書馨卡幫你省薪 2024個人購書報告 2024中圖網年度報告
歡迎光臨中圖網 請 | 注冊
> >>
大數(shù)據(jù)技術原理與應用:概念、存儲、處理、分析與應用

大數(shù)據(jù)技術原理與應用:概念、存儲、處理、分析與應用

出版社：人民郵電出版社出版時間：2021-01-01
開本： 26cm 頁數(shù)： 330頁
本類榜單：教材銷量榜
中 圖 價:¥37.7(6.3折) 定價  ¥59.8 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>
買過本商品的人還買了

大數(shù)據(jù)技術原理與應用:概念、存儲、處理、分析與應用 版權信息

大數(shù)據(jù)技術原理與應用:概念、存儲、處理、分析與應用 本書特色

1.大數(shù)據(jù)教學名師之作；2.提供豐富的配套資源：建設了高校大數(shù)據(jù)課程公共服務平臺（http://dblab.xmu.edu.cn/post/bigdata-teaching- platform/），為教師教學和學生學習大數(shù)據(jù)課程提供包括教學大綱、講義PPT、學習指南、備課指南、實驗指南、上機習題、授課視頻、技術資料等全方位、一站式免費服務，平臺每年訪問量超過200萬次，累計訪問量超過750萬次

大數(shù)據(jù)技術原理與應用:概念、存儲、處理、分析與應用 內容簡介

本書系統(tǒng)介紹了大數(shù)據(jù)的相關知識，分為大數(shù)據(jù)基礎篇、大數(shù)據(jù)存儲與管理篇、大數(shù)據(jù)處理與分析篇、大數(shù)據(jù)應用篇。全書共17章，內容包含大數(shù)據(jù)的基本概念、大數(shù)據(jù)處理架構Hadoop、分布式文件系統(tǒng)HDFS、分布式數(shù)據(jù)庫HBase、NoSQL數(shù)據(jù)庫、云數(shù)據(jù)庫、MapReduce、數(shù)據(jù)倉庫Hive、Spark、流計算、Flink、圖計算、數(shù)據(jù)可視化以及大數(shù)據(jù)在互聯(lián)網、生物醫(yī)學領域和其他行業(yè)的應用。本書在Hadoop、HDFS、HBase、MapReduce、Hive、Spark和Flink等重要章節(jié)安排了入門級的實踐操作，以便讀者更好地學習和掌握大數(shù)據(jù)關鍵技術。

大數(shù)據(jù)技術原理與應用:概念、存儲、處理、分析與應用 目錄

**章大數(shù)據(jù)概述 1.pan style="font-family:宋體">大數(shù)據(jù)時代 1.1.pan style="font-family:宋體">第三次信息化浪潮 1.1.2信息科技為大數(shù)據(jù)時代提供技術 支撐 1.1.3數(shù)據(jù)產生方式的變革促成大數(shù)據(jù) 時代的來臨 1.1.4大數(shù)據(jù)的發(fā)展歷程 1.2大數(shù)據(jù)的概念 1.2.pan style="font-family:宋體">數(shù)據(jù)量大 1.2.2數(shù)據(jù)類型繁多· 1.2.3處理速度快 1.2.4價值密度低· 1.3大數(shù)據(jù)的影響 1.3.pan style="font-family:宋體">大數(shù)據(jù)對科學研究的影響 1.3.2大數(shù)據(jù)對思維方式的影響 1.3.3大數(shù)據(jù)對社會發(fā)展的影響 1.3.4大數(shù)據(jù)對就業(yè)市場的影響 1.3.5大數(shù)據(jù)對人才培養(yǎng)的影響 1.4大數(shù)據(jù)的應用 1.5大數(shù)據(jù)關鍵技術· 1.6大數(shù)據(jù)計算模式 1.6.1 批處理計算· 1.6.2 流計算 1.6.3圖計算 1.6.4查詢分析計算 1.7大數(shù)據(jù)產業(yè) 1.8大數(shù)據(jù)與云計算、物聯(lián)網 1.8.1 云計算 1.8.2 物聯(lián)網 1.8.3大數(shù)據(jù)與云計算、物聯(lián)網的 關系 1.9本章小結 1.pan style="font-family:宋體">/span> 第2章 大數(shù)據(jù)處理架構Hadoop29 2.pan style="font-family:宋體">概述 2.1.1 Hadoop簡介 2.1.2Hadoop的發(fā)展簡史 2.1.3Hadoop的特性 2.1.4 Hadoop的應用現(xiàn)狀 2.1.5Hadoop的版本 2.2Hadoop生態(tài)系統(tǒng)· 2.2.1 HDFS. 2.2.2 HBase 2.2.3 MapReduce 2.2.4 Hive· 2.2.5 Pig 2.2.6 Mahout· 2.2.7 ZooKeeper 2.2.8 Flume· 2.2.9 Sqoop· 2.2.10 Ambari 2.3Hadoop的安裝與使用 2.3.1 創(chuàng)建Hadoop用戶 2.3.2 更新apt和安裝Vim編輯器 2.3.3安裝SSH和配置SSH無密碼 登錄 2.3.4安裝Java環(huán)境· 2.3.5安裝單機Hadoop 2.3.6 Hadoop偽分布式安裝 2.4本章小結 2.5 實驗pan>熟悉常用的Linux作和Hadoop 作 第二篇 大數(shù)據(jù)存儲與管理 第3章 分布式文件系統(tǒng)HDFS 3.pan style="font-family:宋體">分布式文件系統(tǒng) 3.1.pan style="font-family:宋體">計算機集群結構 3.1.2分布式文件系統(tǒng)的結構 3.1.3分布式文件系統(tǒng)的設計需求 3.2HDFS簡介· 3.3 HDFS的相關概念 3.3.1 塊 3.3.2名稱節(jié)點和數(shù)據(jù)節(jié)點 3.3.3第二名稱節(jié)點 3.4HDFS體系結構 3.4.1 概述 3.4.2 HDFS命名空間管理 3.4.3通信協(xié)議 3.4.4客戶端 3.4.5HDFS體系結構的局限性 3.5HDFS的存儲原理 3.5.pan style="font-family:宋體">數(shù)據(jù)的冗余存儲 3.5.2數(shù)據(jù)存取策略 3.5.3數(shù)據(jù)錯誤與恢復 3.6HDFS的數(shù)據(jù)讀寫過程 3.6.pan style="font-family:宋體">讀數(shù)據(jù)的過程 3.6.2寫數(shù)據(jù)的過程 3.7 HDFS編程實踐· 3.7.1HDFS常用命令 3.7.2 HDFS的Web頁面 3.7.3 HDFS 常用Java API 及應用實例 3.8本章小結 3.9 /span> 實驗2熟悉常用的HDFS作 第4章 分布式數(shù)據(jù)庫HBase 4.1 概述 4.1.1 從BigTable 說起 4.1.2HBase簡介· 4.1.3 HBase與傳統(tǒng)關系數(shù)據(jù)庫的對比 分析 4.2 HBase 訪問接口 4.3HBase 數(shù)據(jù)模型 4.3.1 數(shù)據(jù)模型概述 4.3.2數(shù)據(jù)模型的相關概念 4.3.3數(shù)據(jù)坐標 4.3.4概念視圖 4.3.5物理視圖 4.3.6面向列的存儲 4.4 HBase的實現(xiàn)原理 4.4.1 HBase 4.4.2 表和Region 4.4.3Region 的定位 4.5 HBase 運行機制 4.5.1HBase系統(tǒng)架構 4.5.2 Region服務器的工作原理 4.5.3Store的工作原理 4.5.4HLog的工作原理 4.6 HBase編程實踐 4.6.1 HBase 常用的 Shell 命令 4.6.2 HBase常用的Java API及應用實例 4.7本章小結 4.8/span> 實驗3熟悉常用的HBase 作 第5章 NoSQL數(shù)據(jù)庫 5.1NoSOL簡介 5.2 NoSQL興起的原因 5.2.pan style="font-family:宋體">關系數(shù)據(jù)庫無法滿足Web2.0的 需求 5.2.2 關系數(shù)據(jù)庫的關鍵特性在Web 2.0 時代成為“雞肋” 5.3 NoSQL與關系數(shù)據(jù)庫的比較 5.4 NoSQL的四大類型· 5.4.pan style="font-family:宋體">鍵值數(shù)據(jù)庫· 5.4.2列族數(shù)據(jù)庫· 5.4.3文檔數(shù)據(jù)庫· 5.4.4 圖數(shù)據(jù)庫 5.5 NoSQL的三大基石 5.5.1 CAP 5.5.2 BASE 5.5.3*終一致性 5.6 從NoSQL到NewSQL數(shù)據(jù)庫 5.7本章小結 5.8 /span> 實驗4 NoSQL和關系數(shù)據(jù)庫的作比較 第6章云數(shù)據(jù)庫 6.pan style="font-family:宋體">云數(shù)據(jù)庫概述 6.1.pan style="font-family:宋體">云計算是云數(shù)據(jù)庫興起的基礎 6.1.2云數(shù)據(jù)庫的概念· 6.1.3 云數(shù)據(jù)庫的特性 6.1.4云數(shù)據(jù)庫是個性化數(shù)據(jù)存儲需求 的理想選擇 6.1.5云數(shù)據(jù)庫與其他數(shù)據(jù)庫的關系 6.2云數(shù)據(jù)庫產品 6.2.1 云數(shù)據(jù)庫廠商概述 6.2.2 Amazon的云數(shù)據(jù)庫產品 6.2.3 Google的云數(shù)據(jù)庫產品 6.2.4 Microsoft的云數(shù)據(jù)庫產品 6.2.5其他云數(shù)據(jù)庫產品 6.3云數(shù)據(jù)庫系統(tǒng)架構· 6.3.1UMP系統(tǒng)概述 6.3.2UMP系統(tǒng)架構 6.3.3UMP能 6.4本章小結 6.5 /span> 第三篇大數(shù)據(jù)處理與分析 第7章 MapReduce 7.1 概述 7.1.pan style="font-family:宋體">分布式并行編程 7.1.2 MapReduce模型簡介 7.1.3 Map 和 Reduce 函數(shù) 7.2 MapReduce的工作流程 7.2.pan style="font-family:宋體">工作流程概述 7.2.2 MapReduce 的各個執(zhí)行階段 7.2.3 Shuffle過程詳解 7.3 實例分析：WordCount 7.3.1WordCount的程序任務 7.3.2 WordCount的設計思路 7.3.3 WordCount的具體執(zhí)行過程 7.3.4 一個 WordCount 執(zhí)行過程的 實例 7.4 MapReduce 的具體應用 7.4.1 MapReduce在關系代數(shù)運算中的 應用 7.4.2分組與聚合運算 7.4.3矩陣-向量乘法 7.4.4矩陣乘法· 7.5 MapReduce編程實踐 7.5.pan style="font-family:宋體">任務要求 7.5.2編寫Map處理邏輯 7.5.3 編寫 Reduce 處理邏輯 7.5.4 編寫main方法 7.5.5編譯代碼以及運行程序 7.6本章小結· 7.7/span> 實驗5 MapReduce初級編程實踐 第8章 Hadoop再探討 8.1Hadoop的優(yōu)化與發(fā)展 8.1.1 Hadoop的局限與不足 8.1.2 針對Hadoop的與提升 8.2HDFS 2.0的新特性 8.2.1 HDFS HA 8.2.2 HDFS聯(lián)邦 8.3新一代資源管理調度框架YARN 8.3.1 MapReduce 1.0的缺陷 8.3.2YARN設計思路 …… 11.3.1 應用場景pan>：實時分析 11.3.2應用場景2：實時交通 11.4 開源流計算框架Storm 11.4.1 Storm簡介 11.4.2 Storm的特點 11.4.3Storm的設計思想 11.4.4 Storm的框架設計 11.4.5 Storm實例 11.5 Spark Streaming 11.5.1 Spark Streaming 設計 11.5.2 Spark Streaming 與Storm 的 對比 11.6本章小結 11.7/span> 第12章 Flink 12.1 Flink簡介 12.2 為什么選擇Flink 12.2.pan style="font-family:宋體">傳統(tǒng)數(shù)據(jù)處理架構 12.2.2 大數(shù)據(jù)Lambda架構 237 12.2.3 流處理架構 12.2.4 Flink是理想的流計算框架239 12.2.5Flink的優(yōu)勢 12.3 Flink 應用場景 12.3.pan style="font-family:宋體">事件驅動型應用 12.3.2數(shù)據(jù)分析應用 12.3.3數(shù)據(jù)流水線應用 12.4Flink技術棧 12.5Flink體系架構 12.6Flink編程模型· 12.7Flink編程實踐 12.7.1 安裝Flink 12.7.2編程實現(xiàn)WordCount程序247 12.8本章小結 12.9 /span> 實驗8 Flink初級編程實踐 第13章圖計算 13.pan style="font-family:宋體">圖計算簡介 13.1.pan style="font-family:宋體">傳統(tǒng)圖計算解決方案的不足 之處 13.1.2通用圖計算軟件 13.2 Pregel 簡介 13.3 Pregel圖計算模型 13.3.pan style="font-family:宋體">有向圖和頂點 13.3.2頂點之間的消息傳遞 255 13.3.3 Pregel的計算過程256 13.3.4 Pregel 計算過程的實例257 13.4 Pregel的C++ API 13.4.pan style="font-family:宋體">消息傳遞機制 13.4.2 Combiner· 13.4.3 Aggregator· 13.4.4 拓撲改變 13.4.5輸入和輸出 13.5 Pregel的體系結構 13.5.1Pregel的執(zhí)行過程 13.5.2 容錯性 13.5.3 Worker· 13.5.4 Master 13.5.5 Aggregator 13.6 Pregel的應用實例 13.6.pan style="font-family:宋體">單源*短路徑 13.6.2二分匹配 13.7 Pregel 和MapReduce實現(xiàn)PageRank 算法的對比 13.7.1PageRank算法 13.7.2 PageRank算法在Pregel 中的 實現(xiàn) 13.7.3 PageRank 算法在 MapReduce 中的實現(xiàn) 13.7.4 PageRank算法在 Pregel和 MapReduce 中實現(xiàn)的比較 13.8本章小結 13.9/span> . 第14章數(shù)據(jù)可視化 14.pan style="font-family:宋體">可視化概述 14.1.pan style="font-family:宋體">什么是數(shù)據(jù)可視化 14.1.2可視化的發(fā)展歷程 14.1.3可視化的重要作用 14.2可視化工具 14.2.pan style="font-family:宋體">入門級工具 14.2.2信息圖表工具 14.2.3 地圖工具 14.2.4時間線工具 14.2.5高級分析工具 14.3可視化典型案例 14.3.pan style="font-family:宋體">全球黑客活動 14.3.2互聯(lián)網地圖 14.3.3 編程語言之間的影響力關系 14.3.4國家健康與財富之間的 關系 14.3.5 3D可視化互聯(lián)網地圖App 14.4本章小結 14.5/span> 第四篇大數(shù)據(jù)應用 第15章 大數(shù)據(jù)在互聯(lián)網領域的 應用 15.pan style="font-family:宋體">推薦系統(tǒng)概述 15.1.pan style="font-family:宋體">什么是推薦系統(tǒng) 15.1.2長尾理論 15.1.3 推薦方法 15.1.4推薦系統(tǒng)模型 15.1.5推薦系統(tǒng)的應用 15.2 協(xié)同過濾 15.2.pan style="font-family:宋體">基于用戶的協(xié)同過濾 基于物品的協(xié)同過濾 15.2.3 UserCF算法和ItemCF算法的 對比 15.3協(xié)同過濾實踐 15.3.pan style="font-family:宋體">實踐背景 15.3.2數(shù)據(jù)處理 15.3.3 計算相似度矩陣. 15.3.4計算推薦結果. 15.3.5展示推薦結果 15.4本章小結 15.5/span> 第16章大數(shù)據(jù)在生物醫(yī)學 領域的應用 16.1 流行病預測 16.1.pan style="font-family:宋體">傳統(tǒng)流行病預測機制的不足 16.1.2基于大數(shù)據(jù)的流行病預測 16.1.3基于大數(shù)據(jù)的流行病預測的 重要作用 16.2智慧 16.3 生物信息學 16.4案例：基于大數(shù)據(jù)的綜合健康服務 16.4.pan style="font-family:宋體"臺概述 16.4.2 16.4.3 16.4.4 16.5本章小結 16.6/span> 第17章 大數(shù)據(jù)的其他應用306 7.pan style="font-family:宋體">大數(shù)據(jù)在物流領域中的應用306 17.1.pan style="font-family:宋體">智能物流的概念 17.1.2智能物流的作用 17.1.3 智能物流的應用 17.1.4 大數(shù)據(jù)是智能物流的關鍵 17.1.5 中國智能物流骨干網——菜鳥 17.2大數(shù)據(jù)在城市管理中的應用 17.2.1 智能交通 17.2.2 環(huán)保監(jiān)測 17.2.3城市規(guī)劃 17.2.4 安防領域 17.3大數(shù)據(jù)在金融行業(yè)中的應用 17.3.1 高頻交易 17.3.2市場情緒分析 17.3.3信貸風險分析 17.4大數(shù)據(jù)在汽車行業(yè)中的應用 17.5大數(shù)據(jù)在行業(yè)中的應用 17.5.pan style="font-family:宋體">發(fā)現(xiàn)關聯(lián)購買行為 17.5.2客戶群體細分 17.5.3 供應鏈管理 17.6大數(shù)據(jù)在餐飲行業(yè)中的應用 17.6.pan style="font-family:宋體">餐飲行業(yè)擁抱大數(shù)據(jù) 17.6.2 餐飲 17.7大數(shù)據(jù)在電信行業(yè)中的應用 17.8大數(shù)據(jù)在能源行業(yè)中的應用 17.9大數(shù)據(jù)在體育和娛樂領域中的 應用· 17.9.1 訓練球隊 17.9.2 投拍影視作品 17.9.3預測比賽結果 17.10 大數(shù)據(jù)在領域中的應用 17.10.pan style="font-family:宋體">大數(shù)據(jù)與國家· 17.10.2應用大數(shù)據(jù)技術防御網絡 攻擊 17.10.3警察應用大數(shù)據(jù)工具 犯罪 17.pan style="font-family:宋體">大數(shù)據(jù)在政府領域中的應用 17.pan style="font-family:宋體">大數(shù)據(jù)在日常生活中的應用 17.pan style="font-family:宋體">本章小結 17.pan style="font-family:宋體">/span> 參考文獻
展開全部

大數(shù)據(jù)技術原理與應用:概念、存儲、處理、分析與應用 作者簡介

林子雨（1978－），男，博士，國內高校知名大數(shù)據(jù)教師，廈門大學計算機科學系副教授，廈門大學云計算與大數(shù)據(jù)研究中心創(chuàng)始成員，廈門大學數(shù)據(jù)庫實驗室負責人，中國計算機學會數(shù)據(jù)庫專委會委員，中國計算機學會信息系統(tǒng)專委會委員，中國高校**“數(shù)字教師”提出者和建設者。2013年開始在廈門大學開設大數(shù)據(jù)課程，建設了國內高校**大數(shù)據(jù)課程公共服務平臺，平臺累計網絡訪問量超過700萬次，成為全國高校大數(shù)據(jù)教學****，并榮獲“2018年福建省教學成果二等獎”，主持的課程《大數(shù)據(jù)技術原理與應用》獲評“2018年國家精品在線開放課程”。主講課程：《大數(shù)據(jù)技術原理與應用》《大數(shù)據(jù)處理技術》《大數(shù)據(jù)導論》。個人主頁：http://dblab.xmu.edu.cn/post/linziyu。E-mail: ziyulin@xmu.edu.cn。數(shù)據(jù)庫實驗室網站：http://dblab.xmu.edu.cn。建設了高校大數(shù)據(jù)課程公共服務平臺（http://dblab.xmu.edu.cn/post/bigdata-teaching- platform/），為教師教學和學生學習大數(shù)據(jù)課程提供包括教學大綱、講義PPT、學習指南、備課指南、實驗指南、上機習題、授課視頻、技術資料等全方位、一站式免費服務，平臺每年訪問量超過200萬次，累計訪問量超過750萬次，同時提供面向高校的大數(shù)據(jù)實驗平臺建設方案和大數(shù)據(jù)課程師資培訓服務。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網
在線客服