大數(shù)據(jù)：戰(zhàn)略·技術(shù)·實踐

定　價：￥56.00

作　者：	范承工，周寶曜，劉偉編
出版社：	電子工業(yè)出版社
叢編項：
標(biāo)　簽：	計算機與互聯(lián)網(wǎng) 數(shù)據(jù)庫

購買這本書可以去

ISBN：	9787121202650	出版時間：	2013-05-01	包裝：	平裝
開本：	16開	頁數(shù)：	320	字?jǐn)?shù)：

內(nèi)容簡介

　　《大數(shù)據(jù)：戰(zhàn)略·技術(shù)·實踐》從實際技術(shù)解決方案出發(fā)，提出了大數(shù)據(jù)技術(shù)四層架構(gòu)，即：基礎(chǔ)設(shè)施層、管理層、分析層、應(yīng)用層。在此基礎(chǔ)上，全面剖析了當(dāng)前大數(shù)據(jù)領(lǐng)域中的主流技術(shù)，并配以行業(yè)應(yīng)用實例和一線研發(fā)人員的獨到見解。力求使讀者能夠通過閱讀此書，全面了解當(dāng)前大數(shù)據(jù)技術(shù)動態(tài)和發(fā)展趨勢，并可針對自己面臨的大數(shù)據(jù)問題找到可行的解決方案?！洞髷?shù)據(jù)：戰(zhàn)略·技術(shù)·實踐》是一本不錯的技術(shù)普及讀物。可作為軟件開發(fā)者、數(shù)據(jù)存儲處理工程師、數(shù)據(jù)分析師等工程技術(shù)人員的參考書，亦可作為高等學(xué)校相關(guān)專業(yè)課程的教材或參考書。

作者簡介

　　周寶曜，博士，現(xiàn)任EMC中國研究院數(shù)據(jù)科學(xué)實驗塞主任，資深主任研究員。新加坡南洋理工大學(xué)計算機工程博士，清華大學(xué)學(xué)士和碩士。主要從事大數(shù)據(jù)相關(guān)的蕾理集構(gòu)和分析挖掘算法的研究。曾就職于惠普中國研究院和IBM中國研究院。已發(fā)表國際學(xué)術(shù)論文30余篇，并擁有4項美國專利和多項中國專利。????劉偉，博士，現(xiàn)任EMC北京研發(fā)中心總經(jīng)理、EMC中國研究院院長。此前蕾任思辯大中華區(qū)高級副總裁、中國研發(fā)中心高級總監(jiān)?；堇僦袊芯吭涸洪L等職務(wù)?，F(xiàn)擔(dān)任CCF高級會員，中國電子學(xué)會云計算專家委員會委員，中國計算機學(xué)會大數(shù)據(jù)專家委員會委員等社會職務(wù)。美國科羅拉多州立大掌電子工程與計算機科學(xué)博士，南開大學(xué)電子學(xué)及物理學(xué)本科及碩士。????范承工，博士，是VMware中國研發(fā)中心和EMC中國卓越研發(fā)集團的創(chuàng)始人，現(xiàn)任VMware全球高級副總裁，負責(zé)領(lǐng)導(dǎo)VMware應(yīng)用存儲與數(shù)據(jù)產(chǎn)品的全球研發(fā)團隊。加州理工學(xué)院電子工程碩士和博士，紐約古柏聯(lián)舍學(xué)院電子工程學(xué)士。國際知名分布式系統(tǒng)和網(wǎng)絡(luò)存儲技術(shù)專家。曾是Rainfinity公司聯(lián)臺創(chuàng)始人之一，任首席技術(shù)官。

圖書目錄

第一部分　大數(shù)據(jù)技術(shù)概覽
第1章　概述
1.1　什么是大數(shù)據(jù)
1.1.1　大數(shù)據(jù)的定義及特征
1.1.2　大數(shù)據(jù)結(jié)構(gòu)類型
1.1.3　大數(shù)據(jù)實例
1.2　大數(shù)據(jù)發(fā)展史
1.3　大數(shù)據(jù)技術(shù)架構(gòu)
1.4　機遇與挑戰(zhàn)
參考文獻
第2章　大數(shù)據(jù)應(yīng)用
2.1　大數(shù)據(jù)驅(qū)動新應(yīng)用
2.1.1　大數(shù)據(jù)生態(tài)系統(tǒng)
2.1.2　新的業(yè)務(wù)應(yīng)用
2.2　行業(yè)應(yīng)用實例
2.2.1　奧巴馬的大數(shù)據(jù)
2.2.2　預(yù)測犯罪
2.2.3　數(shù)據(jù)讓游戲更精彩
2.2.4　智能交通
2.2.5　大學(xué)教育
2.2.6　大數(shù)據(jù)的姻緣
2.2.7　傳媒出版
參考文獻
第3章　大數(shù)據(jù)基礎(chǔ)設(shè)施
3.1　云端大數(shù)據(jù)
3.1.1　云基礎(chǔ)設(shè)施
3.1.2　虛擬化的三駕馬車
3.1.3　云安全和云平臺
3.2　計算虛擬化
3.2.1　基本概念
3.2.2　從部分虛擬化到全虛擬化
3.2.3　處理器（CPU）的虛擬化
3.2.4　內(nèi)存（Memory）的虛擬化
3.3　大數(shù)據(jù)存儲
3.3.1　傳統(tǒng)存儲系統(tǒng)時代的簡單回顧
3.3.2　大數(shù)據(jù)時代的新挑戰(zhàn)
3.3.3　分布式存儲及其案例
3.3.4　云存儲及其存儲虛擬化
3.3.5　大數(shù)據(jù)存儲的其他需求及其特點
3.4　網(wǎng)絡(luò)虛擬化
3.4.1　網(wǎng)卡虛擬化
3.4.2　虛擬交換機（Virtual　Switch）
3.4.3　接入層的虛擬化
3.4.4　覆蓋網(wǎng)絡(luò)虛擬化（NetworkVirtualization　Overlay）
3.4.5　軟件定義的網(wǎng)絡(luò)（SDN）
3.4.6　對大數(shù)據(jù)處理的意義
3.5　基礎(chǔ)架構(gòu)的安全：云環(huán)境中面臨的新的安全挑戰(zhàn)
3.5.1　計算資源方面的安全和挑戰(zhàn)
3.5.2　存儲方面的安全和挑戰(zhàn)
3.5.3　網(wǎng)絡(luò)方面的安全和挑戰(zhàn)
3.6　大數(shù)據(jù)時代的云服務(wù)
3.6.1　大數(shù)據(jù)與基礎(chǔ)設(shè)施即服務(wù)
3.6.2　亞馬遜云計算服務(wù)的解決方案
3.6.3　OpenStack解決方案
3.6.4　大數(shù)據(jù)與應(yīng)用平臺即服務(wù)
參考文獻
第4章　大數(shù)據(jù)管理
4.1　大數(shù)據(jù)事務(wù)處理（OLTP）
4.1.1　NoSQL
4.1.2　NewSQL
4.2　大數(shù)據(jù)分析處理（OLAP）
4.2.1　分布式大規(guī)模批量處理（MapReduce　/　Hadoop）
4.2.2　MPP數(shù)據(jù)庫
4.3　流數(shù)據(jù)管理
4.3.1　流數(shù)據(jù)管理簡介
4.3.2　復(fù)雜事件處理簡介
4.3.3　復(fù)雜事件處理軟件Esper介紹
4.3.4　大數(shù)據(jù)流處理
4.3.5　大數(shù)據(jù)攝取與處理
參考文獻
第5章　大數(shù)據(jù)分析
5.1　數(shù)據(jù)分析的演變與現(xiàn)狀
5.1.1　數(shù)據(jù)分析的商業(yè)驅(qū)動力
5.1.2　面向分析的數(shù)據(jù)環(huán)境的演變
5.1.3　傳統(tǒng)分析架構(gòu)
5.2　大數(shù)據(jù)分析平臺
5.2.1　大數(shù)據(jù)分析平臺的要點
5.2.2　大數(shù)據(jù)分析平臺實例：Cetas
5.3　高級分析理論與方法
5.3.1　聚類分析
5.3.2　關(guān)聯(lián)規(guī)則
5.3.3　回歸和分類預(yù)測
5.4　數(shù)據(jù)可視化
5.4.1　數(shù)據(jù)可視化基礎(chǔ)
5.4.2　用數(shù)據(jù)講故事
5.4.3　數(shù)據(jù)可視化的模式
5.4.4　數(shù)據(jù)可視化工具基礎(chǔ)
5.4.5　大數(shù)據(jù)的可視化
參考文獻
第6章　數(shù)據(jù)科學(xué)與數(shù)據(jù)科學(xué)家
6.1　商業(yè)智能vs數(shù)據(jù)科學(xué)
6.2　數(shù)據(jù)科學(xué)家
6.2.1　大數(shù)據(jù)生態(tài)系統(tǒng)中的關(guān)鍵角色
6.2.2　數(shù)據(jù)科學(xué)家的特質(zhì)
6.3　數(shù)據(jù)分析生命周期模型
6.3.1　模型概述
6.3.2　階段1：探索發(fā)現(xiàn)
6.3.3　階段2：數(shù)據(jù)準(zhǔn)備
6.3.4　階段3：模型規(guī)劃
6.3.5　階段4：模型建造
6.3.6　階段5：溝通結(jié)果
6.3.7　階段6：項目實施
6.4　使用范例：企業(yè)創(chuàng)新分析
6.4.1　階段1：探索發(fā)現(xiàn)
6.4.2　階段2：數(shù)據(jù)準(zhǔn)備
6.4.3　階段3：模型規(guī)劃
6.4.4　階段4：模型建造
6.4.5　階段5：溝通結(jié)果
6.4.6　階段6：項目實施
參考文獻
第二部分　大數(shù)據(jù)解決方案范例
第7章　醫(yī)療大數(shù)據(jù)解決方案
7.1　醫(yī)療信息化
7.1.1　全球醫(yī)療信息化歷史回顧
7.1.2　我國醫(yī)療信息化發(fā)展趨勢
7.2　醫(yī)療數(shù)據(jù)綜述
7.2.1　醫(yī)療數(shù)據(jù)的大數(shù)據(jù)特性
7.2.2　醫(yī)療大數(shù)據(jù)挑戰(zhàn)和機遇
7.3　醫(yī)療大數(shù)據(jù)基礎(chǔ)架構(gòu)
7.3.1　建設(shè)原則
7.3.2　面向醫(yī)療大數(shù)據(jù)的信息基礎(chǔ)架構(gòu)方案
7.4　醫(yī)療大數(shù)據(jù)分析
7.4.1　醫(yī)療云的興起
7.4.2　醫(yī)療云上的大數(shù)據(jù)
7.4.3　醫(yī)療大數(shù)據(jù)分析解決方案
7.5　醫(yī)療大數(shù)據(jù)的展望
參考文獻
第8章　物聯(lián)網(wǎng)大數(shù)據(jù)解決方案
8.1　物聯(lián)網(wǎng)
8.1.1　物聯(lián)網(wǎng)的概念
8.1.2　物聯(lián)網(wǎng)技術(shù)
8.1.3　物聯(lián)網(wǎng)數(shù)據(jù)
8.1.4　物聯(lián)網(wǎng)的機遇和挑戰(zhàn)
8.1.5　物聯(lián)網(wǎng)應(yīng)用實例
8.2　應(yīng)用行業(yè)背景
8.2.1　脫硫系統(tǒng)的必要性
8.2.2　脫硫系統(tǒng)工作原理
8.2.3　大數(shù)據(jù)時代的數(shù)據(jù)挖掘
8.3　參數(shù)分析
8.3.1　火電廠的大數(shù)據(jù)
8.3.2　脫硫相關(guān)參數(shù)
8.4　優(yōu)化目標(biāo)
8.4.1　脫硫參數(shù)優(yōu)化
8.4.2　目標(biāo)成本優(yōu)化
8.5　優(yōu)化方法
8.5.1　基于數(shù)據(jù)的理論與方法
8.5.2　最優(yōu)化脫硫系統(tǒng)可調(diào)參數(shù)
8.5.3　最小化脫硫系統(tǒng)成本
8.6　數(shù)據(jù)相關(guān)問題
8.6.1　主要監(jiān)控參數(shù)
8.6.2　業(yè)務(wù)相關(guān)假設(shè)
8.6.3　數(shù)據(jù)中存在的問題
8.7　優(yōu)化目標(biāo)1:　脫硫運行參數(shù)最優(yōu)目標(biāo)值挖掘
8.7.1　數(shù)據(jù)分布直方圖
8.7.2　基于歷史數(shù)據(jù)的工況劃分
8.7.3　FCM與模糊關(guān)聯(lián)規(guī)則挖掘最優(yōu)可調(diào)參數(shù)
8.8　優(yōu)化目標(biāo)2:　最優(yōu)目標(biāo)成本計算
8.8.1　增壓風(fēng)機用電成本估計
8.8.2　石灰石成本函數(shù)
8.9　實現(xiàn)簡介
8.9.1　基于HBase的數(shù)據(jù)模型
8.9.2　對Mahout的改進
8.1　總結(jié)
參考文獻
第9章　移動平臺大數(shù)據(jù)解決方案
9.1　移動平臺的大數(shù)據(jù)挑戰(zhàn)
9.2　Instagram案例研究
9.2.1　面臨的挑戰(zhàn)
9.2.2　解決方案
9.3　Mobile　Back-end　as　a　Service基礎(chǔ)
9.4　MBaaS提供商案例研究
9.5　基于PaaS的MBaaS大數(shù)據(jù)解決方案
參考文獻
第10章　社交網(wǎng)站大數(shù)據(jù)解決方案
10.1　大數(shù)據(jù)時代社交網(wǎng)站面臨的挑戰(zhàn)
10.2　Twitter解決方案
10.2.1　Twitter在線部分大數(shù)據(jù)解決方案
10.2.2　Twitter離線部分大數(shù)據(jù)解決方案
10.3　LinkedIn解決方案
10.4　Facebook解決方案
10.5　國內(nèi)社交網(wǎng)絡(luò)解決方案
10.5.1　騰訊大數(shù)據(jù)解決方案
10.5.2　新浪微博大數(shù)據(jù)解決方案
參考文獻
第11章　大數(shù)據(jù)未來展望
11.1　大數(shù)據(jù)發(fā)展趨勢
11.2　新的機遇與挑戰(zhàn)
參考文獻