掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
大數據云服務技術架構與實踐 版權信息
- ISBN：9787302454601
- 條形碼：9787302454601 ; 978-7-302-45460-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
大數據云服務技術架構與實踐 本書特色
本書是從大數據和云計算相結合的視角，系統地介紹大數據云架構技術與實踐的專業圖書，全書分為五篇19章，分別介紹大數據云計算的概論、關鍵技術、體系架構、云架構實踐與編程和安全。本書層次清晰，結構合理，主要內容包括大數據云計算關系、大數據應用價值、分布式計算、NoSQL數據庫、機器學習、虛擬化、Docker容器、Web 2.0、綠色數據中心、基礎設計即服務（IaaS）、平臺即服務（PaaS）、軟件即服務（SaaS）、容器即服務（CaaS）、大數據云架構搭建、Spark大數據編程、大數據和云計算面臨的安全威脅、保障大數據安全、應用大數據保障安全等。 本書可作為高年級本科生和研究生教材，也可作為廣大科學技術人員和計算機愛好者的參考書。
大數據云服務技術架構與實踐 內容簡介
作者著眼于大數據和云計算有機結合的視角，從理論探索和應用實踐兩個方面來撰寫本書，適合對大數據和云計算具有初步認識并希望對大數據云架構進行深入、全面了解，并進行關實踐的計算機信息相關專業高年級本科生使用，同時本書也將成為廣大專業工程技術人員不可缺少的參考資料。
大數據云服務技術架構與實踐 目錄
目錄
第1篇大數據云計算概論
第1章大數據概述
1.1大數據產生與發展
1.1.1大數據產生背景
1.1.2大數據發展歷程
1.1.3當前大數據
1.2大數據概念與特征
1.2.1大數據概念
1.2.2大數據的特點
1.3大數據應用
1.3.1企業內部大數據應用
1.3.2物聯網大數據應用
1.3.3面向在線社交網絡大數據的應用
1.3.4醫療健康大數據應用
1.3.5群智感知
1.3.6智能電網
1.4大數據的研究與展望
1.5本章小結
第2章大數據和云計算
2.1大數據和云計算的關系
2.1.1大數據和云計算關系概述
2.1.2云計算是大數據處理的基礎
2.1.3大數據是云計算的延伸
2.2云計算概念
2.2.1云的興起
2.2.2云計算的定義及其特點
2.2.3云計算名稱的來歷
2.3云計算類型
2.3.1基礎設施類
2.3.2平臺類
2.3.3應用類
2.3.4以所有權劃分云計算系統類型
2.4云計算商業模式
2.4.1商業模式是云計算的基石
2.4.2云計算的市場規模
2.4.3云計算商業模式分析
2.5本章小結
第3章大數據應用價值
3.1大數據在電子商務中的應用
3.1.1大數據是電子商務發展要素
3.1.2電子商務大數據的實用措施
3.1.3電子商務大數據的轉型路徑
3.2大數據在金融的應用
3.2.1大數據金融的提出
3.2.2大數據金融的功能
3.2.3大數據金融的挑戰
3.2.4大數據金融創新
3.3大數據在媒體的應用
3.3.1傳統媒體的不足
3.3.2大數據驅動傳統媒體的升級
3.3.3大數據引領新媒體發展
3.4大數據在醫療上的應用
3.4.1大數據改進臨床決策支持系統
3.4.2大數據助推醫療產品研發
3.4.3大數據催生新醫療服務模式
3.5大數據在教育上的應用
3.5.1大數據教育與傳統教育的優勢
3.5.2大數據教學模式的不斷改善
3.5.3教育大數據市場的廣闊前景
3.5.4大數據變革教育應用的實踐措施
3.6本章小結
第2篇大數據云計算關鍵技術
第4章分布式計算框架
4.1分布式計算基本概念
4.1.1分布式計算與并行計算
4.1.2分布式計算和并行計算的比較
4.2Hadoop系統介紹
4.2.1Hadoop發展歷程
4.2.2Hadoop使用場景和特點
4.2.3Hadoop項目組成
4.3分布式文件系統
4.3.1分布式文件系統概述
4.3.2HDFS架構
4.3.3HDFS設計特點
4.4MapReduce計算模型
4.4.1MapReduce概述
4.4.2MapReduce應用實例
4.4.3MapReduce實現和架構
4.5分布式協同控制
4.5.1常見分布式并發控制方法
4.5.2Google Chubby并發鎖
4.6Spark計算框架
4.6.1Spark簡介
4.6.2Spark生態系統
4.7Flink計算框架
4.7.1Flink簡介
4.7.2Flink中的調度簡述
4.7.3Flink的生態圈
4.8本章小結
第5章NoSQL數據庫
5.1NoSQL數據庫概述
5.1.1NoSQL數據庫的4大分類
5.1.2數據庫系統CAP理論和BASE理論
5.1.3NoSQL的共同特征
5.2Hbase數據庫
5.2.1HBase簡介
5.2.2HBase訪問接口
5.2.3HBase數據模型
5.2.4MapReduce on HBase
5.2.5HBase系統架構
5.3本章小結
第6章機器學習
6.1機器學習概述
6.1.1機器學習分類
6.1.2機器學習發展歷程
6.2機器學習常用的算法
6.2.1回歸算法
6.2.2基于實例的算法
6.2.3正則化方法
6.2.4決策樹算法
6.2.5貝葉斯方法
6.2.6基于核的算法
6.2.7聚類算法
6.2.8關聯規則學習
6.2.9遺傳算法
6.2.10人工神經網絡
6.2.11深度學習
6.2.12降低維度算法
6.2.13集成算法
6.3本章小結
第7章虛擬化
7.1虛擬化概述
7.1.1虛擬化發展歷史
7.1.2虛擬化技術的發展熱點和趨勢
7.1.3虛擬化技術的概念
7.2虛擬化的分類
7.2.1從實現的層次劃分
7.2.2從應用的領域劃分
7.3應用虛擬化
7.3.1應用虛擬化的使用特點
7.3.2應用虛擬化的優勢
7.3.3應用虛擬化要考慮的問題
7.4桌面虛擬化
7.4.1桌面虛擬化優勢
7.4.2桌面虛擬化使用條件
7.5服務器虛擬化
7.5.1服務器虛擬化架構
7.5.2CPU虛擬化
7.5.3內存虛擬化
7.5.4I/O虛擬化
7.6網絡虛擬化
7.6.1傳統網絡虛擬化技術
7.6.2主機網絡虛擬化
7.6.3網絡設備虛擬化
7.7存儲虛擬化
7.7.1存儲虛擬化概述
7.7.2按照不同層次劃分存儲虛擬化
7.7.3按照實現方式不同劃分存儲虛擬化
7.8本章小結
第8章Docker容器
8．1Docker容器概述
8．1．1Docker容器的由來
8．1．2Docker定義
8．1．3Docker的優勢
8．2Docker的原理
8．2．1Linux
Namespace(ns)
8．2．2Control
Groups(cgroups)
8．2．3Linux容器(LXC)
8．2．4AUFS
8．2．5Grsec
8．3Docker技術發展與應用
8．3．1Docker解決的問題
8．3．2Docker的未來發展
8．3．3Docker技術的局限
8．4本章小結
第9章Web 2．0
9．1Web 2．0產生背景和定義
9．1．1Web 2．0產生背景
9．1．2Web 2．0的概念
9．1．3Web 2．0和Web 1．0比較
9．1．4Web 2．0特征
9．2Web 2．0應用產品
9．2．1Web 2．0主要應用產品
9．2．2主要產品的區別
9．3Web 2．0相關技術
9．3．1Web 2．0的設計模式
9．3．2Web標準
9．3．3向Web標準過渡
9．4本章小結
第10章綠色數據中心
10．1綠色數據中心概述
10．1．1云數據中心發展階段
10．1．2綠色數據中心架構
10．1．3云數據中心需要整合的資源
10．2數據中心管理和維護
10．2．1實現端到端、大容量、可視化的基礎設施整合
10．2．2實現虛擬化、自動化的管理
10．2．3實現面向業務的應用管理和流量分析
10．3本章小結
第3篇云計算架構
第11章基礎設施即服務
11．1IaaS概述
11．1．1IaaS的定義
11．1．2IaaS提供服務的方法
11．1．3IaaS云的特征
11．1．4IaaS和虛擬化的關系
11．2IaaS技術架構
11．2．1資源層
11．2．2虛擬化層
11．2．3管理層
11．2．4服務層
11．3IaaS云計算管理
11．3．1自動化部署
11．3．2彈性能力提供技術
11．3．3資源監控
11．3．4資源調度
11．3．5業務管理和計費度量
11．4Amazon云計算案例
11．4．1概述
11．4．2Amazon S3
11．4．3Amazon
Simple DB
11．4．4Amazon RDS
11．4．5Amazon SQS
11．4．6Amazon EC2
11．5本章小結
第12章平臺即服務
12．1PaaS概述
12．1．1PaaS的由來
12．1．2PaaS的概念
12．1．3PaaS模式的開發
12．1．4PaaS推進SaaS時代
12．2PaaS架構
12．2．1PaaS的功能
12．2．2多租戶彈性是PaaS的核心特性
12．2．3PaaS架構的核心意義
12．2．4PaaS改變未來軟件開發和維護模式
12．3Google的云計算平臺
12．3．1設計理念
12．3．2構成部分
12．3．3App Engine服務
12．4Windows Azure平臺
12．4．1Windows
Azure操作系統
12．4．2SQL Azure
12．4．3．NET服務
12．4．4Live服務
12．4．5Windows
Azure Platform的用途
12．5本章小結
第13章軟件即服務
13．1SaaS概述
13．1．1SaaS的由來
13．1．2SaaS的概念
13．1．3SaaS與傳統軟件的區別
13．1．4SaaS模式應用于信息化優勢
13．1．5SaaS成熟度模型
13．2模式及實現
13．2．1SaaS商務模式
13．2．2SaaS平臺架構
13．2．3SaaS服務平臺的主要功能
13．2．4SaaS服務平臺關鍵技術
13．3Salesforce云計算案例
13．3．1Salesforce云計算產品組成
13．3．2Salesforce云計算特點
13．4本章小結
第14章容器即服務
14．1容器云服務
14．1．1云平臺架構層次
14．1．2容器云
14．1．3容器云的特點
14．2Kubernetes應用部署
14．2．1Kubernetes架構
14．2．2Kubernetes模型
14．2．3內部使用者的服務發現
14．2．4外部訪問Service
14．3Mesos應用
14．3．1Mesos體系結構和工作流
14．3．2Mesos流程
14．3．3Mesos資源分配
14．3．4Mesos優勢
14．4基于Kubernetes打造SAE容器云
14．4．1Kubernetes 的好處
14．4．2容器云網絡
14．4．3容器云存儲
14．5基于Mesos去哪兒網容器云
14．5．1背景
14．5．2應用Mesos構建容器云
14．5．3云環境構建
14．6本章小結
第4篇大數據云架構實踐與編程
第15章大數據云架構搭建
15．1分布式Hadoop與Spark集群搭建
15．1．1Hadoop集群構建
15．1．2Spark集群構建
15．2基于Docker大數據云架構
15．2．1簡介
15．2．2Docker和Weave搭建
15．2．3Hadoop集群鏡像搭建
15．2．4集群部署與啟動
15．2．5基于Ambari管理平臺的鏡像搭建
15．2．6桌面系統XFCE搭建
15．3本章小結
第16章Spark大數據編程
16．1Spark應用開發環境配置
16．1．1使用Intellij開發Spark程序
16．1．2使用Spark Shell開發運行Spark程序
16．2Spark大數據編程
16．2．1WordCount
16．2．2股票趨勢預測
16．3本章小結
第5篇大數據安全
第17章大數據云計算面臨的安全威脅
17．1大數據云計算的安全問題
17．1．1大數據基礎設施安全威脅
17．1．2大數據存儲安全威脅
17．1．3大數據云架構網絡安全威脅
17．1．4大數據帶來隱私問題
17．1．5針對大數據的高級持續性攻擊
17．1．6其他安全威脅
17．2不同領域大數據的安全需求
17．2．1因特網行業
17．2．2電信行業
17．2．3金融行業
17．2．4醫療行業
17．2．5政府組織
17．3大數據安全內涵
17．3．1保障大數據安全
17．3．2大數據用于安全領域
17．4大數據安全研究方向
17．4．1大數據安全保障技術
17．4．2大數據安全應用技術
17．5本章小結
第18章保障大數據安全
18．1大數據安全的關鍵技術
18．1．1非關系數據庫安全策略
18．1．2防范APT攻擊
18．2大數據安全保障實踐
18．2．1大數據采集與存儲的安全防護
18．2．2大數據挖掘與應用的安全防護
18．2．3大數據安全審計
18．2．4大數據安全評估與安全管理
18．2．5數據中心的安全保障
18．3本章小結
第19章應用大數據保障安全
19．1大數據安全檢測及應用
19．1．1安全檢測與大數據的融合
19．1．2用戶上網流量數據的挖掘與分析
19．2安全大數據
19．2．1數據挖掘方法
19．2．2挖掘目標及評估
19．3基于大數據的網絡態勢感知
19．3．1態勢感知定義
19．3．2網絡態勢感知
19．3．3基于流量數據的網絡安全感知
19．3．4基于大數據分析的網絡優化
19．3．5網絡安全感知應用實踐
19．4視頻監控數據的安全應用
19．4．1視頻監控數據的處理需求
19．4．2視頻監控數據挖掘技術
19．4．3海量視頻監控數據的分析與處理
19．5本章小結
參考文獻
展開全部
書友推薦
- >
羅庸西南聯大授課錄
- >
上帝之肋:男人的真實旅程
- >
名家帶你讀魯迅:朝花夕拾
- >
月亮虎
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
史學評論
- >
朝聞道
- >
【精裝繪本】畫給孩子的中國神話
本類暢銷
