大數(shù)據(jù)技術(shù)概論：從虛幻走向真實(shí)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(shù)概述
1.1.1大數(shù)據(jù)的基本概念
1.1.2IT產(chǎn)業(yè)的發(fā)展簡(jiǎn)史
1.1.3大數(shù)據(jù)的來(lái)源
1.1.4大數(shù)據(jù)產(chǎn)生的三個(gè)發(fā)展階段
1.1.5大數(shù)據(jù)的特點(diǎn)
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(yīng)用領(lǐng)域
1.2大數(shù)據(jù)技術(shù)架構(gòu)
1.3大數(shù)據(jù)的整體技術(shù)和關(guān)鍵技術(shù)
1.4大數(shù)據(jù)分析的五種典型工具簡(jiǎn)介
1.5大數(shù)據(jù)未來(lái)發(fā)展趨勢(shì)
1.5.1數(shù)據(jù)資源化
1.5.2數(shù)據(jù)科學(xué)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(wèn)題
1.5.4開(kāi)源軟件成為推動(dòng)大數(shù)據(jù)發(fā)展的動(dòng)力
1.5.5大數(shù)據(jù)在多方位改善我們的生活
本章小結(jié)
第2章大數(shù)據(jù)采集及預(yù)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(lái)源
2.1.3大數(shù)據(jù)采集的技術(shù)方法
2.2大數(shù)據(jù)的預(yù)處理
2.3大數(shù)據(jù)采集及預(yù)處理的工具
本章小結(jié)
第3章大數(shù)據(jù)分析概述
3.1大數(shù)據(jù)分析簡(jiǎn)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(shù)
3.2.1深度學(xué)習(xí)
3.2.2知識(shí)計(jì)算
3.2.3可視化
3.3大數(shù)據(jù)分析處理系統(tǒng)簡(jiǎn)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(yīng)用
本章小結(jié)
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(guò)程
4.2大數(shù)據(jù)可視化工具
4.2.1常見(jiàn)大數(shù)據(jù)可視化工具簡(jiǎn)介
4.2.2Tableau數(shù)據(jù)可視化入門(mén)
本章小結(jié)
第5章Hadoop概論
5.1Hadoop簡(jiǎn)介
5.1.1Hadoop的發(fā)展簡(jiǎn)史
5.1.2Hadoop應(yīng)用現(xiàn)狀和發(fā)展趨勢(shì)
5.2Hadoop的架構(gòu)與組成
5.2.1Hadoop架構(gòu)
5.2.2Hadoop組成模塊介紹
5.3Hadoop的應(yīng)用
5.3.1Hadoop平臺(tái)搭建
5.3.2Hadoop的開(kāi)發(fā)方式
5.3.3Hadoop應(yīng)用分析
本章小結(jié)
第6章HDFS和Common概論
6.1HDFS概述
6.1.1HDFS相關(guān)概念
6.1.2HDFS特點(diǎn)
6.1.3HDFS體系結(jié)構(gòu)
6.1.4HDFS工作原理
6.1.5HDFS相關(guān)技術(shù)
6.1.6HDFS源代碼結(jié)構(gòu)
6.1.7HDFS接口
6.2Common概述
本章小結(jié)
第7章MapReduce概論
7.1MapReduce簡(jiǎn)介
7.1.1如何理解MapReduce
7.1.2MapReduce功能和技術(shù)特征
7.2MapReduce的Map和Reduce任務(wù)
7.2.1Map與Reduce
7.2.2Map任務(wù)原理
7.2.3Reduce任務(wù)原理
7.3MapReduce架構(gòu)和工作流程
7.3.1MapReduce的架構(gòu)
7.3.2MapReduce工作流程
7.4MapReduce編程源碼范例
7.5MapReduce接口
本章小結(jié)
第8章NoSQL技術(shù)介紹
8.1NoSQL基礎(chǔ)知識(shí)
8.1.1NoSQL的產(chǎn)生
8.1.2NoSQL的特點(diǎn)
8.1.3NoSQL的技術(shù)基礎(chǔ)
8.2NoSQL的種類(lèi)
8.2.1鍵值存儲(chǔ)
8.2.2列存儲(chǔ)
8.2.3面向文檔存儲(chǔ)
8.2.4圖形存儲(chǔ)
8.3典型的NoSQL工具
8.3.1Redis
8.3.2Bigtable
8.3.3CouchDB
8.3.4Neo4j
本章小結(jié)
第9章Spark概論
9.1Spark概述
9.1.1Spark簡(jiǎn)介
9.1.2Spark發(fā)展
9.1.3Scala語(yǔ)言
9.2Spark與Hadoop
9.2.1Hadoop的局限與不足
9.2.2Spark的優(yōu)點(diǎn)
9.2.3Spark速度比Hadoop快的原因分解
9.3Spark大數(shù)據(jù)處理架構(gòu)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(yīng)用模塊
9.4Spark的應(yīng)用
9.4.1Spark的應(yīng)用場(chǎng)景
9.4.2應(yīng)用Spark的成功案例
本章小結(jié)
第10章云計(jì)算與大數(shù)據(jù)
10.1云計(jì)算概論
10.1.1云計(jì)算定義
10.1.2云計(jì)算與大數(shù)據(jù)的關(guān)系
10.1.3云計(jì)算基本特征
10.1.4云計(jì)算服務(wù)模式
10.2云計(jì)算核心技術(shù)
10.2.1虛擬化技術(shù)
10.2.2虛擬化軟件及應(yīng)用
10.2.3資源池化技術(shù)
10.2.4云計(jì)算部署模式
10.3云計(jì)算仿真
10.4云計(jì)算的安全
10.4.1云計(jì)算安全現(xiàn)狀
10.4.2云計(jì)算安全服務(wù)體系
10.5云計(jì)算應(yīng)用案例
本章小結(jié)
第11章大數(shù)據(jù)解決方案及相關(guān)案例
11.1大數(shù)據(jù)解決方案基礎(chǔ)
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(guān)案例——中國(guó)移動(dòng)廣東公司詳單、賬單
查詢(xún)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(tái)
11.3.3相關(guān)應(yīng)用
11.3.4百度預(yù)測(cè)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(guān)實(shí)例——廣點(diǎn)通
本章小結(jié)
參考文獻(xiàn)