架构大数据：大数据技术及算法解析 PDF 影印完整版

这书从大数据架构的视角全面解析大数据技术性及算法，讨论大数据的发展趋势和发展趋势。不但对大数据有关技术性及算法干了针对性的剖析和叙述，整理了大数据的技术性归类，如系统架构适用、大数据采集、大数据存储、大数据解决、大数据展现及互动，还结合了大数据制造行业的*技术展和大中型互联网企业的大数据架构实践活动，勤奋为阅读者出示一个大数据的全景图画轴。这书从大数据架构的视角全面解析大数据技术性及算法，讨论大数据的发展趋势和发展趋势。不但对大数据有关技术性及算法干了针对性的剖析和叙述，整理了大数据的技术性归类，如系统架构适用、大数据采集、大数据存储、大数据解决、大数据展现及互动，还结合了大数据制造行业的*技术展和大中型互联网企业的大数据架构实践活动，勤奋为阅读者出示一个大数据的全景图画轴。

这书从大数据架构的视角全面解析大数据技术性及算法，讨论大数据的发展趋势和发展趋势，全方位详细介绍大数据的有关技术性、算法和应用领域，协助阅读者塑造大数据的技术选型和系统架构图工作能力。

目录

• 内容简介
• 前言
• 第1章 大数据技术概述
• 1.1 大数据的概念
• 1.2 大数据的行业价值
• 1.3 大数据问题的爆发
• 1.4 大数据处理流程
• 1.5 大数据技术
• 1.5.1 基础架构支持
• 1.5.2 数据采集
• 1.5.3 数据存储
• 1.5.4 数据计算
• 1.5.5 展现与交互
• 1.6 练习题
• 参考文献
• 第2章 大数据基础支撑——数据中心及云计算
• 2.1 数据中心概述
• 2.1.1 云计算时代数据中心面临的问题
• 2.1.2 新一代数据中心关键技术
• 2.1.3 业界发展动态
• 2.1.4 小结
• 2.2 云计算简介
• 2.2.1 云计算定义
• 2.2.2 云计算主要特征
• 2.2.3 Web服务、网格和云计算
• 2.2.4 云计算应用分类
• 2.2.5 小结
• 2.3 大数据与云计算的关系
• 2.3.1 大数据是信息技术发展的必然阶段
• 2.3.2 云计算等新兴信息技术正在真正地落地和实施
• 2.3.3 云计算等新兴技术是解决大数据问题的核心关键
• 2.4 云资源调度与管理
• 2.4.1 云资源管理
• 2.4.2 云资源调度策略
• 2.4.3 云计算数据中心负载均衡调度
• 2.5 开源云管理平台OpenStack
• 2.5.1 OpenStack的构成
• 2.5.2 OpenStack各组件之间的关系
• 2.5.3 OpenStack的逻辑架构
• 2.5.4 小结
• 2.6 软件定义网络
• 2.6.1 起源与发展
• 2.6.2 OpenFlow标准和规范
• 2.6.3 OpenFlow的应用
• 2.7 虚拟机与容器
• 2.7.1 VM虚拟化与Container虚拟化
• 2.7.2 Docker
• 2.8 练习题
• 参考文献
• 第3章 云计算先行者——Google的三驾马车
• 3.1 Google的三驾马车
• 3.1.1 GFS——一个可扩展的分布式文件系统
• 3.1.2 MapReduce——一种并行计算的编程模型
• 3.1.3 BigTable——一个分布式数据存储系统
• 3.2 Google新“三驾马车”
• 3.2.1 Caffeine——基于Percolator的搜索索引系统
• 3.2.2 Pregel——高效的分布式图计算的计算框架
• 3.2.3 Dremel——大规模数据的交互式数据分析系统
• 3.3 练习题
• 参考文献
• 第4章 云存储系统
• 4.1 云存储的基本概念
• 4.1.1 云存储结构模型
• 4.1.2 云存储与传统存储系统的区别
• 4.2 云存储关键技术
• 4.2.1 存储虚拟化技术
• 4.2.2 分布式存储技术
• 4.3 云存储系统分类
• 4.3.1 分布式文件存储
• 4.3.2 分布式块存储
• 4.3.3 分布式对象存储
• 4.3.4 统一存储
• 4.4 其他相关技术
• 4.5 练习题
• 参考文献
• 第5章 数据采集系统
• 5.1 Flume
• 5.1.1 Flume架构
• 5.1.2 Flume核心组件
• 5.1.3 Flume环境搭建与部署
• 5.2 Scribe
• 5.2.1 Scribe架构
• 5.2.2 Scribe中的Store
• 5.2.3 Scribe环境搭建与部署
• 5.3 Chukwa
• 5.3.1 Chukwa的设计目标
• 5.3.2 Chukwa架构
• 5.3.3 Chukwa环境搭建与部署
• 5.4 Kafka
• 5.4.1 Kafka架构
• 5.4.2 Kafka存储
• 5.4.3 Kafka的特点
• 5.4.4 Kafka环境搭建与部署
• 5.5 练习题
• 参考文献
• 第6章 Hadoop与MapReduce
• 6.1 Hadoop平台
• 6.1.1 Hadoop概述
• 6.1.2 Hadoop的发展简史
• 6.1.3 Hadoop的功能和作用
• 6.1.4 HDFS
• 6.1.5 HBase
• 6.2 MapReduce
• 6.2.1 第一代MapReduce（MRv1）
• 6.2.2 MapReduce 2.0——Yarn
• 6.3 Hadoop相关生态系统
• 6.3.1 交互式数据查询分析
• 6.3.2 数据收集、转换工具
• 6.3.3 机器学习工具
• 6.3.4 集群管理与监控
• 6.3.5 其他工具
• 6.4 Hadoop应用案例
• 6.5 练习题
• 参考文献
• 第7章 Spark——大数据统一计算平台
• 7.1 Spark简介
• 7.1.1 Spark
• 7.1.2 BDAS
• 7.2 RDD
• 7.2.1 RDD基本概念
• 7.2.2 RDD示例
• 7.2.3 RDD与分布式共享内存
• 7.3 Spark SQL
• 7.4 MLlib
• 7.5 GraphX
• 7.6 Spark Streaming
• 7.6.1 基本概念
• 7.6.2 编程模型
• 7.7 Spark的安装
• 7.7.1 单机运行Spark
• 7.7.2 使用Spark Shell与Spark交互
• 7.8 Shark、Impala、Hive对比
• 7.9 练习题
• 参考文献
• 第8章 Storm流计算系统
• 8.1 流计算系统
• 8.1.1 流计算系统的特点
• 8.1.2 流计算处理基本流程
• 8.2 Storm流计算框架
• 8.2.1 Storm简介
• 8.2.2 Storm关键术语
• 8.2.3 Storm架构设计
• 8.3 Storm编程实例
• 8.4 Storm应用
• 8.4.1 Storm应用场景
• 8.4.2 Storm应用实例
• 8.5 其他流计算框架
• 8.6 练习题
• 参考文献
• 第9章 SQL、NoSQL与NewSQL
• 9.1 传统SQL数据库
• 9.1.1 关系模型
• 9.1.2 关系型数据库的优点
• 9.1.3 关系型数据库面临的问题
• 9.2 NoSQL
• 9.2.1 NoSQL与大数据
• 9.2.2 NoSQL理论基础
• 9.2.3 分布式模型
• 9.2.4 NoSQL数据库分类
• 9.3 NewSQL
• 9.3.1 系统分类
• 9.3.2 Google Spanner
• 9.3.3 MemSQL
• 9.3.4 VoltDB
• 9.4 练习题
• 参考文献
• 第10章 大数据与数据挖掘
• 10.1 数据挖掘的主要功能和常用算法
• 10.1.1 数据挖掘的主要功能
• 10.1.2 常用算法
• 10.2 大数据时代的数据挖掘
• 10.2.1 传统数据挖掘解决方案
• 10.2.2 分布式数据挖掘解决方案
• 10.3 数据挖掘相关工具
• 10.3.1 Mahout
• 10.3.2 语言工具——Python
• 10.4 数据挖掘与R语言
• 10.4.1 R语言简介
• 10.4.2 R语言在数据挖掘上的应用
• 10.5 练习题
• 参考文献
• 第11章 深度学习
• 11.1 深度学习介绍
• 11.1.1 深度学习的概念
• 11.1.2 深度学习的结构
• 11.1.3 从机器学习到深度学习
• 11.2 深度学习基本方法
• 11.2.1 自动编码器
• 11.2.2 稀疏编码
• 11.3 深度学习模型
• 11.3.1 深度置信网络
• 11.3.2 卷积神经网络
• 11.4 深度学习的训练加速
• 11.4.1 GPU加速
• 11.4.2 数据并行
• 11.4.3 模型并行
• 11.4.4 计算集群
• 11.5 深度学习应用
• 11.5.1 Google
• 11.5.2 百度
• 11.5.3 腾讯Mariana
• 11.6 练习题
• 参考文献
• 第12章 电子商务与社会化网络大数据分析
• 12.1 推荐系统简介
• 12.1.1 推荐系统的评判标准
• 12.1.2 推荐系统的分类
• 12.1.3 在线推荐系统常用算法介绍
• 12.1.4 相关算法知识
• 12.2 计算广告
• 12.2.1 计算广告简介
• 12.2.2 计算广告发展阶段
• 12.2.3 计算广告相关算法
• 12.2.4 计算广告与大数据
• 12.2.5 大数据在计算广告中的应用案例
• 12.3 社交网络
• 12.3.1 社交网络中大数据挖掘的应用场景
• 12.3.2 社交网络大数据挖掘核心算法模型
• 12.3.3 图计算框架
• 12.3.4 大数据在社交网络中的应用案例
• 12.4 练习题
• 第13章 大数据展示与交互技术
• 13.1 数据可视化分类
• 13.1.1 按照展示内容进行划分
• 13.1.2 按照数据类型进行划分
• 13.2 可视化技术分类
• 13.2.1 2D展示技术
• 13.2.2 3D渲染技术
• 13.2.3 体感互动技术
• 13.2.4 虚拟现实技术
• 13.2.5 增强现实技术
• 13.2.6 可穿戴技术
• 13.2.7 可植入设备
• 13.3 练习题
• 参考文献
• 第14章 大数据安全与隐私
• 14.1 云计算时代安全与隐私问题凸显
• 14.2 云计算与大数据时代的安全挑战
• 14.2.1 大数据时代的安全需求
• 14.2.2 信息安全的发展历程
• 14.2.3 新兴信息技术带来的安全挑战
• 14.3 如何解决安全问题
• 14.3.1 云计算安全防护框架
• 14.3.2 基础云安全防护关键技术
• 14.3.3 创立本质安全的新型IT体系
• 14.4 隐私问题
• 14.4.1 防不胜防的隐私泄露
• 14.4.2 隐私保护的政策法规
• 14.4.3 隐私保护技术
• 14.5 练习题
• 参考文献
• 第15章 大数据技术发展趋势
• 15.1 实时化
• 15.2 内存计算
• 15.2.1 机遇与挑战
• 15.2.2 研究进展
• 15.2.3 发展展望
• 15.3 泛在化
• 15.3.1 发展现状
• 15.3.2 发展趋势
• 15.4 智能化
• 15.4.1 传统人工智能
• 15.4.2 基于大数据的人工智能
• 15.5 练习题
• 参考文献
• 第16章 知名企业大数据架构简介
• 16.1 腾讯
• 16.1.1 背景介绍
• 16.1.2 整体架构
• 16.2 淘宝
• 16.2.1 背景介绍
• 16.2.2 整体架构
• 16.3 Facebook
• 16.3.1 背景介绍
• 16.3.2 整体架构
• 16.3.3 技术架构展望
• 16.4 Twitter
• 16.4.1 背景介绍
• 16.4.2 整体架构
• 16.4.3 技术架构展望
• 16.5 Netflix
• 16.5.1 背景介绍
• 16.5.2 整体架构
• 16.5.3 Netflix个性化和推荐系统架构
• 16.6 练习题
• 参考文献