書(shū)馨卡幫你省薪 2024個(gè)人購(gòu)書(shū)報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >>
云計(jì)算與大數(shù)據(jù)技術(shù)(第2版·微課視頻·題庫(kù)版)

云計(jì)算與大數(shù)據(jù)技術(shù)(第2版·微課視頻·題庫(kù)版)

出版社：清華大學(xué)出版社出版時(shí)間：2023-07-01
開(kāi)本： 其他 頁(yè)數(shù)： 416
本類榜單：教材銷量榜
中 圖 價(jià):¥53.0(7.6折) 定價(jià)  ¥69.8 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書(shū)更多>

云計(jì)算與大數(shù)據(jù)技術(shù)(第2版·微課視頻·題庫(kù)版) 版權(quán)信息

云計(jì)算與大數(shù)據(jù)技術(shù)(第2版·微課視頻·題庫(kù)版) 本書(shū)特色

本書(shū)注重云計(jì)算與大數(shù)據(jù)基本概念的講解,以案例的方式梳理知識(shí)脈絡(luò)和要點(diǎn),提供綜合云計(jì)算實(shí)驗(yàn)案例及豐富的配套資源。

云計(jì)算與大數(shù)據(jù)技術(shù)(第2版·微課視頻·題庫(kù)版) 內(nèi)容簡(jiǎn)介

本書(shū)在闡述云計(jì)算和大數(shù)據(jù)關(guān)系的基礎(chǔ)上，介紹了云計(jì)算和大數(shù)據(jù)的基本概念、技術(shù)及應(yīng)用。全書(shū)內(nèi)容分為三部分。**部分為云計(jì)算理論與技術(shù)，第1~5章講述云計(jì)算的概念和原理，包括云計(jì)算的概論、基礎(chǔ)、機(jī)制、虛擬化和應(yīng)用。第二部分為大數(shù)據(jù)理論與技術(shù)，第6~9章講述大數(shù)據(jù)概述及基礎(chǔ)，包括大數(shù)據(jù)概念和發(fā)展背景、大數(shù)據(jù)系統(tǒng)架構(gòu)概述、分布式通信與協(xié)同、大數(shù)據(jù)存儲(chǔ)； 第10~15章講述大數(shù)據(jù)處理，包括分布式處理、Hadoop MapReduce解析、Spark解析、流計(jì)算、集群資源管理與調(diào)度、機(jī)器學(xué)習(xí)。第三部分為綜合實(shí)踐，第16~22章由多個(gè)實(shí)驗(yàn)和案例組成。 本書(shū)結(jié)合實(shí)際應(yīng)用及實(shí)踐過(guò)程來(lái)講解相關(guān)概念、原理和技術(shù)，實(shí)用性較強(qiáng)，適合作為本科院校計(jì)算機(jī)、軟件工程、云計(jì)算、大數(shù)據(jù)及信息管理等相關(guān)專業(yè)的教材，也適合計(jì)算機(jī)愛(ài)好者閱讀和參考。

云計(jì)算與大數(shù)據(jù)技術(shù)(第2版·微課視頻·題庫(kù)版) 目錄

**部分云計(jì)算理論與技術(shù) 第1章云計(jì)算概論 1.1什么是云計(jì)算 1.2云計(jì)算的產(chǎn)生背景 1.3云計(jì)算的發(fā)展歷史 1.4如何學(xué)好云計(jì)算 1.5小結(jié) 習(xí)題 第2章云計(jì)算基礎(chǔ) 2.1分布式計(jì)算 2.2云計(jì)算的基本概念 2.3分布式計(jì)算和云計(jì)算的區(qū)別與聯(lián)系 2.4云計(jì)算的關(guān)鍵技術(shù) 2.4.1分布式海量數(shù)據(jù)存儲(chǔ) 2.4.2虛擬化技術(shù) 2.4.3云管理平臺(tái)技術(shù) 2.4.4并行編程技術(shù) 2.4.5數(shù)據(jù)管理技術(shù) 2.5云交付模型 2.5.1SaaS 2.5.2PaaS 2.5.3IaaS 2.5.4基本云交付模型的比較 2.6云部署模式 2.6.1公有云 2.6.2私有云 2.6.3混合云 2.7云計(jì)算的優(yōu)勢(shì)與挑戰(zhàn) 2.8典型的云應(yīng)用 2.8.1云存儲(chǔ) 2.8.2云服務(wù) 2.8.3云物聯(lián) 2.9云計(jì)算與大數(shù)據(jù) 2.10小結(jié) 習(xí)題 第3章云計(jì)算機(jī)制 3.1云基礎(chǔ)設(shè)施機(jī)制 3.1.1虛擬網(wǎng)絡(luò)邊界 3.1.2虛擬服務(wù)器 3.1.3云存儲(chǔ)設(shè)備 3.1.4就緒環(huán)境 3.2云管理機(jī)制 3.2.1遠(yuǎn)程管理系統(tǒng) 3.2.2資源池化管理 3.2.3服務(wù)等級(jí)協(xié)議管理系統(tǒng) 3.2.4計(jì)費(fèi)管理系統(tǒng) 3.2.5資源備份 3.2.6云監(jiān)控 3.2.7自動(dòng)化運(yùn)維 3.2.8服務(wù)模板管理 3.2.9云CMDB及流程管理 3.2.10服務(wù)目錄管理 3.2.11租戶及用戶管理 3.2.12容量規(guī)劃及管理 3.3特殊云機(jī)制 3.3.1自動(dòng)伸縮監(jiān)聽(tīng)器 3.3.2負(fù)載均衡器 3.3.3故障轉(zhuǎn)移系統(tǒng) 3.3.4資源集群 3.3.5多設(shè)備代理 3.3.6狀態(tài)管理數(shù)據(jù)庫(kù) 3.4小結(jié) 習(xí)題 第4章虛擬化 4.1虛擬化簡(jiǎn)介 4.1.1什么是虛擬化 4.1.2虛擬化的發(fā)展歷史 4.1.3虛擬化帶來(lái)的好處 4.2虛擬化的分類 4.2.1服務(wù)器虛擬化 4.2.2網(wǎng)絡(luò)虛擬化 4.2.3存儲(chǔ)虛擬化 4.2.4應(yīng)用虛擬化 4.2.5技術(shù)比較 4.3系統(tǒng)虛擬化 4.4虛擬化與云計(jì)算 4.5開(kāi)源技術(shù) 4.5.1Xen 4.5.2KVM 4.5.3OpenVZ 4.6虛擬化未來(lái)的發(fā)展趨勢(shì) 4.7小結(jié) 習(xí)題 第5章云計(jì)算的應(yīng)用 5.1概述 5.2亞馬遜公司的彈性計(jì)算云 5.2.1開(kāi)放的服務(wù) 5.2.2靈活的工作模式 5.2.3帶來(lái)的好處 5.3Microsoft Azure 5.3.1簡(jiǎn)介 5.3.2Microsoft Azure的架構(gòu) 5.3.3Microsoft Azure服務(wù)平臺(tái) 5.3.4開(kāi)發(fā)步驟 5.4谷歌公司的云計(jì)算平臺(tái)與應(yīng)用 5.4.1MapReduce分布式編程環(huán)境 5.4.2分布式大規(guī)模數(shù)據(jù)庫(kù)管理系統(tǒng)BigTable 5.4.3谷歌的云應(yīng)用 5.5阿里云 5.5.1簡(jiǎn)介 5.5.2阿里云的主要產(chǎn)品 5.6IBM公司的藍(lán)云云計(jì)算平臺(tái) 5.6.1藍(lán)云云計(jì)算平臺(tái)中的虛擬化 5.6.2藍(lán)云云計(jì)算平臺(tái)中的存儲(chǔ)結(jié)構(gòu) 5.7清華大學(xué)的透明計(jì)算平臺(tái) 5.8小結(jié) 習(xí)題 第二部分大數(shù)據(jù)理論與技術(shù) 第6章大數(shù)據(jù)概念和發(fā)展背景 6.1什么是大數(shù)據(jù) 6.2大數(shù)據(jù)的特點(diǎn) 6.3大數(shù)據(jù)的發(fā)展 6.4大數(shù)據(jù)的應(yīng)用 6.5小結(jié) 習(xí)題 第7章大數(shù)據(jù)系統(tǒng)架構(gòu)概述 7.1總體架構(gòu)概述 7.1.1總體架構(gòu)設(shè)計(jì)原則 7.1.2總體架構(gòu)參考模型 7.2運(yùn)行架構(gòu)概述 7.2.1物理架構(gòu) 7.2.2集成架構(gòu) 7.2.3安全架構(gòu) 7.3主流大數(shù)據(jù)系統(tǒng)廠商 7.3.1Cloudera 7.3.2Hortonworks 7.3.3亞馬遜 7.3.4谷歌 7.3.5微軟 7.3.6阿里云數(shù)加平臺(tái) 7.4小結(jié) 習(xí)題 第8章分布式通信與協(xié)同 8.1數(shù)據(jù)編碼傳輸 8.1.1數(shù)據(jù)編碼概述 8.1.2LZSS算法 8.1.3Snappy壓縮庫(kù) 8.2分布式通信系統(tǒng) 8.2.1遠(yuǎn)程過(guò)程調(diào)用 8.2.2消息隊(duì)列 8.2.3應(yīng)用層多播通信 8.2.4Hadoop IPC應(yīng)用 8.3分布式協(xié)同系統(tǒng) 8.3.1Chubby鎖服務(wù) 8.3.2ZooKeeper 8.3.3ZooKeeper在HDFS高可用中使用 8.4小結(jié) 習(xí)題 第9章大數(shù)據(jù)存儲(chǔ) 9.1大數(shù)據(jù)存儲(chǔ)技術(shù)的發(fā)展 9.2海量數(shù)據(jù)存儲(chǔ)的關(guān)鍵技術(shù) 9.2.1數(shù)據(jù)分片與路由 9.2.2數(shù)據(jù)復(fù)制與一致性 9.3重要數(shù)據(jù)結(jié)構(gòu)和算法 9.3.1Bloom Filter 9.3.2LSM樹(shù) 9.3.3Merkle哈希樹(shù) 9.3.4Cuckoo哈希 9.4分布式文件系統(tǒng) 9.4.1文件存儲(chǔ)格式 9.4.2GFS 9.4.3HDFS 9.5分布式數(shù)據(jù)庫(kù)NoSQL 9.5.1NoSQL數(shù)據(jù)庫(kù)概述 9.5.2KV數(shù)據(jù)庫(kù) 9.5.3列式數(shù)據(jù)庫(kù) 9.5.4圖數(shù)據(jù)庫(kù) 9.5.5文檔數(shù)據(jù)庫(kù) 9.6HBase數(shù)據(jù)庫(kù)搭建與使用 9.6.1HBase偽分布式運(yùn)行 9.6.2HBase分布式運(yùn)行 9.7大數(shù)據(jù)存儲(chǔ)技術(shù)的趨勢(shì) 9.8小結(jié) 習(xí)題 第10章分布式處理 10.1CPU多核和POSIX Thread 10.2MPI并行計(jì)算框架 10.3Hadoop MapReduce 10.4Spark 10.5數(shù)據(jù)處理技術(shù)的發(fā)展 10.6小結(jié) 習(xí)題 第11章Hadoop MapReduce解析 11.1Hadoop MapReduce架構(gòu) 11.2Hadoop MapReduce與高性能計(jì)算、網(wǎng)格計(jì)算的區(qū)別 11.3MapReduce工作機(jī)制 11.3.1Map 11.3.2Reduce 11.3.3Combine 11.3.4Shuffle 11.3.5Speculative Task 11.3.6任務(wù)容錯(cuò) 11.4應(yīng)用案例 11.4.1WordCount 11.4.2WordMean 11.4.3Grep 11.5MapReduce的缺陷與不足 11.6小結(jié) 習(xí)題 第12章Spark解析 12.1Spark RDD 12.2Spark與MapReduce對(duì)比 12.3Spark工作機(jī)制 12.3.1DAG工作圖 12.3.2Partition 12.3.3Lineage容錯(cuò)方法 12.3.4內(nèi)存管理 12.3.5數(shù)據(jù)持久化 12.4數(shù)據(jù)讀取 12.4.1HDFS 12.4.2Amazon S3 12.4.3HBase 12.5應(yīng)用案例 12.5.1日志挖掘 12.5.2判別西瓜好壞 12.6Spark的發(fā)展趨勢(shì) 12.7小結(jié) 習(xí)題 第13章流計(jì)算 13.1流計(jì)算概述 13.2流計(jì)算與批處理系統(tǒng)對(duì)比 13.3Storm流計(jì)算系統(tǒng) 13.4Samza流計(jì)算系統(tǒng) 13.5集群日志文件實(shí)時(shí)分析 13.6流計(jì)算的發(fā)展趨勢(shì) 13.7小結(jié) 習(xí)題 第14章集群資源管理與調(diào)度 14.1集群資源統(tǒng)一管理系統(tǒng) 14.1.1集群資源管理概述 14.1.2Apache YARN 14.1.3Apache Mesos 14.1.4Google Omega 14.2資源管理模型 14.2.1基于slot的資源表示模型 14.2.2基于*大*小公平原則的資源分配模型 14.3資源調(diào)度策略 14.3.1調(diào)度策略概述 14.3.2Capacity Scheduler調(diào)度 14.3.3Fair Scheduler調(diào)度 14.4YARN上運(yùn)行計(jì)算框架 14.4.1MapReduce on YARN 14.4.2Spark on YARN 14.4.3YARN程序設(shè)計(jì) 14.5小結(jié) 習(xí)題 第15章機(jī)器學(xué)習(xí) 15．1機(jī)器學(xué)習(xí)概述 15．1．1關(guān)鍵術(shù)語(yǔ) 15．1．2機(jī)器學(xué)習(xí)的分類 15．1．3機(jī)器學(xué)習(xí)的模型構(gòu)造過(guò)程 15．2監(jiān)督學(xué)習(xí) 15．2．1線性回歸 15．2．2邏輯斯特回歸 15．2．3*小近鄰法 15．2．4線性判別分析法 15．2．5樸素貝葉斯分類算法 15．2．6決策樹(shù)分類算法
15．2．7支持向量機(jī)分類算法 15．3非監(jiān)督學(xué)習(xí) 15．3．1劃分式聚類方法 15．3．2層次化聚類方法 15．3．3基于密度的聚類方法 15．4強(qiáng)化學(xué)習(xí) 15．4．1強(qiáng)化學(xué)習(xí)VS監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí) 15．4．2強(qiáng)化學(xué)習(xí)問(wèn)題描述 15．4．3強(qiáng)化學(xué)習(xí)問(wèn)題分類 15．5神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí) 15．5．1感知器模型 15．5．2前饋神經(jīng)網(wǎng)絡(luò) 15．5．3卷積神經(jīng)網(wǎng)絡(luò) 15．5．4其他類型結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò) 15．6案例： 銀行貸款用戶篩選 15.7小結(jié) 習(xí)題 第三部分綜 合 實(shí) 踐 第16章實(shí)驗(yàn)： AWS 16.1實(shí)驗(yàn)一： 創(chuàng)建一個(gè)EC2實(shí)例 16.2實(shí)驗(yàn)二： 創(chuàng)建一個(gè)彈性高可用的博客 16.3實(shí)驗(yàn)三： 使用S3來(lái)實(shí)現(xiàn)靜態(tài)網(wǎng)站 16.4實(shí)驗(yàn)四： AWS關(guān)系型數(shù)據(jù)庫(kù)入門 16.5實(shí)驗(yàn)五： AWS大數(shù)據(jù)系列平臺(tái) 16.6實(shí)驗(yàn)六： AWS計(jì)算存儲(chǔ)網(wǎng)絡(luò)基礎(chǔ)入門 16.7實(shí)驗(yàn)七： AWS上的Kubernetes創(chuàng)建、管理及DevOps 第17章實(shí)驗(yàn)： 阿里云 17.1實(shí)驗(yàn)一： 創(chuàng)建阿里云服務(wù)器 17.2實(shí)驗(yàn)二： 配置SSH遠(yuǎn)程連接 17.3實(shí)驗(yàn)三： 安裝Python環(huán)境 17.4實(shí)驗(yàn)四： 部署并啟動(dòng)Django服務(wù) 第18章實(shí)驗(yàn)： Docker 18.1Docker的核心概念 18.2實(shí)驗(yàn)一： Docker的安裝 18.3實(shí)驗(yàn)二： 容器操作 18.4實(shí)驗(yàn)三： 搭建一個(gè)Docker應(yīng)用棧 18.5實(shí)驗(yàn)四： 實(shí)現(xiàn)私有云 第19章實(shí)驗(yàn)： Hadoop、HDFS、MapReduce、Spark 19.1Hadoop 19.1.1實(shí)驗(yàn)一： 構(gòu)建虛擬機(jī)網(wǎng)絡(luò) 19.1.2實(shí)驗(yàn)二： 大數(shù)據(jù)環(huán)境安裝 19．2HDFS 19．2．1實(shí)驗(yàn)一： 文件創(chuàng)建與讀/寫(xiě) 19．2．2實(shí)驗(yàn)二： 文件上傳 19．2．3實(shí)驗(yàn)三： 文件下載 19．2．4實(shí)驗(yàn)四： 使用字符流讀取數(shù)據(jù) 19．2．5實(shí)驗(yàn)五： 刪除文件 19．2．6實(shí)驗(yàn)六： 刪除文件夾 19．2．7實(shí)驗(yàn)七： 自定義數(shù)據(jù)輸入流 19．3MapReduce 19．3．1實(shí)驗(yàn)一： 合并去重 19．3．2實(shí)驗(yàn)二： PageRank算法 19．4Spark 19．4．1實(shí)驗(yàn)一： 安裝Spark 19．4．2實(shí)驗(yàn)二： 使用Spark Shell編寫(xiě)代碼 19．4．3實(shí)驗(yàn)三： 使用Java編寫(xiě)Spark應(yīng)用程序 第20章案例： 基于Docker的云計(jì)算服務(wù)平臺(tái)搭建 20．1方案介紹 20．1．1云平臺(tái)總體架構(gòu) 20．1．2網(wǎng)絡(luò)架構(gòu) 20．1．3集群架構(gòu) 20．1．4性能監(jiān)控 20．1．5Docker架構(gòu) 20．1．6鏡像架構(gòu) 20．2系統(tǒng)分析 20．2．1優(yōu)點(diǎn) 20．2．2局限性 20．2．3應(yīng)用場(chǎng)景 20．3門戶界面 20．3．1注冊(cè) 20．3．2登錄 20．3．3用戶主界面 20．3．4管理員界面 20．4服務(wù)器Docker配置 第21章案例： 使用Spark實(shí)現(xiàn)數(shù)據(jù)統(tǒng)計(jì)分析及性能優(yōu)化 21.1系統(tǒng)架構(gòu) 21.1.1總體方案 21.1.2詳細(xì)設(shè)計(jì) 21.1.3優(yōu)化設(shè)計(jì) 21.2具體實(shí)現(xiàn) 21.2.1數(shù)據(jù)獲取 21.2.2數(shù)據(jù)可視化 21.3性能優(yōu)化 21.3.1讀取優(yōu)化 21.3.2查詢優(yōu)化 21.3.3Spark參數(shù)級(jí)優(yōu)化 第22章實(shí)驗(yàn)： 基于OpenStack和Hadoop的大數(shù)據(jù)分析 22.1實(shí)驗(yàn)一： OpenStack安裝準(zhǔn)備 22.2實(shí)驗(yàn)二： OpenStack在線安裝 22.3實(shí)驗(yàn)三： 初始化OpenStack中的環(huán)境 22.4實(shí)驗(yàn)四： 搭建OpenStack中的虛擬機(jī) 22.5實(shí)驗(yàn)五： 大數(shù)據(jù)分析案例 參考文獻(xiàn)
展開(kāi)全部
暫無(wú)評(píng)論……
書(shū)友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服