欢迎访问学兔兔,学习、交流 分享 !

返回首页 |
当前位置: 首页 > 书籍手册>计算机与网络 >写给大家看的大数据

写给大家看的大数据

收藏
推荐:升级会员 无限下载,节约时间成本!
关键词:数据   赫尔   写给   大家   2014
资源简介
写给大家看的大数据
作者:(美)赫尔维茨 著
出版时间:2014年版
内容简介
  大数据是当前信息科技领域最为炙手可热的话题之一。《写给大家看的大数据》简单而系统地介绍了大数据体系涉及的各方面知识,涵盖大数据的基本概念、大数据的技术基础、大数据管理、大数据分析、大数据在现实工作中如何实现和实施等关键内容,涉及大数据基础架构、大数据使用的数据库和分布式技术、对大数据进行基础分析和高级分析的特点及异同,以及企业如何应用大数据转变其商业运作模式等内容,能够对想要了解大数据全貌,或是想要使用大数据的企业和个人提供全面的知识内容和学习借鉴。《写给大家看的大数据》语言生动,内容覆盖面广,理论结合实例,非常适合对大数据感兴趣的广大读者。对于从事与大数据相关工作的人员,本书也有很高的参考价值。
目 录

第一部分 大数据入门 1

第1章 大数据基础 3
 数据管理的演化过程 4
 理解数据管理的几个关键 5
  关键1:创建可管理的数据结构 5
  关键2:Web和内容管理 7
  关键3:管理大数据 7
 大数据的定义 9
 构建成功的大数据管理架构 10
  捕捉、组织、集成分析与模拟 10
  建立架构基础 11
  性能问题 13
  传统与高级分析 15
 大数据之旅 16

第2章 研究大数据类型 17
 定义结构化的数据 18
  探索大结构化数据源 18
  理解关系型数据库在大数据中的角色 19
 定义非结构化数据 21
  探索非结构化数据源 21
  理解CMS在大数据管理中的角色 23
 理解实时需求和非实时需求 23
 聚合大数据 25
  管理不同类型的数据 25
  将不同类型的数据整合到大数据环境中 25

第3章 当老古董遇上新生代:分布式计算 27
 分布式计算简史 27
  感谢DARPA 27
  可持续模型的价值 28
 了解分布式计算基础 29
  为什么大数据需要分布式计算 29
  计算经济的改变 30
  时延带来的问题 30
  当需求遇上解决方案 31
 获取所需的性能 31

第二部分 大数据的技术基础 33

第4章 深入大数据技术组件 35
 探索大数据栈 36
 第0层:带冗余的物理基础架构 37
  物理冗余网络 38
  管理硬件:存储与服务器 39
  基础架构操作 39
 第1层:安全框架 39
 进/出应用程序和互联网的界面与接口 40
 第2层:可操作数据库 42
 第3层:组织数据服务与工具 43
 第4层:可分析的数据仓库 44
 大数据分析 45
 大数据应用程序 46

第5章 虚拟化及其如何支持分布式计算 47
 理解虚拟化的基本知识 47
  在大数据中使用虚拟化的重要性 48
  服务器虚拟化 50
  应用程序虚拟化 50
  网络虚拟化 51
  处理器和内存虚拟化 51
  数据和存储虚拟化 52
 使用Hypervisor管理虚拟化 53
 抽象化与虚拟化 54
 实现在大数据中的虚拟化 54

第6章 云和大数据 56
 大数据领域中的云 56
 理解云部署和分发模型 57
  云部署模型 57
  云分发模型 59
 大数据需要云 60
 在大数据中使用云 61
 大数据云市场的服务提供商 62
  亚马逊公共弹性计算云(EC2) 63
  谷歌的大数据服务 64
  微软Azure 64
  OpenStack 65
  在使用云服务时需要注意什么 65

第三部分 大数据管理 67

第7章 操作型数据库 69
 RDBMS在大数据领域的重要性 71
 非关系型数据库 72
 Key-Value型数据库 73
 文档数据库 75
  MongoDB 76
  CouchDB 77
 纵列数据库 78
 图形数据库 79
 空间数据库 81
 混合持久化 83

第8章 MapReduce基础 85
 MapReduce溯源 85
 理解Map函数 86
 添加Reduce函数 88
 结合Map和Reduce 89
 优化MapReduce 91
  硬件/网络拓扑 92
  同步 92
  文件系统 92

第9章 探索Hadoop的世界 94
 谈谈Hadoop 94
 理解Hadoop分布式文件系统(HDFS) 95
  Name节点 95
  数据节点 96
  理解HDFS 97
 Hadoop的MapReduce 99
  准备数据 100
  开始Mapping 101
  Reduce和融合 101

第10章 Hadoop基础和生态 103
 使用Hadoop生态系统构建大数据基础 103
 使用Hadoop YARN管理资源和应用程序 104
 使用HBase存储大数据 105
 使用Hive挖掘大数据 106
 使用Hadoop生态系统 107
  Pig和Pig Latin 107
  Sqoop 108
  Zookeeper 109

第11章 设备和大数据仓库 111
 使用传统数据仓库装载大数据 111
  优化数据仓库 112
  区别大数据结构和数据仓库数据 112
  一个混合式处理的例子 113
 大数据分析和数据仓库 114
  集成的关键 115
  再思考提取、变换和载入 115
 改变数据仓库的角色 116
 改变部署模型 116
  设备模型 117
  云模型 117
 数据仓库的未来 117

第四部分 数据分析与大数据 119

第12章 定义大数据分析 121
 使用大数据获得结果 121
  基本分析 122
  高级分析 123
  实用性分析 126
  货币化分析 126
 为掌握大数据修改商务智能产品 126
  数据 126
  分析算法 127
  基础架构支持 128
 大数据分析案例研究 128
  Orbitz 129
  Nokia 129
  NASA 129
 大数据分析解决方案 130

第13章 理解文本分析和大数据 131
 探索非结构化数据 132
 理解文本分析 133
 分析和提取技术 135
  理解信息抽取 136
  分类学 137
 将结果汇总成结构化数据 138
 开始使用大数据 138
  客户的声音 138
  社交媒体分析 139
 大数据文本分析工具 141
  Attensity 141
  Clarabridge 142
  IBM 142
  OpenText 142
  SAS 143

第14章 大数据分析的定制化 144
 构建新的大数据模型 145
 理解大数据分析的各种方法 147
  大数据分析的定制应用程序 147
  大数据分析的半定制化应用程序 149
 大数据分析框架的特点 151
 由大到小:大数据悖论 153

第五部分 大数据实现 155

第15章 集成数据源 157
 识别你需要的数据 157
  勘探阶段 158
  编制阶段 159
  集成和整合阶段 160
 理解大数据集成基础 161
 定义传统ETL 163
 理解ELT——提取、载入和转换 164
 大数据质量优化 165
 使用Hadoop实现ETL 166
 大数据集成的最佳实践 166

第16章 处理实时数据流和复杂事件 168
 流数据和复杂事件处理 169
 使用流数据 169
  数据流 169
  流的元数据 171
 使用复杂事件处理 172
 从流中分离出CEP 173
 商务领域的数据流和CEP 174

第17章 可操作的大数据 175
 让大数据成为操作过程的一部分 175
  集成大数据 175
  疾病诊断中的大数据协作 177
 理解大数据工作流 180
 大数据的有效性、准确性和波动性 181
  数据有效性 181
  数据波动性 182

第18章 在企业中应用大数据 184
 大数据经济学 184
  数据类型和数据来源的识别 185
  修改业务流或创建新的业务流 187
  大数据工作流的技术影响 188
  网罗大数据项目的人才 188
  计算大数据的投入产出(ROI) 189
 企业数据管理和大数据 189
 创建大数据实施里程碑 190
  理解业务紧迫性 191
  正确地预测工作量 191
  选择正确的软件开发方法学 191
  平衡预算和功能 192
  评估风险承受能力 192
 迈出第一步 193

第19章 大数据环境的安全和管理 195
 大数据下的安全 195
  评估业务风险 196
  大数据中潜藏的风险 196
 理解数据保护 197
 数据管理的挑战 198
  大数据过程审计 199
  定位关键利益者 200
 正确运用组织架构 200
  为管理风险做准备 200
  制订正确的管理规则和质量保障 201
 开发管理完善、安全可靠的大数据环境 201

第六部分 现实中的大数据解决方案 203

第20章 大数据对业务的重要性 205
 将大数据作为业务规划的工具 205
  第一步:规划中引入数据 206
  第二步:执行分析 206
  第三步:检查结果 207
  第四步:落实计划 207
 规划过程的另一个维度 207
  第五步:实时监控 208
  第六步:调节影响 208
  第七步:适应性实验 208
 正确地看待数据分析 208
 在正确的基础上开始行动 209
 规划大数据 210
 调整业务流程 210

第21章 从现实视角看数据分析 212
 理解用户对运动型数据的需求 213
 流数据对环境的影响 214
  使用传感器来提供实时水文信息 215
  实时数据的优势 215
 流数据对公共政策的影响 216
 流数据在医疗行业的应用 217
 流数据在能源行业的应用 218
  使用流数据提升能量产率 218
  使用流数据提升能源产出 218
 连接数据流和历史数据与其他实时数据源 219

第22章 从现实视角看大数据分析对业务流程的优化 220
 了解企业对大数据分析的需求 220
 使用文本分析提升客户体验 221
 使用大数据分析进行决策 222
 使用大数据分析避免欺诈 224
 整合新数据源的商业价值 225

第七部分 十项注意 227

第23章 十条大数据最佳实践 229
 理解你的目标 229
 建立里程碑 230
 发现你的数据 230
 清楚你缺少什么数据 230
 理解可选技术方案 231
 规划大数据安全 231
 规划大数据管理策略 231
 规划数据管家 232
 持续测试 232
 学习最佳实践和利用模式 232

第24章 十个大数据资源 234
 Hurwitz & Associates 234
 标准化组织 234
  开放数据基金会 234
  云安全联盟 235
  美国国家标准和科技机构 235
  Apache软件基金会 235
  OASIS 235
 供应商的网站 236
 在线协作套件 236
 大数据会议 237

第25章 十条“要”与“不要” 238
 要将所有业务单元都涵盖在大数据战略中 238
 要评估所有的大数据分发模型 238
 要将传统数据源作为大数据战略的一部分 238
 要计划持久化元数据 239
 要分发你的数据 239
 不要依赖于单一的大数据分析方法 239
 不要在准备充分之前就膨胀 239
 不要忽略数据集成的需求 239
 不要忘记安全地管理数据 240
 不要忽略数据的管理效率 240

术语表 241
下载地址