日本免费精品视频,男人的天堂在线免费视频,成人久久久精品乱码一区二区三区,高清成人爽a毛片免费网站

第1章大數(shù)據(jù)技術(shù)概述

1.1大數(shù)據(jù)的概念

1.2大數(shù)據(jù)的行業(yè)價值

1.3大數(shù)據(jù)問題的爆發(fā)

1.4大數(shù)據(jù)處理流程

1.5大數(shù)據(jù)技術(shù)

1.5.1基礎(chǔ)架構(gòu)支持

1.5.2數(shù)據(jù)采集

1.5.3數(shù)據(jù)存儲

1.5.4數(shù)據(jù)計算

1.5.5展現(xiàn)與交互

1.6練習(xí)題

參考文獻

第2章大數(shù)據(jù)基礎(chǔ)支撐--數(shù)據(jù)中心及云計算

2.1數(shù)據(jù)中心概述

2.1.1云計算時代數(shù)據(jù)中心面臨的問題

2.1.2新一代數(shù)據(jù)中心關(guān)鍵技術(shù)

2.1.3業(yè)界發(fā)展動態(tài)

2.1.4小結(jié)

2.2云計算簡介

2.2.1云計算定義

2.2.2云計算主要特征

2.2.3Web服務(wù)、網(wǎng)格和云計算

2.2.4云計算應(yīng)用分類

2.2.5小結(jié)

2.3大數(shù)據(jù)與云計算的關(guān)系

2.3.1大數(shù)據(jù)是信息技術(shù)發(fā)展的必然階段

2.3.2云計算等新興信息技術(shù)正在真正地落地和實施

2.3.3云計算等新興技術(shù)是解決大數(shù)據(jù)問題的核心關(guān)鍵

2.4云資源調(diào)度與管理

2.4.1云資源管理

2.4.2云資源調(diào)度策略

2.4.3云計算數(shù)據(jù)中心負載均衡調(diào)度

2.5開源云管理平臺OpenStack

2.5.1OpenStack的構(gòu)成

2.5.2OpenStack各組件之間的關(guān)系

2.5.3OpenStack的邏輯架構(gòu)

2.5.4小結(jié)

2.6軟件定義網(wǎng)絡(luò)

2.6.1起源與發(fā)展

2.6.2OpenFlow標(biāo)準(zhǔn)和規(guī)范

2.6.3OpenFlow的應(yīng)用

2.7虛擬機與容器

2.7.1VM虛擬化與Container虛擬化

2.7.2Docker

2.8練習(xí)題

參考文獻

第3章云計算先行者--Google的三駕馬車

3.1Google的三駕馬車

3.1.1GFS--一個可擴展的分布式文件系統(tǒng)

3.1.2MapReduce--一種并行計算的編程模型

3.1.3BigTable--一個分布式數(shù)據(jù)存儲系統(tǒng)

3.2Google新"三駕馬車"

3.2.1Caffeine--基于Percolator的搜索索引系統(tǒng)

3.2.2Pregel--高效的分布式圖計算的計算框架

3.2.3Dremel--大規(guī)模數(shù)據(jù)的交互式數(shù)據(jù)分析系統(tǒng)

3.3練習(xí)題

參考文獻

第4章云存儲系統(tǒng)

4.1云存儲的基本概念

4.1.1云存儲結(jié)構(gòu)模型

4.1.2云存儲與傳統(tǒng)存儲系統(tǒng)的區(qū)別

4.2云存儲關(guān)鍵技術(shù)

4.2.1存儲虛擬化技術(shù)

4.2.2分布式存儲技術(shù)

4.3云存儲系統(tǒng)分類

4.3.1分布式文件存儲

4.3.2分布式塊存儲

4.3.3分布式對象存儲

4.3.4統(tǒng)一存儲

4.4其他相關(guān)技術(shù)

4.5練習(xí)題

參考文獻

第5章數(shù)據(jù)采集系統(tǒng)

5.1Flume

5.1.1Flume架構(gòu)

5.1.2Flume核心組件

5.1.3Flume環(huán)境搭建與部署

5.2Scribe

5.2.1Scribe架構(gòu)

5.2.2Scribe中的Store

5.2.3Scribe環(huán)境搭建與部署

5.3Chukwa

5.3.1Chukwa的設(shè)計目標(biāo)

5.3.2Chukwa架構(gòu)

5.3.3Chukwa環(huán)境搭建與部署

5.4Kafka

5.4.1Kafka架構(gòu)

5.4.2Kafka存儲

5.4.3Kafka的特點

5.4.4Kafka環(huán)境搭建與部署

5.5練習(xí)題

參考文獻

第6章Hadoop與MapReduce

6.1Hadoop平臺

6.1.1Hadoop概述

6.1.2Hadoop的發(fā)展簡史

6.1.3Hadoop的功能和作用

6.1.4HDFS

6.1.5HBase

6.2MapReduce

6.2.1及時代MapReduce(MRv1)

6.2.2MapReduce2.0--Yarn

6.3Hadoop相關(guān)生態(tài)系統(tǒng)

6.3.1交互式數(shù)據(jù)查詢分析

6.3.2數(shù)據(jù)收集、轉(zhuǎn)換工具

6.3.3機器學(xué)習(xí)工具

6.3.4集群管理與監(jiān)控

6.3.5其他工具

6.4Hadoop應(yīng)用案例

6.5練習(xí)題

參考文獻

第7章Spark--大數(shù)據(jù)統(tǒng)一計算平臺

7.1Spark簡介

7.1.1Spark

7.1.2BDAS

7.2RDD

7.2.1RDD基本概念

7.2.2RDD示例

7.2.3RDD與分布式共享內(nèi)存

7.3SparkSQL

7.4MLlib

7.5GraphX

7.6SparkStreaming

7.6.1基本概念

7.6.2編程模型

7.7Spark的安裝

7.7.1單機運行Spark

7.7.2使用SparkShell與Spark交互

7.8Shark、Impala、Hive對比

7.9練習(xí)題

參考文獻

第8章Storm流計算系統(tǒng)

8.1流計算系統(tǒng)

8.1.1流計算系統(tǒng)的特點

8.1.2流計算處理基本流程

8.2Storm流計算框架

8.2.1Storm簡介

8.2.2Storm關(guān)鍵術(shù)語

8.2.3Storm架構(gòu)設(shè)計

8.3Storm編程實例

8.4Storm應(yīng)用

8.4.1Storm應(yīng)用場景

8.4.2Storm應(yīng)用實例

8.5其他流計算框架

8.6練習(xí)題

參考文獻

第9章SQL、NoSQL與NewSQL

9.1傳統(tǒng)SQL數(shù)據(jù)庫

9.1.1關(guān)系模型

9.1.2關(guān)系型數(shù)據(jù)庫的優(yōu)點

9.1.3關(guān)系型數(shù)據(jù)庫面臨的問題

9.2NoSQL

9.2.1NoSQL與大數(shù)據(jù)

9.2.2NoSQL理論基礎(chǔ)

9.2.3分布式模型

9.2.4NoSQL數(shù)據(jù)庫分類

9.3NewSQL

9.3.1系統(tǒng)分類

9.3.2GoogleSpanner

9.3.3MemSQL

9.3.4VoltDB

9.4練習(xí)題

參考文獻

第10章大數(shù)據(jù)與數(shù)據(jù)挖掘

10.1數(shù)據(jù)挖掘的主要功能和常用算法

10.1.1數(shù)據(jù)挖掘的主要功能

10.1.2常用算法

10.2大數(shù)據(jù)時代的數(shù)據(jù)挖掘

10.2.1傳統(tǒng)數(shù)據(jù)挖掘解決方案

10.2.2分布式數(shù)據(jù)挖掘解決方案

10.3數(shù)據(jù)挖掘相關(guān)工具

10.3.1Mahout

10.3.2語言工具--Python

10.4數(shù)據(jù)挖掘與R語言

10.4.1R語言簡介

10.4.2R語言在數(shù)據(jù)挖掘上的應(yīng)用

10.5練習(xí)題

參考文獻

第11章深度學(xué)習(xí)

11.1深度學(xué)習(xí)介紹

11.1.1深度學(xué)習(xí)的概念

11.1.2深度學(xué)習(xí)的結(jié)構(gòu)

11.1.3從機器學(xué)習(xí)到深度學(xué)習(xí)

11.2深度學(xué)習(xí)基本方法

11.2.1自動編碼器

11.2.2稀疏編碼

11.3深度學(xué)習(xí)模型

11.3.1深度置信網(wǎng)絡(luò)

11.3.2卷積神經(jīng)網(wǎng)絡(luò)

11.4深度學(xué)習(xí)的訓(xùn)練加速

11.4.1GPU加速

11.4.2數(shù)據(jù)并行

11.4.3模型并行

11.4.4計算集群

11.5深度學(xué)習(xí)應(yīng)用

11.5.1Google

11.5.2百度

11.5.3騰訊Mariana

11.6練習(xí)題

參考文獻

第12章電子商務(wù)與社會化網(wǎng)絡(luò)大數(shù)據(jù)分析

12.1推薦系統(tǒng)簡介

12.1.1推薦系統(tǒng)的評判標(biāo)準(zhǔn)

12.1.2推薦系統(tǒng)的分類

12.1.3在線推薦系統(tǒng)常用算法介紹

12.1.4相關(guān)算法知識

12.2計算廣告

12.2.1計算廣告簡介

12.2.2計算廣告發(fā)展階段

12.2.3計算廣告相關(guān)算法

12.2.4計算廣告與大數(shù)據(jù)

12.2.5大數(shù)據(jù)在計算廣告中的應(yīng)用案例

……

第13章大數(shù)據(jù)展示與交互技術(shù)

第14章大數(shù)據(jù)安全與隱私

第15章大數(shù)據(jù)技術(shù)發(fā)展趨勢

第16章知名企業(yè)大數(shù)據(jù)架構(gòu)簡介

參考文獻