解惑大数据
作者：丁圣勇，樊勇兵，闵世武 编著
出版时间：2013年版
《解惑大数据》是一本系统介绍大数据的技术普及读物，可帮助读者迅速了解大数据的概况。全书分为4章，共120个问题，内容涵盖大数据概念、大数据技术、大数据应用等各个方面。第1章为大数据概述篇，介绍了大数据的概念、技术特点及应用方向等；第2章为分布式平台篇，介绍了大数据的核心计算平台；第3章为分布式数据库篇，介绍大数据中广泛使用的分布式数据库；第4章为大数据与数据挖掘篇，介绍经典的数据挖掘算法以及大数据如何实现规模化和并行化处理。《解惑大数据》可作为对大数据技术感兴趣的读者以及工程技术人员、行业管理人员、大数据系统的设计开发人员的技术参考资料，也可以作为大学本科高年级学生和研究生相关课程的参考书。
目录
- 第1章 大数据概述
- Q1. 什么是大数据？
- Q2. 大数据的规模如何？
- Q3. 什么是大数据的多样化？
- Q4. 什么是大数据的快速化？
- Q5. 什么是大数据的价值化？
- Q6. 大数据的起源是什么？
- Q7. 大数据带来了哪些机遇？
- Q8. 大数据带来了哪些挑战？
- Q9. 什么是结构化数据？
- Q10. 什么是非结构化数据？
- Q11. 大数据的技术特点是什么？
- Q12. 大数据有哪些处理模式？
- Q13. 大数据的硬件架构有什么特点？
- Q14. 大数据的软件架构有什么特点？
- Q15. 大数据与云计算有什么关系？
- Q16. 大数据适合哪些应用？
- Q17. 零售行业如何应用大数据？
- Q18. 金融行业如何应用大数据？
- Q19. 交通行业如何应用大数据？
- Q20. 互联网行业如何应用大数据？
- Q21. 电信行业如何应用大数据？
- 第2章 分布式平台
- 2.1 分布式平台的基本概念
- Q22. 什么是分布式平台？
- Q23. 分布式平台的基本原理是什么？
- Q24. 什么是分布式文件系统？
- Q25. 什么是分布式计算？
- 2.2 开源项目
- 2.2.1 Hadoop
- Q26. 什么是Hadoop？
- Q27. Hadoop有哪些应用领域？
- Q28. Hadoop的历史是什么？
- Q29. Hadoop的优点是什么？
- Q30. Hadoop和RDBMS的区别是什么？
- Q31. Hadoop和高效能计算、网格计算的区别是什么？
- Q32. Hadoop的发展现状如何？
- Q33. Hadoop系统架构如何？
- Q34. 什么是HDFS？
- Q35. 什么是MapReduce？
- 2.2.2 GraphLab
- Q36. 什么是GraphLab？
- Q37. GraphLab出现的背景是什么？
- Q38. GraphLab和MapReduce的区别是什么？
- Q39. GraphLab的优点是什么？
- Q40. GraphLab的软件栈结构是怎样的？
- Q41. GraphLab并行化的基本思想是什么？
- Q42. GraphLab的数据模型是什么？
- Q43. GraphLab程序的执行模型是什么？
- Q44. GraphLab和Mahout的区别是什么？
- Q45. GraphLab有哪些相关子项目？
- 2.2.3 DPark
- Q46. DPark是什么？
- Q47. Spark是什么？
- Q48. Spark和MapReduce的区别是什么？
- Q49. DPark中有哪些基本概念？
- Q50. DPark的计算模型是怎样的？
- Q51. RDD的工作原理是什么？
- Q52. RDD的容错机制是什么？
- Q53. RDD内部的设计机制是什么？
- Q54. DPark的任务调度机制是什么？
- Q55. DPark共享变量的实现机制是怎样的？
- Q56. DPark和Spark的性能比较如何？
- Q57. DPark和Spark的区别是什么？
- 2.2.4 Storm
- Q58. Storm是什么？
- Q59. Storm出现的背景是什么？
- Q60. Storm有哪些应用领域？
- Q61. Storm的设计特征是什么？
- Q62. Storm中有哪些关键概念？
- Q63. Storm集群中有哪些组件？
- Q64. Storm如何高效地实现消息的可靠性？
- Q65. Storm是如何实现容错的？
- Q66. Storm有哪些缺点？
- 第3章 分布式数据库
- 3.1 分布式数据库的基本概念
- Q67. 什么是分布式数据库？
- Q68. 什么是关系型数据库？
- Q69. 什么是NoSQL数据库？
- Q70. 为什么需要分布式数据库？
- Q71. 大数据时代分布式数据库的特征是什么？
- Q72. 分布式数据库相对传统集中式数据库的优点有哪些？
- Q73. 什么是CAP定理？
- 3.2 开源项目
- 3.2.1 HBase
- Q74. HBase是什么？
- Q75. HBase的定位是什么？
- Q76. HBase的设计特征是什么？
- Q77. HBase和传统数据库的区别是什么？
- Q78. HBase的数据模型是什么？
- Q79. 运行中的HBase有什么特点？
- Q80. HBase的集群架构是怎样的？
- Q81. HBase的存储架构是怎样的？
- Q82. HBase和HDFS的关系是什么？
- Q83. 如何在HBase上运行MapReduce？
- Q84. HBase能否支持SQL？
- Q85. HBase有哪些常用场景？
- 3.2.2 Hive
- Q86. 什么是Hive？
- Q87. Hive的适用场景有哪些？
- Q88. Hive的设计特征是什么？
- Q89. Hive和RDBMS的区别是什么？
- Q90. Hive的体系结构是怎样的？
- Q91. Hive的元数据存储方案有哪些？
- Q92. Hive的数据存储模型有哪些？
- Q93. Hive和SQL的区别是什么？
- Q94. 常见的HiveQL操作有哪些？
- Q95. 什么是Hive的用户定义函数？
- 3.2.3 MongoDB
- Q96. 什么是MongoDB？
- Q97. MongoDB的设计特征是什么？
- Q98. MongoDB的设计哲学是什么？
- Q99. MongoDB中有哪些基本概念？
- Q100. MongoDB数据模型是怎样的？
- Q101. MongoDB和SQL的区别是什么？
- Q102. 如何进行MongoDB的CRUD操作？
- Q103. MongoDB支持哪些数据库驱动？
- Q104. MongoDB如何实现高可用？
- Q105. MongoDB的分片机制是怎样的？
- Q106. MongoDB有哪些适用场景？
- 第4章 大数据与数据挖掘
- Q107. 什么是数据挖掘？
- Q108. 什么是机器学习？
- Q109. 数据挖掘主要解决的问题有哪些？
- Q110. 传统数据挖掘有哪些算法？
- Q111. 什么是有监督学习？
- Q112. 什么是无监督学习？
- Q113. 什么是C4.5算法？
- Q114. 什么是SVM？
- Q115. 什么是贝叶斯算法？
- Q116. 什么是K-Means算法？
- Q117. 什么是EM算法？
- Q118. 什么是Apriori算法？
- Q119. 数据挖掘算法在电信行业如何应用？
- Q120. 大数据时代如何进行数据挖掘？
-
……
