大數(shù)據(jù)技術(shù)及應(yīng)用

第1章 大數(shù)據(jù)概述
1．1 基本概念
1．1．1 信息與數(shù)據(jù)
1．1．2 數(shù)據(jù)庫(kù)
1．1．3 數(shù)據(jù)庫(kù)管理系統(tǒng)
1．1．4 數(shù)據(jù)庫(kù)系統(tǒng)
1．1．5 大數(shù)據(jù)
1．2 數(shù)據(jù)處理
1．2．1 人工管理階段
1．2．2 文件系統(tǒng)階段
1．2．3 數(shù)據(jù)庫(kù)系統(tǒng)階段
1．2．4 分布式文件系統(tǒng)階段
1．3 大數(shù)據(jù)的特征
1．3．1 體量大
1．3．2 類型多
1．3．3 速度快
1．3．4 價(jià)值高
1．4 大數(shù)據(jù)的關(guān)鍵技術(shù)
1．4．1 大數(shù)據(jù)采集
1．4．2 大數(shù)據(jù)存儲(chǔ)與管理
1．4．3 大數(shù)據(jù)分析
1．4．4 大數(shù)據(jù)可視化
1．5 大數(shù)據(jù)的應(yīng)用
1．5．1 政務(wù)大數(shù)據(jù)
1．5．2 醫(yī)療大數(shù)據(jù)
1．5．3 教育大數(shù)據(jù)
1．5．4 商業(yè)大數(shù)據(jù)
1，5．5 金融大數(shù)據(jù)
1．5．6 旅游大數(shù)據(jù)
1．5．7 娛樂(lè)大數(shù)據(jù)
本章小結(jié)
習(xí)題
第2章 Hadoop基礎(chǔ)
2．1 Hadoop概述
2．1．1 Hadoop的特點(diǎn)
2．1．2 Hadoop的組件
2．2 Hadoop的生態(tài)系統(tǒng)
2．2．1 Hadoop 1．0生態(tài)系統(tǒng)
2．2．2 Hadoop 2．0生態(tài)系統(tǒng)
2．3 Hadoop系統(tǒng)架構(gòu)
2．3．1 HDFS分布式文件系統(tǒng)架構(gòu)
2．3．2 MapReduce的計(jì)算架構(gòu)
2．3．3 Spark的計(jì)算架構(gòu)
2．4 Hadoop應(yīng)用系統(tǒng)的體系架構(gòu)
本章小結(jié)
習(xí)題
第3章 HDFS分布式文件系統(tǒng)
3．1 HDFS概述
3．2 HDFS基本組成
3．2．1 HDFS體系結(jié)構(gòu)
3．2．2 HDFS核心功能
3．2．3 塊
3．2．4 節(jié)點(diǎn)
3．3 HDFS數(shù)據(jù)流
3．3．1 HDFS寫數(shù)據(jù)流
3．3．2 HDFS讀數(shù)據(jù)流
3．4 HDFS應(yīng)用實(shí)例
3．4．1 HDFS常用命令及實(shí)例
3．4．2 HDFS讀/寫數(shù)據(jù)
本章小結(jié)
習(xí)題
第4章 HBase分布式數(shù)據(jù)庫(kù)
4．1 HBase概述
4．1．1 HBase的特點(diǎn)
4．1．2 HBase的系統(tǒng)架構(gòu)
4．1．3 HBase在Hadoop生態(tài)系統(tǒng)中的作用
4．1．4 HBase與傳統(tǒng)的關(guān)系數(shù)據(jù)庫(kù)的區(qū)別
4．2 HBase數(shù)據(jù)模型
4．2．1 HBase邏輯模型
4．2．2 HBase物理模型
4．3 HBase的應(yīng)用實(shí)例
4．3．1 HBase Shell及實(shí)例
4．3．2 交互接口及實(shí)例
本章小結(jié)
習(xí)題
第5章 Hive數(shù)據(jù)倉(cāng)庫(kù)工具
5．1 Hive概述
5．1．1 Hive的特點(diǎn)
5．1．2 Hive的系統(tǒng)架構(gòu)
5．1．3 Hive與數(shù)據(jù)庫(kù)兩者之間的差異
5．2 Hive與MySQL配置
5．3 Hive數(shù)據(jù)倉(cāng)庫(kù)基本操作
5．3．1 創(chuàng)建外部表
5．3．2 創(chuàng)建分區(qū)表
5．3．3 向分區(qū)表導(dǎo)入數(shù)據(jù)
5．3．4 MySQL基本操作
5．4 Hive應(yīng)用實(shí)例
5．4．1 Hive數(shù)據(jù)統(tǒng)計(jì)
5．4．2 Hive數(shù)據(jù)查詢
本章小結(jié)
習(xí)題
第6章 MapReduce編程框架
6．1 MapReduce概述
6．1．1 MapReduce的特點(diǎn)
6．1．2 MapReduce基本架構(gòu)
6．2 MapReduce的工作流程
6．2．1 Map任務(wù)執(zhí)行過(guò)程
6．2．2 Reduce任務(wù)執(zhí)行過(guò)程
6．3 大數(shù)據(jù)分析的數(shù)據(jù)準(zhǔn)備
6．3．1 多形態(tài)的大數(shù)據(jù)
6．3．2 大數(shù)據(jù)預(yù)處理方法
6．4 常用的大數(shù)據(jù)分析方法
6．4．1 統(tǒng)計(jì)分析方法
6．4．2 高級(jí)建模方法
6．4．3 數(shù)據(jù)挖掘方法
6．5 常用算法及實(shí)例
6．5．1 排序
6．5．2 求平均
6．5．3 分類統(tǒng)計(jì)
本章小結(jié)
習(xí)題
第7章 Spark計(jì)算引擎
7．1 Spark概述
7．1．1 Spark特點(diǎn)
7．1．2 Spark技術(shù)框架
7．1．3 Spark工作流程
7．1．4 Spark與Hadoop
7．2 RDD
7．2．1 RDD的特性i6i
7．2．2 RDD的創(chuàng)建
7．2．3 RDD的操作
7．3 Spark編程及實(shí)例
7．3．1 Transformation算子應(yīng)用
7．3．2 Action算子應(yīng)用
7．3．3 Spark統(tǒng)計(jì)分析
本章小結(jié)
習(xí)題
……
第8章 大數(shù)據(jù)可視化
第9章 MOOC學(xué)習(xí)行為大數(shù)據(jù)分析實(shí)例
第10章 “大數(shù)據(jù)技術(shù)及應(yīng)用”虛擬實(shí)驗(yàn)概述
參考文獻(xiàn)