万本电子书0元读

万本电子书0元读

顶部广告

大数据架构详解:从数据获取到深度学习电子书

这是一个数据信息时代,每分每秒都在产生数不尽的数据。这些数据如何获取,有什么用途,如何与前沿的深度学习、机器学习等相结合,如何为我们所用,尽在本书中。 更多计算机好书请关注:电子工业出版社当当自营店

售       价:¥

纸质售价:¥51.30购买纸书

3798人正在读 | 6人评论 7.4

作       者:朱洁

出  版  社:电子工业出版社

出版时间:2016-10-01

字       数:32.3万

所属分类: 科技 > 计算机/网络 > 计算机理论与教程

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(6条)
  • 读书简介
  • 目录
  • 累计评论(6条)
本书从架构、业务、技术三个维度深浅出地介绍了大数据处理领域端到端的知识。主要内容包括三部分:*部分从数据的产生、采集、计算、存储、消费端到端的角度介绍大数据技术的起源、发展、关键技术和未来趋势,结合生动的业界*产品,以及学术界*的研究方向和成果,让深奥的技术浅显易懂;第二部分从业务和技术角度介绍实际案例,让读者理解大数据的用途及技术的本质;第三部分介绍大数据技术不是孤立的,讲解如何与前沿的云技术、深度学习、机器学习等相结合。<br/>【推荐语】<br/>这是一个数据信息时代,每分每秒都在产生数不尽的数据。这些数据如何获取,有什么用途,如何与前沿的深度学习、机器学习等相结合,如何为我们所用,尽在本书中。 更多计算机好书请关注:电子工业出版社当当自营店<br/>【作者】<br/>朱洁,2008年加华为,具有8年大数据研发管理经验,现任华为大数据服务首席规划师。专注于大数据服务平台建设、规划和实践应用,同时参与多项企业级大数据项目解决方案的规划、设计和实施工作,在深化大数据行业落地方面有诸多实践经验,对解读大数据垂直行业的技术创新与发有诸多独到的见解和心得。   罗华霖,2002年加华为,华为大数据首席规划师,主导完成华为大数据平台DataSight和华为电信大数据解决方案SmartCare技术规划和架构设计,支持电信运营商数字化战略转型,完成浙江移动、上海联通、沙特STC等200 电信大数据解决方案项目落地。曾任华为软交换首席设计师,华为大型电信大数据解决方案SmartCare首席架构师。<br/>
目录展开

内容简介

前言

第一部分 大数据的本质

第1章 大数据是什么

1.1 大数据导论

1.1.1 大数据简史(1)

1.1.2 大数据现状

1.1.3 大数据与BI(4)

1.2 企业数据资产

1.3 大数据挑战

1.3.1 成本挑战

1.3.2 实时性挑战

1.3.3 安全挑战

1.4 小结

第2章 运营商大数据架构

2.1 架构驱动的因素

2.2 大数据平台架构

2.3 平台发展趋势

2.4 小结

第3章 运营商大数据业务

3.1 运营商常见的大数据业务

3.1.1 SQM(运维质量管理)

3.1.2 CSE(客户体验提升)

3.1.3 MSS(市场运维支撑)

3.1.4 DMP(数据管理平台)

3.2 小结

第二部分 大数据技术

第4章 数据获取

4.1 数据分类

4.2 数据获取组件

4.3 探针

4.3.1 探针原理

4.3.2 探针的关键能力

4.4 网页采集

4.4.1 网络爬虫(10)

4.4.2 简单爬虫Python代码示例(11)

4.5 日志收集

4.5.1 Flume(12)

4.5.2 其他日志收集组件

4.6 数据分发中间件

4.6.1 数据分发中间件的作用

4.6.2 Kafka架构和原理(15)

4.7 小结

第5章 流处理

5.1 算子

5.2 流的概念

5.3 流的应用场景

5.3.1 金融领域

5.3.2 电信领域

5.4 业界两种典型的流引擎

5.4.1 Storm(3)

5.4.2 Spark Streaming(4)

5.4.3 融合框架(7)

5.5 CEP(10)

5.5.1 CEP是什么(11)

5.5.2 CEP的架构

5.5.3 Esper(12)

5.6 实时结合机器学习

5.6.1 Eagle的特点

5.6.2 Eagle概览

5.7 小结

第6章 交互式分析

6.1 交互式分析的概念

6.2 MPPDB技术

6.2.1 MPP的概念(1)

6.2.2 典型的MPP数据库

6.2.3 MPP DB调优实战

6.2.4 MPPDB适用场景(11)

6.3 SQL on Hadoop

6.3.1 Hive

6.3.2 Phoenix

6.3.3 Impala

6.4 大数据仓库

6.4.1 数据仓库的概念

6.4.2 OLTP/OLAP对比

6.4.3 大数据场景下的同与不同

6.4.4 查询引擎

6.4.5 存储引擎

6.5 小结

第7章 批处理技术

7.1 批处理技术的概念

7.2 MPP DB技术

7.3 MapReduce编程框架

7.3.1 MapReduce起源

7.3.2 MapReduce原理

7.3.3 Shuffle

7.3.4 性能差的主要原因

7.4 Spark架构和原理(1)

7.4.1 Spark的起源和特点

7.4.2 Spark的核心概念

7.5 BSP框架(5)

7.5.1 什么是BSP模型

7.5.2 并行模型介绍

7.5.3 BSP模型基本原理

7.5.4 BSP模型的特点

7.5.5 BSP模型的评价

7.5.6 BSP与MapReduce对比

7.5.7 BSP模型的实现

7.5.8 Apache Hama简介

7.6 批处理关键技术

7.6.1 CodeGen(6)

7.6.2 CPU亲和技术(7)

7.7 小结

第8章 机器学习和数据挖掘

8.1 机器学习和数据挖掘的联系与区别

8.2 典型的数据挖掘和机器学习过程

8.3 机器学习概览

8.3.1 学习方式

8.3.2 算法类似性

8.4 机器学习&数据挖掘应用案例

8.4.1 尿布和啤酒的故事

8.4.2 决策树用于电信领域故障快速定位

8.4.3 图像识别领域

8.4.4 自然语言识别

8.5 交互式分析(1)

8.6 深度学习(2)(3)

8.6.1 深度学习概述

8.6.2 机器学习的背景

8.6.3 人脑视觉机理

8.6.4 关于特征

8.6.5 需要有多少个特征

8.6.6 深度学习的基本思想

8.6.7 浅层学习和深度学习

8.6.8 深度学习与神经网络

8.6.9 深度学习的训练过程

8.6.10 深度学习的框架

8.6.11 深度学习与GPU

8.6.12 深度学习小结与展望

8.7 小结

第9章 资源管理

9.1 资源管理的基本概念

9.1.1 资源调度的目标和价值

9.1.2 资源调度的使用限制及难点

9.2 Hadoop领域的资源调度框架

9.2.1 YARN

9.2.2 Borg(1)

9.2.3 Omega

9.2.4 本节小结

9.3 资源分配算法

9.3.1 算法的作用

9.3.2 几种调度算法分析

9.4 数据中心统一资源调度

9.4.1 Mesos+Marathon架构和原理

9.4.2 Mesos+Marathon小结

9.5 多租户技术

9.5.1 多租户概念

9.5.2 多租户方案

9.6 基于应用描述的智能调度

9.7 Apache Mesos架构和原理(3)

9.7.1 Apache Mesos背景

9.7.2 Apache Mesos总体架构

9.7.3 Apache Mesos工作原理

9.7.4 Apache Mesos关键技术

9.7.5 Mesos与YARN比较

9.8 小结

第10章 存储是基础

10.1 分久必合,合久必分

10.2 存储硬件的发展

10.2.1 机械硬盘的工作原理

10.2.2 SSD的原理

10.2.3 3DXPoint

10.2.4 硬件发展小结

10.3 存储关键指标

10.4 RAID技术

10.5 存储接口

10.5.1 文件接口

10.5.2 裸设备

10.5.3 对象接口

10.5.4 块接口(7)

10.5.5融合是趋势

10.6 存储加速技术

10.6.1 数据组织技术

10.6.2 缓存技术

10.7 小结

第11章 大数据云化

11.1 云计算定义

11.2 应用上云

11.2.1 CloudNative概念

11.2.2 微服务架构(1)

11.2.3 Docker配合微服务架构(2)

11.2.4 应用上云小结

11.3 大数据上云

11.3.1 大数据云服务的两种模式

11.3.2 集群模式AWSEMR(5)

11.3.3 服务模式AzureDataLakeAnalytics

11.4 小结

第三部分 大数据文化

第12章 大数据技术开发文化

12.1 开源文化

12.2 DevOps理念

12.2.1 Development和Operations的组合

12.2.2 对应用程序发布的影响

12.2.3 遇到的问题

12.2.4 协调人

12.2.5 成功的关键

12.3 速度远比你想的重要

12.4 小结

累计评论(6条) 4个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部