大数据-战略.技术.实践
节选
[
(1)全面剖析当前大数据领域中的主流技术,并配以行业应用实例和一线研发人员的独到见解。
(2)配置精美彩插,多视角完美展现大数据的力量。
(3)学界知名专家、企业领袖 联袂作序推荐。
]
相关资料
[
,
我认为本书适合多种类型的读者，包括想对大数据有大概了解的，想了解大数据系统和软件应用的，想学习大数据基本概念和方法的，以及想通过大数据提高企业生产力的。这些读者都能够受益于本书。我欣赏本书的写法和很多内容，希望你们也会喜欢。
——李凯 博士
美国普林斯顿大学计算机科学系 paul and marcia wythes 讲席教授
美国国家工程院院士
acm院士、ieee院士
大数据时代已经来临，但在国内能系统阐述大数据的书却不多。此次编委会把emc中国研究院和业界的大数据专业人才汇聚起来，撰写这本关于大数据技术、管理、分析和应用的书，非常及时。
emc是全球领先的存储及管理技术和产品提供商，vmware是全球领先的虚拟化技术和产品提供商，也是开源cloud foundry
云平台的贡献者和开源redis存储系统的赞助者，编写组成员在这两家公司的经验，将会给读者带来他们在大数据技术和实际应用中深刻和独到的见解。
——刘强东
京东商城董事局主席兼首席执行官
]
本书特色
[
本书从实际技术解决方案出发，提出了大数据技术四层架构，即基础设施层、管理层、分析层、应用层。在此基础上，全面剖析了当前大数据领域中的主流技术，并配以行业应用实例和一线研发人员的独到见解。力求使读者能够通过阅读此书，全面了解当前大数据技术动态和发展趋势，并可针对自己面临的大数据问题找到可行的解决方案。
]
内容简介
[
（1）全面剖析当前大数据领域中的主流技术，并配以行业应用实例和一线研发人员的独到见解。
（2）配置精美彩插，多视角完美展现大数据的力量。
（3）学界知名专家、企业领袖 联袂作序推荐。
]
作者简介
[
本书编写组来自于EMC中国研究院和Vmware中国研发团队，他们将亲历的丰富的大数据分析处理研究成果和企业大数据实施经验，带到本书中，使得本书在技术的广度与深度方面得到很好地配合。
]
目录
**部分 大数据技术概览第1章 概述1.1 什么是大数据1.1.1 大数据的定义及特征1.1.2 大数据结构类型1.1.3 大数据实例1.2 大数据发展史1.3 大数据技术架构1.4 机遇与挑战参考文献第2章 大数据应用2.1 大数据驱动新应用2.1.1 大数据生态系统2.1.2 新的业务应用2.2 行业应用实例2.2.1 奥巴马的大数据2.2.2 预测犯罪2.2.3 数据让游戏更精彩2.2.4 智能交通2.2.5 大学教育2.2.6 大数据的姻缘2.2.7 传媒出版参考文献第3章 大数据基础设施3.1 云端大数据3.1.1 云基础设施3.1.2 虚拟化的三驾马车3.1.3 云安全和云平台3.2 计算虚拟化3.2.1 基本概念3.2.2 从部分虚拟化到全虚拟化3.2.3 处理器（cpu）的虚拟化3.2.4 内存（memory）的虚拟化3.3 大数据存储3.3.1 传统存储系统时代的简单回顾3.3.2 大数据时代的新挑战3.3.3 分布式存储及其案例3.3.4 云存储及其存储虚拟化3.3.5 大数据存储的其他需求及其特点3.4 网络虚拟化3.4.1 网卡虚拟化3.4.2 虚拟交换机（virtual switch）3.4.3 接入层的虚拟化3.4.4 覆盖网络虚拟化（networkvirtualization overlay）3.4.5 软件定义的网络（sdn）3.4.6 对大数据处理的意义3.5 基础架构的安全：云环境中面临的新的安全挑战3.5.1 计算资源方面的安全和挑战3.5.2 存储方面的安全和挑战3.5.3 网络方面的安全和挑战3.6 大数据时代的云服务3.6.1 大数据与基础设施即服务3.6.2 亚马逊云计算服务的解决方案3.6.3 openstack解决方案3.6.4 大数据与应用平台即服务参考文献第4章 大数据管理4.1 大数据事务处理（oltp）4.1.1 nosql4.1.2 newsql4.2 大数据分析处理（olap）4.2.1 分布式大规模批量处理（mapreduce / hadoop）4.2.2 mpp数据库4.3 流数据管理4.3.1 流数据管理简介4.3.2 复杂事件处理简介4.3.3 复杂事件处理软件esper介绍4.3.4 大数据流处理4.3.5 大数据摄取与处理参考文献第5章 大数据分析5.1 数据分析的演变与现状5.1.1 数据分析的商业驱动力5.1.2 面向分析的数据环境的演变5.1.3 传统分析架构5.2 大数据分析平台5.2.1 大数据分析平台的要点5.2.2 大数据分析平台实例：cetas5.3 高级分析理论与方法5.3.1 聚类分析5.3.2 关联规则5.3.3 回归和分类预测5.4 数据可视化5.4.1 数据可视化基础5.4.2 用数据讲故事5.4.3 数据可视化的模式5.4.4 数据可视化工具基础5.4.5 大数据的可视化参考文献第6章 数据科学与数据科学家6.1 商业智能vs数据科学6.2 数据科学家6.2.1 大数据生态系统中的关键角色6.2.2 数据科学家的特质6.3 数据分析生命周期模型6.3.1 模型概述6.3.2 阶段1：探索发现6.3.3 阶段2：数据准备6.3.4 阶段3：模型规划6.3.5 阶段4：模型建造6.3.6 阶段5：沟通结果6.3.7 阶段6：项目实施6.4 使用范例：企业创新分析6.4.1 阶段1：探索发现6.4.2 阶段2：数据准备6.4.3 阶段3：模型规划6.4.4 阶段4：模型建造6.4.5 阶段5：沟通结果6.4.6 阶段6：项目实施参考文献第二部分 大数据解决方案范例第7章 医疗大数据解决方案7.1 医疗信息化7.1.1 全球医疗信息化历史回顾7.1.2 我国医疗信息化发展趋势7.2 医疗数据综述7.2.1 医疗数据的大数据特性7.2.2 医疗大数据挑战和机遇7.3 医疗大数据基础架构7.3.1 建设原则7.3.2 面向医疗大数据的信息基础架构方案7.4 医疗大数据分析7.4.1 医疗云的兴起7.4.2 医疗云上的大数据7.4.3 医疗大数据分析解决方案7.5 医疗大数据的展望参考文献第8章 物联网大数据解决方案8.1 物联网8.1.1 物联网的概念8.1.2 物联网技术8.1.3 物联网数据8.1.4 物联网的机遇和挑战8.1.5 物联网应用实例8.2 应用行业背景8.2.1 脱硫系统的必要性8.2.2 脱硫系统工作原理8.2.3 大数据时代的数据挖掘8.3 参数分析8.3.1 火电厂的大数据8.3.2 脱硫相关参数8.4 优化目标8.4.1 脱硫参数优化8.4.2 目标成本优化8.5 优化方法8.5.1 基于数据的理论与方法8.5.2 *优化脱硫系统可调参数8.5.3 *小化脱硫系统成本8.6 数据相关问题8.6.1 主要监控参数8.6.2 业务相关假设8.6.3 数据中存在的问题8.7 优化目标1: 脱硫运行参数*优目标值挖掘8.7.1 数据分布直方图8.7.2 基于历史数据的工况划分8.7.3 fcm与模糊关联规则挖掘*优可调参数8.8 优化目标2: *优目标成本计算8.8.1 增压风机用电成本估计8.8.2 石灰石成本函数8.9 实现简介8.9.1 基于hbase的数据模型8.9.2 对mahout的改进8.1 总结参考文献第9章 移动平台大数据解决方案9.1 移动平台的大数据挑战9.2 instagram案例研究9.2.1 面临的挑战9.2.2 解决方案9.3 mobile back-end as a service基础9.4 mbaas提供商案例研究9.5 基于paas的mbaas大数据解决方案参考文献第10章 社交网站大数据解决方案10.1 大数据时代社交网站面临的挑战10.2 twitter解决方案10.2.1 twitter在线部分大数据解决方案10.2.2 twitter离线部分大数据解决方案10.3 linkedin解决方案10.4 facebook解决方案10.5 国内社交网络解决方案10.5.1 腾讯大数据解决方案10.5.2 新浪微博大数据解决方案参考文献第11章 大数据未来展望11.1 大数据发展趋势11.2 新的机遇与挑战参考文献
封面
书名:大数据-战略.技术.实践
作者:周宝曜
页数:310
定价:¥56.0
出版社:电子工业出版社
出版日期:2013-05-01
ISBN:9787121202650
PDF电子书大小:83MB 高清扫描完整版