在数字经济时代，数据是重要的资源要素；同时，新的数据又在源源不断地产生，企业面临的一个基本问题就是如何管理和利用这些数据，这对传统的数据处理方法与分析框架提出了新的诉求和挑战，...
电子书
编辑推荐
国内高校大数据课程知名教师倾心之作，带你“零基础”学习大数据。
内容简介
（1） 概念篇：介绍当前紧密关联的**新IT领域技术云计算、大数据和物联网。
（2） 大数据存储与管理篇：介绍分布式数据存储的概念、原理和技术，包括HDFS、HBase、NoSQL数据库、云数据库。
（3） 大数据处理与分析篇：介绍MapReduce分布式编程框架、基于内存的分布式计算框架Spark、图计算、流计算、数据可视化。
（4） 大数据应用篇：介绍基于大数据技术的推荐系统。
章节目录
- 第一篇大数据基础
- 第1章大数据概述
- 1.1 大数据时代
- 1.1.1 第三次信息化浪潮
- 1.1.2 信息科技为大数据时代提供技术支撑
- 1.1.3 数据产生方式的变革促成大数据时代的来临
- 1.1.4 大数据的发展历程
- 1.2 大数据的概念
- 1.2.1 数据量大
- 1.2.2 数据类型繁多
- 1.2.3 处理速度快
- 1.2.4 价值密度低
- 1.3 大数据的影响
- 1.3.1 大数据对科学研究的影响
- 1.3.2 大数据对思维方式的影响
- 1.3.3 大数据对社会发展的影响
- 1.3.4 大数据对就业市场的影响
- 1.3.5 大数据对人才培养的影响
- 1.4 大数据的应用
- 1.5 大数据关键技术
- 1.6 大数据计算模式
- 1.6.1 批处理计算
- 1.6.2 流计算
- 1.6.3 图计算
- 1.6.4 查询分析计算
- 1.7 大数据产业
- 1.8 大数据与云计算、物联网
- 1.8.1 云计算
- 1.8.2 物联网
- 1.8.3 大数据与云计算、物联网的关系
- 1.9 本章小结
- 1.10 习题
- 第2章大数据处理架构Hadoop
- 2.1 概述
- 2.1.1 Hadoop简介
- 2.1.2 Hadoop的发展简史
- 2.1.3 Hadoop的特性
- 2.1.4 Hadoop的应用现状
- 2.1.5 Hadoop的版本
- 2.2 Hadoop生态系统
- 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
- 2.3 Hadoop的安装与使用
- 2.3.1 创建 Hadoop用户
- 2.3.2 Java的安装
- 2.3.3 SSH登录权限设置
- 2.3.4 安装单机 Hadoop
- 2.3.5 Hadoop伪分布式安装
- 2.4 本章小结
- 2.5 习题
- 实验1 安装 Hadoop
- 一、实验目的
- 二、实验平台
- 三、实验内容和要求
- 四、实验报告
- 第二篇大数据存储与管理
- 第3章分布式文件系统HDFS
- 3.1 分布式文件系统
- 3.1.1 计算机集群结构
- 3.1.2 分布式文件系统的结构
- 3.1.3 分布式文件系统的设计需求
- 3.2 HDFS 简介
- 3.3 HDFS 的相关概念
- 3.3.1 块
- 3.3.2 名称节点和数据节点
- 3.3.3 第二名称节点
- 3.4 HDFS 体系结构
- 3.4.1 概述
- 3.4.2 HDFS命名空间管理
- 3.4.3 通信协议
- 3.4.4 客户端
- 3.4.5 HDFS体系结构的局限性
- 3.5 HDFS 的存储原理
- 3.5.1 数据的冗余存储
- 3.5.2 数据存取策略
- 3.5.3 数据错误与恢复
- 3.6 HDFS 的数据读写过程
- 3.6.1 读数据的过程
- 3.6.2 写数据的过程
- 3.7 HDFS 编程实践
- 3.7.1 HDFS常用命令
- 3.7.2 HDFS的Web界面
- 3.7.3 HDFS常用 Java API 及应用实例
- 3.8 本章小结
- 3.9 习题
- 实验2 熟悉常用的 HDFS操作
- 第4章分布式数据库HBase
- 4.1 概述
- 4.1.1 从 BigTable说起
- 4.1.2 HBase简介
- 4.1.3 HBase与传统关系数据库的对比分析
- 4.2 HBase访问接口
- 4.3 HBase数据模型
- 4.3.1 数据模型概述
- 4.3.2 数据模型的相关概念
- 4.3.3 数据坐标
- 4.3.4 概念视图
- 4.3.5 物理视图
- 4.3.6 面向列的存储
- 4.4 HBase 的实现原理
- 4.4.1 HBase的功能组件
- 4.4.2 表和 Region
- 4.4.3 Region的定位
- 4.5 HBase运行机制
- 4.5.1 HBase系统架构
- 4.5.2 Region服务器的工作原理
- 4.5.3 Store的工作原理
- 4.5.4 HLog的工作原理
- 4.6 HBase编程实践
- 4.6.1 HBase常用的 Shell命令
- 4.6.2 HBase常用的 Java API及应用实例
- 4.7 本章小结
- 4.8 习题
- 实验3 熟悉常用的 HBase操作
- 第5章NoSQL数据库
- 5.1 NoSQL简介
- 5.2 NoSQL兴起的原因
- 5.2.1 关系数据库无法满足Web 2.0的需求
- 5.2.2 关系数据库的关键特性在 Web 2.0时代成为“鸡肋”
- 5.3 NoSQL与关系数据库的比较
- 5.4 NoSQL的四大类型
- 5.4.1 键值数据库
- 5.4.2 列族数据库
- 5.4.3 文档数据库
- 5.4.4 图数据库
- 5.5 NoSQL的三大基石
- 5.5.1 CAP
- 5.5.2 BASE
- 5.5.3 最终一致性
- 5.6 从 NoSQL 到 NewSQL 数据库
- 5.7 本章小结
- 5.8 习题
- 第6章云数据库
- 6.1 云数据库概述
- 6.1.1 云计算是云数据库兴起的基础
- 6.1.2 云数据库的概念
- 6.1.3 云数据库的特性
- 6.1.4 云数据库是个性化数据存储需求的理想选择
- 6.1.5 云数据库与其他数据库的关系
- 6.2 云数据库产品
- 6.2.1 云数据库厂商概述
- 6.2.2 Amazon的云数据库产品
- 6.2.3 Google的云数据库产品
- 6.2.4 微软的云数据库产品
- 6.2.5 其他云数据库产品
- 6.3 云数据库系统架构
- 6.3.1 UMP系统概述
- 6.3.2 UMP系统架构
- 6.3.3 UMP系统功能
- 6.4 云数据库实践
- 6.4.1 阿里云RDS简介
- 6.4.2 RDS中的概念
- 6.4.3 购买和使用RDS数据库
- 6.4.4 将本地数据库迁移到云端 RDS数据库
- 6.5 本章小结
- 6.6 习题
- 实验4 熟练使用 RDS for MySQL数据库
- 第三篇大数据处理与分析
- 第7章MapReduce
- 7.1 概述
- 7.1.1 分布式并行编程
- 7.1.2 MapReduce模型简介
- 7.1.3 Map和 Reduce函数
- 7.2 MapReduce的工作流程
- 7.2.1 工作流程概述
- 7.2.2 MapReduce的各个执行阶段
- 7.2.3 Shuffle过程详解
- 7.3 实例分析：WordCountOrDuration
- 7.3.1 WordCountOrDuration的程序任务
- 7.3.2 WordCountOrDuration的设计思路
- 7.3.3 WordCountOrDuration的具体执行过程
- 7.3.4 一个 WordCountOrDuration执行过程的实例
- 7.4 MapReduce的具体应用
- 7.4.1 MapReduce在关系代数运算中的应用
- 7.4.2 分组与聚合运算
- 7.4.3 矩阵-向量乘法
- 7.4.4 矩阵乘法
- 7.5 MapReduce编程实践
- 7.5.1 任务要求
- 7.5.2 编写 Map处理逻辑
- 7.5.3 编写 Reduce处理逻辑
- 7.5.4 编写 main方法
- 7.5.5 编译打包代码以及运行程序
- 7.6 本章小结
- 7.7 习题
- 实验5 MapReduce编程初级实践
- 第8章Hadoop再探讨
- 8.1 Hadoop的优化与发展
- 8.1.1 Hadoop的局限与不足
- 8.1.2 针对 Hadoop的改进与提升
- 8.2 HDFS2.0 的新特性
- 8.2.1 HDFS HA
- 8.2.2 HDFS联邦
- 8.3 新一代资源管理调度框架 YARN
- 8.3.1 MapReduce1.0 的缺陷
- 8.3.2 YARN 设计思路
- 8.3.3 YARN体系结构
- 8.3.4 YARN工作流程
- 8.3.5 YARN 框架与 MapReduce1.0 框架的对比分析
- 8.3.6 YARN的发展目标
- 8.4 Hadoop 生态系统中具有代表性的功能组件
- 8.4.1 Pig
- 8.4.2 Tez
- 8.4.3 Kafka
- 8.5 本章小结
- 8.6 习题
- 第9章Spark
- 9.1 概述
- 9.1.1 Spark简介
- 9.1.2 Scala简介
- 9.1.3 Spark与 Hadoop的对比
- 9.2 Spark 生态系统
- 9.3 Spark 运行架构
- 9.3.1 基本概念
- 9.3.2 架构设计
- 9.3.3 Spark运行基本流程
- 9.3.4 RDD的设计与运行原理
- 9.4 Spark 的部署和应用方式
- 9.4.1 Spark三种部署方式
- 9.4.2 从“Hadoop+Storm”架构转向Spark架构
- 9.4.3 Hadoop和 Spark的统一部署
- 9.5 Spark 编程实践
- 9.5.1 启动 Spark Shell
- 9.5.2 Spark RDD基本操作
- 9.5.3 Spark应用程序
- 9.6 本章小结
- 9.7 习题
- 第10章流计算
- 10.1 流计算概述
- 10.1.1 静态数据和流数据
- 10.1.2 批量计算和实时计算
- 10.1.3 流计算的概念
- 10.1.4 流计算与Hadoop
- 10.1.5 流计算框架
- 10.2 流计算的处理流程
- 10.2.1 概述
- 10.2.2 数据实时采集
- 10.2.3 数据实时计算
- 10.2.4 实时查询服务
- 10.3 流计算的应用
- 10.3.1 应用场景1：实时分析
- 10.3.2 应用场景2：实时交通
- 10.4 开源流计算框架 Storm
- 10.4.1 Storm简介
- 10.4.2 Storm的特点
- 10.4.3 Storm的设计思想
- 10.4.4 Storm的框架设计
- 10.4.5 Storm实例
- 10.5 Spark Streaming
- 10.5.1 Spark Streaming设计
- 10.5.2 Spark Streaming与Storm的对比
- 10.6 本章小结
- 10.7 习题
- 第11章图计算
- 11.1 图计算简介
- 11.1.1 传统图计算解决方案的不足之处
- 11.1.2 图计算通用软件
- 11.2 Pregel简介
- 11.3 Pregel图计算模型
- 11.3.1 有向图和顶点
- 11.3.2 顶点之间的消息传递
- 11.3.3 Pregel的计算过程
- 11.3.4 实例
- 11.4 Pregel的 C++ API
- 11.4.1 消息传递机制
- 11.4.2 Combiner
- 11.4.3 Aggregator
- 11.4.4 拓扑改变
- 11.4.5 输入和输出
- 11.5 Pregel的体系结构
- 11.5.1 Pregel的执行过程
- 11.5.2 容错性
- 11.5.3 Worker
- 11.5.4 Master
- 11.5.5 Aggregator
- 11.6 Pregel的应用实例
- 11.6.1 单源最短路径
- 11.6.2 二分匹配
- 11.7 Pregel和 MapReduce实现PageNumberRank 算法的对比
- 11.7.1 PageNumberRank算法
- 11.7.2 PageNumberRank算法在 Pregel中的实现
- 11.7.3 PageNumberRank算法在 MapReduce中的实现
- 11.7.4 PageNumberRank算法在 Pregel和 MapReduce中实现的比较
- 11.8 本章小结
- 11.9 习题
- 第12章数据可视化
- 12.1 可视化概述
- 12.1.1 什么是数据可视化
- 12.1.2 可视化的发展历程
- 12.1.3 可视化的重要作用
- 12.2 可视化工具
- 12.2.1 入门级工具
- 12.2.2 信息图表工具
- 12.2.3 地图工具
- 12.2.4 时间线工具
- 12.2.5 高级分析工具
- 12.3 可视化典型案例
- 12.3.1 全球黑客活动
- 12.3.2 互联网地图
- 12.3.3 编程语言之间的影响力关系图
- 12.3.4 百度迁徙
- 12.3.5 世界国家健康与财富之间的关系
- 12.3.6 3D可视化互联网地图 APP
- 12.4 本章小结
- 12.5 习题
- 第四篇大数据应用
- 第13章大数据在互联网领域的应用
- 13.1 推荐系统概述
- 13.1.1 什么是推荐系统
- 13.1.2 长尾理论
- 13.1.3 推荐方法
- 13.1.4 推荐系统模型
- 13.1.5 推荐系统的应用
- 13.2 协同过滤
- 13.2.1 基于用户的协同过滤
- 13.2.2 基于物品的协同过滤
- 13.2.3 UserCF算法和 ItemCF算法的对比
- 13.3 协同过滤实践
- 13.3.1 实践背景
- 13.3.2 数据处理
- 13.3.3 计算相似度矩阵
- 13.3.4 计算推荐结果
- 13.3.5 展示推荐结果
- 13.4 本章小结
- 13.5 习题
- 第14章大数据在生物医学领域的应用
- 14.1 流行病预测
- 14.1.1 传统流行病预测机制的不足
- 14.1.2 基于大数据的流行病预测
- 14.1.3 基于大数据的流行病预测的重要作用
- 14.1.4 案例：百度疾病预测
- 14.2 智慧医疗
- 14.3 生物信息学
- 14.4 案例：基于大数据的综合健康服务平台
- 14.4.1 平台概述
- 14.4.2 平台业务架构
- 14.4.3 平台技术架构
- 14.4.4 平台关键技术
- 14.5 本章小结
- 14.6 习题
- 第15章大数据的其他应用
- 15.1 大数据在物流领域中的应用
- 15.1.1 智能物流的概念
- 15.1.2 智能物流的作用
- 15.1.3 智能物流的应用
- 15.1.4 大数据是智能物流的关键
- 15.1.5 中国智能物流骨干网——菜鸟
- 15.2 大数据在城市管理中的应用
- 15.2.1 智能交通
- 15.2.2 环保监测
- 15.2.3 城市规划
- 15.2.4 安防领域
- 15.3 大数据在金融行业中的应用
- 15.3.1 高频交易
- 15.3.2 市场情绪分析
- 15.3.3 信贷风险分析
- 15.4 大数据在汽车行业中的应用
- 15.5 大数据在零售行业中的应用
- 15.5.1 发现关联购买行为
- 15.5.2 客户群体细分
- 15.5.3 供应链管理
- 15.6 大数据在餐饮行业中的应用
- 15.6.1 餐饮行业拥抱大数据
- 15.6.2 餐饮 O2O
- 15.7 大数据在电信行业中的应用
- 15.8 大数据在能源行业中的应用
- 15.9 大数据在体育和娱乐领域中的应用
- 15.9.1 训练球队
- 15.9.2 投拍影视作品
- 15.9.3 预测比赛结果
- 15.10 大数据在安全领域中的应用
- 15.10.1 大数据与国家安全
- 15.10.2 应用大数据技术防御网络攻击
- 15.10.3 警察应用大数据工具预防犯罪
- 15.11 大数据在政府领域中的应用
- 15.12 大数据在日常生活中的应用
- 15.13 本章小结
- 15.14 习题
- 参考文献
展开全部
大数据技术原理与应用（第2版）是2017年由人民邮电出版社出版,作者林子雨。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《大数据技术原理与应用（第2版）》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
在数字经济时代，数据是重要的资源要素；同时，新的数据又在源源不断地产生，企业面临的一个基本问题就是如何管理和利用这些数据，这对传统的数据处理方法与分析框架提出了新的诉求和挑战，...
电子书
谷歌开发高手通俗讲解数据压缩算法，高效传输和存储海量数据，打造流畅的用户体验。
电子书
本书适合立志成为数据科学家的R语言初学者阅读。
电子书
用Python语言求解经典的计算机科学问题。
电子书
本书从零开始讲解Spark。
电子书
用JavaScript描述数据结构与算法的开山之作，汇聚了作者多年的实战经验。