Принципы и применение технологий больших данных (2 -е издание)
Цена: 707руб. (¥39.3)
Артикул: 558193227746
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товараПродавец:当当网官方旗舰店
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥ 42.65 29.5531руб.
¥ 35.21 35.2633руб.
¥15.8285руб.
¥19342руб.
1. Автор построил первую базу обучения и обмена внутренних колледжей и создал хорошо известную марку преподавания больших данных в китайских университетах. Он сформировал широкое влияние во внутренних университетах.2. Автор создал первую платформу общественной службы для курсов больших данных в внутренних университетах, проведя лекции по лекциям, руководящих принципам обучения, руководящим принципам обучения, машинным упражнениям, экспериментальным руководствам, технической информации, обучению видео и т. Д. Для преподавания учителей и студентов Богатый.
Глава 1 Обзор больших данных 2
1,1 большие данные возраст 2
1.1.1 Третья волна информации 2
1.1.2 Информационные технологии предоставляются для эпохи больших данных
Техническая поддержка 3
1.1.3 Метод изменения данных способствовал появлению эпохи больших данных 5
1.1.4 Разработка больших данных 6 6
1.2 Концепция больших данных 7
1.2.1 Том 7 данных 7
1.2.2 Типы данных много 8
1.2.3 Быстрая скорость обработки 9
1.2.4 Плотность низкой стоимости 9
1.3 Влияние больших данных 9
1.3.1 Влияние больших данных на научные исследования 10
1.3.2 Влияние больших данных на образ мышления 11
1.3.3 Влияние больших данных на социальное развитие 11
1.3.4 Влияние больших данных на рынок занятости 12
1.3.5 Влияние больших данных на обучение талантов 13
1.4 Применение больших данных 14
1,5 Ключевые технологии больших данных 14
1.6 Режим расчета больших данных 15
1.6.1 Расчет расчета 16
1.6.2 Расчет потока 16
1.6.3 Расчет рисунка 16
1.6.4 Расчет анализа запросов 17
1.7 Индустрия больших данных 17
1,8 большие данные и облачные вычисления, IoT 18
1.8.1 Облачные вычисления 18
1.8.2 IoT 21
1.8.3 Связь между большими данными и облачными вычислениями и Интернетом вещей 25
1.9 Эта глава - резюме 26
1.10 Упражнение 26
Глава 2 Архитектура обработки больших данных Hadoop 28
2.1 Обзор 28
2.1.1 Hadoop Введение 28
2.1.2 Краткая история развития Hadoop 28
2.1.3 Hadoop Feature 29
2.1.4 Применение Hadoop 29
2.1.5 Hadoop версии 30
2.2 Hadoop Ecosystem 30
2.2.1 HDFS 31
2.2.2 Hbase 31
2.2.3 MapReduce 31
2.2.4 Улей 32
2.2.5 Свинья 32
2.2.6 Махаут 32
2.2.7 Zookeeper 32
2.2.8 Flume 32
2.2.9 SQOOP 32
2.2.10 Амбари 33
2.3 Установка и использование Hadoop 33
2.3.1 Создать пользователей Hadoop 33
2.3.2 Установка Java 34
2.3.3 Настройки разрешений на вход SSH 34
2.3.4 Установите стенд -отдельный Hadoop 34
2.3.5 Hadoop Pseudo -Distribution Установка 35
2.4 Сводка этой главы 37
2.5 Упражнение 38
Эксперимент 1 Установите Hadoop 38
Часть 2 хранилище больших данных и управление
Глава 3 Распределенная файловая система HDFS 42
3.1 Распределенная файловая система 42
3.1.1 Структура компьютерного кластера 42
3.1.2 Структура распределенной файловой системы 43
3.1.3 Требования к проектированию для распределенной файловой системы 44
3.2 Введение в HDFS 44
3.3 Концепция HDFS 45
3.3.1 45
3.3.2 Узел имени и узел данных 46
3.3.3 Узел два имени 47
3.4 HDFS Architecture 48
3.4.1 Обзор 48
3.4.2 HDFS Управление пространством именования 49
3.4.3 Соглашение об связи 49
3.4.4 Клиент 50
3.4.5 Ограничение архитектуры HDFS 50
3.5 Принцип хранения HDFS 50
3.5.1 Резервное хранилище данных 50
3.5.2 Стратегия доступа к данным 51
3.5.3 Ошибки данных и восстановления 52
3.6 Процесс чтения и написания данных HDFS 53
3.6.1 Процесс чтения данных 53
3.6.2 Процесс написания данных 54
3.7 Практика программирования HDFS 55
3.7.1 HDFS Обычно используется команда 55
3.7.2 Web Interface 56 HDFS 56
3.7.3 HDFS Обычно используется Java API и экземпляр приложения 57
3.8 Резюме этой главы 60
3.9 Упражнение 61
Эксперимент 2 знаком с обычно используемым HDFS Operation 61
Глава 4 Распределенная база данных HBASE 63
4.1 Обзор 63
4.1.1 Говоря с Bigtable 63
4.1.2 Введение в HBASE 63
4.1.3 база данных HBASE и традиционных отношений
Сравнительный анализ 64
4.2 HBASE Access Interface 65
4.3 Модель данных HBASE 66
4.3.1 Обзор модели данных 66
4.3.2 Связанные концепции модели данных 66
4.3.3 Координаты данных 67
4.3.4. Просмотр концепции 68
4.3.5 Физический вид 69
4.3.6 Хранение на столбце 69
4.4 Принцип реализации Hbase 71
4.4.1 Функциональный компонент HBASE 71
4.4.2 Таблица и область 71
4.4.3 Региональное позиционирование 72
4.5 Механизм работы HBASE 74
4.5.1 Архитектура системы HBASE 74
4.5.2 Принцип работы региона сервера 76
4.5.3 Принцип работы магазина 77
4.5.4 Принцип работы HLOG 77
4.6 Практика программирования HBASE 78
4.6.1 Команда оболочки обычно используется в HBASE 78
4.6.2 Java API обычно используется в HBASE и Java API
Приложение экземпляр 80
4.7 Сводка этой главы 90
4.8 Упражнение 90
Эксперимент 3 знаком с обычно используемой работой HBASE 91
Глава 5 База данных NOSQL 94
5.1 NOSQL Введение 94
5.2 Причины роста NOSQL 95
5.2.1 База данных о отношениях не может быть удовлетворена
Web 2.0 спрос 95
5.2.2 Ключевые функции базы данных отношений стали эпохой Web 2.0“ куриные ребра” 96
5.3 Сравнение базы данных NOSQL и отношений 97
5.4 Четыре типа NOSQL 98
5.4.1 Ключ -значение базы данных 99
5.4.2 Line Tuban Database 100
5.4.3 База данных документов 100
5.4.4 Рисунок базы данных 101
5.5 Three Cornerstone Nosql 101
5.5.1 CAP 101
5.5.2 База 103
5.5.3 Окончательная последовательность 104
5.6 От NOSQL до базы данных NewsQL 105
5.7 Соминома этой главы 107
5.8 Упражнение 107
Глава 6 Облачная база данных 108
6.1 Обзор базы данных облачных данных 108
6.1.1 Облачные вычисления являются основой для появления базы данных Cloud.
(1) Концептуальные: представьте в настоящее время связанные*ИТ -полевые технологии облачных вычислений, больших данных и Интернета вещей.(2) Хранение и управление большими данными: ввести концепции, принципы и технологии хранения распределенных данных, включая HDFS, HBASE, базу данных NOSQL, облачная база данных.(3) Обработка и анализ больших данных: ввести структуру распределенного программирования MapReduce, распределенную распределенную платформу вычислительной системы на основе памяти, расчет диаграммы, вычисления потока, визуализация данных.(4) Приложение больших данных: введите систему рекомендаций на основе технологии больших данных.Учитель Лин Зию, автор этой книги, создал самую полную систему обслуживания для этого учебника—— Платформа государственной услуги по учебной программе крупных данных китайского университета (Адрес доступа: http://dblab.xmu.edu.cn/post/bigdata-teaching-platform/) является первой публикой в Китае, которая обслуживает учебную программу больших данных университета. Сервисная платформа направлена на содействие построению учебной программы больших данных в колледжах и университетах, улучшения уровня преподавания крупных курсов данных и улучшения студентов для изучения курсов больших данных.Объект обслуживания платформы охватывает колледжи, учителя и студенты.Платформа обеспечивает полную помощь в проведении процесса для университетов для предоставления курсов с большими данными, предоставляет учителям одну постоянную услугу для выполнения учебной работы и предоставления учащимся для учащихся для изучения курсов больших данных.Платформа фокусируется на создании“ 9 1 проект”, то есть 1 учебник (включая официальный веб -сайт), 1 Участок обслуживания учителей, 1 Станция Служба Студента, 1 Проект общественного благосостояния, публичные лекции по лекциям, 1 Демонстрационный класс, 1 онлайн -курс, 1 Communication Group (QQ Group , WeChat Group) и 1 гарантийная команда.1 Этот учебник: то есть первое систематическое введение учителя Лин Зию в области профессиональных учебников с большими данными «Технические принципы и приложения больших данных» учителя Лин Зию;
1 Станция обслуживания учителей: предоставьте учителям всеобъемлющие и односторонние услуги, включая курсы, учебные учебники, лекцию PPT, упражнения по учебным планам, обмен опытом, техническую информацию и т. Д.
1 Станция Студенческого обслуживания: предоставьте студентам все -окружные и односторонние услуги, включая учебники по учебным планам, учебные пособия по самообучениям, лекции PPT, техническая информация, учебные блоги, расширенные руководящие принципы и т. Д.;
1 Проект общественного благосостояния: внутренние университеты, которые еще не открыли курсы больших данных, чтобы предложить курсы, и обеспечивают полноценное руководство, чтобы помочь учителям, участвующим в проекте, успешно открыть и объяснить курсы больших данных в краткосрочной перспективе.
1 Райский курс общественной лекции: выполнить&Ldquo; План тура по туру национального колледжа с большим курсом&Rdquo; качественный курс, в лекциях.Строго реализуйте весь процесс&Ldquo; Boutique Big Data Public Class Six Standards”, то есть бутик учебников, тщательные уроки, замечательные объяснения, элегантное изображение, стандартное качество звука, полное обслуживание.
1 Демонстрационный класс: установить контрольные показатели практики обучения большими данными с демонстрационными классами;
1 онлайн -курс: откройте платформу для обучения сети больших данных;
1 Группа связи: содействие общению и общению между учителями курсов больших данных;
1 гарантийная команда: это“ Лаборатория базы данных университета Сямэна&Rdquo; и обеспечить сильную гарантию для строительства и разработки платформы.