第1章 总述 1
第1篇 数据技术篇 8
第2章 日志采集 8
2.1浏览器的页面日志采集 8
2.1.1页面浏览日志采集流程 9
2.1.2页面交互日志采集 14
2.1.3页面日志的服务器端清洗和预处理 15
2.2无线客户端的日志采集 16
2.2.1页面事件 17
2.2.2控件点击及其他事件 18
2.2.3特殊场景 19
2.2.4 H5 ＆ Native日志统一 20
2.2.5设备标识 22
2.2.6日志传输 23
2.3日志采集的挑战 24
2.3.1典型场景 24
2.3.2大促保障 26
第3章 数据同步 29
3.1数据同步基础 29
3.1.1直连同步 30
3.1.2数据文件同步 30
3.1.3数据库日志解析同步 31
3.2阿里数据仓库的同步方式 35
3.2.1批量数据同步 35
3.2.2实时数据同步 37
3.3数据同步遇到的问题与解决方案 39
3.3.1分库分表的处理 39
3.3.2高效同步和批量同步 41
3.3.3增量与全量同步的合并 42
3.3.4同步性能的处理 43
3.3.5数据漂移的处理 45
第4章 离线数据开发 48
4.1数据开发平台 48
4.1.1统一计算平台 49
4.1.2统一开发平台 53
4.2任务调度系统 58
4.2.1背景 58
4.2.2介绍 59
4.2.3特点及应用 64
第5章 实时技术 68
5.1简介 69
5.2流式技术架构 71
5.2.1数据采集 72
5.2.2数据处理 74
5.2.3数据存储 78
5.2.4数据服务 80
5.3流式数据模型 80
5.3.1数据分层 80
5.3.2多流关联 83
5.3.3维表使用 84
5.4大促挑战＆保障 86
5.4.1大促特征 86
5.4.2大促保障 87
第6章 数据服务 91
6.1服务架构演进 91
6.1.1 DWSOA 92
6.1.2 OpenAPI 93
6.1.3 SmartDQ 94
6.1.4统一的数据服务层 96
6.2技术架构 97
6.2.1 SmartDQ 97
6.2.2 iPush 100
6.2.3 Lego 101
6.2.4 uTimng 102
6.3最佳实践 103
6.3.1性能 103
6.3.2稳定性 111
第7章 数据挖掘 116
7.1数据挖掘概述 116
7.2数据挖掘算法平台 117
7.3数据挖掘中台体系 119
7.3.1挖掘数据中台 120
7.3.2挖掘算法中台 122
7.4数据挖掘案例 123
7.4.1用户画像 123
7.4.2互联网反作弊 125
第2篇 数据模型篇 130
第8章 大数据领域建模综述 130
8.1为什么需要数据建模 130
8.2关系数据库系统和数据仓库 131
8.3从OLTP和OLAP系统的区别看模型方法论的选择 132
8.4典型的数据仓库建模方法论 132
8.4.1 ER模型 132
8.4.2维度模型 133
8.4.3 Data Vault模型 134
8.4.4 Anchor模型 135
8.5阿里巴巴数据模型实践综述 136
第9章 阿里巴巴数据整合及管理体系 138
9.1概述 138
9.1.1定位及价值 139
9.1.2体系架构 139
9.2规范定义 140
9.2.1名词术语 141
9.2.2指标体系 141
9.3模型设计 148
9.3.1指导理论 148
9.3.2模型层次 148
9.3.3基本原则 150
9.4模型实施 152
9.4.1业界常用的模型实施过程 152
9.4.2 OneData实施过程 154
第10章 维度设计 159
10.1维度设计基础 159
10.1.1维度的基本概念 159
10.1.2维度的基本设计方法 160
10.1.3维度的层次结构 162
10.1.4规范化和反规范化 163
10.1.5一致性维度和交叉探查 165
10.2维度设计高级主题 166
10.2.1维度整合 166
10.2.2水平拆分 169
10.2.3垂直拆分 170
10.2.4历史归档 171
10.3维度变化 172
10.3.1缓慢变化维 172
10.3.2快照维表 174
10.3.3极限存储 175
10.3.4微型维度 178
10.4特殊维度 180
10.4.1递归层次 180
10.4.2行为维度 184
10.4.3多值维度 185
10.4.4多值属性 187
10.4.5杂项维度 188
第11章 事实表设计 190
11.1事实表基础 190
11.1.1事实表特性 190
11.1.2事实表设计原则 191
11.1.3事实表设计方法 193
11.2事务事实表 196
11.2.1设计过程 196
11.2.2单事务事实表 200
11.2.3多事务事实表 202
11.2.4两种事实表对比 206
11.2.5父子事实的处理方式 208
11.2.6事实的设计准则 209
11.3周期快照事实表 210
11.3.1特性 210
11.3.2实例 212
11.3.3注意事项 217
11.4累积快照事实表 218
11.4.1设计过程 218
11.4.2特点 221
11.4.3特殊处理 223
11.4.4物理实现 225
11.5三种事实表的比较 227
11.6无事实的事实表 228
11.7聚集型事实表 228
11.7.1聚集的基本原则 229
11.7.2聚集的基本步骤 229
11.7.3阿里公共汇总层 230
11.7.4聚集补充说明 234
第3篇 数据管理篇 236
第12章 元数据 236
12.1元数据概述 236
12.1.1元数据定义 236
12.1.2元数据价值 237
12.1.3统一元数据体系建设 238
12.2元数据应用 239
12.2.1 Data Profile 239
12.2.2元数据门户 241
12.2.3应用链路分析 241
12.2.4数据建模 242
12.2.5驱动ETL开发 243
第13章 计算管理 245
13.1系统优化 245
13.1.1 HBO 246
13.1.2 CBO 249
13.2任务优化 256
13.2.1 Map倾斜 257
13.2.2 Join倾斜 261
13.2.3 Reduce倾斜 269
第14章 存储和成本管理 275
14.1数据压缩 275
14.2数据重分布 276
14.3存储治理项优化 277
14.4生命周期管理 278
14.4.1生命周期管理策略 278
14.4.2通用的生命周期管理矩阵 280
14.5数据成本计量 283
14.6数据使用计费 284
第15章 数据质量 285
15.1数据质量保障原则 285
15.2数据质量方法概述 287
15.2.1消费场景知晓 289
15.2.2数据加工过程卡点校验 292
15.2.3风险点监控 295
15.2.4质量衡量 299
第4篇 数据应用篇 304
第16章 数据应用 304
16.1生意参谋 305
16.1.1背景概述 305
16.1.2功能架构与技术能力 307
16.1.3商家应用实践 310
16.2对内数据产品平台 311
16.2.1定位 311
16.2.2产品建设历程 312
16.2.3整体架构介绍 316
附录A本书插图索引 319