当前位置:主页 > 计算机电子书 > 大数据分析 > 大数据下载
大数据:战略·技术·实践

大数据:战略·技术·实践 PDF 高质量版

  • 更新:2021-11-23
  • 大小:95.37MB
  • 类别:大数据
  • 作者:周宝曜,刘伟,范承工
  • 出版:电子工业出版社
  • 格式:PDF

  • 资源介绍
  • 相关推荐

《大数据:战略·技术·实践》从实际技术解决方案出发,提出了大数据技术四层架构,即:基础设施层、管理层、分析层、应用层。在此基础上,全面剖析了当前大数据领域中的主流技术,并配以行业应用实例和一线研发人员的独到见解。力求使读者能够通过阅读此书,全面了解当前大数据技术动态和发展趋势,并可针对自己面临的大数据问题找到可行的解决方案。《大数据:战略·技术·实践》是一本不错的技术普及读物。可作为软件开发者、数据存储处理工程师、数据分析师等工程技术人员的参考书,亦可作为高等学校相关专业课程的教材或参考书。

目录

  • 第一部分大数据技术概览
  • 第1章概述
  • 1.1什么是大数据
  • 1.1.1大数据的定义及特征
  • 1.1.2大数据结构类型
  • 1.1.3大数据实例
  • 1.2大数据发展史
  • 1.3大数据技术架构
  • 1.4机遇与挑战
  • 参考文献
  • 第2章大数据应用
  • 2.1大数据驱动新应用
  • 2.1.1大数据生态系统
  • 2.1.2新的业务应用
  • 2.2行业应用实例
  • 2.2.1奥巴马的大数据
  • 2.2.2预测犯罪
  • 2.2.3数据让游戏更精彩
  • 2.2.4智能交通
  • 2.2.5大学教育
  • 2.2.6大数据的姻缘
  • 2.2.7传媒出版
  • 参考文献
  • 第3章大数据基础设施
  • 3.1云端大数据
  • 3.1.1云基础设施
  • 3.1.2虚拟化的三驾马车
  • 3.1.3云安全和云平台
  • 3.2计算虚拟化
  • 3.2.1基本概念
  • 3.2.2从部分虚拟化到全虚拟化
  • 3.2.3处理器(CPU)的虚拟化
  • 3.2.4内存(Memory)的虚拟化
  • 3.3大数据存储
  • 3.3.1传统存储系统时代的简单回顾
  • 3.3.2大数据时代的新挑战
  • 3.3.3分布式存储及其案例
  • 3.3.4云存储及其存储虚拟化
  • 3.3.5大数据存储的其他需求及其特点
  • 3.4网络虚拟化
  • 3.4.1网卡虚拟化
  • 3.4.2虚拟交换机(VirtualSwitch)
  • 3.4.3接入层的虚拟化
  • 3.4.4覆盖网络虚拟化(NetworkVirtualizationOverlay)
  • 3.4.5软件定义的网络(SDN)
  • 3.4.6对大数据处理的意义
  • 3.5基础架构的安全:云环境中面临的新的安全挑战
  • 3.5.1计算资源方面的安全和挑战
  • 3.5.2存储方面的安全和挑战
  • 3.5.3网络方面的安全和挑战
  • 3.6大数据时代的云服务
  • 3.6.1大数据与基础设施即服务
  • 3.6.2亚马逊云计算服务的解决方案
  • 3.6.3OpenStack解决方案
  • 3.6.4大数据与应用平台即服务
  • 参考文献
  • 第4章大数据管理
  • 4.1大数据事务处理(OLTP)
  • 4.1.1NoSQL
  • 4.1.2NewSQL
  • 4.2大数据分析处理(OLAP)
  • 4.2.1分布式大规模批量处理(MapReduce/Hadoop)
  • 4.2.2MPP数据库
  • 4.3流数据管理
  • 4.3.1流数据管理简介
  • 4.3.2复杂事件处理简介
  • 4.3.3复杂事件处理软件Esper介绍
  • 4.3.4大数据流处理
  • 4.3.5大数据摄取与处理
  • 参考文献
  • 第5章大数据分析
  • 5.1数据分析的演变与现状
  • 5.1.1数据分析的商业驱动力
  • 5.1.2面向分析的数据环境的演变
  • 5.1.3传统分析架构
  • 5.2大数据分析平台
  • 5.2.1大数据分析平台的要点
  • 5.2.2大数据分析平台实例:Cetas
  • 5.3高级分析理论与方法
  • 5.3.1聚类分析
  • 5.3.2关联规则
  • 5.3.3回归和分类预测
  • 5.4数据可视化
  • 5.4.1数据可视化基础
  • 5.4.2用数据讲故事
  • 5.4.3数据可视化的模式
  • 5.4.4数据可视化工具基础
  • 5.4.5大数据的可视化
  • 参考文献
  • 第6章数据科学与数据科学家
  • 6.1商业智能vs数据科学
  • 6.2数据科学家
  • 6.2.1大数据生态系统中的关键角色
  • 6.2.2数据科学家的特质
  • 6.3数据分析生命周期模型
  • 6.3.1模型概述
  • 6.3.2阶段1:探索发现
  • 6.3.3阶段2:数据准备
  • 6.3.4阶段3:模型规划
  • 6.3.5阶段4:模型建造
  • 6.3.6阶段5:沟通结果
  • 6.3.7阶段6:项目实施
  • 6.4使用范例:企业创新分析
  • 6.4.1阶段1:探索发现
  • 6.4.2阶段2:数据准备
  • 6.4.3阶段3:模型规划
  • 6.4.4阶段4:模型建造
  • 6.4.5阶段5:沟通结果
  • 6.4.6阶段6:项目实施
  • 参考文献
  • 第二部分大数据解决方案范例
  • 第7章医疗大数据解决方案
  • 7.1医疗信息化
  • 7.1.1全球医疗信息化历史回顾
  • 7.1.2我国医疗信息化发展趋势
  • 7.2医疗数据综述
  • 7.2.1医疗数据的大数据特性
  • 7.2.2医疗大数据挑战和机遇
  • 7.3医疗大数据基础架构
  • 7.3.1建设原则
  • 7.3.2面向医疗大数据的信息基础架构方案
  • 7.4医疗大数据分析
  • 7.4.1医疗云的兴起
  • 7.4.2医疗云上的大数据
  • 7.4.3医疗大数据分析解决方案
  • 7.5医疗大数据的展望
  • 参考文献
  • 第8章物联网大数据解决方案
  • 8.1物联网
  • 8.1.1物联网的概念
  • 8.1.2物联网技术
  • 8.1.3物联网数据
  • 8.1.4物联网的机遇和挑战
  • 8.1.5物联网应用实例
  • 8.2应用行业背景
  • 8.2.1脱硫系统的必要性
  • 8.2.2脱硫系统工作原理
  • 8.2.3大数据时代的数据挖掘
  • 8.3参数分析
  • 8.3.1火电厂的大数据
  • 8.3.2脱硫相关参数
  • 8.4优化目标
  • 8.4.1脱硫参数优化
  • 8.4.2目标成本优化
  • 8.5优化方法
  • 8.5.1基于数据的理论与方法
  • 8.5.2最优化脱硫系统可调参数
  • 8.5.3最小化脱硫系统成本
  • 8.6数据相关问题
  • 8.6.1主要监控参数
  • 8.6.2业务相关假设
  • 8.6.3数据中存在的问题
  • 8.7优化目标1:脱硫运行参数最优目标值挖掘
  • 8.7.1数据分布直方图
  • 8.7.2基于历史数据的工况划分
  • 8.7.3FCM与模糊关联规则挖掘最优可调参数
  • 8.8优化目标2:最优目标成本计算
  • 8.8.1增压风机用电成本估计
  • 8.8.2石灰石成本函数
  • 8.9实现简介
  • 8.9.1基于HBase的数据模型
  • 8.9.2对Mahout的改进
  • 8.1总结
  • 参考文献
  • 第9章移动平台大数据解决方案
  • 9.1移动平台的大数据挑战
  • 9.2Instagram案例研究
  • 9.2.1面临的挑战
  • 9.2.2解决方案
  • 9.3MobileBack-endasaService基础
  • 9.4MBaaS提供商案例研究
  • 9.5基于PaaS的MBaaS大数据解决方案
  • 参考文献
  • 第10章社交网站大数据解决方案
  • 10.1大数据时代社交网站面临的挑战
  • 10.2Twitter解决方案
  • 10.2.1Twitter在线部分大数据解决方案
  • 10.2.2Twitter离线部分大数据解决方案
  • 10.3LinkedIn解决方案
  • 10.4Facebook解决方案
  • 10.5国内社交网络解决方案
  • 10.5.1腾讯大数据解决方案
  • 10.5.2新浪微博大数据解决方案
  • 参考文献
  • 第11章大数据未来展望
  • 11.1大数据发展趋势
  • 11.2新的机遇与挑战
  • 参考文献

资源下载

资源下载地址1:https://pan.baidu.com/s/189iYUonLFT0Oe-OG_mQQWw

相关资源

网友留言