Подлинные большие данные и хранилище данных (американский) Криш Кришна (Криш Кришна
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
Основная информация
Название: большие данные и хранилище данных
Цена: 79,00 юань
Автор: (Мидиа) Кроватка·Криш Кришнан, Син Чанксиао, Чжан Юн, Чжан Гиганг перевод
Пресса: Machinery Industry Press
Дата публикации: 2018-04-01
ISBN: 9787111594826
Слова:
Номер страницы: 268
Издание: 1
Рамка
Открыто: 16
Товарный вес:
Выбор редактора
Краткое содержание
Эксперт по хранилищам данных Кришкришнан заставил нас понять, как обновить хранилище данных в эпоху больших данных и помогает компаниям принимать интеллектуальные решения в эпоху больших данных.Книга разделена на три части: некоторое обсуждение технологии больших данных и ее применения; Управление, изменение роли ученых ученых и т. Д.Эта книга подходит для технического персонала и менеджеров, которые занимаются архитектурой данных, анализом и раскопками.
Оглавление
Переводчик
Предисловие
Спасибо
об авторе
часть Большие данные
глава Введение больших данных 2
1.1 Введение 2
1.2 Большие данные 2
1.3 Определение больших данных 4
1.4 Зачем вам большие данные?Почему сейчас 4
1.5 Пример больших данных 5
1.5.1 СМИ Статья 5
1.5.2 Анализ данных опроса 6
1.5.3 Данные опроса 7
1.5.4 Метеорологические данные 8
1.5.5 Данные Twitter 8
1.5.6 Интегрированный и анализ 8
1.5.7 Тип дополнительных данных 10
1.6 Резюме 11
Дальнейшее чтение 11
Глава 2 Используйте большие данные 12
2.1 Введение 12
2.2 Данные 12
2.3 Данные Том 13
2.3.1 Данные машины 14
2.3.2 Журнал приложений 14
2.3.3 Нажмите «Журнал» 14
2.3.4 Внешние или третьи партийные данные 15
2.3.5 Электронная почта 15
2.3.6 Контракт 15
2.3.7 Географическая информационная система и географические пространственные данные 16
2.3.8 Пример: Funshots Company 17
2.4 Скорость данных 19
2.4.1 Amazon, Facebook, Yahoo и Google19
2.4.2 Данные датчика 19
2.4.3 Мобильная сеть 20
2.4.4 СМИ 20
2.5 Разнообразие данных 21
2.6 Резюме 22
Глава 3 Архитектура обработки больших данных 23
3.1 Введение 23
3.2 Обработка данных реконструкции 23
3.3 Технология обработки данных 24
3.4 Задача инфраструктуры обработки данных 25
3.4.1 Магазин 25
3.4.2 Перевод 25
3.4.3 Лечение 26
3.4.4 Скорость или пропускная способность 26
3.5 Сравнение архитектуры полного совместного использования и не -зашаобразной архитектуры 26
3.5.1 Полная общая архитектура 27
3.5.2 Нет общей архитектуры 27
3.5.3 OLTP и Data Warehouse 28
3.6 Обработка больших данных 28
3.6.1 Инфраструктура 31
3.6.2 Обработка данных 32
3.7 Telecom Big Data Research 32
3.7.1 Инфраструктура 34
3.7.2 Обработка данных 34
Глава 4 Технология больших данных Введение 35
4.1 Введение 35
4.2 Распределенная обработка данных 36
4.3 Требования к обработке больших данных 38
4.4 Технология обработки больших данных 39
4.5 Hadoop42
4.5.1 Hadoop Core Component 43
4.5.2 Hadoop Резюме 69
4.6 NoSQL69
4.6.1 Кэпка теорема 69
4.6.2 Пара ключевых значений: voldemort70
4.6.3 Кластерное хранилище: Cassandra70
4.6.4 База данных документов: RIAK76
4.6.5 Рисунок базы данных 77
4.6.6 Nosql Резюме 78
4.7 Текст ETL обработка 78
Дальнейшее чтение 79
Глава 5 Коммерческая стоимость с большими данными 80
5.1 Введение 80
5.2 Тематическое исследование 1: Данные датчика 81
5.2.1 Резюме 81
5.2.2 Vestas81
5.2.3 Обзор 81
5.2.4 Используйте ветроэнергию 81
5.2.5 Превратить климат в капитал 82
5.2.6 Задача отслеживать большие данные 83
5.2.7 Поддерживать энергоэффективность центра обработки данных 83
5.3 Пример 2: потоковые данные 84
5.3.1 Резюме 84
5.3.2 Мониторинг и безопасность: TerraeChos84
5.3.3 Спрос 84
5.3.4 Решение 84
5.3.5 Энергия 84
5.3.6 Сеть оптического волокна в сочетании с реальными данными потока 85
5.3.7 Компонент решения 85
5.3.8 Расширить стратегическое преимущество границы безопасности 85
5.3.9 Связанные данные датчика делают ложную положительную скорость нулевой 86
5.4 Тематическое исследование 3: Повышение прогноза пациентов с помощью анализа больших данных 86
5.4.1 Резюме 86
5.4.2 Бизнес -цель 87
5.4.3 Вызов 87
5.4.4 Обзор: Новое понимание сотрудников, чтобы направлять пациентов для ухода за пациентами 87
5.4.5 Задача: интегрируйте традиционную экосистему хранилища данных с большими данными 87
5.4.6 Решение: подготовиться к анализу больших данных 88
5.4.7 Результат: устранение «ловушка данных» 88
5.4.8 Почему Aster88
5.4.9 Об Aurora89
5.5 Пример 4: Школа технического университета Университета Онтарио -ключевые данные -для обеспечения положительного ухода за пациентами 89
5.5.1 Резюме 89
5.5.2 Обзор 89
5.5.3 Бизнес -доход 90
5.5.4 Лучшие ресурсы данных 90
5.5.5 Smart Medical Care 91
5.5.6 Компонент решения 91
5.5.7 Интеграция человеческих знаний и технологий 92
5.5.8 Расширить влияние Artemis 92
5.6 Тематическое исследование 5: Microsoft SQL Решение клиента сервера 93
5.6.1 Портрет клиента 93
5.6.2 Основные моменты решения 93
5.6.3 Спрос бизнеса 93
5.6.4 Решение 94
5.6.5 Преимущество 94
5.7 Пример 6: Интеграция данных клиента -Интеграция данных 95
5.7.1 Обзор 95
5.7.2 Дизайн решения 98
5.7.3 Возможности для лучшего пересечения и дополнительных продаж 99
5.8 Резюме 100
Вторая часть база данных
Глава 6 Re -discuss Data Warehouse 102
6.1 Введение 102
6.2 Традиционное хранилище данных или DW 1.0103
6.2.1 Архитектура данных 103
6.2.2 Инфраструктура 104
6.2.3 Ловушка хранилища данных 106
6.2.4 Установить метод архитектуры хранилища данных 111
6.3 DW 2.0113
6.3.1 INMON DW 2.0 Обзор 114
6.3.2 DSS 2.0 Обзор 115
6.4 Резюме 116
Дополнительное чтение 116
Глава 7 Перевождение хранилища данных 118
7.1 Введение 118
7.2 Платформа Warehouse Data Platform
7.2.1 По делам тип 19
7.2.2 Область хранилища операционных данных 119
7.2.3 Секция 120
7.2.4 Данные хранилище 120
7.2.5 Рынок данных 120
7.2.6 База данных типа анализа 121
7.2.7 Проблема с хранилищем данных 121
7.3 Выбор хранилища данных 122
7.3.1 Реконструкция платформы 122
7.3.2 Инженерная платформа 123
7.3.3 Data Engineering 124
7.4 Сделайте модернизацию хранилища данных 125
7.5 Тематическое исследование модернизации хранилища данных 127
7.5.1 Анализ текущего состояния 127
7.5.2 Рекомендуется 127
7.5.3 Модернизация бизнес -дохода 128
7.5.4 Процесс отбора всех -In -One Machine 128
7.6 Резюме 132
Глава 8 Управление рабочей нагрузкой в хранилище данных 133
8.1 Введение 133
8.2 Текущий статус 133
8.3 Определение рабочей нагрузки 134
8.4 Учитесь рабочей нагрузкой 135
8.4.1 Вывод данных Warehouse 136
8.4.2 Вход хранилища данных 137
8.5 Запрос категория 138
8.5.1 Ширина/ширина 138
8.5.2 Ширина/узкая 139
8.5.3 Узкая/ширина 139
8.5.4 Узкий/узкий 139
8.5.5 Не -структурированные/полу -структурированные данные 140
8.6 ETL и CDC Рабочая нагрузка 140
8.7 Мера 141
8.8 Ограничение текущей системы системы 142
8.9 Новая рабочая нагрузка и большие данные 143
8.10 Технический выбор 144
8.11 Резюме 144
Глава 9 Новая технология, применяемая к хранилище данных 145
9.1 Введение 145
Нимфо
об авторе
детская кроватка·Кришнан (Криш Кришнан) Sixth Sense Основатель и генеральный директор консультантов, стратегий, архитектур и экспертов по реализации в решении хранилища данных с высокой производительности и не структурированных данных.Как дальновидный хранилище данных и практикующий врач, он является одним из консультантов, признанных в этой области.
Предисловие
