大数据与智慧社会-数据驱动变革.构建未来世界

相关资料

[

　　在大数据时代，数据科学帮助我们从数据中认识到人类社会的复杂行为模式。掌握数据知识，培养数据思维，需要进行系统的学习。我相信，这本《大数据与智慧社会》能够帮助读者从技术、思维等维度全面学习大数据知识，系统培养对大数据的认知。 　　　　　　　　　　——叶甜春　中国科学院微电子研究所所长 　　人类社会的发展在信息技术的推动下愈发智能。数据是信息的载体，也是智能的基础，本书对智慧社会的精彩讲解直指大数据本源。 　　　　　　　　　　——武源文　井通网络科技有限公司执行董事、总经理 　　未来的社会和企业都是数据化的存在，我们对数据的利用也从获取信息发展到产生知识和智慧。本书对大数据的技术和大数据的应用等多方面进行了全面的分解和阐述，帮助读者获得了解大数据生态的视野，值得大家仔细阅读。 　　　　　　　　　　——徐　斌　雪松控股CIO、《大数据管理》作者 　　《大数据与智慧社会》能让你从相关知识的碎片中找到寻找已久的整体思路。从大数据的概念、历史、技术、应用及案例等不同的角度，你都能从书中找到想知道的内容。如果你想聚焦到某一个焦点，这本书也能为你提供一些线索。 　　　　　　　　　　——赵　光　Gartner全球高管合伙人 　　未来，大数据将使大量异质性企业相互依存，形成再生、互生乃至共生的价值循环体系；将融合业务、技术，形成产业合作体系；将跨越地域、层级、部门、组织，形成社会协同体系。《大数据与智慧社会》这本书给我们认识未来产业生态带来了启发。 　　　　　　　　　　——赵国栋　中关村大数据产业联盟秘书长 　　本书作者作为业内知名专家，在不遗余力地推动大数据产业的发展。这本书的出版是他们对大数据产业的又一贡献。书中系统地描述了大数据的概念、技术、思维等重要问题，特别是在生活、政务、医疗、金融等领域的具体应用案例为我们打开了思路，启发了我们的思维。 　　　　　　　　　　——张涵诚　中关村大数据交易产业联盟副秘书长

]

本书特色

[

　　大数据正在改变人们的生活、社会的运行方式以及各行业的竞争生态，是提升政府治理水平和企业竞争力的核心要素。然而，政府和企业如何才能抓住大数据带来的宝贵机遇，改善公共服务、激发商业创新？推进大数据应用的进程对现有技术框架、管理机制、评价体系又有哪些新的要求？　　针对这一系列问题，《大数据与智慧社会》一书做出了系统的回答。《大数据与智慧社会：数据驱动变革、构建未来世界》从全局出发，对大数据的基本内涵进行了系统描述，概括了大数据的前世今生，揭示了其哲学本质；以技术为主线，深刻剖析了大数据的技术框架，预测了大数据的技术发展趋势；理论与实践相结合，形成大数据系统评价标准；选取大数据在生活、政务、交通、医疗、金融领域落地应用的实战案例，进行深入分析和解读，以期为我国的政府治理、经济发展、企业创新提供有效的指导和帮助。　　《大数据与智慧社会：数据驱动变革、构建未来世界》适合政府决策者、企业管理者、IT实施者（CTO、CDO、技术人员等）以及高等院校相关专业的师生阅读。

]

内容简介

[

大数据与云计算、可视化技术、数据挖掘技术、系统评价标准；大数据对日常生活中的食、住、行、游、购有哪些影响？大数据在政务、交通、医疗、金融等领域有哪些重大作为？如何造就智慧社会？这本书的两位作者，一位是智慧城市领域专家，一位是大数据领域专家，二位结合各自的专长，共同打造了这本精品力作。工业和信息化部原副部长杨学山、中国工程院院士倪光南倾情作序！中国科学院微电子研究所所长叶甜春、井通网络科技有限公司执行董事兼总经理武源文、雪松控股CIO徐斌、Gartner全球高管合伙人赵光等多位行业专家联合推荐！

]

作者简介

[

张克平　　江苏省无锡市信息化和无线电管理局局长、北京邮电大学兼职教授、清华大学客座教授、2016中国智慧城市百城会首任执行会长，长期致力于无锡物联网和智慧城市建设并取得突出成绩，曾先后荣获“2009年中国创意策划领袖人物”“2010年中国物联网十大人物”“2011年中国城市信息化领军人物”“2011-2012年度推动中国云计算产业发展突出贡献人物”“2016中国智慧城市建设领军人物”等称号，以及“2012年中国物联网产业杰出贡献奖”“2013-2015年中国智慧城市推进杰出贡献奖”等奖项。
陈曙东　　中科院微电子研究所百人计划研究员、博士生导师，长期从事分布式计算、数据挖掘领域的应用技术研究，主持了多项国家、省部级、欧盟等科技专项，发表学术论文40余篇，拥有专利与软件著作权20多项，入选国家、北京市大数据与云计算领域专家库。

]

目录

第1章 大数据概述 11.1 什么是大数据 21.1.1 大数据的定义和特征 21.1.2 大数据的发展历程 61.1.3 大数据的来源 111.2 大数据的哲学本质 121.2.1 大数据与世界观 131.2.2 大数据与认识论 141.2.3 大数据与方法论 151.2.4 大数据与价值观 181.3 大数据技术框架 191.3.1 大数据处理系统综述 191.3.2 大数据平台基础 201.3.3 大数据存储系统 221.3.4 大数据计算模型 231.4 大数据发展趋势 261.4.1 大数据的技术发展趋势 261.4.2 大数据的应用发展趋势 30第2章 大数据的云计算基础 332.1 虚拟化技术 342.1.1 虚拟化的概念 342.1.2 虚拟化技术分类 352.1.3 虚拟化解决方案 362.1.4 虚拟化技术与大数据 392.2 OpenStack 技术 402.2.1 OpenStack 概述 402.2.2 OpenStack 历史 412.2.3 OpenStack 系统架构 412.2.4 OpenStack 的优势和劣势 442.2.5 虚拟化与OpenStack 技术比较 462.3 IaaS 平台建设 472.3.1 IaaS 平台介绍 472.3.2 IaaS 云平台的种类 492.3.3 IaaS 平台设计 512.3.4 IaaS 平台解决方案 532.3.5 IaaS 平台搭建 55第3章 Hadoop 基础组件 573.1 Hadoop 概述 583.1.1 Hadoop 简介 583.1.2 Hadoop 系统架构 593.1.3 Hadoop 的优势与不足 603.1.4 Hadoop 的适用场景 633.1.5 Hadoop 的商业模式 643.2 Hadoop 分布式文件系统HDFS 653.2.1 HDFS 的设计目标 653.2.2 HDFS 的基本架构 673.2.3 HDFS 的特点 683.2.4 HDFS 的优势与缺点 703.3 Hadoop 分布式计算框架MapReduce 723.3.1 MapReduce 简介 723.3.2 MapReduce 的运行流程 733.3.3 MapReduce 与DataFlow 比较 753.4 Hadoop 统一资源管理框架YARN 763.4.1 YARN 架构简介 763.4.2 YARN 架构框架 773.4.3 YARN 与旧MapReduce 框架对比 793.4.4 YARN 与Mesos 框架对比 793.5 Hadoop 分布式集群管理系统ZooKeeper 813.5.1 ZooKeeper 简介 813.5.2 ZooKeeper 总体架构 823.5.3 ZooKeeper 的运行模式 843.5.4 ZooKeeper 的设计要点 853.5.5 ZooKeeper 的使用 87第4章 Hadoop 其他常用组件 894.1 Hadoop 数据仓库工具Hive 904.1.1 Hive 简介 904.1.2 Hive 架构设计 914.1.3 Hive 部署模式 924.1.4 Hive 与关系型数据库比较 944.2 Hadoop 分布式数据库HBase 974.2.1 HBase 简介 974.2.2 HBase 体系架构 974.2.3 HBase 性能分析 994.2.4 HBase 容错机制 1014.3 Hadoop 实时流式处理引擎Storm-YARN 1024.3.1 流式处理概述 1024.3.2 Storm 简介 1034.3.3 Storm 架构 1054.3.4 Storm 与Spark Streaming 比较 1064.4 Hadoop 交互式查询引擎 Impala 1084.4.1 Impala 简介 1084.4.2 Impala 架构分析 1094.4.3 Impala 与Hive 比较 110第5章 Spark 内存计算框架 1135.1 内存计算与Spark 1145.1.1 内存计算概念 1145.1.2 内存计算分类 1165.1.3 Spark 与内存数据处理系统 1185.2 Spark 概述 1195.2.1 Spark 架构 1195.2.2 Spark 的RDD 模型 1215.2.3 Spark 与Hadoop 的性能对比 1215.3 Spark 核心组件介绍 1225.3.1 Spark SQL 1225.3.2 Spark MLlib 1235.3.3 Spark GraphX 1235.3.4 Spark Streaming 1245.4 Spark 集群管理 1255.4.1 Spark 部署方式 1255.4.2 Spark 资源调度 1265.4.3 Spark 任务调度 127第6章 大数据可视化技术 1296.1 数据可视化的基本概念 1316.2 数据可视化的发展趋势 1326.3 数据可视化应用与设计 135第7章 数据挖掘技术 1397.1 什么是数据挖掘 1407.2 数据挖掘的流程 1427.3 数据挖掘典型算法 1437.4 数据挖掘与大数据 151第8章 大数据系统评价标准 1538.1 大数据系统评价概述 1548.1.1 信息时代的“云大物移” 1548.1.2 大数据项目失败的常见原因 1558.2 评价指标选取原则 1578.3 大数据系统评价标准 1598.3.1 通用评价要素 1598.3.2 专有评价要素 1608.4 大数据系统定位 1618.4.1 与企业战略相匹配 1618.4.2 与企业架构相匹配 1628.4.3 与企业需求相匹配 1628.5 大数据价值评估模型 1648.6 大数据质量评价 1658.6.1 数据流程视角 1658.6.2 数据技术视角 1678.6.3 数据管理视角 1688.7 大数据安全评价 169第9章 大数据在生活中的应用 1739.1 食：食品安全 174案例：阿里巴巴大数据协助食品安全风险控制 1759.2 住：智能家居 176案例：无锡市智能家居 1779.3 行：智能交通 177案例：深圳市智能综合交通运行指挥中心 1809.4 游：智慧旅游 180案例：无锡市智慧旅游立体化营销体系 1819.5 购：电商营销 183案例：京东大数据营销 185第10章 大数据在政务领域的应用 18710.1 条块分割拖累政务发展 18810.2 数据统筹助力决策参考 190案例：佛山市南海区数据统筹 19210.3 服务整合创新社会管理 193案例：无锡市智慧城管系统 19410.4 资源整合强化公共服务 196案例：无锡市政务服务平台 19710.5 数据公开辅助政府监督 200案例：上海市利用大数据实现市场监管 201第11章 大数据在交通领域的应用 20311.1 频繁拥堵造就城市顽疾 20411.2 客流分析改进公交线路设计 205案例：北京市大数据路线优化 20611.3 多源数据辅助交通调查 206案例：上海市综合交通特征分析 20811.4 整合信息优化资源配置 210案例：无锡市智慧交通信息工程 21111.5 智能数据释难*后一公里 213案例：共享单车便捷出行 214第12章 大数据在医疗领域的应用 21512.1 医疗数据挖掘行业价值 217案例：无锡市智慧健康工程 21812.2 海量数据助推远程医疗 221案例：中日医院基于大数据让远程医疗、分级诊疗深入临床一线 22212.3 移动医疗缓解资源紧缺 223案例：春雨掌上医生 22412.4 健康数据实现精准医疗 226案例：微软亚洲研究院利用大数据推动癌症精准医疗 226第13章 大数据在金融领域的应用 22913.1 交易数据饱含金融商机 23113.2 智能分析防范金融欺诈 232案例：天下无贼反信息诈骗联盟 23513.3 征信预测改善金融风控 236案例：ZestFinance 公司 23713.4 “互联网 ”催生金融产品 239案例：蚂蚁金服 239参考文献 241

封面

书名:大数据与智慧社会-数据驱动变革.构建未来世界

作者:张克平

页数:264

定价:¥59.0

出版社:人民邮电出版社

出版日期:2017-06-01

ISBN:9787115456243

PDF电子书大小:44MB 高清扫描完整版