《大数据：战略·技术·实践》从实际技术解决方案出发，提出了大数据技术四层架构，即：基础设施层、管理层、分析层、应用层。在此基础上，全面剖析了当前大数据领域中的主流技术，并配以行业应用实例和一线研发人员的独到见解。力求使读者能够通过阅读此书，全面了解当前大数据技术动态和发展趋势，并可针对自己面临的大数据问题找到可行的解决方案。《大数据：战略·技术·实践》是一本不错的技术普及读物。可作为软件开发者、数据存储处理工程师、数据分析师等工程技术人员的参考书，亦可作为高等学校相关专业课程的教材或参考书。
目录
- 第一部分大数据技术概览
- 第1章概述
- 1.1什么是大数据
- 1.1.1大数据的定义及特征
- 1.1.2大数据结构类型
- 1.1.3大数据实例
- 1.2大数据发展史
- 1.3大数据技术架构
- 1.4机遇与挑战
- 参考文献
- 第2章大数据应用
- 2.1大数据驱动新应用
- 2.1.1大数据生态系统
- 2.1.2新的业务应用
- 2.2行业应用实例
- 2.2.1奥巴马的大数据
- 2.2.2预测犯罪
- 2.2.3数据让游戏更精彩
- 2.2.4智能交通
- 2.2.5大学教育
- 2.2.6大数据的姻缘
- 2.2.7传媒出版
- 参考文献
- 第3章大数据基础设施
- 3.1云端大数据
- 3.1.1云基础设施
- 3.1.2虚拟化的三驾马车
- 3.1.3云安全和云平台
- 3.2计算虚拟化
- 3.2.1基本概念
- 3.2.2从部分虚拟化到全虚拟化
- 3.2.3处理器（CPU）的虚拟化
- 3.2.4内存（Memory）的虚拟化
- 3.3大数据存储
- 3.3.1传统存储系统时代的简单回顾
- 3.3.2大数据时代的新挑战
- 3.3.3分布式存储及其案例
- 3.3.4云存储及其存储虚拟化
- 3.3.5大数据存储的其他需求及其特点
- 3.4网络虚拟化
- 3.4.1网卡虚拟化
- 3.4.2虚拟交换机（VirtualSwitch）
- 3.4.3接入层的虚拟化
- 3.4.4覆盖网络虚拟化（NetworkVirtualizationOverlay）
- 3.4.5软件定义的网络（SDN）
- 3.4.6对大数据处理的意义
- 3.5基础架构的安全：云环境中面临的新的安全挑战
- 3.5.1计算资源方面的安全和挑战
- 3.5.2存储方面的安全和挑战
- 3.5.3网络方面的安全和挑战
- 3.6大数据时代的云服务
- 3.6.1大数据与基础设施即服务
- 3.6.2亚马逊云计算服务的解决方案
- 3.6.3OpenStack解决方案
- 3.6.4大数据与应用平台即服务
- 参考文献
- 第4章大数据管理
- 4.1大数据事务处理（OLTP）
- 4.1.1NoSQL
- 4.1.2NewSQL
- 4.2大数据分析处理（OLAP）
- 4.2.1分布式大规模批量处理（MapReduce/Hadoop）
- 4.2.2MPP数据库
- 4.3流数据管理
- 4.3.1流数据管理简介
- 4.3.2复杂事件处理简介
- 4.3.3复杂事件处理软件Esper介绍
- 4.3.4大数据流处理
- 4.3.5大数据摄取与处理
- 参考文献
- 第5章大数据分析
- 5.1数据分析的演变与现状
- 5.1.1数据分析的商业驱动力
- 5.1.2面向分析的数据环境的演变
- 5.1.3传统分析架构
- 5.2大数据分析平台
- 5.2.1大数据分析平台的要点
- 5.2.2大数据分析平台实例：Cetas
- 5.3高级分析理论与方法
- 5.3.1聚类分析
- 5.3.2关联规则
- 5.3.3回归和分类预测
- 5.4数据可视化
- 5.4.1数据可视化基础
- 5.4.2用数据讲故事
- 5.4.3数据可视化的模式
- 5.4.4数据可视化工具基础
- 5.4.5大数据的可视化
- 参考文献
- 第6章数据科学与数据科学家
- 6.1商业智能vs数据科学
- 6.2数据科学家
- 6.2.1大数据生态系统中的关键角色
- 6.2.2数据科学家的特质
- 6.3数据分析生命周期模型
- 6.3.1模型概述
- 6.3.2阶段1：探索发现
- 6.3.3阶段2：数据准备
- 6.3.4阶段3：模型规划
- 6.3.5阶段4：模型建造
- 6.3.6阶段5：沟通结果
- 6.3.7阶段6：项目实施
- 6.4使用范例：企业创新分析
- 6.4.1阶段1：探索发现
- 6.4.2阶段2：数据准备
- 6.4.3阶段3：模型规划
- 6.4.4阶段4：模型建造
- 6.4.5阶段5：沟通结果
- 6.4.6阶段6：项目实施
- 参考文献
- 第二部分大数据解决方案范例
- 第7章医疗大数据解决方案
- 7.1医疗信息化
- 7.1.1全球医疗信息化历史回顾
- 7.1.2我国医疗信息化发展趋势
- 7.2医疗数据综述
- 7.2.1医疗数据的大数据特性
- 7.2.2医疗大数据挑战和机遇
- 7.3医疗大数据基础架构
- 7.3.1建设原则
- 7.3.2面向医疗大数据的信息基础架构方案
- 7.4医疗大数据分析
- 7.4.1医疗云的兴起
- 7.4.2医疗云上的大数据
- 7.4.3医疗大数据分析解决方案
- 7.5医疗大数据的展望
- 参考文献
- 第8章物联网大数据解决方案
- 8.1物联网
- 8.1.1物联网的概念
- 8.1.2物联网技术
- 8.1.3物联网数据
- 8.1.4物联网的机遇和挑战
- 8.1.5物联网应用实例
- 8.2应用行业背景
- 8.2.1脱硫系统的必要性
- 8.2.2脱硫系统工作原理
- 8.2.3大数据时代的数据挖掘
- 8.3参数分析
- 8.3.1火电厂的大数据
- 8.3.2脱硫相关参数
- 8.4优化目标
- 8.4.1脱硫参数优化
- 8.4.2目标成本优化
- 8.5优化方法
- 8.5.1基于数据的理论与方法
- 8.5.2最优化脱硫系统可调参数
- 8.5.3最小化脱硫系统成本
- 8.6数据相关问题
- 8.6.1主要监控参数
- 8.6.2业务相关假设
- 8.6.3数据中存在的问题
- 8.7优化目标1:脱硫运行参数最优目标值挖掘
- 8.7.1数据分布直方图
- 8.7.2基于历史数据的工况划分
- 8.7.3FCM与模糊关联规则挖掘最优可调参数
- 8.8优化目标2:最优目标成本计算
- 8.8.1增压风机用电成本估计
- 8.8.2石灰石成本函数
- 8.9实现简介
- 8.9.1基于HBase的数据模型
- 8.9.2对Mahout的改进
- 8.1总结
- 参考文献
- 第9章移动平台大数据解决方案
- 9.1移动平台的大数据挑战
- 9.2Instagram案例研究
- 9.2.1面临的挑战
- 9.2.2解决方案
- 9.3MobileBack-endasaService基础
- 9.4MBaaS提供商案例研究
- 9.5基于PaaS的MBaaS大数据解决方案
- 参考文献
- 第10章社交网站大数据解决方案
- 10.1大数据时代社交网站面临的挑战
- 10.2Twitter解决方案
- 10.2.1Twitter在线部分大数据解决方案
- 10.2.2Twitter离线部分大数据解决方案
- 10.3LinkedIn解决方案
- 10.4Facebook解决方案
- 10.5国内社交网络解决方案
- 10.5.1腾讯大数据解决方案
- 10.5.2新浪微博大数据解决方案
- 参考文献
- 第11章大数据未来展望
- 11.1大数据发展趋势
- 11.2新的机遇与挑战
- 参考文献
