最新公告
  • 欢迎您光临源码库,本站秉承服务宗旨 履行“站长”责任,销售只是起点 服务永无止境!立即加入
  • 架构大数据 大数据技术及算法解析

    资源名称:架构大数据 大数据技术及算法解析

    内容简介:

    本书从大数据架构的角度全面解析大数据技术及算法,探讨大数据的发展和趋势。不仅对大数据相关技术及算法做了系统性的分析和描述,梳理了大数据的技术分类,如基础架构支持、大数据采集、大数据存储、大数据处理、大数据展示及交互,还融合了大数据行业的最新技术进展和大型互联网公司的大数据架构实践,努力为读者提供一个大数据的全景画卷。

    资源目录:

    第1章 大数据技术概述 1

    1.1 大数据的概念 1

    1.2 大数据的行业价值 4

    1.3 大数据问题的爆发 9

    1.4 大数据处理流程 12

    1.5 大数据技术 13

    1.5.1 基础架构支持 14

    1.5.2 数据采集 14

    1.5.3 数据存储 15

    1.5.4 数据计算 16

    1.5.5 展现与交互 18

    1.6 练习题 19

    参考文献 19

    第2章 大数据基础支撑——数据中心及云计算 20

    2.1 数据中心概述 20

    2.1.1 云计算时代数据中心面临的问题 21

    2.1.2 新一代数据中心关键技术 22

    2.1.3 业界发展动态 24

    2.1.4 小结 25

    2.2 云计算简介 25

    2.2.1 云计算定义 26

    2.2.2 云计算主要特征 27

    2.2.3 Web服务、网格和云计算 28

    2.2.4 云计算应用分类 29

    2.2.5 小结 31

    2.3 大数据与云计算的关系 32

    2.3.1 大数据是信息技术发展的必然阶段 33

    2.3.2 云计算等新兴信息技术正在真正地落地和实施 34

    2.3.3 云计算等新兴技术是解决大数据问题的核心关键 34

    2.4 云资源调度与管理 35

    2.4.1 云资源管理 36

    2.4.2 云资源调度策略 38

    2.4.3 云计算数据中心负载均衡调度 40

    2.5 开源云管理平台OpenStack 44

    2.5.1 OpenStack的构成 45

    2.5.2 OpenStack各组件之间的关系 46

    2.5.3 OpenStack的逻辑架构 47

    2.5.4 小结 49

    2.6 软件定义网络 49

    2.6.1 起源与发展 50

    2.6.2 OpenFlow标准和规范 50

    2.6.3 OpenFlow的应用 53

    2.7 虚拟机与容器 55

    2.7.1 VM虚拟化与Container虚拟化 55

    2.7.2 Docker 55

    2.8 练习题 57

    参考文献 57

    第3章 云计算先行者——Google的三驾马车 59

    3.1 Google的三驾马车 59

    3.1.1 GFS——一个可扩展的分布式文件系统 59

    3.1.2 MapReduce——一种并行计算的编程模型 64

    3.1.3 BigTable——一个分布式数据存储系统 69

    3.2 Google新“三驾马车” 77

    3.2.1 Caffeine——基于Percolator的搜索索引系统 77

    3.2.2 Pregel——高效的分布式图计算的计算框架 80

    3.2.3 Dremel——大规模数据的交互式数据分析系统 85

    3.3 练习题 89

    参考文献 89

    第4章 云存储系统 91

    4.1 云存储的基本概念 91

    4.1.1 云存储结构模型 91

    4.1.2 云存储与传统存储系统的区别 94

    4.2 云存储关键技术 95

    4.2.1 存储虚拟化技术 95

    4.2.2 分布式存储技术 97

    4.3 云存储系统分类 98

    4.3.1 分布式文件存储 99

    4.3.2 分布式块存储 105

    4.3.3 分布式对象存储 109

    4.3.4 统一存储 117

    4.4 其他相关技术 124

    4.5 练习题 127

    参考文献 127

    第5章 数据采集系统 129

    5.1 Flume 130

    5.1.1 Flume架构 130

    5.1.2 Flume核心组件 133

    5.1.3 Flume环境搭建与部署 134

    5.2 Scribe 139

    5.2.1 Scribe架构 139

    5.2.2 Scribe中的Store 140

    5.2.3 Scribe环境搭建与部署 141

    5.3 Chukwa 144

    5.3.1 Chukwa的设计目标 144

    5.3.2 Chukwa架构 145

    5.3.3 Chukwa 环境搭建与部署 147

    5.4 Kafka 150

    5.4.1 Kafka架构 150

    5.4.2 Kafka存储 152

    5.4.3 Kafka的特点 152

    5.4.4 Kafka环境搭建与部署 154

    5.5 练习题 155

    参考文献 155

    第6章 Hadoop与MapReduce 156

    6.1 Hadoop平台 156

    6.1.1 Hadoop概述 156

    6.1.2 Hadoop的发展简史 157

    6.1.3 Hadoop的功能和作用 158

    6.1.4 HDFS 159

    6.1.5 HBase 162

    6.2 MapReduce 171

    6.2.1 第一代MapReduce(MRv1) 172

    6.2.2 MapReduce 2.0——Yarn 180

    6.3 Hadoop相关生态系统 184

    6.3.1 交互式数据查询分析 184

    6.3.2 数据收集、转换工具 187

    6.3.3 机器学习工具 188

    6.3.4 集群管理与监控 188

    6.3.5 其他工具 189

    6.4 Hadoop应用案例 191

    6.5 练习题 192

    参考文献 192

    第7章 Spark——大数据统一计算平台 193

    7.1 Spark简介 193

    7.1.1 Spark 193

    7.1.2 BDAS 195

    7.2 RDD 197

    7.2.1 RDD基本概念 197

    7.2.2 RDD示例 199

    7.2.3 RDD与分布式共享内存 200

    7.3 Spark SQL 201

    7.4 MLlib 203

    7.5 GraphX 206

    7.6 Spark Streaming 206

    7.6.1 基本概念 207

    7.6.2 编程模型 208

    7.7 Spark的安装 210

    7.7.1 单机运行Spark 210

    7.7.2 使用Spark Shell与Spark交互 213

    7.8 Shark、Impala、Hive对比 214

    7.9 练习题 216

    参考文献 216

    第8章 Storm流计算系统 218

    8.1 流计算系统 218

    8.1.1 流计算系统的特点 218

    8.1.2 流计算处理基本流程 219

    8.2 Storm流计算框架 220

    8.2.1 Storm简介 220

    8.2.2 Storm关键术语 221

    8.2.3 Storm架构设计 223

    8.3 Storm编程实例 225

    8.4 Storm应用 228

    8.4.1 Storm应用场景 228

    8.4.2 Storm应用实例 228

    8.5 其他流计算框架 229

    8.6 练习题 231

    参考文献 231

    第9章 SQL、NoSQL与NewSQL 232

    9.1 传统SQL数据库 232

    9.1.1 关系模型 232

    9.1.2 关系型数据库的优点 233

    9.1.3 关系型数据库面临的问题 234

    9.2 NoSQL 234

    9.2.1 NoSQL与大数据 235

    9.2.2 NoSQL理论基础 235

    9.2.3 分布式模型 238

    9.2.4 NoSQL数据库分类 241

    9.3 NewSQL 255

    9.3.1 系统分类 255

    9.3.2 Google Spanner 256

    9.3.3 MemSQL 258

    9.3.4 VoltDB 260

    9.4 练习题 263

    参考文献 263

    第10章 大数据与数据挖掘 264

    10.1 数据挖掘的主要功能和常用算法 264

    10.1.1 数据挖掘的主要功能 264

    10.1.2 常用算法 265

    10.2 大数据时代的数据挖掘 280

    10.2.1 传统数据挖掘解决方案 280

    10.2.2 分布式数据挖掘解决方案 280

    10.3 数据挖掘相关工具 282

    10.3.1 Mahout 282

    10.3.2 语言工具——Python 288

    10.4 数据挖掘与R语言 289

    10.4.1 R语言简介 289

    10.4.2 R语言在数据挖掘上的应用 290

    10.5 练习题 294

    参考文献 294

    第11章 深度学习 298

    11.1 深度学习介绍 299

    11.1.1 深度学习的概念 299

    11.1.2 深度学习的结构 299

    11.1.3 从机器学习到深度学习 301

    11.2 深度学习基本方法 302

    11.2.1 自动编码器 302

    11.2.2 稀疏编码 304

    11.3 深度学习模型 305

    11.3.1 深度置信网络 306

    11.3.2 卷积神经网络 308

    11.4 深度学习的训练加速 310

    11.4.1 GPU加速 310

    11.4.2 数据并行 311

    11.4.3 模型并行 312

    11.4.4 计算集群 313

    11.5 深度学习应用 313

    11.5.1 Google 314

    11.5.2 百度 314

    11.5.3 腾讯Mariana 315

    11.6 练习题 316

    参考文献 316

    第12章 电子商务与社会化网络大数据分析 318

    12.1 推荐系统简介 318

    12.1.1 推荐系统的评判标准 319

    12.1.2 推荐系统的分类 319

    12.1.3 在线推荐系统常用算法介绍 320

    12.1.4 相关算法知识 323

    12.2 计算广告 327

    12.2.1 计算广告简介 327

    12.2.2 计算广告发展阶段 327

    12.2.3 计算广告相关算法 330

    12.2.4 计算广告与大数据 332

    12.2.5 大数据在计算广告中的应用案例 333

    12.3 社交网络 333

    12.3.1 社交网络中大数据挖掘的应用场景 334

    12.3.2 社交网络大数据挖掘核心算法模型 334

    12.3.3 图计算框架 335

    12.3.4 大数据在社交网络中的应用案例 337

    12.4 练习题 338

    第13章 大数据展示与交互技术 339

    13.1 数据可视化分类 339

    13.1.1 按照展示内容进行划分 340

    13.1.2 按照数据类型进行划分 341

    13.2 可视化技术分类 351

    13.2.1 2D展示技术 351

    13.2.2 3D渲染技术 356

    13.2.3 体感互动技术 360

    13.2.4 虚拟现实技术 362

    13.2.5 增强现实技术 364

    13.2.6 可穿戴技术 365

    13.2.7 可植入设备 368

    13.3 练习题 369

    参考文献 369

    第14章 大数据安全与隐私 372

    14.1 云计算时代安全与隐私问题凸显 372

    14.2 云计算与大数据时代的安全挑战 374

    14.2.1 大数据时代的安全需求 374

    14.2.2 信息安全的发展历程 375

    14.2.3 新兴信息技术带来的安全挑战 376

    14.3 如何解决安全问题 380

    14.3.1 云计算安全防护框架 381

    14.3.2 基础云安全防护关键技术 384

    14.3.3 创立本质安全的新型IT体系 387

    14.4 隐私问题 389

    14.4.1 防不胜防的隐私泄露 389

    14.4.2 隐私保护的政策法规 390

    14.4.3 隐私保护技术 391

    14.5 练习题 393

    参考文献 393

    第15章 大数据技术发展趋势 394

    15.1 实时化 394

    15.2 内存计算 396

    15.2.1 机遇与挑战 396

    15.2.2 研究进展 397

    15.2.3 发展展望 399

    15.3 泛在化 399

    15.3.1 发展现状 400

    15.3.2 发展趋势 401

    15.4 智能化 406

    15.4.1 传统人工智能 406

    15.4.2 基于大数据的人工智能 407

    15.5 练习题 410

    参考文献 410

    第16章 知名企业大数据架构简介 411

    16.1 腾讯 411

    16.1.1 背景介绍 411

    16.1.2 整体架构 412

    16.2 淘宝 416

    16.2.1 背景介绍 416

    16.2.2 整体架构 416

    16.3 Facebook 417

    16.3.1 背景介绍 417

    16.3.2 整体架构 418

    16.3.3 技术架构展望 420

    16.4 Twitter 420

    16.4.1 背景介绍 420

    16.4.2 整体架构 420

    16.4.3 技术架构展望 422

    16.5 Netflix 422

    16.5.1 背景介绍 422

    16.5.2 整体架构 423

    16.5.3 Netflix个性化和推荐系统架构 426

    16.6 练习题 430

    参考文献 430

    资源截图:

    架构大数据 大数据技术及算法解析插图源码资源库

    猜你在找

    1. 本站所有资源来源于用户上传和网络,如有侵权请邮件联系站长!
    2. 分享目的仅供大家学习和交流,您必须在下载后24小时内删除!
    3. 不得使用于非法商业用途,不得违反国家法律。否则后果自负!
    4. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
    5. 如有链接无法下载、失效或广告,请联系管理员处理!
    6. 本站资源售价只是赞助,收取费用仅维持本站的日常运营所需!

    源码资源库 » 架构大数据 大数据技术及算法解析