深入浅出地为你介绍如何使用Python进行金融数据分析、挖掘和量化投资的全过程。
电子书
内容简介
全书共有13 章，系统地论述了大数据的基本概念、大数据处理架构Hadoop、分布式文件系统HDFS、分布式数据库HBase、NoSQL 数据库、云数据库、分布式并行编程模型MapReduce、流计算、图计算、数据可视化以及大数据在互联网、生物医学和物流等各个领域的应用。在Hadoop、HDFS、HBase 和MapReduce 等重要章节，安排了入门级的实践操作，让读者更好地学习和掌握大数据关键技术。
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
- 2.2 Hadoop的项目结构
- 2.2.1 Common
- 2.2.2 Avro
- 2.2.3 HDFS
- 2.2.4 HBase
- 2.2.5 MapReduce
- 2.2.6 Zookeeper
- 2.2.7 Hive
- 2.2.8 Pig
- 2.2.9 Sqoop
- 2.2.10 Chukwa
- 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
- 第3章Hadoop分布式文件系统
- 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
- 3.4 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 冗余数据的保存
- 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
- 一、实验目的
- 二、实验平台
- 三、实验内容和要求
- 四、实验报告
- 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
- 一、实验目的
- 二、实验平台
- 三、实验内容和要求
- 四、实验报告
- 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 图形数据库
- 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
- 一、实验目的
- 二、实验平台
- 三、实验内容和要求
- 四、实验报告
- 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 MapReduce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
- 一、实验目的
- 二、实验平台
- 三、实验内容和要求
- 四、实验报告
- 第8章流计算
- 8.1 流计算概述
- 8.1.1 静态数据和流数据
- 8.1.2 批量计算和实时计算
- 8.1.3 流计算的概念
- 8.1.4 流计算与 Hadoop
- 8.1.5 流计算框架
- 8.2 流计算的处理流程
- 8.2.1 概述
- 8.2.2 数据实时采集
- 8.2.3 数据实时计算
- 8.2.4 实时查询服务
- 8.3 流计算的应用
- 8.3.1 应用场景1：实时分析
- 8.3.2 应用场景2：实时交通
- 8.4 开源流计算框架 Storm
- 8.4.1 Storm简介
- 8.4.2 Storm的特点
- 8.4.3 Storm的设计思想
- 8.4.4 Storm的框架设计
- 8.4.5 Storm实例
- 8.4.6 哪些公司在使用 Storm
- 8.5 本章小结
- 8.6 习题
- 第9章图计算
- 9.1 图计算简介
- 9.1.1 传统图计算解决方案的不足之处
- 9.1.2 图计算通用软件
- 9.2 Pregel简介
- 9.3 Pregel图计算模型
- 9.3.1 有向图和顶点
- 9.3.2 顶点之间的消息传递
- 9.3.3 Pregel的计算过程
- 9.3.4 实例
- 9.4 Pregel的 C++ API
- 9.4.1 消息传递机制
- 9.4.2 Combiner
- 9.4.3 Aggregator
- 9.4.4 拓扑改变
- 9.4.5 输入和输出
- 9.5 Pregel的体系结构
- 9.5.1 Pregel的执行过程
- 9.5.2 容错性
- 9.5.3 Worker
- 9.5.4 Master
- 9.5.5 Aggregator
- 9.6 Pregel的应用实例
- 9.6.1 单源最短路径
- 9.6.2 二分匹配
- 9.7 Pregel和 MapReduce实现 PageNumberRank 算法的对比
- 9.7.1 PageNumberRank 算法
-
- 9.7.2 PageNumberRank 算法在 Pregel中的实现
- 9.7.3 PageNumberRank 算法在 MapReduce中的实现
- 9.7.4 PageNumberRank 算法在 Pregel和 MapReduce中实现的比较
- 9.8 本章小结
- 9.9 习题
- 第10章数据可视化
- 10.1 可视化概述
- 10.1.1 什么是数据可视化
- 10.1.2 可视化的发展历程
- 10.1.3 可视化的重要作用
- 10.2 可视化工具
- 10.2.1 入门级工具
- 10.2.2 信息图表工具
- 10.2.3 地图工具
- 10.2.4 时间线工具
- 10.2.5 高级分析工具
- 10.3 可视化典型案例
- 10.3.1 全球黑客活动
- 10.3.2 互联网地图
- 10.3.3 编程语言之间的影响力关系图
- 10.3.4 百度迁徙
- 10.3.5 世界国家健康与财富之间的关系
- 10.3.6 3D可视化互联网地图 APP
- 10.4 本章小结
- 10.5 习题
- 第四篇大数据应用
- 第1 1章大数据在互联网领域的应用
- 11.1 推荐系统概述
- 11.1.1 什么是推荐系统
- 11.1.2 长尾理论
- 11.1.3 推荐方法
- 11.1.4 推荐系统模型
- 11.1.5 推荐系统的应用
- 11.2 协同过滤
- 11.2.1 基于用户的协同过滤
-
- 11.2.2 基于物品的协同过滤
- 11.2.3 UserCF算法和 ItemCF算法的对比
- 11.3 协同过滤实践
- 11.3.1 实践背景
- 11.3.2 数据处理
- 11.3.3 计算相似度矩阵
- 11.3.4 计算推荐结果
- 11.3.5 展示推荐结果
- 11.4 本章小结
- 11.5 习题
- 第12章大数据在生物医学领域的应用
- 12.1 流行病预测
- 12.1.1 传统流行病预测机制的不足
- 12.1.2 基于大数据的流行病预测
- 12.1.3 基于大数据的流行病预测的重要作用
- 12.1.4 案例：百度疾病预测
- 12.2 智慧医疗
- 12.3 生物信息学
- 12.4 案例：基于大数据的综合健康服务平台
- 12.4.1 平台概述
- 12.4.2 平台业务架构
- 12.4.3 平台技术架构
- 12.4.4 平台关键技术
- 12.5 本章小结
- 12.6 习题
- 第13章大数据的其他应用
- 13.1 大数据在物流领域中的应用
- 13.1.1 智能物流的概念
- 13.1.2 智能物流的作用
- 13.1.3 智能物流的应用
- 13.1.4 大数据是智能物流的关键
- 13.1.5 中国智能物流骨干网——菜鸟
- 13.2 大数据在城市管理中的应用
- 13.2.1 智能交通
- 13.2.2 环保监测
- 13.2.3 城市规划
- 13.2.4 安防领域
- 13.3 大数据在金融行业中的应用
- 13.3.1 高频交易
- 13.3.2 市场情绪分析
- 13.3.3 信贷风险分析
- 13.4 大数据在汽车行业中的应用
- 13.5 大数据在零售行业中的应用
- 13.5.1 发现关联购买行为
- 13.5.2 客户群体细分
- 13.5.3 供应链管理
- 13.6 大数据在餐饮行业中的应用
- 13.6.1 餐饮行业拥抱大数据
- 13.6.2 餐饮 O2O
- 13.7 大数据在电信行业中的应用
- 13.8 大数据在能源行业中的应用
- 13.9 大数据在体育和娱乐领域中的应用
- 13.9.1 训练球队
- 13.9.2 投拍影视作品
- 13.9.3 预测比赛结果
- 13.10 大数据在安全领域中的应用
- 13.10.1 大数据与国家安全
- 13.10.2 应用大数据技术防御网络攻击
- 13.10.3 警察应用大数据工具预防犯罪
- 13.11 大数据在政府领域中的应用
- 13.12 大数据在日常生活中的应用
- 13.13 本章小结
- 13.14 习题
- 参考文献
展开全部
大数据技术原理与应用——概念、存储、处理、分析与应用是2015年由人民邮电出版社出版,作者林子雨。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《大数据技术原理与应用——概念、存储、处理、分析与应用》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
电子书
本书适合新媒体营销的学习者和从业者使用，也可作为本科院校、职业院校营销类、企业管理类、商务贸易类、电子商务类专业的新媒体营销课程的教学用书。
电子书
理论与实际操作紧密结合，让你体验并掌握使用Access建立数据库应用系统的全过程。
电子书
本书以MCS-51系列单片机为主，全面、系统、详细介绍了单片机的硬件、软件及应用技术。
电子书
1. 作者是注册会计师，熟练使用PowerBI，实践经验丰富。
2. 作者的公众号现已成为国内影响力的PowerBI公众号之一，专注于PowerBI知识的分享，其文章通俗易懂、简洁干练、精彩不断，深受广大PowerBI学习者喜爱。
电子书
基于Python 3.X讲解，从入门到实战，全面讲解Python爬虫技术。全书重点难点附带微课讲解，书网融合互动学习。
电子书
涉及PowerBI所有原生组件、微软APPStore的三方组件，以及上北智信科技有限公司研发的特色组件，提供全书所有组件及案例文件，帮助读者火速上手并实际应用。
电子书
机器学习原理与实例代码，包括决策树、神经网络等11章。
