未读消息消息

购物车

我的订单

个人中心

店铺

我的订单收藏

拍卖

拍卖交易我的竞拍收藏

我的好友资金账户

卖家中心

客服 |

帮助中心 9:00-20:30 在线留言

客服电话

010-89648155

服务时间

客服咨询 8:00-21:00

纠纷处理 9:00-21:00

图书审核 9:00-18:00

监督与建议

请选择

手机孔网

大数据技术原理与应用：概念、存储、处理、分析与应用

作者: 林子雨著

出版社: 人民邮电出版社

出版时间: 2015-08

版次: 1

ISBN: 9787115392879

定价: 45.00

装帧: 平装

开本: 16开

纸张: 胶版纸

页数: 250页

字数: 423千字

正文语种: 简体中文

丛书: 21世纪高等教育计算机规划教材

分类: 教材教辅考试>教材>大学教材>计算机与互联网

4 张插图图片

106人买过

　　大数据作为继云计算、物联网之后IT行业又一颠覆性的技术，备受关注。大数据处不在，包括金融、汽车、零售、餐饮、电信、能源、政务、医疗、体育、娱乐等在内的社会各行各业，都融入了大数据的印迹，大数据对人类的社会生产和生活必将产生重大而深远的影响。　　大数据时代的到来，迫切需要高校及时建立大数据技术课程体系，为社会培养和输送一大批具备大数据专业素养的高级人才，满足社会对大数据人才日益旺盛的需求。本书定位为大数据技术入门教材，为读者搭建起通向“大数据知识空间”的桥梁和纽带。本书将系统梳理总结大数据相关技术，介绍大数据技术的基本原理和大数据主要应用，帮助读者形成对大数据知识体系及其应用领域的轮廓性认识，为读者在大数据领域“深耕细作”奠定基础、指明方向。在本书的基础上，感兴趣的读者可以通过其他诸如《Hadoop权威指南》等工具书，继续深入学习和实践大数据相关技术。　　林子雨，博士，厦门大学计算机科学系老师，中国高校首个“数字教师”的提出者和建设者。在数据库、数据仓库、数据挖掘、大数据、云计算和物联网等领域有着十多年的知识积累，对各个领域知识都有比较深入的了解，有比较宽泛的视野，将相关大数据知识综合成一本适合本科和研究生教学的教材。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Hadoop2．1概述2．1．1Hadoop简介2．1．2Hadoop的发展简史2．1．3Hadoop的特性2．1．4Hadoop的应用现状2．2Hadoop的项目结构2．2．1Common2．2．2Avro2．2．3HDFS2．2．4HBase2．2．5MapReduce2．2．6Zookeeper2．2．7Hive2．2．8Pig2．2．9Sqoop2．2．10Chukwa2．3Hadoop的安装与使用2．3．1创建Hadoop用户2．3．2Java的安装2．3．3SSH登录权限设置2．3．4安装单机Hadoop2．3．5Hadoop伪分布式安装2．4本章小结2．5习题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3．2HDFS简介3．3HDFS的相关概念3．3．1块3．3．2名称节点和数据节点3．4HDFS体系结构3．4．1概述3．4．2HDFS命名空间管理3．4．3通信协议3．4．4客户端3．4．5HDFS体系结构的局限性3．5HDFS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3．6HDFS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3．7HDFS编程实践3．7．1HDFS常用命令3．7．2HDFS的Web界面3．7．3HDFS常用JavaAPI及应用实例3．8本章小结3．9习题第4章分布式数据库HBase4．1概述4．1．1从BigTable说起4．1．2HBase简介4．1．3HBase与传统关系数据库的对比分析4．2HBase访问接口4．3HBase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4．4HBase的实现原理4．4．1HBase的功能组件4．4．2表和Region4．4．3Region的定位4．5HBase运行机制4．5．1HBase系统架构4．5．2Region服务器的工作原理4．5．3Store的工作原理4．5．4HLog的工作原理4．6HBase编程实践4．6．1HBase常用的Shell命令4．6．2HBase常用的JavaAPI及应用实例4．7本章小结4．8习题第5章NoSQL数据库5．1NoSQL简介5．2NoSQL兴起的原因5．2．1关系数据库法满足Web2．0的需求5．2．2关系数据库的关键特性在Web2．时代成为"鸡肋"5．3NoSQL与关系数据库的比较5．4NoSQL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5．5NoSQL的三大基石5．5．1CAP5．5．2BASE5．5．3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6．2．2Amazon的云数据库产品6．2．3Google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6．3．1UMP系统概述6．3．2UMP系统架构6．3．3UMP系统功能6．4云数据库实践6．4．1阿里云RDS简介6．4．2RDS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习题第三篇大数据处理与分析第7章MapReduce7．1概述7．1．1分布式并行编程7．1．2MapReduce模型简介7．1．3Map和Reduce函数7．2MapReduce的工作流程7．2．1工作流程概述7．2．2MapReduce的各个执行阶段7．2．3Shuffle过程详解7．3实例分析：WordCount7．3．1WordCount的程序任务7．3．2WordCount的设计思路7．3．3MapReduce的具体执行过程7．3．4一个WordCount执行过程的实例7．4MapReduce的具体应用7．4．1MapReduce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7．5MapReduce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Hadoop8．1．5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Storm8．4．1Storm简介
内容简介:
　　大数据作为继云计算、物联网之后IT行业又一颠覆性的技术，备受关注。大数据处不在，包括金融、汽车、零售、餐饮、电信、能源、政务、医疗、体育、娱乐等在内的社会各行各业，都融入了大数据的印迹，大数据对人类的社会生产和生活必将产生重大而深远的影响。　　大数据时代的到来，迫切需要高校及时建立大数据技术课程体系，为社会培养和输送一大批具备大数据专业素养的高级人才，满足社会对大数据人才日益旺盛的需求。本书定位为大数据技术入门教材，为读者搭建起通向“大数据知识空间”的桥梁和纽带。本书将系统梳理总结大数据相关技术，介绍大数据技术的基本原理和大数据主要应用，帮助读者形成对大数据知识体系及其应用领域的轮廓性认识，为读者在大数据领域“深耕细作”奠定基础、指明方向。在本书的基础上，感兴趣的读者可以通过其他诸如《Hadoop权威指南》等工具书，继续深入学习和实践大数据相关技术。
作者简介:
　　林子雨，博士，厦门大学计算机科学系老师，中国高校首个“数字教师”的提出者和建设者。在数据库、数据仓库、数据挖掘、大数据、云计算和物联网等领域有着十多年的知识积累，对各个领域知识都有比较深入的了解，有比较宽泛的视野，将相关大数据知识综合成一本适合本科和研究生教学的教材。
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Hadoop2．1概述2．1．1Hadoop简介2．1．2Hadoop的发展简史2．1．3Hadoop的特性2．1．4Hadoop的应用现状2．2Hadoop的项目结构2．2．1Common2．2．2Avro2．2．3HDFS2．2．4HBase2．2．5MapReduce2．2．6Zookeeper2．2．7Hive2．2．8Pig2．2．9Sqoop2．2．10Chukwa2．3Hadoop的安装与使用2．3．1创建Hadoop用户2．3．2Java的安装2．3．3SSH登录权限设置2．3．4安装单机Hadoop2．3．5Hadoop伪分布式安装2．4本章小结2．5习题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3．2HDFS简介3．3HDFS的相关概念3．3．1块3．3．2名称节点和数据节点3．4HDFS体系结构3．4．1概述3．4．2HDFS命名空间管理3．4．3通信协议3．4．4客户端3．4．5HDFS体系结构的局限性3．5HDFS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3．6HDFS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3．7HDFS编程实践3．7．1HDFS常用命令3．7．2HDFS的Web界面3．7．3HDFS常用JavaAPI及应用实例3．8本章小结3．9习题第4章分布式数据库HBase4．1概述4．1．1从BigTable说起4．1．2HBase简介4．1．3HBase与传统关系数据库的对比分析4．2HBase访问接口4．3HBase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4．4HBase的实现原理4．4．1HBase的功能组件4．4．2表和Region4．4．3Region的定位4．5HBase运行机制4．5．1HBase系统架构4．5．2Region服务器的工作原理4．5．3Store的工作原理4．5．4HLog的工作原理4．6HBase编程实践4．6．1HBase常用的Shell命令4．6．2HBase常用的JavaAPI及应用实例4．7本章小结4．8习题第5章NoSQL数据库5．1NoSQL简介5．2NoSQL兴起的原因5．2．1关系数据库法满足Web2．0的需求5．2．2关系数据库的关键特性在Web2．时代成为"鸡肋"5．3NoSQL与关系数据库的比较5．4NoSQL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5．5NoSQL的三大基石5．5．1CAP5．5．2BASE5．5．3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6．2．2Amazon的云数据库产品6．2．3Google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6．3．1UMP系统概述6．3．2UMP系统架构6．3．3UMP系统功能6．4云数据库实践6．4．1阿里云RDS简介6．4．2RDS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习题第三篇大数据处理与分析第7章MapReduce7．1概述7．1．1分布式并行编程7．1．2MapReduce模型简介7．1．3Map和Reduce函数7．2MapReduce的工作流程7．2．1工作流程概述7．2．2MapReduce的各个执行阶段7．2．3Shuffle过程详解7．3实例分析：WordCount7．3．1WordCount的程序任务7．3．2WordCount的设计思路7．3．3MapReduce的具体执行过程7．3．4一个WordCount执行过程的实例7．4MapReduce的具体应用7．4．1MapReduce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7．5MapReduce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Hadoop8．1．5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Storm8．4．1Storm简介

查看详情

大数据技术原理与应用：概念、存储、处理、分析与应用

内容简介:

作者简介:

目录: