云計算大數(shù)據(jù)處理

第1章 大數(shù)據(jù)挑戰(zhàn)
1．1 當前面臨的大數(shù)據(jù)挑戰(zhàn)
1．1．1 大數(shù)據(jù)急劇膨脹
1．1．2 大數(shù)據(jù)智能分析
1．1．3 大數(shù)據(jù)深度挖掘
1．1．4 業(yè)務與技術(shù)脫節(jié)
1．2 大數(shù)據(jù)催生云計算
1．2．1 云計算不是偶然
1．2．2 云計算帶來挑戰(zhàn)與機遇
1．2．3 云計算對大數(shù)據(jù)的意義
1．2．4 云計算未來展望
1．3 大數(shù)據(jù)存儲
1．3．1 存儲僅是第一步
1．3．2 行存儲還是列存儲
1．3．3 PB級大數(shù)據(jù)存儲
1．3．4 大數(shù)據(jù)存儲的未來
1．4 大數(shù)據(jù)處理
1．4．1 大數(shù)據(jù)處理的瓶頸
1．4．2 大數(shù)據(jù)處理的需求
1．4．3 大數(shù)據(jù)處理技術(shù)決定未來
1．4．4 大數(shù)據(jù)處理解決方案
第2章 當前的大數(shù)據(jù)處理系統(tǒng)
2．1 開源大數(shù)據(jù)處理平臺
2．1．1 Hadoop
2．1．2 MapReduce
2．2 NoSQL數(shù)據(jù)庫
2．2．1 Google BigTable 的開源JAVA實現(xiàn)：HBase
2．2．2 純分布式數(shù)據(jù)庫：Cassandra
2．2．3 NoSQL數(shù)據(jù)庫的應用場景
2．3 數(shù)據(jù)倉庫平臺
2．3．1 Hive
第3章 數(shù)據(jù)立方簡介
3．1 數(shù)據(jù)立方產(chǎn)生背景
3．2 相關(guān)技術(shù)
3．2．1 云計算中的大數(shù)據(jù)處理技術(shù)－－MapReduce
3．2．2 并行數(shù)據(jù)庫技術(shù)
3．2．3 云計算與數(shù)據(jù)庫相結(jié)合的技術(shù)
3．3 新一代EB級云計算數(shù)據(jù)庫－－數(shù)據(jù)立方
3．3．1 數(shù)據(jù)立方的體系架構(gòu)
3．3．2 數(shù)據(jù)立方與Hadoop的關(guān)系
第4章 數(shù)據(jù)立方及配套環(huán)境的安裝
4．1 安裝流程
4．2 操作系統(tǒng)的安裝
4．2．1 CentOS6．3的安裝
4．2．2 安裝JDK
4．2．3 配置SSH
4．3 HADOOP的安裝
4．3．1 Hadoop的版本
4．3．2 HDFS的配置安裝
4．3．3 MapReduce的配置安裝
4．4 數(shù)據(jù)立方的配置安裝
4．4．1 安裝mysql-connector
4．4．2 編輯數(shù)據(jù)立方的配置文件
4．4．3 數(shù)據(jù)立方的啟動
4．5 監(jiān)控工具GANGLIA的安裝
4．5．1安裝依賴
4．5．2 安裝ganglia
4．5．3 配置ganglia
4．6 數(shù)據(jù)導入工具SQOOP的安裝
4．6．1 安裝前提
4．6．2 安裝步驟
第5章 hello word數(shù)據(jù)立方快速入門
5．1 智慧交通數(shù)據(jù)處理實例
5．1．1 智慧交通數(shù)據(jù)處理實例背景
5．1．2 建表
5．1．3 數(shù)據(jù)入庫
5．1．4 數(shù)據(jù)查詢
5．2 編程實現(xiàn)
5．2．1 JAVA開發(fā)包
5．2．2 示例
5．3 總結(jié)

第6章 數(shù)據(jù)立方開發(fā)
6．1 開發(fā)說明
6．2 數(shù)據(jù)立方SQL規(guī)范
6．2．1 數(shù)據(jù)定義與數(shù)據(jù)操作語言
6．2．2 數(shù)據(jù)查詢語言
6．3 數(shù)據(jù)入庫接口開發(fā)
6．3．1 單條多條記錄入庫JAVA開發(fā)包
6．3．2 開發(fā)說明
6．3．3 示例
6．4 數(shù)據(jù)查詢接口開發(fā)
6．4．1 JAVA開發(fā)包
6．4．2 接口介紹
6．4．3 示例
6．5 數(shù)據(jù)導入工具SQOOP的使用
6．5．1 SQOOP命令
6．5．2 SQOOP命令的使用
第7章 數(shù)據(jù)立方的維護
7．1 HDFS的維護
7．1．1 HDFS的dfsadmin命令
7．1．2 HDFS的balancer工具
7．2 SHELL的使用
7．2．1數(shù)據(jù)立方SHELL說明
7．2．2數(shù)據(jù)定義與數(shù)據(jù)操作的shell
7．2．3數(shù)據(jù)查詢的shell
7．3 數(shù)據(jù)立方的常見問題及其解決方法
7．3．1 啟動時的常見問題
7．4 Sqoop的常見問題及其解決方法
7．4．1 Mysql的用戶問題
7．4．2 Mysql的權(quán)限問題
7．4．3 Mysql的path問題
7．4．4 Mysql的path問題
7．5 數(shù)據(jù)立方管理系統(tǒng)
第8章 數(shù)據(jù)立方的可靠性
8．1 Hadoop的可靠性
8．1．1 HDFS中NameNode單點問題
8．1．2 HDFS數(shù)據(jù)塊副本機制
8．1．3 HDFS心跳機制
8．1．4 HDFS負載均衡
8．1．5 MapReduce容錯
8．2 Hadoop的SecondaryNameNode機制
8．2．1磁盤鏡像與日志文件
8．2．2 SecondaryNameNode更新鏡像的流程
8．3 Avatar機制
8．3．1 系統(tǒng)架構(gòu)
8．3．2 Avatar元數(shù)據(jù)同步機制
8．3．3 故障切換過程
8．3．4 Avatar運行流程
8．3．5 Avatar故障切換流程
8．4 Avatar實戰(zhàn)
8．4．1 實驗環(huán)境
8．4．2 編譯Avatar
8．4．3 Avatar安裝和配置
8．5 數(shù)據(jù)立方可靠性
8．5．1 數(shù)據(jù)立方的可靠性
8．5．2 數(shù)據(jù)立方的工作流程
8．5．3 數(shù)據(jù)立方的可靠性
第9章 數(shù)據(jù)統(tǒng)計分析實例--供電信息采集系統(tǒng)
9．1 客戶需求分析
9．1．1 測試過程及數(shù)據(jù)量描述
9．1．2 測試過程分解及效率統(tǒng)計
9．2 數(shù)據(jù)表設計
9．3 查詢語句設計與結(jié)果展現(xiàn)
9．4 查詢優(yōu)化
9．4．1 存儲方面的優(yōu)化
9．4．2 內(nèi)存方面的優(yōu)化
9．5 性能測試結(jié)果
9．5．1 數(shù)據(jù)下載解壓及標記
9．5．2 數(shù)據(jù)解析入庫
9．5．3 數(shù)據(jù)計算流程
9．5．4 數(shù)據(jù)導入ORACLE數(shù)據(jù)庫
9．5．5 查詢總時長統(tǒng)計
第10章 在線數(shù)據(jù)檢索實例--移動信令分析云平臺
10．1 需求分析
10．2 數(shù)據(jù)表設計
10．2．1 CDR數(shù)據(jù)文件的檢測與索引創(chuàng)建任務調(diào)度
10．2．2 從HDFS讀取數(shù)據(jù)并創(chuàng)建索引
10．2．3 查詢CDR信息
10．3 查詢語句設計與結(jié)果展現(xiàn)
10．3．1 CDR文件檢測和索引創(chuàng)建任務調(diào)度程序
10．3．2 讀取CDR數(shù)據(jù)和索引創(chuàng)建處理
10．3．3 CDR查詢
10．4 查詢優(yōu)化
10．5 性能測試結(jié)果
第11章 實時數(shù)據(jù)處理實例-地震數(shù)據(jù)
11．1 需求分析
11．2 數(shù)據(jù)表分析
11．3 查詢語句設計與結(jié)果展現(xiàn)
11．4 查詢優(yōu)化
11．4．1 存儲方面的優(yōu)化
11．4．2 計算方面的優(yōu)化
11．5 性能測試結(jié)果
11．5．1 單機模擬集群測試
11．5．2 字段測試
11．5．3 排序測試
11．5．4 隨機讀取測試