大數(shù)據(jù)技術概論：從虛幻走向真實的數(shù)據(jù)世界

第1章大數(shù)據(jù)概論
1.1大數(shù)據(jù)技術概述
1.1.1大數(shù)據(jù)的基本概念
1.1.2IT產業(yè)的發(fā)展簡史
1.1.3大數(shù)據(jù)的來源
1.1.4大數(shù)據(jù)產生的三個發(fā)展階段
1.1.5大數(shù)據(jù)的特點
1.1.6大數(shù)據(jù)處理流程
1.1.7大數(shù)據(jù)的數(shù)據(jù)格式特性
1.1.8大數(shù)據(jù)的特征
1.1.9大數(shù)據(jù)的應用領域
1.2大數(shù)據(jù)技術架構
1.3大數(shù)據(jù)的整體技術和關鍵技術
1.4大數(shù)據(jù)分析的五種典型工具簡介
1.5大數(shù)據(jù)未來發(fā)展趨勢
1.5.1數(shù)據(jù)資源化
1.5.2數(shù)據(jù)科學和數(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開源軟件成為推動大數(shù)據(jù)發(fā)展的動力
1.5.5大數(shù)據(jù)在多方位改善我們的生活
本章小結
第2章大數(shù)據(jù)采集及預處理
2.1大數(shù)據(jù)采集
2.1.1大數(shù)據(jù)采集概述
2.1.2大數(shù)據(jù)采集的數(shù)據(jù)來源
2.1.3大數(shù)據(jù)采集的技術方法
2.2大數(shù)據(jù)的預處理
2.3大數(shù)據(jù)采集及預處理的工具
本章小結
第3章大數(shù)據(jù)分析概述
3.1大數(shù)據(jù)分析簡介
3.1.1什么是大數(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
3.2.1深度學習
3.2.2知識計算
3.2.3可視化
3.3大數(shù)據(jù)分析處理系統(tǒng)簡介
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)分析的應用
本章小結
第4章大數(shù)據(jù)可視化
4.1大數(shù)據(jù)可視化概述
4.1.1大數(shù)據(jù)可視化與數(shù)據(jù)可視化
4.1.2大數(shù)據(jù)可視化的過程
4.2大數(shù)據(jù)可視化工具
4.2.1常見大數(shù)據(jù)可視化工具簡介
4.2.2Tableau數(shù)據(jù)可視化入門
本章小結
第5章Hadoop概論
5.1Hadoop簡介
5.1.1Hadoop的發(fā)展簡史
5.1.2Hadoop應用現(xiàn)狀和發(fā)展趨勢
5.2Hadoop的架構與組成
5.2.1Hadoop架構
5.2.2Hadoop組成模塊介紹
5.3Hadoop的應用
5.3.1Hadoop平臺搭建
5.3.2Hadoop的開發(fā)方式
5.3.3Hadoop應用分析
本章小結
第6章HDFS和Common概論
6.1HDFS概述
6.1.1HDFS相關概念
6.1.2HDFS特點
6.1.3HDFS體系結構
6.1.4HDFS工作原理
6.1.5HDFS相關技術
6.1.6HDFS源代碼結構
6.1.7HDFS接口
6.2Common概述
本章小結
第7章MapReduce概論
7.1MapReduce簡介
7.1.1如何理解MapReduce
7.1.2MapReduce功能和技術特征
7.2MapReduce的Map和Reduce任務
7.2.1Map與Reduce
7.2.2Map任務原理
7.2.3Reduce任務原理
7.3MapReduce架構和工作流程
7.3.1MapReduce的架構
7.3.2MapReduce工作流程
7.4MapReduce編程源碼范例
7.5MapReduce接口
本章小結
第8章NoSQL技術介紹
8.1NoSQL基礎知識
8.1.1NoSQL的產生
8.1.2NoSQL的特點
8.1.3NoSQL的技術基礎
8.2NoSQL的種類
8.2.1鍵值存儲
8.2.2列存儲
8.2.3面向文檔存儲
8.2.4圖形存儲
8.3典型的NoSQL工具
8.3.1Redis
8.3.2Bigtable
8.3.3CouchDB
8.3.4Neo4j
本章小結
第9章Spark概論
9.1Spark概述
9.1.1Spark簡介
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
9.2.3Spark速度比Hadoop快的原因分解
9.3Spark大數(shù)據(jù)處理架構及其生態(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高層的應用模塊
9.4Spark的應用
9.4.1Spark的應用場景
9.4.2應用Spark的成功案例
本章小結
第10章云計算與大數(shù)據(jù)
10.1云計算概論
10.1.1云計算定義
10.1.2云計算與大數(shù)據(jù)的關系
10.1.3云計算基本特征
10.1.4云計算服務模式
10.2云計算核心技術
10.2.1虛擬化技術
10.2.2虛擬化軟件及應用
10.2.3資源池化技術
10.2.4云計算部署模式
10.3云計算仿真
10.4云計算的安全
10.4.1云計算安全現(xiàn)狀
10.4.2云計算安全服務體系
10.5云計算應用案例
本章小結
第11章大數(shù)據(jù)解決方案及相關案例
11.1大數(shù)據(jù)解決方案基礎
11.2Intel大數(shù)據(jù)
11.2.1Intel大數(shù)據(jù)解決方案
11.2.2Intel大數(shù)據(jù)相關案例——中國移動廣東公司詳單、賬單
查詢系統(tǒng)
11.3百度大數(shù)據(jù)
11.3.1百度大數(shù)據(jù)引擎
11.3.2百度大數(shù)據(jù)+平臺
11.3.3相關應用
11.3.4百度預測的使用方法
11.4騰訊大數(shù)據(jù)
11.4.1騰訊大數(shù)據(jù)解決方案
11.4.2相關實例——廣點通
本章小結
參考文獻