本书分为7篇，分为15章，从大数据生命周期的角度详细介绍了大数据技术体系与源生态的相关内容。包括技术概述、获取技术、管理技术、分析与挖掘技术、可视化与交互技术、安全与治理技术。内容详实全面。 编者是现任国家科学技术奖评审专家、全国专业技术标准化委员会委员，知名度高，在业内知名，已编著书籍有很好的口碑，本书的内容专业、技术领先。
售 价：¥
纸质售价：¥109.70购买纸书
9.8
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
内容提要
前言
第一篇 大数据技术体系与开源生态概述
第1章 大数据技术体系概述
1.1 大数据技术的主要内容
1.2 大数据开源框架
1.2.1 大数据获取技术
1.2.2 大数据管理技术
1.2.3 大数据处理技术
1.2.4 大数据安全与治理技术
1.2.5 大数据分析与挖掘技术
1.2.6 大数据可视化技术
1.3 本章小结
第2章 开源生态与代码托管平台简介
2.1 开源和开源软件的简介
2.1.1 开源的简介
2.1.2 开源软件的简介
2.2 开源代码托管平台——GitHub
2.3 本章小结
第3章 大数据开源生态的介绍
3.1 Apache软件基金会
3.1.1 发展历史
3.1.2 主要参与者
3.1.3 开源项目
3.2 Linux 基金会
3.2.1 发展历史
3.2.2 主要参与者
3.2.3 开源项目
3.3 开源中国
3.3.1 发展历史
3.3.2 主要参与者
3.4 本章小结
第4章 云计算开源生态的介绍
4.1 OpenStack 基金会
4.1.1 发展历史
4.1.2 主要参与者
4.1.3 开源项目
4.2 Cloud Native Computing Foundation
4.2.1 发展历史
4.2.2 主要参与者
4.2.3 开源项目
4.3 本章小结
第二篇 大数据获取技术
第5章 消息队列相关技术
5.1 ZeroMQ
5.1.1 技术概况
5.1.2 发展近况和技术优势
5.1.3 软件架构
5.1.4 应用场景
5.2 RabbitMQ
5.2.1 技术概况
5.2.2 发展近况和技术优势
5.2.3 软件架构
5.2.4 应用场景
5.3 Active MQ
5.3.1 技术概况
5.3.2 发展近况和技术优势
5.3.3 软件架构
5.3.4 应用场景
5.4 Apache Kafka
5.4.1 技术概况
5.4.2 发展近况和技术优势
5.4.3 软件架构
5.4.4 应用场景
5.5 本章小结
第三篇 大数据管理技术
第6章 数据库相关技术
6.1 传统关系型数据库
6.1.1 MySQL
6.1.2 PostgreSQL
6.2 文档型数据库
6.2.1 MongoDB
6.2.2 Apache CouchDB
6.3 列存储数据库
6.3.1 Vertica
6.3.2 Apache HBase
6.4 键/值对型数据库
6.4.1 Redis
6.4.2 Riak
6.5 图形数据库
6.5.1 Neo4j
6.5.2 OrientDB
6.5.3 InfiniteGraph
6.6 基于内存的分布式文件系统之Alluxio
6.6.1 技术概况
6.6.2 发展近况和技术优势
6.6.3 软件架构
6.6.4 应用场景
6.7 数据仓库系统之ApacheTajo
6.7.1 技术概况
6.7.2 发展近况和技术优势
6.7.3 软件架构
6.7.4 应用场景
6.8 本章小结
第7章 大数据平台资源管理技术
7.1 Apache ZooKeeper
7.1.1 技术概况
7.1.2 发展近况和技术优势
7.1.3 软件架构
7.1.4 应用场景
7.2 Apache Hadoop YARN
7.2.1 技术概况
7.2.2 发展近况和技术优势
7.2.3 软件架构
7.2.4 应用场景
7.3 Apache Mesos
7.3.1 技术概况
7.3.2 发展近况和技术优势
7.3.3 软件架构
7.3.4 应用场景
7.4 Apache Mnemonic
7.4.1 技术概况
7.4.2 发展近况和技术优势
7.5 本章小结
第四篇 大数据处理技术
第8章 开源批处理平台
8.1 Apache Hadoop
8.1.1 技术概况
8.1.2 发展近况和技术优势
8.1.3 软件架构
8.1.4 应用场景
8.2 Apache Spark
8.2.1 技术概况
8.2.2 发展近况和技术优势
8.2.3 软件架构
8.2.4 应用场景
8.3 Apache Kylin
8.3. 1 技术概况
8.3.2 发展近况和技术优势
8.3.3 软件架构
8.3.4 应用场景
8.4 本章小结
第9章 开源实时处理平台
9.1 Apache Storm
9.1.1 技术概况
9.1.2 发展近况和技术优势
9.1.3 软件架构
9.1.4 应用场景
9.2 Apache Spark Streaming
9.2.1 技术概况
9.2.2 发展近况和技术优势
9.2.3 软件架构
9.2.4 应用场景
9.3 Apache Flink
9.3.1 技术概况
9.3.2 发展近况和技术优势
9.3.3 软件架构
9.3.4 应用场景
9.4 Apache Beam
9.4.1 技术概况
9.4.2 发展近况和技术优势
9.4.3 软件架构
9.4.4 应用场景
9.5 Apache Apex
9.5.1 技术概况
9.5.2 发展近况和技术优势
9.5.3 软件架构
9.5.4 应用场景
9.6 本章小结
第五篇 大数据分析与挖掘技术
第10章 开源数据分析平台
10.1 Apache Mahout
10.1.1 技术概况
10.1.2 发展近况和技术优势
10.1.3 应用场景
10.2 Apache Spark MLlib
10.2.1 技术概况
10.2.2 发展近况和技术优势
10.2.3 软件架构
10.2.4 应用场景
10.3 Apache Lens
10.3.1 技术概况
10.3.2 发展近况及技术优势
10.3.3 软件架构
10.3.4 应用场景
10.4 Scikit-Learn
10.4.1 技术概况
10.4.2 发展近况与技术优势
10.4.3 软件架构
10.4.4 应用场景
10.5 本章小结
第11章 开源深度学习平台
11.1 TensorFlow
11.1.1 技术概况
11.1.2 发展近况和技术优势
11.1.3 软件架构
11.1.4 应用场景
11.2 Tensorflow Lite
11.2.1 技术概况
11.2.2 发展近况和技术优势
11.2.3 软件架构
11.3 Caffe
11.3.1 技术概述
11.3.2 发展近况和技术优势
11.3.3 软件架构
11.3.4 应用场景
11.4 PyTorch
11.4.1 技术概况
11.4.2 发展近况和技术优势
11.4.3 软件架构
11.4.4 应用场景
11.5 本章小结
第六篇 大数据可视化与交互技术
第12章 主流大数据可视化与交互工具
12.1 Tableau
12.1.1 技术概况
12.1.2 发展近况和技术优势
12.1.3 软件架构
12.1.4 应用场景
12.2 Apache Zeppelin
12.2.1 技术概况
12.2.2 发展近况和技术优势
12.2.3 软件架构
12.2.4 应用场景
12.3 本章小结
第13章 其他大数据可视化与交互工具
13.1 Jaspersoft Community
13.1.1 技术概况
13.1.2 发展近况和技术优势
13.1.3 软件架构
13.1.4 应用场景
13.2 BIRT
13.2.1 技术概况
13.2.2 发展近况和技术优势
13.2.3 软件架构
13.2.4 应用场景
13.3 KNIME
13.3.1 技术概况
13.3.2 发展近况和技术优势
13.3.3 软件架构
13.3.4 应用场景
13.4 本章小结
第七篇 大数据安全与治理技术
第14章 大数据治理技术
14.1 Apache Falcon
14.1.1 技术概况
14.1.2 发展近况和技术优势
14.1.3 软件架构
14.1.4 应用场景
14.2 Apache Atlas
14.2.1 技术概况
14.2.2 发展近况和技术优势
14.2.3 软件架构
14.3 本章小结
第15章 大数据安全技术
15.1 Apache Ranger
15.1.1 技术概况
15.1.2 发展近况和技术优势
15.1.3 软件架构
15.1.4 应用场景
15.2 Apache Sentry
15.2.1 技术概况
15.2.2 发展近况和技术优势
15.2.3 软件架构
15.3 Apache Kerberos
15.3.1 技术概况
15.3.2 发展近况和技术优势
15.3.3 软件架构
15.4 Apache Metron
15.4.1 技术概况
15.4.2 发展近况及技术优势
15.4.3 软件架构
15.5 Hyperledger
15.5.1 技术概况
15.5.2 发展近况和技术优势
15.5.3 软件架构
15.5.4 应用场景
15.6 本章小结
结束语
名词索引
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
