大数据智慧管理与分析之技术和实践 从数据仓库/OLAP到NoSQL和NewSQLPDF电子书下载

技术篇 基于NoSQL和NewSQL新技术的大数据管理与分析 3

第1章 大数据及其特点 3

1.1 大数据时代当前的状态 3

1.2 大数据定义与特点 5

1.3 沃尔玛应用大数据的案例 7

1.4 其他应用实例 8

1.5 对大数据的误解 9

1.6 CAP理论与BASE 12

第2章 大数据生命周期及相应的技术挑战 15

2.1 大数据生命周期 15

2.2 大数据面临的技术挑战 16

2.3 大数据安全与应用的挑战 19

2.4 针对大数据挑战的应对策略与技术方法 21

第3章 从关系数据管理到NoSQL技术的变革 35

3.1 关系数据库核心特点简介 35

3.2 关系数据模型在大数据处理方面的局限 36

3.3 面向大数据特点的数据管理技术革新 38

第4章 列式数据管理技术——HBase数据库 51

4.1 HBase概述 51

4.2 HBase数据模型 52

4.3 HBase集群配置 55

4.4 HBase各个组件之间的关系 57

4.5 HBase的索引数据结构——LSM树 58

4.6 HBase的作用和局限 60

4.7 HBase与其他相关技术的比较 62

4.8 应用实例 64

第5章 从关系型数据仓库发展到NewSQL的Hive技术 67

5.1 数据仓库技术介绍 67

5.2 数据仓库的定义和特点 69

5.3 数据库与数据仓库技术不能合二为一的原因 70

5.4 数据仓库建模 71

5.5 OLAP分析 76

5.6 Hive数据仓库技术 83

5.7 Apache Kylin——Hadoop生态圈的MOLAP机制 93

5.8 Hive的适用场景 96

5.9 Hive与HBase的比较 96

5.10 Hive和关系数据仓库的异同 98

5.11 Hive和HBase——联合起来作用更强大 100

第6章 大数据智慧管理技术的组合应用 103

6.1 关系数据库与NoSQL的组合 103

6.2 NoSQL与NewSQL的联合 105

6.3 应用组合技术的公司示例（见表6.1 ） 107

大数据智慧管理与分析之实践指南 109

实践应用篇 大数据智慧管理与分析之实践指南 111

第7章 数据仓库建设与OLAP分析实践 111

7.1 数据仓库实例背景 111

7.2 数据仓库的数据预处理 112

7.3 数据仓库建模 115

7.4 常用OLAP分析操作 117

7.5 MDX——OLAP分析查询语言 118

7.6 销售数据仓库建设实践项目 121

7.7 基于B/S的初级数据仓库实践项目开发 141

第8章 Hive数据仓库开发和OLAP分析实践 151

8.1 Hive数据仓库适用领域 151

8.2 开发基于Hive的数据仓库 151

8.3 基于Hive数据仓库的OLAP分析 170

第9章 基于HBase的大数据管理系统开发与维护实践 191

9.1 HBase的适用场景 191

9.2 进口货物记录HBase系统设计 192

9.3 基于Web浏览器的HBase数据访问可视化 204

附件1 ASCII码表（基本表） 211

附件2 过滤器列表 214

附件3 HBase实践项目可视化部分的参考代码 215