漫畫算法與數據結構（大規(guī)模數據集）

第Ⅰ部分基于哈希的草圖
第1 章 導論     3
1.1 示例     5
1.1.1 示例解決方法  6
1.1.2 本書給出的解決方法     8
1.2 本書的結構    11
1.3 本書的不同之處及目標讀者    12
1.4 為什么大規(guī)模數據對當今的系統如此具有挑戰(zhàn)性     13
1.4.1 CPU 內存性能差距    13
1.4.2 內存層次結構   14
1.4.3 延遲與帶寬   15
1.4.4 分布式系統的情況    15
1.5 基于硬件來設計算法     16
1.6 本章小結     17
第2 章 哈希表和現代哈?；仡?    19
2.1 無處不在的哈希  20
2.2 數據結構概述   22
2.3 現代系統中的使用場景     25
2.3.1 備份/存儲解決方案中的重復數據刪除   25
2.3.2 使用MOSS 和Rabin-Karp 指紋識別進行剽竊檢測   26
2.4 有關O(1)      29
2.5 解決沖突：理論與實踐     30
2.6 使用場景：Python 的dict是如何實現的   33
2.7 MurmurHash    35
2.8 分布式系統的哈希表：一致性哈希   36
2.8.1 一個典型的哈希問題    37
2.8.2 哈希環(huán)    38
2.8.3 查找    41
2.8.4 添加新節(jié)點/資源    41
2.8.5 刪除節(jié)點   44
2.8.6 一致性哈希場景：Chord      48
2.8.7 一致性哈希：編程練習    50
2.9 本章小結    50
第3 章 近似成員關系：Bloom 過濾器和商
過濾器   53
3.1 工作原理    56
3.1.1 插入    56
3.1.2 查找    57
3.2 用例     58
3.2.1 網絡中的Bloom 過濾器：Squid  58
3.2.2 Bitcoin 移動應用    59
3.3 一個簡單的實現  60
3.4 設置Bloom過濾器     61
3.5 一點理論     66
3.6 Bloom 過濾器的調整和替代方案   69
3.7 商過濾器     70
3.7.1 商-余數法   71
3.7.2 了解元數據位  73
3.7.3 示例：插入商過濾器中  73
3.7.4 用于查找的Python代碼   76
3.7.5 調整大小與合并   79
3.7.6 誤報率和空間考慮   80
3.8 Bloom 過濾器和商過濾器的比較   80
3.9 本章小結     82
第4 章 頻率估計和count-minsketch    85
4.1 多數元素     87
4.2 count-min sketch 的工作原理     90
4.2.1 update     90
4.2.2 estimate    91
4.3 用例     92
4.3.1 前k 個睡眠不安者   92
4.3.2 縮放單詞的分布相似度    96
4.4 count-min sketch 中的誤差與空間   99
4.5 count-min sketch 的簡單實現   100
4.5.1 練習     101
4.5.2 公式所蘊含的原理   102
4.6 使用count-min sketch進行范圍查詢  103
4.6.1 二元區(qū)間   104
4.6.2 更新階段   105
4.6.3 估計階段   107
4.6.4 計算二元區(qū)間     108
4.7 本章小結    110
第5 章 基數估計和HyperLogLog  113
5.1 對數據庫中的不同項計數     114
5.2 HyperLogLog 增量設計    116
5.2.1 第一步：概率計數     117
5.2.2 隨機平均   119
5.2.3 LogLog    121
5.2.4 HyperLogLog：使用調和平均值進行隨機平均   123
5.3 用例：使用HLL 捕捉蠕蟲     126
5.4 一個小實驗  128
5.5 用例：使用Hyper-LogLog 進行聚合  132
5.6 本章小結   135
第Ⅱ部分實時分析第6 章 流式數據   139
6.1 流式數據系統：元示例   144
6.1.1 Bloom 連接  144
6.1.2 重復數據刪除     147
6.1.3 負載平衡和跟蹤網絡流量   149
6.2 數據流中的實際約束和概念   151
6.2.1 實時     151
6.2.2 小時間和小空間   152
6.2.3 概念轉變和概念漂移     152
6.2.4 滑動窗口模型     153
6.3 抽樣和估計  155
6.3.1 有偏差抽樣策略     157
6.3.2 代表性樣本的估計     160
6.4 本章小結    162
第7 章 從數據流中抽樣   165
7.1 從地標流中抽樣  166
7.1.1 伯努利抽樣  166
7.1.2 蓄水池抽樣  170
7.1.3 有偏差的蓄水池抽樣     176
7.2 從滑動窗口抽樣  182
7.2.1 鏈式抽樣   182
7.2.2 優(yōu)先級抽樣  187
7.3 抽樣算法比較  191
7.4 本章小結    195
第8 章 數據流上的近似分位數     197
8.1 精確分位數  198
8.2 近似分位數  201
8.2.1 加法誤差   201
8.2.2 相對誤差   203
8.2.3 數據域中的相對誤差     204
8.3 t-digest：工作
原理    204
8.3.1 digest     205
8.3.2 比例函數   207
8.3.3 合并t-digest  211
8.3.4 t-digest 的空間范圍    215
8.4 q-digest    215
8.4.1 從頭開始構建q-digest    216
8.4.2 合并q-digest    218
8.4.3 q-digest 中的誤差和空間注意事項    219
8.4.4 使用q-digest 進行分位數查詢  220
8.5 模擬代碼和結果  221
8.6 本章小結   226
第Ⅲ部分數據庫的數據結構和外部存儲器算法
第9 章 外部存儲器模型  231
9.1 外部存儲器模型初探     233
9.2 示例1：尋找最小值     235
9.3 示例2：二進制搜索     239
9.3.1 生物信息學用例    239
9.3.2 運行時間分析     241
9.4 最優(yōu)搜索    243
9.5 示例3：合并K 個排序列表   246
9.5.1 合并時間/日期日志     246
9.5.2 外部存儲器模型是否過于簡單  250
9.6 下一章內容  251
9.7 本章小結    251
第10 章 數據庫的數據結構：B 樹、Bε 樹和LSM 樹   253
10.1 索引的工作原理    254
10.2 本章中的數據結構    256
10.3 B 樹    258
10.3.1 B 樹平衡  259
10.3.2 查找   260
10.3.3 插入   261
10.3.4 刪除   263
10.3.5 B 樹   266
10.3.6 B 樹上的操作有何不同   268
10.3.7 用例：MySQL 等中的B 樹   268
10.4 為什么B 樹查找在外部存儲器中是最佳的   269
10.5 Bε 樹    272
10.5.1 Bε 樹：工作原理   273
10.5.2 緩沖區(qū)機制· 273
10.5.3 插入和刪除  275
10.5.4 查找   276
10.5.5 成本分析  277
10.5.6 Bε 樹：數據結構的范圍  278
10.5.7 用例：TokuDB 中的Bε 樹   279
10.5.8 輸入/輸出之道：欲速則不達  280
10.6 日志結構合并樹(LSM 樹)    281
10.6.1 LSM 樹：工作原理   283
10.6.2 LSM 樹成本分析   285
10.6.3 用例：Cassandra 中的LSM 樹  286
10.7 本章小結   287
第11 章 外部存儲器排序    289
11.1 排序用例   290
11.1.1 機器人運動規(guī)劃    290
11.1.2 癌癥基因組學   291
11.2 外部存儲器排序的挑戰(zhàn)：示例   293
11.3 外部存儲器合并排序    297
11.4 外部快速排序 300
11.4.1 外部存儲器雙向快速排序  301
11.4.2 外部存儲器多向快速排序  302
11.4.3 找到足夠的樞軸   303
11.4.4 找到足夠好的樞軸   304
11.4.5 將它們重新組合在一起   305
11.5 為什么外部存儲器合并排序是最優(yōu)的   306
11.6 結尾    308
11.7 本章小結   309
參考文獻      310