☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

産品特色

編輯推薦

1.作者建設瞭國內高校**大數據課程教師培訓交流基地，打造瞭中國高校大數據教學****，已經在國內高校形成瞭廣泛的影響力。
2.作者建設瞭國內高校**大數據課程公共服務平颱，為教師教學和學生學習大數據課程提供講義PPT、學習指南、備課指南、上機習題、實驗指南、技術資料、授課視頻等，資源豐富。

內容簡介

（1） 概念篇：介紹當前緊密關聯的*新IT領域技術雲計算、大數據和物聯網。
（2） 大數據存儲與管理篇：介紹分布式數據存儲的概念、原理和技術，包括HDFS、HBase、NoSQL數據庫、雲數據庫。
（3） 大數據處理與分析篇：介紹MapReduce分布式編程框架、基於內存的分布式計算框架Spark、圖計算、流計算、數據可視化。
（4） 大數據應用篇：介紹基於大數據技術的推薦係統。

作者簡介

林子雨,北大博士，廈門大學計算機科學係老師，中國高校**"數字教師"的提齣者和建設者。在數據庫、數據倉庫、數據挖掘、大數據、雲計算和物聯網等領域有著十多年的知識積纍，對各個領域知識都有比較深入的瞭解，有比較寬泛的視野。

目錄

第一篇 大數據基礎

第1章　大數據概述　2
1．1　大數據時代　2
1．1．1　第三次信息化浪潮　2
1．1．2　信息科技為大數據時代提供
技術支撐　3
1．1．3　數據産生方式的變革促成大數據時代的來臨　5
1．1．4　大數據的發展曆程　6
1．2　大數據的概念　7
1．2．1　數據量大　7
1．2．2　數據類型繁多　8
1．2．3　處理速度快　9
1．2．4　價值密度低　9
1．3　大數據的影響　9
1．3．1　大數據對科學研究的影響　10
1．3．2　大數據對思維方式的影響　11
1．3．3　大數據對社會發展的影響　11
1．3．4　大數據對就業市場的影響　12
1．3．5　大數據對人纔培養的影響　13
1．4　大數據的應用　14
1．5　大數據關鍵技術　14
1．6　大數據計算模式　15
1．6．1　批處理計算　16
1．6．2　流計算　16
1．6．3　圖計算　16
1．6．4　查詢分析計算　17
1．7　大數據産業　17
1．8　大數據與雲計算、物聯網　18
1．8．1　雲計算　18
1．8．2　物聯網　21
1．8．3　大數據與雲計算、物聯網的關係　25
1．9　本章小結　26
1．10　習題　26
第2章　大數據處理架構Hadoop　28
2．1　概述　28
2．1．1　Hadoop簡介　28
2．1．2　Hadoop的發展簡史　28
2．1．3　Hadoop的特性　29
2．1．4　Hadoop的應用現狀　29
2．1．5　Hadoop的版本　30
2．2　Hadoop生態係統　30
2．2．1　HDFS　31
2．2．2　HBase　31
2．2．3　MapReduce　31
2．2．4　Hive　32
2．2．5　Pig　32
2．2．6　Mahout　32
2．2．7　Zookeeper　32
2．2．8　Flume　32
2．2．9　Sqoop　32
2．2．10　Ambari　33
2．3　Hadoop的安裝與使用　33
2．3．1　創建Hadoop用戶　33
2．3．2　Java的安裝　34
2．3．3　SSH登錄權限設置　34
2．3．4　安裝單機Hadoop　34
2．3．5　Hadoop僞分布式安裝　35
2．4　本章小結　37
2．5　習題　38
實驗1　安裝Hadoop　38

第二篇　大數據存儲與管理

第3章　分布式文件係統HDFS　42
3．1　分布式文件係統　42
3．1．1　計算機集群結構　42
3．1．2　分布式文件係統的結構　43
3．1．3　分布式文件係統的設計需求　44
3．2　HDFS簡介　44
3．3　HDFS的相關概念　45
3．3．1　塊　45
3．3．2　名稱節點和數據節點　46
3．3．3　第二名稱節點　47
3．4　HDFS體係結構　48
3．4．1　概述　48
3．4．2　HDFS命名空間管理　49
3．4．3　通信協議　49
3．4．4　客戶端　50
3．4．5　HDFS體係結構的局限性　50
3．5　HDFS的存儲原理　50
3．5．1　數據的冗餘存儲　50
3．5．2　數據存取策略　51
3．5．3　數據錯誤與恢復　52
3．6　HDFS的數據讀寫過程　53
3．6．1　讀數據的過程　53
3．6．2　寫數據的過程　54
3．7　HDFS編程實踐　55
3．7．1　HDFS常用命令　55
3．7．2　HDFS的Web界麵　56
3．7．3　HDFS常用Java API及應用實例　57
3．8　本章小結　60
3．9　習題　61
實驗2　熟悉常用的HDFS操作　61
第4章　分布式數據庫HBase　63
4．1　概述　63
4．1．1　從BigTable說起　63
4．1．2　HBase簡介　63
4．1．3　HBase與傳統關係數據庫的
對比分析　64
4．2　HBase訪問接口　65
4．3　HBase數據模型　66
4．3．1　數據模型概述　66
4．3．2　數據模型的相關概念　66
4．3．3　數據坐標　67
4．3．4　概念視圖　68
4．3．5　物理視圖　69
4．3．6　麵嚮列的存儲　69
4．4　HBase的實現原理　71
4．4．1　HBase的功能組件　71
4．4．2　錶和Region　71
4．4．3　Region的定位　72
4．5　HBase運行機製　74
4．5．1　HBase係統架構　74
4．5．2　Region服務器的工作原理　76
4．5．3　Store的工作原理　77
4．5．4　HLog的工作原理　77
4．6　HBase編程實踐　78
4．6．1　HBase常用的Shell命令　78
4．6．2　HBase常用的Java API及
應用實例　80
4．7　本章小結　90
4．8　習題　90
實驗3　熟悉常用的HBase操作　91
第5章　NoSQL數據庫　94
5．1　NoSQL簡介　94
5．2　NoSQL興起的原因　95
5．2．1　關係數據庫無法滿足
Web　2．0的需求　95
5．2．2　關係數據庫的關鍵特性在Web 2．0時代成為“雞肋”　96
5．3　NoSQL與關係數據庫的比較　97
5．4　NoSQL的四大類型　98
5．4．1　鍵值數據庫　99
5．4．2　列族數據庫　100
5．4．3　文檔數據庫　100
5．4．4　圖數據庫　101
5．5　NoSQL的三大基石　101
5．5．1　CAP　101
5．5．2　BASE　103
5．5．3　最終一緻性　104
5．6　從NoSQL到NewSQL數據庫　105
5．7　本章小結　107
5．8　習題　107
第6章　雲數據庫　108
6．1　雲數據庫概述　108
6．1．1　雲計算是雲數據庫興起的基礎　108
6．1．2　雲數據庫的概念　109
6．1．3　雲數據庫的特性　110
6．1．4　雲數據庫是個性化數據
存儲需求的理想選擇　111
6．1．5　雲數據庫與其他數據庫的關係　112
6．2　雲數據庫産品　113
6．2．1　雲數據庫廠商概述　113
6．2．2　Amazon的雲數據庫産品　113
6．2．3　Google的雲數據庫産品　114
6．2．4　微軟的雲數據庫産品　114
6．2．5　其他雲數據庫産品　115
6．3　雲數據庫係統架構　115
6．3．1　UMP係統概述　115
6．3．2　UMP係統架構　116
6．3．3　UMP係統功能　118
6．4　雲數據庫實踐　121
6．4．1　阿裏雲RDS簡介　121
6．4．2　RDS中的概念　121
6．4．3　購買和使用RDS數據庫　122
6．4．4　將本地數據庫遷移到雲端RDS
數據庫　126
6．5　本章小結　127
6．6　習題　127
實驗4　熟練使用RDS for MySQL
數據庫　128

第三篇　大數據處理與分析

第7章　MapReduce　132
7．1　概述　132
7．1．1　分布式並行編程　132
7．1．2　MapReduce模型簡介　133
7．1．3　Map和Reduce函數　133
7．2　MapReduce的工作流程　134
7．2．1　工作流程概述　134
7．2．2　MapReduce的各個執行階段　135
7．2．3　Shuffle過程詳解　136
7．3　實例分析：WordCount　139
7．3．1　WordCount的程序任務　139
7．3．2　WordCount的設計思路　139
7．3．3　WordCount的具體執行過程　140
7．3．4　一個WordCount執行過程的
實例　141
7．4　MapReduce的具體應用　142
7．4．1　MapReduce在關係代數運算中的應用　142
7．4．2　分組與聚閤運算　144
7．4．3　矩陣-嚮量乘法　144
7．4．4　矩陣乘法　144
7．5　MapReduce編程實踐　145
7．5．1　任務要求　145
7．5．2　編寫Map處理邏輯　146
7．5．3　編寫Reduce處理邏輯　147
7．5．4　編寫main方法　147
7．5．5　編譯打包代碼以及運行程序　148
7．6　本章小結　150
7．7　習題　151
實驗5　MapReduce編程初級實踐　152
第8章　Hadoop再探討　155
8．1　Hadoop的優化與發展　155
8．1．1　Hadoop的局限與不足　155
8．1．2　針對Hadoop的改進與提升　156
8．2　HDFS2．0的新特性　156
8．2．1　HDFS HA　157
8．2．2　HDFS聯邦　158
8．3　新一代資源管理調度框架YARN　159
8．3．1　MapReduce1．0的缺陷　159
8．3．2　YARN設計思路　160
8．3．3　YARN體係結構　161
8．3．4　YARN工作流程　163
8．3．5　YARN框架與MapReduce1．0
框架的對比分析　164
8．3．6　YARN的發展目標　165
8．4　Hadoop生態係統中具有代錶性的
功能組件　166
8．4．1　Pig　166
8．4．2　Tez　167
8．4．3　Kafka　169
8．5　本章小結　170
8．6　習題　170
第9章　Spark　172
9．1　概述　172
9．1．1　Spark簡介　172
9．1．2　Scala簡介　173
9．1．3　Spark與Hadoop的對比　174
9．2　Spark生態係統　175
9．3　Spark運行架構　177
9．3．1　基本概念　177
9．3．2　架構設計　177
9．3．3　Spark運行基本流程　178
9．3．4　RDD的設計與運行原理　179
9．4　Spark的部署和應用方式　184
9．4．1　Spark三種部署方式　184
9．4．2　從“Hadoop+Storm”架構轉嚮
Spark架構　185
9．4．3　Hadoop和Spark的統一部署　186
9．5　Spark編程實踐　186
9．5．1　啓動Spark Shell　187
9．5．2　Spark RDD基本操作　187
9．5．3　Spark應用程序　189
9．6　本章小結　192
9．7　習題　193
第10章　流計算　194
10．1　流計算概述　194
10．1．1　靜態數據和流數據　194
10．1．2　批量計算和實時計算　195
10．1．3　流計算的概念　196
10．1．4　流計算與Hadoop　196
10．1．5　流計算框架　197
10．2　流計算的處理流程　197
10．2．1　概述　197
10．2．2　數據實時采集　198
10．2．3　數據實時計算　198
10．2．4　實時查詢服務　199
10．3　流計算的應用　199
10．3．1　應用場景1：實時分析　199
10．3．2　應用場景2：實時交通　200
10．4　開源流計算框架Storm　200
10．4．1　Storm簡介　201
10．4．2　Storm的特點　201
10．4．3　Storm的設計思想　202
10．4．4　Storm的框架設計　203
10．4．5　Storm實例　204
10．5　Spark Streaming　206
10．5．1　Spark Streaming設計　206
10．5．2　Spark Streaming與Storm的
對比　207
10．6　本章小結　208
10．7　習題　208
第11章　圖計算　210
11．1　圖計算簡介　210
11．1．1　傳統圖計算解決方案的
不足之處　210
11．1．2　圖計算通用軟件　211
11．2　Pregel簡介　211
11．3　Pregel圖計算模型　212
11．3．1　有嚮圖和頂點　212
11．3．2　頂點之間的消息傳遞　212
11．3．3　Pregel的計算過程　213
11．3．4　實例　214
11．4　Pregel的C++ API　216
11．4．1　消息傳遞機製　217
11．4．2　Combiner　217
11．4．3　Aggregator　218
11．4．4　拓撲改變　218
11．4．5　輸入和輸齣　218
11．5　Pregel的體係結構　219
11．5．1　Pregel的執行過程　219
11．5．2　容錯性　220
11．5．3　Worker　221
11．5．4　Master　221
11．5．5　Aggregator　222
11．6　Pregel的應用實例　222
11．6．1　單源最短路徑　222
11．6．2　二分匹配　223
11．7　Pregel和MapReduce實現PageRank算法的對比　224
11．7．1　PageRank算法　224
11．7．2　PageRank算法在Pregel中的
實現　225
11．7．3　PageRank算法在MapReduce
中的實現　225
11．7．4　PageRank算法在Pregel
和MapReduce中實現的比較　228
11．8　本章小結　228
11．9　習題　228
第12章　數據可視化　230
12．1　可視化概述　230
12．1．1　什麼是數據可視化　230
12．1．2　可視化的發展曆程　230
12．1．3　可視化的重要作用　231
12．2　可視化工具　233
12．2．1　入門級工具　233
12．2．2　信息圖錶工具　234
12．2．3　地圖工具　235
12．2．4　時間綫工具　236
12．2．5　高級分析工具　236
12．3　可視化典型案例　237
12．3．1　全球黑客活動　237
12．3．2　互聯網地圖　237
12．3．3　編程語言之間的影響力關係圖　238
12．3．4　百度遷徙　239
12．3．5　世界國傢健康與財富之間的
關係　239
12．3．6　3D可視化互聯網地圖APP　239
12．4　本章小結　240
12．5　習題　240

第四篇　大數據應用

第13章　大數據在互聯網領域的
應用　242
13．1　推薦係統概述　242
13．1．1　什麼是推薦係統　242
13．1．2　長尾理論　243
13．1．3　推薦方法　243
13．1．4　推薦係統模型　244
13．1．5　推薦係統的應用　244
13．2　協同過濾　245
13．2．1　基於用戶的協同過濾　245
13．2．2　基於物品的協同過濾　246
13．2．3　UserCF算法和ItemCF算法的
對比　248
13．3　協同過濾實踐　248
13．3．1　實踐背景　248
13．3．2　數據處理　249
13．3．3　計算相似度矩陣　249
13．3．4　計算推薦結果　250
13．3．5　展示推薦結果　250
13．4　本章小結　251
13．5　習題　251
第14章　大數據在生物醫學
領域的應用　252
14．1　流行病預測　252
14．1．1　傳統流行病預測機製的不足　252 大數據技術原理與應用（第2版） 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

不錯，優惠活動買的，劃算

評分☆☆☆☆☆

哈嘍瞭瞭瞭瞭瞭瞭瞭瞭瞭

評分☆☆☆☆☆

給自己充充電，學習學習新知識

評分☆☆☆☆☆

書質量不錯，下次繼續光顧。

評分☆☆☆☆☆

群裏麵推薦的，內容還不錯，入門不錯之選

評分☆☆☆☆☆

挺好的，很實用，下次再看看

評分☆☆☆☆☆

學習大數據的書，學習學習

評分☆☆☆☆☆

有參考價值，介紹比較全麵，內容比較前沿。

評分☆☆☆☆☆

在學校發發發的地方地方發發發多大噠噠噠

類似圖書 點擊查看全場最低價