架構(gòu)大數(shù)據(jù)：大數(shù)據(jù)技術(shù)及算法解析

第1章  大數(shù)據(jù)技術(shù)概述 1
1.1  大數(shù)據(jù)的概念 1
1.2  大數(shù)據(jù)的行業(yè)價值 4
1.3  大數(shù)據(jù)問題的爆發(fā) 9
1.4  大數(shù)據(jù)處理流程 12
1.5  大數(shù)據(jù)技術(shù) 13
1.5.1  基礎(chǔ)架構(gòu)支持 14
1.5.2  數(shù)據(jù)采集 14
1.5.3  數(shù)據(jù)存儲 15
1.5.4  數(shù)據(jù)計算 16
1.5.5  展現(xiàn)與交互 18
1.6  練習題 19
參考文獻 19
第2章  大數(shù)據(jù)基礎(chǔ)支撐——數(shù)據(jù)中心及云計算 20
2.1  數(shù)據(jù)中心概述 20
2.1.1  云計算時代數(shù)據(jù)中心面臨的問題 21
2.1.2  新一代數(shù)據(jù)中心關(guān)鍵技術(shù) 22
2.1.3  業(yè)界發(fā)展動態(tài) 24
2.1.4  小結(jié) 25
2.2  云計算簡介 25
2.2.1  云計算定義 26
2.2.2  云計算主要特征 27
2.2.3  Web服務(wù)、網(wǎng)格和云計算 28
2.2.4  云計算應(yīng)用分類 29
2.2.5  小結(jié) 31
2.3  大數(shù)據(jù)與云計算的關(guān)系 32
2.3.1  大數(shù)據(jù)是信息技術(shù)發(fā)展的必然階段 33
2.3.2  云計算等新興信息技術(shù)正在真正地落地和實施 34
2.3.3  云計算等新興技術(shù)是解決大數(shù)據(jù)問題的核心關(guān)鍵 34
2.4  云資源調(diào)度與管理 35
2.4.1  云資源管理 36
2.4.2  云資源調(diào)度策略 38
2.4.3  云計算數(shù)據(jù)中心負載均衡調(diào)度 40
2.5  開源云管理平臺OpenStack 44
2.5.1  OpenStack的構(gòu)成 45
2.5.2  OpenStack各組件之間的關(guān)系 46
2.5.3  OpenStack的邏輯架構(gòu) 47
2.5.4  小結(jié) 49
2.6  軟件定義網(wǎng)絡(luò) 49
2.6.1  起源與發(fā)展 50
2.6.2  OpenFlow標準和規(guī)范 50
2.6.3  OpenFlow的應(yīng)用 53
2.7  虛擬機與容器 55
2.7.1  VM虛擬化與Container虛擬化 55
2.7.2  Docker 55
2.8  練習題 57
參考文獻 57
第3章  云計算先行者——Google的三駕馬車 59
3.1  Google的三駕馬車 59
3.1.1  GFS——一個可擴展的分布式文件系統(tǒng) 59
3.1.2  MapReduce——一種并行計算的編程模型 64
3.1.3  BigTable——一個分布式數(shù)據(jù)存儲系統(tǒng) 69
3.2  Google新“三駕馬車” 77
3.2.1  Caffeine——基于Percolator的搜索索引系統(tǒng) 77
3.2.2  Pregel——高效的分布式圖計算的計算框架 80
3.2.3  Dremel——大規(guī)模數(shù)據(jù)的交互式數(shù)據(jù)分析系統(tǒng) 85
3.3  練習題 89
參考文獻 89
第4章  云存儲系統(tǒng) 91
4.1  云存儲的基本概念 91
4.1.1  云存儲結(jié)構(gòu)模型 91
4.1.2  云存儲與傳統(tǒng)存儲系統(tǒng)的區(qū)別 94
4.2  云存儲關(guān)鍵技術(shù) 95
4.2.1  存儲虛擬化技術(shù) 95
4.2.2  分布式存儲技術(shù) 97
4.3  云存儲系統(tǒng)分類 98
4.3.1  分布式文件存儲 99
4.3.2  分布式塊存儲 105
4.3.3  分布式對象存儲 109
4.3.4  統(tǒng)一存儲 117
4.4  其他相關(guān)技術(shù) 124
4.5  練習題 127
參考文獻 127
第5章  數(shù)據(jù)采集系統(tǒng) 129
5.1  Flume 130
5.1.1  Flume架構(gòu) 130
5.1.2  Flume核心組件 133
5.1.3  Flume環(huán)境搭建與部署 134
5.2  Scribe 139
5.2.1  Scribe架構(gòu) 139
5.2.2  Scribe中的Store 140
5.2.3  Scribe環(huán)境搭建與部署 141
5.3  Chukwa 144
5.3.1  Chukwa的設(shè)計目標 144
5.3.2  Chukwa架構(gòu) 145
5.3.3  Chukwa 環(huán)境搭建與部署 147
5.4  Kafka 150
5.4.1  Kafka架構(gòu) 150
5.4.2  Kafka存儲 152
5.4.3  Kafka的特點 152
5.4.4  Kafka環(huán)境搭建與部署 154
5.5  練習題 155
參考文獻 155
第6章  Hadoop與MapReduce 156
6.1  Hadoop平臺 156
6.1.1  Hadoop概述 156
6.1.2  Hadoop的發(fā)展簡史 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——Yarn 180
6.3  Hadoop相關(guān)生態(tài)系統(tǒng) 184
6.3.1  交互式數(shù)據(jù)查詢分析 184
6.3.2  數(shù)據(jù)收集、轉(zhuǎn)換工具 187
6.3.3  機器學習工具 188
6.3.4  集群管理與監(jiān)控 188
6.3.5  其他工具 189
6.4  Hadoop應(yīng)用案例 191
6.5  練習題 192
參考文獻 192
第7章  Spark——大數(shù)據(jù)統(tǒng)一計算平臺 193
7.1  Spark簡介 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與分布式共享內(nèi)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  編程模型 208
7.7  Spark的安裝 210
7.7.1  單機運行Spark 210
7.7.2  使用Spark Shell與Spark交互 213
7.8  Shark、Impala、Hive對比 214
7.9  練習題 216
參考文獻 216
第8章  Storm流計算系統(tǒng) 218
8.1  流計算系統(tǒng) 218
8.1.1  流計算系統(tǒng)的特點 218
8.1.2  流計算處理基本流程 219
8.2  Storm流計算框架 220
8.2.1  Storm簡介 220
8.2.2  Storm關(guān)鍵術(shù)語 221
8.2.3  Storm架構(gòu)設(shè)計 223
8.3  Storm編程實例 225
8.4  Storm應(yīng)用 228
8.4.1  Storm應(yīng)用場景 228
8.4.2  Storm應(yīng)用實例 228
8.5  其他流計算框架 229
8.6  練習題 231
參考文獻 231
第9章  SQL、NoSQL與NewSQL 232
9.1  傳統(tǒng)SQL數(shù)據(jù)庫 232
9.1.1  關(guān)系模型 232
9.1.2  關(guān)系型數(shù)據(jù)庫的優(yōu)點 233
9.1.3  關(guān)系型數(shù)據(jù)庫面臨的問題 234
9.2  NoSQL 234
9.2.1  NoSQL與大數(shù)據(jù) 235
9.2.2  NoSQL理論基礎(chǔ) 235
9.2.3  分布式模型 238
9.2.4  NoSQL數(shù)據(jù)庫分類 241
9.3  NewSQL 255
9.3.1  系統(tǒng)分類 255
9.3.2  Google Spanner 256
9.3.3  MemSQL 258
9.3.4  VoltDB 260
9.4  練習題 263
參考文獻 263
第10章  大數(shù)據(jù)與數(shù)據(jù)挖掘 264
10.1  數(shù)據(jù)挖掘的主要功能和常用算法 264
10.1.1  數(shù)據(jù)挖掘的主要功能 264
10.1.2  常用算法 265
10.2  大數(shù)據(jù)時代的數(shù)據(jù)挖掘 280
10.2.1  傳統(tǒng)數(shù)據(jù)挖掘解決方案 280
10.2.2  分布式數(shù)據(jù)挖掘解決方案 280
10.3  數(shù)據(jù)挖掘相關(guān)工具 282
10.3.1  Mahout 282
10.3.2  語言工具——Python 288
10.4  數(shù)據(jù)挖掘與R語言 289
10.4.1  R語言簡介 289
10.4.2  R語言在數(shù)據(jù)挖掘上的應(yīng)用 290
10.5  練習題 294
參考文獻 294
第11章  深度學習 298
11.1  深度學習介紹 299
11.1.1  深度學習的概念 299
11.1.2  深度學習的結(jié)構(gòu) 299
11.1.3  從機器學習到深度學習 301
11.2  深度學習基本方法 302
11.2.1  自動編碼器 302
11.2.2  稀疏編碼 304
11.3  深度學習模型 305
11.3.1  深度置信網(wǎng)絡(luò) 306
11.3.2  卷積神經(jīng)網(wǎng)絡(luò) 308
11.4  深度學習的訓練加速 310
11.4.1  GPU加速 310
11.4.2  數(shù)據(jù)并行 311
11.4.3  模型并行 312
11.4.4  計算集群 313
11.5  深度學習應(yīng)用 313
11.5.1  Google 314
11.5.2  百度 314
11.5.3  騰訊Mariana 315
11.6  練習題 316
參考文獻 316
第12章  電子商務(wù)與社會化網(wǎng)絡(luò)大數(shù)據(jù)分析 318
12.1  推薦系統(tǒng)簡介 318
12.1.1  推薦系統(tǒng)的評判標準 319
12.1.2  推薦系統(tǒng)的分類 319
12.1.3  在線推薦系統(tǒng)常用算法介紹 320
12.1.4  相關(guān)算法知識 323
12.2  計算廣告 327
12.2.1  計算廣告簡介 327
12.2.2  計算廣告發(fā)展階段 327
12.2.3  計算廣告相關(guān)算法 330
12.2.4  計算廣告與大數(shù)據(jù) 332
12.2.5  大數(shù)據(jù)在計算廣告中的應(yīng)用案例 333
12