大数据治理与安全：从理论到开源实践 PDF 扫描超清版

做为大数据最前沿的兴新行业，市面大数据安全与治理的有关书藉寥寥无几。这书在介绍大数据学界最新消息与大数据制造行业生活实践的另外，对大数据安全与治理的新理论与实践内容做了详细的论述。这书分成两一部分:第壹篇（理论篇),介绍大数据治理与安全性的理论、方式 和技术性挑戰等；第二篇(开源系统保持篇)，介绍开源社区各种开源网站项目，将科学研究与实践活动的內容依据不一样部件归类。

目录

• 前　言
• 第一篇　理论篇
• 第1章　大数据治理技术2
• 1.1　概述2
• 1.1.1　大数据治理的基本概念2
• 1.1.2　大数据治理的意义和重要作用5
• 1.2　框架7
• 1.2.1　大数据治理框架概述7
• 1.2.2　大数据治理的原则9
• 1.2.3　大数据治理的范围11
• 1.2.4　大数据治理的实施与评估14
• 第2章　大数据安全、隐私保护和审计技术19
• 2.1　大数据安全19
• 2.1.1　大数据安全的意义和重要作用19
• 2.1.2　大数据安全面临的问题与挑战21
• 2.1.3　大数据安全防护技术23
• 2.2　大数据隐私保护26
• 2.2.1　大数据隐私保护的意义和重要作用26
• 2.2.2　大数据隐私保护面临的问题与挑战28
• 2.2.3　大数据隐私保护技术31
• 2.3　大数据治理审计34
• 2.3.1　大数据治理审计概述34
• 2.3.2　大数据治理审计内容37
• 2.3.3　大数据治理审计方法和技术39
• 2.3.4　大数据治理审计流程43
• 第二篇　开源实现篇
• 第3章　大数据治理之Apache Falcon48
• 3.1　Apache Falcon概述48
• 3.1.1　Apache Falcon技术概况49
• 3.1.2　Apache Falcon发展近况50
• 3.1.3　Apache Falcon技术优势50
• 3.1.4　Apache Falcon架构51
• 3.2　Apache Falcon的使用53
• 3.2.1　Oozie的安装与配置56
• 3.2.2　Falcon的安装与配置61
• 3.2.3　实体XML的创建与声明63
• 3.3　Apache Falcon场景设计与实现74
• 3.3.1　数据管道74
• 3.3.2　结构化数据导入分布式文件系统82
• 3.3.3　结构化数据库与数据仓库的交互89
• 3.3.4　跨集群数据传输104
• 3.3.5　数据镜像109
• 3.3.6　数据仓库中的数据操作113
• 3.4　Apache Falcon优化与性能分析118
• 3.4.1　Apache Falcon控制流118
• 3.4.2　分布式部署119
• 3.4.3　安全模式120
• 3.4.4　Apache Falcon优化122
• 3.5　Apache Falcon应用举例123
• 3.5.1　InMobi基于Falcon的数据治理123
• 3.5.2　Expedia基于Falcon的数据治理125
• 3.6　本章小结126
• 第4章　大数据治理之Apache Atlas127
• 4.1　Apache Atlas概述127
• 4.1.1　Apache Atlas技术概况127
• 4.1.2　Apache Atlas发展近况130
• 4.1.3　Apache Atlas技术优势133
• 4.1.4　Apache Atlas架构136
• 4.2　Apache Atlas的配置与使用143
• 4.2.1　安装配置Apache Atlas143
• 4.2.2　添加或修改Atlas Web UI的登录账户158
• 4.2.3　配置Hive通过Hive HOOK导入数据159
• 4.2.4　配置Sqoop通过Sqoop HOOK导入数据163
• 4.2.5　配置Storm通过Storm HOOK导入数据167
• 4.2.6　配置Falcon通过Falcon HOOK导入数据173
• 4.3　Apache Atlas的场景设计176
• 4.3.1　Atlas总场景介绍176
• 4.3.2　Atlas非实时数据场景178
• 4.3.3　Atlas实时数据场景183
• 4.3.4　Hive数据表操作183
• 4.4　Apache Atlas优化与性能分析190
• 4.5　本章小结193
• 第5章　大数据安全之Apache Ranger194
• 5.1　Apache Ranger概述194
• 5.1.1　Ranger技术概况194
• 5.1.2　Ranger发展史及近况196
• 5.1.3　Ranger的特点和作用197
• 5.1.4　Ranger架构199
• 5.1.5　Ranger应用场景200
• 5.2　Apache Ranger的安全认证配置201
• 5.2.1　Ranger安装与部署201
• 5.2.2　安全及访问权限控制机制206
• 5.2.3　Ranger集成HDFS的安全认证机制与配置208
• 5.2.4　Ranger集成YARN的安全认证机制与配置213
• 5.2.5　Ranger集成Hive的安全认证机制与配置217
• 5.2.6　Ranger集成HBase的安全认证机制与配置221
• 5.2.7　Ranger集成Kafka的安全认证机制与配置228
• 5.2.8　Ranger集成Atlas的安全认证机制与配置235
• 5.2.9　Ranger集成Storm的安全认证机制与配置238
• 5.2.10　Ranger集成Solr的安全认证机制与配置246
• 5.3　Apache Ranger的功能配置254
• 5.3.1　Tag同步验证254
• 5.3.2　各类Policy验证255
• 5.4　Apache Ranger优化与性能分析262
• 5.5　本章小结263
• 第6章　大数据安全之Apache Sentry265
• 6.1　Apache Sentry 概述265
• 6.1.1　Apache Sentry技术概况265
• 6.1.2　Apache Sentry发展近况267
• 6.1.3　Apache Sentry技术优势269
• 6.1.4　Apache Sentry架构272
• 6.2　Apache Sentry的安装与配置274
• 6.2.1　先决条件274
• 6.2.2　Impala的安装与调试274
• 6.2.3　Apache Sentry的安装和配置282
• 6.2.4　Apache Sentry与Impala的集成286
• 6.3　Apache Sentry场景设计之Sentry对Impala的控制288
• 6.3.1　场景数据准备288
• 6.3.2　基于文件存储元数据的场景验证288
• 6.3.3　基于数据库存储元数据的场景验证292
• 6.4　Apache Sentry场景设计之Sentry对Hive的控制296
• 6.4.1　Hive与Sentry的集成配置296
• 6.4.2　准备实验数据298
• 6.4.3　基于文件存储方式的数据表操作298
• 6.4.4　基于数据库存储方式的数据表操作301
• 6.5　本章小结305
• 第7章　大数据安全之Kerberos认证306
• 7.1　Kerberos概述306
• 7.1.1　Kerberos技术概况306
• 7.1.2　Kerberos发展史及近况307
• 7.1.3　Kerberos架构308
• 7.1.4　Kerberos的认证流程309
• 7.1.5　Kerberos的风险与缺陷311
• 7.1.6　Kerberos应用举例312
• 7.2　Kerberos使用操作说明314
• 7.2.1　名词解释314
• 7.2.2　KDC