5.1Hadoop簡(jiǎn)介
5.1.1Hadoop簡(jiǎn)史
5.1.2Hadoop應(yīng)用和發(fā)展趨勢(shì)
5.2Hadoop的架構(gòu)與組成
5.2.1Hadoop架構(gòu)介紹
5.2.2Hadoop組成模塊
5.3Hadoop應(yīng)用分析
本章小結(jié)
習(xí)題5
第6章HDFS和Common概論
6.1HDFS簡(jiǎn)介
6.1.1HDFS的相關(guān)概念
6.1.2HDFS特性
6.1.3HDFS體系結(jié)構(gòu)
6.1.4HDFS的工作原理
6.1.5HDFS的相關(guān)技術(shù)
6.2Common簡(jiǎn)介
本章小結(jié)
習(xí)題6
第7章MapReduce概論
7.1MapReduce簡(jiǎn)介
7.1.1MapReduce
7.1.2MapReduce功能、特征和局限性
7.2Map和Reduce任務(wù)
7.3MapReduce架構(gòu)和工作流程
7.3.1MapReduce的架構(gòu)
7.3.2MapReduce的工作流程
本章小結(jié)
習(xí)題7
第8章NoSQL概論
8.1NoSQL簡(jiǎn)介
8.1.1NoSQL的含義
8.1.2NoSQL的產(chǎn)生
8.1.3NoSQL的特點(diǎn)
8.2NoSQL技術(shù)基礎(chǔ)
8.2.1大數(shù)據(jù)的一致性策略
8.2.2大數(shù)據(jù)的分區(qū)與放置策略
8.2.3大數(shù)據(jù)的復(fù)制與容錯(cuò)技術(shù)
8.2.4大數(shù)據(jù)的緩存技術(shù)
8.3NoSQL的類型
8.3.1鍵值存儲(chǔ)
8.3.2列存儲(chǔ)
8.3.3面向文檔存儲(chǔ)
8.3.4圖形存儲(chǔ)
8.4典型的NoSQL工具
8.4.1Redis
8.4.2Bigtable
8.4.3CouchDB
本章小結(jié)
習(xí)題8
第9章Spark概論
9.1Spark平臺(tái)
9.1.1Spark簡(jiǎn)介
9.1.2Spark發(fā)展
9.1.3Scala語言
9.2Spark與Hadoop
9.2.1Hadoop的局限與不足
9.2.2Spark的優(yōu)點(diǎn)
9.2.3Spark速度比Hadoop快的原因分解
9.3Spark處理框架及其生態(tài)系統(tǒng)
9.3.1底層的Cluster Manager和Data Manager
9.3.2中間層的Spark Runtime
9.3.3高層的應(yīng)用模塊
9.4Spark的應(yīng)用
9.4.1Spark的應(yīng)用場(chǎng)景
9.4.2應(yīng)用Spark的成功案例
本章小結(jié)
習(xí)題9
第10章云計(jì)算與大數(shù)據(jù)
10.1云計(jì)算簡(jiǎn)介
10.1.1云計(jì)算
10.1.2云計(jì)算與大數(shù)據(jù)的關(guān)系
10.1.3云計(jì)算基本特征
10.1.4云計(jì)算服務(wù)模式
10.2云計(jì)算核心技術(shù)
10.2.1虛擬化技術(shù)
10.2.2虛擬化軟件及應(yīng)用
10.2.3資源池化技術(shù)
10.2.4云計(jì)算部署模式
10.3云計(jì)算應(yīng)用案例
本章小結(jié)
習(xí)題10
第11章典型大數(shù)據(jù)解決方案
11.1Intel大數(shù)據(jù)
11.1.1Intel大數(shù)據(jù)解決方案
11.1.2Intel大數(shù)據(jù)相關(guān)案例
11.2百度大數(shù)據(jù)
11.2.1百度大數(shù)據(jù)引擎
11.2.2百度大數(shù)據(jù)+平臺(tái)
11.2.3相關(guān)應(yīng)用
11.2.4百度預(yù)測(cè)的使用方法
11.3騰訊大數(shù)據(jù)
11.3.1騰訊大數(shù)據(jù)解決方案
11.3.2相關(guān)實(shí)例
本章小結(jié)
習(xí)題11
附錄A習(xí)題答案
參考文獻(xiàn)