面向現(xiàn)代服務(wù)業(yè)大數(shù)據(jù)的高效數(shù)據(jù)管理研究

定　價(jià)：￥68.00

作　者：	史曉東著
出版社：	中國(guó)經(jīng)濟(jì)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787513666251	出版時(shí)間：	2021-09-01	包裝：	平裝
開本：	16開	頁數(shù)：	306	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　大數(shù)據(jù)需要滿足基本的3V特性，即數(shù)據(jù)容量大（價(jià)值密度較低）、數(shù)據(jù)類型繁雜和時(shí)效性要求高。大容量和低價(jià)值密度特性決定了存儲(chǔ)系統(tǒng)在通過分布式架構(gòu)提升存儲(chǔ)能力的同時(shí)也要格外注重?cái)?shù)據(jù)存儲(chǔ)的性價(jià)比，具有較低單位數(shù)據(jù)量存儲(chǔ)價(jià)格的磁盤類設(shè)備仍舊極具競(jìng)爭(zhēng)力。較高的時(shí)效性要求和大數(shù)據(jù)類型繁雜特性則對(duì)存儲(chǔ)系統(tǒng)的高性能和適應(yīng)性方面提出了更大的挑戰(zhàn)，也預(yù)示著存儲(chǔ)級(jí)別大數(shù)據(jù)管理在存儲(chǔ)系統(tǒng)性能提升過程中的地位愈加重要?？傮w而言，自人類進(jìn)入大數(shù)據(jù)時(shí)代，大數(shù)據(jù)存儲(chǔ)在高性能研究領(lǐng)域正發(fā)生著深刻的變革，主要體現(xiàn)在兩個(gè)大的方面：一方面是存儲(chǔ)系統(tǒng)基礎(chǔ)設(shè)施本身的性能提升，主要包括存儲(chǔ)介質(zhì)和存儲(chǔ)體系結(jié)構(gòu)的進(jìn)化與改善，以及緊密依附于具體介質(zhì)和架構(gòu)的緩存管理、預(yù)取等核心存儲(chǔ)技術(shù)的優(yōu)化。存儲(chǔ)系統(tǒng)基礎(chǔ)設(shè)施的高性能優(yōu)化體現(xiàn)出一種通用性和底層依賴性的特征，其核心是面向底層存儲(chǔ)設(shè)備和存儲(chǔ)系統(tǒng)的，缺乏對(duì)大數(shù)據(jù)本身結(jié)構(gòu)優(yōu)化的相關(guān)研究。另一方面則從大數(shù)據(jù)本身及其管理出發(fā)，研究提升存儲(chǔ)系統(tǒng)性能和效率的模型與方法，由于此類研究更具針對(duì)性，其涉及的大數(shù)據(jù)種類繁多、應(yīng)用類型廣泛，為此本書采用具有典型大數(shù)據(jù)特征的軌跡大數(shù)據(jù)作為研究對(duì)象，并從軌跡大數(shù)據(jù)壓縮和軌跡大數(shù)據(jù)檢索（訪問）兩個(gè)與存儲(chǔ)性能直接相關(guān)的方面出發(fā)，研究了云架構(gòu)下高性能軌跡大數(shù)據(jù)壓縮框架和時(shí)空融合檢索算法。通過相關(guān)研究，本書構(gòu)建了大數(shù)據(jù)背景下高性能存儲(chǔ)系統(tǒng)與管理技術(shù)的核心研究?jī)?nèi)容體系，并給出了相應(yīng)的典型研究成果，為高性能大數(shù)據(jù)存儲(chǔ)系統(tǒng)的研究領(lǐng)域和研究方向提供了有益的借鑒。

作者簡(jiǎn)介

　　史曉東，博士，畢業(yè)于華中科技大學(xué)計(jì)算機(jī)體系結(jié)構(gòu)專業(yè)，現(xiàn)工作于河南財(cái)經(jīng)政法大學(xué)電子商務(wù)與物流管理學(xué)院，教研室副主任。主要研究方向包括：大數(shù)據(jù)存儲(chǔ)、大數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)。先后在國(guó)內(nèi)外重要期刊和國(guó)際會(huì)議發(fā)表論文十余篇，主持教育部和河南省重點(diǎn)研發(fā)與推廣專項(xiàng)（科技攻關(guān)）等省部級(jí)項(xiàng)目2項(xiàng)，主持河南省高等學(xué)校重點(diǎn)科研項(xiàng)目1項(xiàng)，參與國(guó)家“973”計(jì)劃項(xiàng)目1項(xiàng)，參與國(guó)家自然科學(xué)基金和社會(huì)科學(xué)基金項(xiàng)目多項(xiàng)，作為主要人員參與河南省重點(diǎn)研發(fā)與推廣專項(xiàng)（科技攻關(guān)）4項(xiàng)，參與專著與教材撰寫共4項(xiàng)。

圖書目錄

1 大數(shù)據(jù)概述 1
1.1 大數(shù)據(jù)概述 2
1.2　大數(shù)據(jù)相關(guān)概念 4
1.3　大數(shù)據(jù)處理 8
1.4　大數(shù)據(jù)相關(guān)技術(shù) 10
1.4.1　物聯(lián)網(wǎng)技術(shù) 10
1.4.2 云技術(shù) 11
1.4.3 移動(dòng)互聯(lián)技術(shù) 13
1.4.4 人工智能技術(shù) 15
1.5　大數(shù)據(jù)應(yīng)用 16

2 大數(shù)據(jù)存儲(chǔ) 21
2.1 高性能存儲(chǔ)技術(shù) 21
2.1.1　存儲(chǔ)介質(zhì) 22
2.1.2　并行存儲(chǔ)技術(shù) 36
2.1.3　緩存技術(shù) 48
2.1.4　預(yù)取技術(shù) 57
2.1.5　高速數(shù)據(jù)通道技術(shù) 63
2.2 云計(jì)算與云存儲(chǔ)技術(shù) 64
2.2.1 云計(jì)算 65
2.2.2　云存儲(chǔ) 75

3 大數(shù)據(jù)環(huán)境下高性能預(yù)取加權(quán)圖模型 80
3.1　大數(shù)據(jù)存儲(chǔ)系統(tǒng)中的順序訪問模式 81
3.1.1 順序訪問流長(zhǎng)度信息的使用 84
3.1.2 不斷增加的順序訪問 87
3.2 加權(quán)圖模型 89
3.2.1 加權(quán)圖的構(gòu)建方法 91
3.2.2 及時(shí)更新加權(quán)圖模型 96
3.3 模型有效性評(píng)估 99
3.3.1 基于加權(quán)圖模型的預(yù)取算法 99
3.3.2 實(shí)驗(yàn)結(jié)果 100
3.3.3 模型敏感性研究 102
3.4 本章小結(jié) 104

4 多層存儲(chǔ)系統(tǒng)中自適應(yīng)順序預(yù)取技術(shù) 105
4.1 第二層（底層）緩存特點(diǎn) 106
4.2 第二層緩存的管理 109
4.3 不同層級(jí)緩存下的順序預(yù)取算法 114
4.4　自適應(yīng)順序預(yù)取 116
4.4.1 活動(dòng)時(shí)間點(diǎn)缺失的評(píng)估 116
4.4.2 預(yù)測(cè)預(yù)取請(qǐng)求的精確度 119
4.4.3　自適應(yīng)順序預(yù)取算法及其實(shí)現(xiàn) 120
4.5 實(shí)驗(yàn)結(jié)果與性能分析 125
4.5.1 實(shí)驗(yàn)設(shè)置及其方法 126
4.5.2 順序預(yù)取算法性能評(píng)估 127
4.5.3 頁面活動(dòng)時(shí)間點(diǎn)缺失評(píng)估的準(zhǔn)確性 131
4.5.4 不同緩存管理算法下的順序預(yù)取 134
4.6 本章小結(jié) 136

5 分布式大數(shù)據(jù)存儲(chǔ)中條帶化預(yù)取技術(shù) 138
5.1 并行磁盤系統(tǒng)的訪問特點(diǎn) 139
5.2 預(yù)取算法及空間局部性 144
5.2.1 各種預(yù)取算法 144
5.2.2 空間局部性 147
5.3 基于空間局部性的條帶化預(yù)取算法 148
5.3.1 確認(rèn)預(yù)取數(shù)據(jù)區(qū)域 149
5.3.2　LSP算法描述 152
5.3.3　算法實(shí)現(xiàn)過程中的問題 155
5.4　性能評(píng)估 157
5.4.1　實(shí)驗(yàn)結(jié)果 158
5.4.2　不同配置下的預(yù)取性能 161
5.4.3　關(guān)于預(yù)取磁盤獨(dú)立性的探討 164
5.5 本章小結(jié) 167
6 面向存儲(chǔ)并行性的緩存管理算法 169
6.1　并行磁盤系統(tǒng)緩存管理中的問題 169
6.2　并行磁盤系統(tǒng)中的并行性 172
6.2.1　并行性挖掘 172
6.2.2　說明示例 173
6.2.3　PCAR算法中的挑戰(zhàn) 175
6.3　基于并行性緩存管理算法 176
6.3.1 如何形成并行隊(duì)列以及順序段 177
6.3.2　PCAR緩存替換算法 179
6.4　性能評(píng)估 182
6.4.1　不同日志下的實(shí)驗(yàn)結(jié)果 182
6.4.2　不同系統(tǒng)配置下的性能 185
6.5 本章小結(jié) 187

7 面向軌跡大數(shù)據(jù)的高性能大數(shù)據(jù)壓縮技術(shù) 188
7.1　軌跡大數(shù)據(jù)概述 189
7.1.1　軌跡大數(shù)據(jù)問題定義 191
7.1.2 大數(shù)據(jù)管理 193
7.2 軌跡大數(shù)據(jù)壓縮 195
7.2.1　軌跡大數(shù)據(jù)壓縮國(guó)內(nèi)外研究現(xiàn)狀 195
7.2.2　基于SPARK的軌跡大數(shù)據(jù)壓縮框架 200
7.3　時(shí)、空融合的軌跡大數(shù)據(jù)壓縮 208
7.3.1　軌跡分解 209
7.3.2　空間路徑壓縮 211
7.3.3　時(shí)間序列壓縮 217
7.4　實(shí)驗(yàn)與驗(yàn)證 221
7.5　本章小結(jié) 227

8 高性能軌跡大數(shù)據(jù)訪問與檢索 228
8.1　軌跡大數(shù)據(jù)研究現(xiàn)狀 231
8.2　TSE高性能軌跡大數(shù)據(jù)檢索 243
8.2.1　問題與挑戰(zhàn) 244
8.2.2　問題模型與符號(hào)定義 246
8.2.3　基于路段的相似性度量 248
8.2.4　輕量級(jí)邊與頂點(diǎn)索引 250
8.2.5　面向相似性搜索的剪枝技術(shù) 252
8.2.6 實(shí)驗(yàn)與驗(yàn)證 255
8.3　TSE檢索并行優(yōu)化 262
8.4　本章小結(jié) 271

參考文獻(xiàn)/ 272
索引/ 304