Hadoop金融大数据分析PDF电子书下载

第1章 大数据回顾 1

大数据是什么 1

数据量 2

数据速度 2

数据类型 3

大数据技术的演进 3

过去 3

现在 4

未来 5

大数据愿景 5

存储 6

NoSQL 6

NoSQL数据库类型 7

资源管理 7

数据治理 8

批量计算 8

实时计算 8

数据整合工具 9

机器学习 9

商务智能和可视化 9

大数据相关的职业 10

Hadoop架构 11

HDFS集群 12

MapReduce V1 14

MapReduce V2——YARN 15

Hadoop生态圈简介 18

驯服大数据 18

Hadoop——英雄 19

HDFS——Hadoop分布式系统 19

Hadoop版本 23

发行版——本地部署 25

发行版——云端 27

总结 28

第2章 金融服务中的大数据 29

各个行业的大数据使用情况 29

卫生保健 30

人类科学 30

电信 31

在线零售商 31

为什么金融部门需要大数据 31

金融部门的大数据应用案例 34

HDFS上的数据归档 34

监管 35

欺诈检测 35

交易数据 36

风险管理 36

客户行为预测 36

情感分析——非结构化 36

其他应用案例 37

金融大数据的演进过程 37

应该如何学习金融大数据 41

把你的数据上传到HDFS上 41

从HDFS上查询数据 42

在Hadoop上的SQL 43

实时 44

数据治理和运营 44

ETL工具 45

数据分析和商业智能 45

金融大数据的实现 46

关键挑战 46

克服挑战 47

总结 50

第3章 在云端使用Hadoop 51

大数据云的故事 51

原因 52

时机 53

收获 54

项目细节——在云中进行风险模拟 54

解决方案 55

现实世界 55

目标世界 57

数据转换 60

数据分析 62

总结 63

第4章 使用Hadoop进行数据迁移 65

项目细节——归档你的交易数据 65

解决方案 67

项目第一阶段——分裂交易数据到数据仓库和Hadoop 68

项目第二阶段——完成数据从关系型数据仓库到Hadoop的迁移 77

总结 83

第5章 入门 85

项目详细信息——风险和监管报告 86

解决方案 87

现实世界 87

目标世界 88

数据收集 89

数据转换 97

数据分析 112

总结 116

第6章 变得有经验 117

实时大数据 117

项目细节——识别欺诈交易 119

解决方案 120

现实世界 120

目标世界 120

马尔科夫链模型执行——批处理模式 121

数据收集 126

数据转换 128

总结 132

第7章 深入扩展Hadoop的企业级应用 133

扩展开来——实际上的水平 134

更多的大数据使用案例 135

使用案例——再谈欺诈问题 136

解决方案 136

使用案例——用户投诉 137

解决方案 137

使用案例——算法交易 137

解决方案 138

使用案例——外汇交易 138

解决方案 138

使用案例——基于社交媒体的交易数据 139

解决方案 139

使用案例——非大数据 140

解决方案 140

数据湖 140

Lambda架构 143

大数据管理 144

Apache Falcon概览 146

安全性 147

总结 149

第8章 Hadoop的快速增长 151

Hadoop发行版的升级周期 151

最佳实践和标准 154

环境 154

与BI和ETL工具的集成 155

提示 155

新的趋势 157

总结 158