大数据技术原理与应用 ——概念、存储、处理、 分析与应用(第3版)电子书

扉页

内容提要

前言（第3版）

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

2.1.5 Hadoop的版本

2.2 Hadoop生态系统

2.2.1 HDFS

2.2.2 HBase

2.2.3 MapReduce

2.2.4 Hive

2.2.5 Pig

2.2.6 Mahout

2.2.7 ZooKeeper

2.2.8 Flume

2.2.9 Sqoop

2.2.10 Ambari

2.3 Hadoop的安装与使用

2.3.1 创建Hadoop用户

2.3.2 更新apt和安装Vim编辑器

2.3.3 安装SSH和配置SSH无密码登录

2.3.4 安装Java环境

2.3.5 安装单机Hadoop

2.3.6 Hadoop伪分布式安装

2.4 本章小结

2.5 习题

实验1 熟悉常用的Linux操作和Hadoop操作

第二篇 大数据存储与管理

第3章 分布式文件系统HDFS

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

3.3.3 第二名称节点

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 数据的冗余存储

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页面

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

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

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

实验4 NoSQL和关系数据库的操作比较

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 Microsoft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 本章小结

6.5 习题

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：WordCount

7.3.1 WordCount的程序任务

7.3.2 WordCount的设计思路

7.3.3 WordCount的具体执行过程

7.3.4 一个WordCount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初级编程实践

第8章 Hadoop再探讨

8.1 Hadoop的优化与发展

8.1.1 Hadoop的局限与不足

8.1.2 针对Hadoop的改进与提升

8.2 HDFS 2.0的新特性

8.2.1 HDFS HA

8.2.2 HDFS联邦

8.3 新一代资源管理调度框架YARN

8.3.1 MapReduce 1.0的缺陷

8.3.2 YARN设计思路

8.3.3 YARN体系结构

8.3.4 YARN工作流程

8.3.5 YARN框架与MapReduce 1.0框架的对比分析

8.3.6 YARN的发展目标

8.4 Hadoop生态系统中具有代表性的功能组件

8.4.1 Pig

8.4.2 Tez

8.4.3 Kafka

8.5 本章小结

8.6 习题

第9章 数据仓库Hive

9.1 概述

9.1.1 数据仓库概念

9.1.2 传统数据仓库面临的挑战

9.1.3 Hive简介

9.1.4 Hive与Hadoop生态系统中其他组件的关系

9.1.5 Hive与传统数据库的对比分析

9.1.6 Hive在企业中的部署和应用

9.2 Hive系统架构

9.3 Hive工作原理

9.3.1 SQL语句转换成MapReduce作业的基本原理

9.3.2 SQL查询转换成MapReduce作业的过程

9.4 Hive HA基本原理

9.5 Impala

9.5.1 Impala简介

9.5.2 Impala系统架构

9.5.3 Impala查询执行过程

9.5.4 Impala与Hive的比较

9.6 Hive编程实践

9.6.1 Hive的数据类型

9.6.2 Hive基本操作

9.6.3 Hive应用实例：WordCount

9.6.4 Hive编程的优势

9.7 本章小结

9.8 习题

实验6 熟悉Hive的基本操作

第10章 Spark

10.1 概述

10.1.1 Spark简介

10.1.2 Scala简介

10.1.3 Spark与Hadoop的对比

10.2 Spark生态系统

10.3 Spark运行架构

10.3.1 基本概念

10.3.2 架构设计

10.3.3 Spark运行基本流程

10.3.4 RDD的设计与运行原理

10.4 Spark的部署和应用方式

10.4.1 Spark的部署方式

10.4.2 从“Hadoop+Storm”架构转向Spark架构

10.4.3 Hadoop和Spark的统一部署

10.5 Spark编程实践

10.5.1 启动Spark Shell

10.5.2 Spark RDD基本操作

10.5.3 Spark应用程序

10.6 本章小结

10.7 习题

实验7 Spark初级编程实践

第11章 流计算

11.1 流计算概述

11.1.1 静态数据和流数据

11.1.2 批量计算和实时计算

11.1.3 流计算的概念

11.1.4 流计算与Hadoop

11.1.5 流计算框架

11.2 流计算的处理流程

11.2.1 概述

11.2.2 数据实时采集

11.2.3 数据实时计算

11.2.4 实时查询服务

11.3 流计算的应用

11.3.1 应用场景1：实时分析

11.3.2 应用场景2：实时交通

11.4 开源流计算框架Storm

11.4.1 Storm简介

11.4.2 Storm的特点

11.4.3 Storm的设计思想

11.4.4 Storm的框架设计

11.4.5 Storm实例

11.5 Spark Streaming

11.5.1 Spark Streaming设计

11.5.2 Spark Streaming与Storm的对比

11.6 本章小结

11.7 习题

第12章 Flink

12.1 Flink简介

12.2 为什么选择Flink

12.2.1 传统数据处理架构

12.2.2 大数据Lambda架构

12.2.3 流处理架构

12.2.4 Flink是理想的流计算框架

12.2.5 Flink的优势

12.3 Flink应用场景

12.3.1 事件驱动型应用

12.3.2 数据分析应用

12.3.3 数据流水线应用

12.4 Flink技术栈

12.5 Flink体系架构

12.6 Flink编程模型

12.7 Flink编程实践

12.7.1 安装Flink

12.7.2 编程实现WordCount程序

12.8 本章小结

12.9 习题

实验8 Flink初级编程实践

第13章 图计算

13.1 图计算简介

13.1.1 传统图计算解决方案的不足之处

13.1.2 通用图计算软件

13.2 Pregel简介

13.3 Pregel图计算模型

13.3.1 有向图和顶点

13.3.2 顶点之间的消息传递

13.3.3 Pregel的计算过程

13.3.4 Pregel计算过程的实例

13.4 Pregel的C++ API

13.4.1 消息传递机制

13.4.2 Combiner

13.4.3 Aggregator

13.4.4 拓扑改变

13.4.5 输入和输出

13.5 Pregel的体系结构

13.5.1 Pregel的执行过程

13.5.2 容错性

13.5.3 Worker

13.5.4 Master

13.5.5 Aggregator

13.6 Pregel的应用实例

13.6.1 单源最短路径

13.6.2 二分匹配

13.7 Pregel和MapReduce实现PageRank算法的对比

13.7.1 PageRank算法

13.7.2 PageRank算法在Pregel中的实现

13.7.3 PageRank算法在MapReduce中的实现

13.7.4 PageRank算法在Pregel和MapReduce中实现的比较

13.8 本章小结

13.9 习题

第14章 数据可视化

14.1 可视化概述

14.1.1 什么是数据可视化

14.1.2 可视化的发展历程

14.1.3 可视化的重要作用

14.2 可视化工具

14.2.1 入门级工具

14.2.2 信息图表工具

14.2.3 地图工具

14.2.4 时间线工具

14.2.5 高级分析工具

14.3 可视化典型案例

14.3.1 全球黑客活动

14.3.2 互联网地图

14.3.3 编程语言之间的影响力关系

14.3.4 世界国家健康与财富之间的关系

14.3.5 3D可视化互联网地图App

14.4 本章小结

14.5 习题

第四篇 大数据应用

第15章 大数据在互联网领域的应用

15.1 推荐系统概述

15.1.1 什么是推荐系统

15.1.2 长尾理论

15.1.3 推荐方法

15.1.4 推荐系统模型

15.1.5 推荐系统的应用

15.2 协同过滤

15.2.1 基于用户的协同过滤

15.2.2 基于物品的协同过滤

15.2.3 UserCF算法和ItemCF算法的对比

15.3 协同过滤实践

15.3.1 实践背景

15.3.2 数据处理

15.3.3 计算相似度矩阵

15.3.4 计算推荐结果

15.3.5 展示推荐结果

15.4 本章小结

15.5 习题

第16章 大数据在生物医学领域的应用

16.1 流行病预测

16.1.1 传统流行病预测机制的不足

16.1.2 基于大数据的流行病预测

16.1.3 基于大数据的流行病预测的重要作用

16.2 智慧医疗

16.3 生物信息学

16.4 案例：基于大数据的综合健康服务平台

16.4.1 平台概述

16.4.2 平台业务架构

16.4.3 平台体系架构

16.4.4 平台关键技术

16.5 本章小结

16.6 习题

第17章 大数据的其他应用

17.1 大数据在物流领域中的应用

17.1.1 智能物流的概念

17.1.2 智能物流的作用

17.1.3 智能物流的应用

17.1.4 大数据是智能物流的关键

17.1.5 中国智能物流骨干网——菜鸟

17.2 大数据在城市管理中的应用

17.2.1 智能交通

17.2.2 环保监测

17.2.3 城市规划

17.2.4 安防领域

17.3 大数据在金融行业中的应用

17.3.1 高频交易

17.3.2 市场情绪分析

17.3.3 信贷风险分析

17.4 大数据在汽车行业中的应用

17.5 大数据在零售行业中的应用

17.5.1 发现关联购买行为

17.5.2 客户群体细分

17.5.3 供应链管理

17.6 大数据在餐饮行业中的应用

17.6.1 餐饮行业拥抱大数据

17.6.2 餐饮O2O

17.7 大数据在电信行业中的应用

17.8 大数据在能源行业中的应用

17.9 大数据在体育和娱乐领域中的应用

17.9.1 训练球队

17.9.2 投拍影视作品

17.9.3 预测比赛结果

17.10 大数据在安全领域中的应用

17.10.1 大数据与国家安全

17.10.2 应用大数据技术防御网络攻击

17.10.3 警察应用大数据工具预防犯罪

17.11 大数据在政府领域中的应用

17.12 大数据在日常生活中的应用

17.13 本章小结

17.14 习题

参考文献