架构大数据 大数据技术及算法解析PDF电子书下载

第1章 大数据技术概述 1

1.1 大数据的概念 1

1.2 大数据的行业价值 4

1.3 大数据问题的爆发 9

1.4 大数据处理流程 12

1.5 大数据技术 13

1.5.1 基础架构支持 14

1.5.2 数据采集 14

1.5.3 数据存储 15

1.5.4 数据计算 16

1.5.5 展现与交互 18

1.6 练习题 19

参考文献 19

第2章 大数据基础支撑——数据中心及云计算 20

2.1 数据中心概述 20

2.1.1 云计算时代数据中心面临的问题 21

2.1.2 新一代数据中心关键技术 22

2.1.3 业界发展动态 24

2.1.4 小结 25

2.2 云计算简介 25

2.2.1 云计算定义 26

2.2.2 云计算主要特征 27

2.2.3 Web服务、网格和云计算 28

2.2.4 云计算应用分类 29

2.2.5 小结 31

2.3 大数据与云计算的关系 32

2.3.1 大数据是信息技术发展的必然阶段 33

2.3.2 云计算等新兴信息技术正在真正地落地和实施 34

2.3.3 云计算等新兴技术是解决大数据问题的核心关键 34

2.4 云资源调度与管理 35

2.4.1 云资源管理 36

2.4.2 云资源调度策略 38

2.4.3 云计算数据中心负载均衡调度 40

2.5 开源云管理平台OpenStack 44

2.5.1 OpenStack的构成 45

2.5.2 OpenStack各组件之间的关系 46

2.5.3 OpenStack的逻辑架构 47

2.5.4 小结 49

2.6 软件定义网络 49

2.6.1 起源与发展 50

2.6.2 OpenFlow标准和规范 50

2.6.3 OpenFlow的应用 53

2.7 虚拟机与容器 55

2.7.1 VM虚拟化与Container虚拟化 55

2.7.2 Docker 55

2.8 练习题 57

参考文献 57

第3章 云计算先行者——Google的三驾马车 59

3.1 Google的三驾马车 59

3.1.1 GFS——一个可扩展的分布式文件系统 59

3.1.2 MapReduce——一种并行计算的编程模型 64

3.1.3 BigTable——一个分布式数据存储系统 69

3.2 Google新“三驾马车” 77

3.2.1 Caffeine——基于Percolator的搜索索引系统 77

3.2.2 Pregel——高效的分布式图计算的计算框架 80

3.2.3 Dremel——大规模数据的交互式数据分析系统 85

3.3 练习题 89

参考文献 89

第4章 云存储系统 91

4.1 云存储的基本概念 91

4.1.1 云存储结构模型 91

4.1.2 云存储与传统存储系统的区别 94

4.2 云存储关键技术 95

4.2.1 存储虚拟化技术 95

4.2.2 分布式存储技术 97

4.3 云存储系统分类 98

4.3.1 分布式文件存储 99

4.3.2 分布式块存储 105

4.3.3 分布式对象存储 109

4.3.4 统一存储 117

4.4 其他相关技术 124

4.5 练习题 127

参考文献 127

第5章 数据采集系统 129

5.1 Flume 130

5.1.1 Flume架构 130

5.1.2 Flume核心组件 133

5.1.3 Flume环境搭建与部署 134

5.2 Scribe 139

5.2.1 Scribe架构 139

5.2.2 Scribe中的Store 140

5.2.3 Scribe环境搭建与部署 141

5.3 Chukwa 144

5.3.1 Chukwa的设计目标 144

5.3.2 Chukwa架构 145

5.3.3 Chukwa环境搭建与部署 147

5.4 Kafka 150

5.4.1 Kafka架构 150

5.4.2 Kafka存储 152

5.4.3 Kafka的特点 152

5.4.4 Kafka环境搭建与部署 154

5.5 练习题 155

参考文献 155

第6章 Hadoop与MapReduce 156

6.1 Hadoop平台 156

6.1.1 Hadoop概述 156

6.1.2 Hadoop的发展简史 157

6.1.3 Hadoop的功能和作用 158

6.1.4 HDFS 159

6.1.5 HBase 162

6.2 MapReduce 171

6.2.1 第一代MapReduce （MRv1） 172

6.2.2 MapReduce 2.0——Yam 180

6.3 Hadoop相关生态系统 184

6.3.1 交互式数据查询分析 184

6.3.2 数据收集、转换工具 187

6.3.3 机器学习工具 188

6.3.4 集群管理与监控 188

6.3.5 其他工具 189

6.4 Hadoop应用案例 191

6.5 练习题 192

参考文献 192

第7章 Spark——大数据统一计算平台 193

7.1 Spark简介 193

7.1.1 Spark 193

7.1.2 BDAS 195

7.2 RDD 197

7.2.1 RDD基本概念 197

7.2.2 RDD示例 199

7.2.3 RDD与分布式共享内存 200

7.3 Spark SQL 201

7.4 MLlib 203

7.5 GraphX 206

7.6 Spark Streaming 206

7.6.1 基本概念 207

7.6.2 编程模型 208

7.7 Spark的安装 210

7.7.1 单机运行Spark 210

7.7.2 使用Spark Shell与Spark交互 213

7.8 Shark、 Impala、 Hive对比 214

7.9 练习题 216

参考文献 216

第8章 Storm流计算系统 218

8.1 流计算系统 218

8.1.1 流计算系统的特点 218

8.1.2 流计算处理基本流程 219

8.2 Storm流计算框架 220

8.2.1 Storm简介 220

8.2.2 Storm关键术语 221

8.2.3 Storm架构设计 223

8.3 Storm编程实例 225

8.4 Storm应用 228

8.4.1 Storm应用场景 228

8.4.2 Storm应用实例 228

8.5 其他流计算框架 229

8.6 练习题 231

参考文献 231

第9章 SQL、 NoSQL与NewSQL 232

9.1 传统SQL数据库 232

9.1.1 关系模型 232

9.1.2 关系型数据库的优点 233

9.1.3 关系型数据库面临的问题 234

9.2 NoSQL 234

9.2.1 NoSQL与大数据 235

9.2.2 NoSQL理论基础 235

9.2.3 分布式模型 238

9.2.4 NoSQL数据库分类 241

9.3 NewSQL 255

9.3.1 系统分类 255

9.3.2 Google Spanner 256

9.3.3 MemSQL 258

9.3.4 VoltDB 260

9.4 练习题 263

参考文献 263

第10章 大数据与数据挖掘 264

10.1 数据挖掘的主要功能和常用算法 264

10.1.1 数据挖掘的主要功能 264

10.1.2 常用算法 265

10.2 大数据时代的数据挖掘 280

10.2.1 传统数据挖掘解决方案 280

10.2.2 分布式数据挖掘解决方案 280

10.3 数据挖掘相关工具 282

10.3.1 Mahout 282

10.3.2 语言工具——Python 288

10.4 数据挖掘与R语言 289

10.4.1 R语言简介 289

10.4.2 R语言在数据挖掘上的应用 290

10.5 练习题 294

参考文献 294

第11章 深度学习 298

11.1 深度学习介绍 299

11.1.1 深度学习的概念 299

11.1.2 深度学习的结构 299

11.1.3 从机器学习到深度学习 301

11.2 深度学习基本方法 302

11.2.1 自动编码器 302

11.2.2 稀疏编码 304

11.3 深度学习模型 305

11.3.1 深度置信网络 306

11.3.2 卷积神经网络 308

11.4 深度学习的训练加速 310

11.4.1 GPU加速 310

11.4.2 数据并行 311

11.4.3 模型并行 312

11.4.4 计算集群 313

11.5 深度学习应用 313

11.5.1 Google 314

11.5.2 百度 314

11.5.3 腾讯Mariana 315

11.6 练习题 316

参考文献 316

第12章 电子商务与社会化网络大数据分析 318

12.1 推荐系统简介 318

12.1.1 推荐系统的评判标准 319

12.1.2 推荐系统的分类 319

12.1.3 在线推荐系统常用算法介绍 320

12.1.4 相关算法知识 323

12.2 计算广告 327

12.2.1 计算广告简介 327

12.2.2 计算广告发展阶段 327

12.2.3 计算广告相关算法 330

12.2.4 计算广告与大数据 332

12.2.5 大数据在计算广告中的应用案例 333

12.3 社交网络 333

12.3.1 社交网络中大数据挖掘的应用场景 334

12.3.2 社交网络大数据挖掘核心算法模型 334

12.3.3 图计算框架 335

12.3.4 大数据在社交网络中的应用案例 337

12.4 练习题 338

第13章 大数据展示与交互技术 339

13.1 数据可视化分类 339

13.1.1 按照展示内容进行划分 340

13.1.2 按照数据类型进行划分 341

13.2 可视化技术分类 351

13.2.1 2D展示技术 351

13.2.2 3D渲染技术 356

13.2.3 体感互动技术 360

13.2.4 虚拟现实技术 362

13.2.5 增强现实技术 364

13.2.6 可穿戴技术 365

13.2.7 可植入设备 368

13.3 练习题 369

参考文献 369

第14章 大数据安全与隐私 372

14.1 云计算时代安全与隐私问题凸显 372

14.2 云计算与大数据时代的安全挑战 374

14.2.1 大数据时代的安全需求 374

14.2.2 信息安全的发展历程 375

14.2.3 新兴信息技术带来的安全挑战 376

14.3 如何解决安全问题 380

14.3.1 云计算安全防护框架 381

14.3.2 基础云安全防护关键技术 384

14.3.3 创立本质安全的新型IT体系 387

14.4 隐私问题 389

14.4.1 防不胜防的隐私泄露 389

14.4.2 隐私保护的政策法规 390

14.4.3 隐私保护技术 391

14.5 练习题 393

参考文献 393

第15章 大数据技术发展趋势 394

15.1 实时化 394

15.2 内存计算 396

15.2.1 机遇与挑战 396

15.2.2 研究进展 397

15.2.3 发展展望 399

15.3 泛在化 399

15.3.1 发展现状 400

15.3.2 发展趋势 401

15.4 智能化 406

15.4.1 传统人工智能 406

15.4.2 基于大数据的人工智能 407

15.5 练习题 410

参考文献 410

第16章 知名企业大数据架构简介 411

16.1 腾讯 411

16.1.1 背景介绍 411

16.1.2 整体架构 412

16.2 淘宝 416

16.2.1 背景介绍 416

16.2.2 整体架构 416

16.3 Facebook 417

16.3.1 背景介绍 417

16.3.2 整体架构 418

16.3.3 技术架构展望 420

16.4 Twitter 420

16.4.1 背景介绍 420

16.4.2 整体架构 420

16.4.3 技术架构展望 422

16.5 Netflix 422

16.5.1 背景介绍 422

16.5.2 整体架构 423

16.5.3 Netflix个性化和推荐系统架构 426

16.6 练习题 430

参考文献 430