大數(shù)據(jù)作為繼云計(jì)算、物聯(lián)網(wǎng)之后IT行業(yè)又一顛覆性的技術(shù)，備受關(guān)注。大數(shù)據(jù)處不在，包括金融、汽車、零售、餐飲、電信、能源、政務(wù)、醫(yī)療、體育、娛樂等在內(nèi)的社會各行各業(yè)，都融入了大數(shù)據(jù)的印跡，大數(shù)據(jù)對人類的社會生產(chǎn)和生活必將產(chǎn)生重大而深遠(yuǎn)的影響。

大數(shù)據(jù)時(shí)代的到來，迫切需要高校及時(shí)建立大數(shù)據(jù)技術(shù)課程體系，為社會培養(yǎng)和輸送一大批具備大數(shù)據(jù)專業(yè)素養(yǎng)的高級人才，滿足社會對大數(shù)據(jù)人才日益旺盛的需求。本書定位為大數(shù)據(jù)技術(shù)入門教材，為讀者搭建起通向“大數(shù)據(jù)知識空間”的橋梁和紐帶。本書將系統(tǒng)梳理總結(jié)大數(shù)據(jù)相關(guān)技術(shù)，介紹大數(shù)據(jù)技術(shù)的基本原理和大數(shù)據(jù)主要應(yīng)用，幫助讀者形成對大數(shù)據(jù)知識體系及其應(yīng)用領(lǐng)域的輪廓性認(rèn)識，為讀者在大數(shù)據(jù)領(lǐng)域“深耕細(xì)作”奠定基礎(chǔ)、指明方向。在本書的基礎(chǔ)上，感興趣的讀者可以通過其他諸如《Hadoop權(quán)威指南》等工具書，繼續(xù)深入學(xué)習(xí)和實(shí)踐大數(shù)據(jù)相關(guān)技術(shù)。

目錄
第一篇大數(shù)據(jù)基礎(chǔ)
第1章大數(shù)據(jù)概述
1．1大數(shù)據(jù)時(shí)代
1．1．1第三次信息化浪潮
1．1．2信息科技為大數(shù)據(jù)時(shí)代
提供技術(shù)支撐
1．1．3數(shù)據(jù)產(chǎn)生方式的變革促成
大數(shù)據(jù)時(shí)代的來臨
1．1．4大數(shù)據(jù)的發(fā)展歷程
1．2大數(shù)據(jù)的概念
1．2．1數(shù)據(jù)量大
1．2．2數(shù)據(jù)類型繁多
1．2．3處理速度快
1．2．4價(jià)值密度低
1．3大數(shù)據(jù)的影響
1．3．1大數(shù)據(jù)對科學(xué)研究的影響
1．3．2大數(shù)據(jù)對思維方式的影響
1．3．3大數(shù)據(jù)對社會發(fā)展的影響
1．3．4大數(shù)據(jù)對就業(yè)市場的影響
1．3．5大數(shù)據(jù)對人才培養(yǎng)的影響
1．4大數(shù)據(jù)的應(yīng)用
1．5大數(shù)據(jù)關(guān)鍵技術(shù)
1．6大數(shù)據(jù)計(jì)算模式
1．6．1批處理計(jì)算
1．6．2流計(jì)算
1．6．3圖計(jì)算
1．6．4查詢分析計(jì)算
1．7大數(shù)據(jù)產(chǎn)業(yè)
1．8大數(shù)據(jù)與云計(jì)算、物聯(lián)網(wǎng)
1．8．1云計(jì)算
1．8．2物聯(lián)網(wǎng)
1．8．3大數(shù)據(jù)與云計(jì)算、物聯(lián)網(wǎng)的關(guān)系
1．9本章小結(jié)
1．10習(xí)題
第2章大數(shù)據(jù)處理架構(gòu)Hadoop
2．1概述
2．1．1Hadoop簡介
2．1．2Hadoop的發(fā)展簡史
2．1．3Hadoop的特性
2．1．4Hadoop的應(yīng)用現(xiàn)狀
2．2Hadoop的項(xiàng)目結(jié)構(gòu)
2．2．1Common
2．2．2Avro
2．2．3HDFS
2．2．4HBase
2．2．5MapReduce
2．2．6Zookeeper
2．2．7Hive
2．2．8Pig
2．2．9Sqoop
2．2．10Chukwa
2．3Hadoop的安裝與使用
2．3．1創(chuàng)建Hadoop用戶
2．3．2Java的安裝
2．3．3SSH登錄權(quán)限設(shè)置
2．3．4安裝單機(jī)Hadoop
2．3．5Hadoop偽分布式安裝
2．4本章小結(jié)
2．5習(xí)題
第二篇大數(shù)據(jù)存儲
第3章Hadoop分布式文件系統(tǒng)
3．1分布式文件系統(tǒng)
3．1．1計(jì)算機(jī)集群結(jié)構(gòu)
3．1．2分布式文件系統(tǒng)的結(jié)構(gòu)
3．1．3分布式文件系統(tǒng)的設(shè)計(jì)需求
3．2HDFS簡介
3．3HDFS的相關(guān)概念
3．3．1塊
3．3．2名稱節(jié)點(diǎn)和數(shù)據(jù)節(jié)點(diǎn)
3．4HDFS體系結(jié)構(gòu)
3．4．1概述
3．4．2HDFS命名空間管理
3．4．3通信協(xié)議
3．4．4客戶端
3．4．5HDFS體系結(jié)構(gòu)的局限性
3．5HDFS的存儲原理
3．5．1冗余數(shù)據(jù)的保存
3．5．2數(shù)據(jù)存取策略
3．5．3數(shù)據(jù)錯(cuò)誤與恢復(fù)
3．6HDFS的數(shù)據(jù)讀寫過程
3．6．1讀數(shù)據(jù)的過程
3．6．2寫數(shù)據(jù)的過程
3．7HDFS編程實(shí)踐
3．7．1HDFS常用命令
3．7．2HDFS的Web界面
3．7．3HDFS常用JavaAPI及應(yīng)用實(shí)例
3．8本章小結(jié)
3．9習(xí)題
第4章分布式數(shù)據(jù)庫HBase
4．1概述
4．1．1從BigTable說起
4．1．2HBase簡介
4．1．3HBase與傳統(tǒng)關(guān)系數(shù)據(jù)庫的
對比分析
4．2HBase訪問接口
4．3HBase數(shù)據(jù)模型
4．3．1數(shù)據(jù)模型概述
4．3．2數(shù)據(jù)模型的相關(guān)概念
4．3．3數(shù)據(jù)坐標(biāo)
4．3．4概念視圖
4．3．5物理視圖
4．3．6面向列的存儲
4．4HBase的實(shí)現(xiàn)原理
4．4．1HBase的功能組件
4．4．2表和Region
4．4．3Region的定位
4．5HBase運(yùn)行機(jī)制
4．5．1HBase系統(tǒng)架構(gòu)
4．5．2Region服務(wù)器的工作原理
4．5．3Store的工作原理
4．5．4HLog的工作原理
4．6HBase編程實(shí)踐
4．6．1HBase常用的Shell命令
4．6．2HBase常用的JavaAPI及
應(yīng)用實(shí)例
4．7本章小結(jié)
4．8習(xí)題
第5章NoSQL數(shù)據(jù)庫
5．1NoSQL簡介
5．2NoSQL興起的原因
5．2．1關(guān)系數(shù)據(jù)庫法滿足Web2．0的
需求
5．2．2關(guān)系數(shù)據(jù)庫的關(guān)鍵特性在Web2．
時(shí)代成為"雞肋"
5．3NoSQL與關(guān)系數(shù)據(jù)庫的比較
5．4NoSQL的四大類型
5．4．1鍵值數(shù)據(jù)庫
5．4．2列族數(shù)據(jù)庫
5．4．3文檔數(shù)據(jù)庫
5．4．4圖形數(shù)據(jù)庫
5．5NoSQL的三大基石
5．5．1CAP
5．5．2BASE
5．5．3最終一致性
5．6從NoSQL到NewSQL數(shù)據(jù)庫
5．7本章小結(jié)
5．8習(xí)題
第6章云數(shù)據(jù)庫
6．1云數(shù)據(jù)庫概述
6．1．1云計(jì)算是云數(shù)據(jù)庫興起的
基礎(chǔ)
6．1．2云數(shù)據(jù)庫的概念
6．1．3云數(shù)據(jù)庫的特性
6．1．4云數(shù)據(jù)庫是個(gè)性化數(shù)據(jù)存儲
需求的理想選擇
6．1．5云數(shù)據(jù)庫與其他數(shù)據(jù)庫的關(guān)系
6．2云數(shù)據(jù)庫產(chǎn)品
6．2．1云數(shù)據(jù)庫廠商概述
6．2．2Amazon的云數(shù)據(jù)庫產(chǎn)品
6．2．3Google的云數(shù)據(jù)庫產(chǎn)品
6．2．4微軟的云數(shù)據(jù)庫產(chǎn)品
6．2．5其他云數(shù)據(jù)庫產(chǎn)品
6．3云數(shù)據(jù)庫系統(tǒng)架構(gòu)
6．3．1UMP系統(tǒng)概述
6．3．2UMP系統(tǒng)架構(gòu)
6．3．3UMP系統(tǒng)功能
6．4云數(shù)據(jù)庫實(shí)踐
6．4．1阿里云RDS簡介
6．4．2RDS中的概念
6．4．3購買和使用RDS數(shù)據(jù)庫
6．4．4將本地?cái)?shù)據(jù)庫遷移到云端RDS數(shù)據(jù)庫
6．5本章小結(jié)
6．6習(xí)題
第三篇大數(shù)據(jù)處理與分析
第7章MapReduce
7．1概述
7．1．1分布式并行編程
7．1．2MapReduce模型簡介
7．1．3Map和Reduce函數(shù)
7．2MapReduce的工作流程
7．2．1工作流程概述
7．2．2MapReduce的各個(gè)執(zhí)行階段
7．2．3Shuffle過程詳解
7．3實(shí)例分析：WordCount
7．3．1WordCount的程序任務(wù)
7．3．2WordCount的設(shè)計(jì)思路
7．3．3MapReduce的具體執(zhí)行過程
7．3．4一個(gè)WordCount執(zhí)行過程的
實(shí)例
7．4MapReduce的具體應(yīng)用
7．4．1MapReduce在關(guān)系代數(shù)
運(yùn)算中的應(yīng)用
7．4．2分組與聚合運(yùn)算
7．4．3矩陣-向量乘法
7．4．4矩陣乘法
7．5MapReduce編程實(shí)踐
7．5．1任務(wù)要求
7．5．2編寫Map處理邏輯
7．5．3編寫Reduce處理邏輯
7．5．4編寫main方法
7．5．5編譯打包代碼以及運(yùn)行程序
7．6本章小結(jié)
7．7習(xí)題
第8章流計(jì)算
8．1流計(jì)算概述
8．1．1靜態(tài)數(shù)據(jù)和流數(shù)據(jù)
8．1．2批量計(jì)算和實(shí)時(shí)計(jì)算
8．1．3流計(jì)算的概念
8．1．4流計(jì)算與Hadoop
8．1．5流計(jì)算框架
8．2流計(jì)算的處理流程
8．2．1概述
8．2．2數(shù)據(jù)實(shí)時(shí)采集
8．2．3數(shù)據(jù)實(shí)時(shí)計(jì)算
8．2．4實(shí)時(shí)查詢服務(wù)
8．3流計(jì)算的應(yīng)用
8．3．1應(yīng)用場景1：實(shí)時(shí)分析
8．3．2應(yīng)用場景2：實(shí)時(shí)交通
8．4開源流計(jì)算框架Storm
8．4．1Storm簡介