掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
大數(shù)據(jù)導(dǎo)論 版權(quán)信息
- ISBN：9787111565772
- 條形碼：9787111565772 ; 978-7-111-56577-2
- 裝幀：簡裝本
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：
大數(shù)據(jù)導(dǎo)論 本書特色
《大數(shù)據(jù)導(dǎo)論》由暢銷的IT書作者(托馬斯·埃爾)Thomas Erl與他的團隊（瓦吉德·哈塔克、保羅·布勒）編寫而成，書中務(wù)實、簡明地介紹了大數(shù)據(jù)相關(guān)的概念、理論、術(shù)語與基礎(chǔ)技術(shù)，并通過貫穿全書的真實案例(ETI公司大數(shù)據(jù)技術(shù)革新歷程)，以及簡單的圖表，幫助讀者更清晰地理解大數(shù)據(jù)技術(shù)。 本書首先分析ETl公司面臨的商務(wù)困境，并提出用大數(shù)據(jù)技術(shù)解決問題，以推動企業(yè)組織的進步。隨后，重點介紹如何使用大數(shù)據(jù)的關(guān)鍵分析技術(shù)，以及如何搭建大數(shù)據(jù)解決方案的集成環(huán)境，幫助公司提高競爭力并達成戰(zhàn)略目標。
大數(shù)據(jù)導(dǎo)論 內(nèi)容簡介
本書是面向商業(yè)和技術(shù)專業(yè)人員的大數(shù)據(jù)權(quán)威指南，清楚地介紹了大數(shù)據(jù)相關(guān)的概念、理論、術(shù)語與基礎(chǔ)技術(shù)，并使用真實連貫的商業(yè)案例以及簡單的圖表，幫助讀者更清晰地理解大數(shù)據(jù)技術(shù)。本書可作為高等院校相關(guān)專業(yè)“大數(shù)據(jù)基礎(chǔ)”、“大數(shù)據(jù)道路”等課程的教材，也可供有一定實踐經(jīng)驗的軟件開發(fā)人員、管理人員和所有對大數(shù)據(jù)感興趣的人士閱讀。
大數(shù)據(jù)導(dǎo)論 目錄
譯者序
致謝
作者簡介
**部分 大數(shù)據(jù)基礎(chǔ)
第1章 理解大數(shù)據(jù)3
1.1 概念與術(shù)語4
1.1.1 數(shù)據(jù)集4
1.1.2 數(shù)據(jù)分析5
1.1.3 數(shù)據(jù)分析學5
1.1.4 商務(wù)智能11
1.1.5 關(guān)鍵績效指標11
1.2 大數(shù)據(jù)特征12
1.2.1 容量12
1.2.2 速率13
1.2.3 多樣性13
1.2.4 真實性14
1.2.5 價值14
1.3 不同數(shù)據(jù)類型15
1.3.1 結(jié)構(gòu)化數(shù)據(jù)16
1.3.2 非結(jié)構(gòu)化數(shù)據(jù)17
1.3.3 半結(jié)構(gòu)化數(shù)據(jù)17
1.3.4 元數(shù)據(jù)18
1.4 案例學習背景18
1.4.1 歷史背景18
1.4.2 技術(shù)基礎(chǔ)和自動化環(huán)境19
1.4.3 商業(yè)目標和障礙20
1.5 案例學習21
1.5.1 確定數(shù)據(jù)特征22
1.5.2 確定數(shù)據(jù)類型24
第2章 采用大數(shù)據(jù)的商業(yè)動機與驅(qū)動25
2.1 市場動態(tài)25
2.2 業(yè)務(wù)架構(gòu)27
2.3 業(yè)務(wù)流程管理30
2.4 信息與通信技術(shù)31
2.4.1 數(shù)據(jù)分析與數(shù)據(jù)科學31
2.4.2 數(shù)字化31
2.4.3 開源技術(shù)與商用硬件32
2.4.4 社交媒體33
2.4.5 超連通社區(qū)與設(shè)備33
2.4.6 云計算34
2.5 萬物互聯(lián)網(wǎng)35
2.6 案例學習35
第3章 大數(shù)據(jù)采用及規(guī)劃考慮39
3.1 組織的先決條件40
3.2 數(shù)據(jù)獲取40
3.3 隱私性40
3.4 安全性41
3.5 數(shù)據(jù)來源42
3.6 有限的實時支持43
3.7 不同的性能挑戰(zhàn)43
3.8 不同的管理需求43
3.9 不同的方法論44
3.10 云44
3.11 大數(shù)據(jù)分析的生命周期45
3.11.1 商業(yè)案例評估45
3.11.2 數(shù)據(jù)標識47
3.11.3 數(shù)據(jù)獲取與過濾47
3.11.4 數(shù)據(jù)提取48
3.11.5 數(shù)據(jù)驗證與清理49
3.11.6 數(shù)據(jù)聚合與表示50
3.11.7 數(shù)據(jù)分析52
3.11.8 數(shù)據(jù)可視化52
3.11.9 分析結(jié)果的使用53
3.12 案例學習54
3.12.1 大數(shù)據(jù)分析的生命周期55
3.12.2 商業(yè)案例評估55
3.12.3 數(shù)據(jù)標識56
3.12.4 數(shù)據(jù)獲取與過濾56
3.12.5 數(shù)據(jù)提取57
3.12.6 數(shù)據(jù)驗證與清理57
3.12.7 數(shù)據(jù)聚合與表示57
3.12.8 數(shù)據(jù)分析57
3.12.9 數(shù)據(jù)可視化58
3.12.10 分析結(jié)果的使用58
第4章 企業(yè)級技術(shù)與大數(shù)據(jù)商務(wù)智能59
4.1 聯(lián)機事務(wù)處理60
4.2 聯(lián)機分析處理60
4.3 抽取、轉(zhuǎn)換和加載技術(shù)61
4.4 數(shù)據(jù)倉庫61
4.5 數(shù)據(jù)集市62
4.6 傳統(tǒng)商務(wù)智能62
4.6.1 即席報表63
4.6.2 儀表板63
4.7 大數(shù)據(jù)商務(wù)智能65
4.7.1 傳統(tǒng)數(shù)據(jù)可視化65
4.7.2 大數(shù)據(jù)的數(shù)據(jù)可視化66
4.8 案例學習67
4.8.1 企業(yè)技術(shù)67
4.8.2 大數(shù)據(jù)商務(wù)智能68
第二部分 存儲和分析大數(shù)據(jù)
第5章 大數(shù)據(jù)存儲的概念71
5.1 集群72
5.2 文件系統(tǒng)和分布式文件系統(tǒng)72
5.3 NoSQL73
5.4 分片74
5.5 復(fù)制75
5.5.1 主從式復(fù)制76
5.5.2 對等式復(fù)制77
5.6 分片和復(fù)制80
5.6.1 結(jié)合分片和主從式復(fù)制80
5.6.2 結(jié)合分片和對等式復(fù)制81
5.7 CAP定理82
5.8 ACID85
5.9 BASE88
5.10 案例學習91
第6章 大數(shù)據(jù)處理的概念93
6.1 并行數(shù)據(jù)處理93
6.2 分布式數(shù)據(jù)處理94
6.3 Hadoop94
6.4 處理工作量95
6.4.1 批處理型95
6.4.2 事務(wù)型95
6.5 集群96
6.6 批處理模式97
6.6.1 MapReduce批處理97
6.6.2 Map和Reduce任務(wù)98
6.6.3 MapReduce的簡單實例103
6.6.4 理解MapReduce算法104
6.7 實時模式處理107
6.7.1 SCV原則107
6.7.2 事件流處理110
6.7.3 復(fù)雜事件處理110
6.7.4 大數(shù)據(jù)實時處理與SCV110
6.7.5 大數(shù)據(jù)實時處理與MapReduce111
6.8 案例學習112
6.8.1 處理工作量112
6.8.2 批處理模式處理112
6.8.3 實時模式處理113
第7章 大數(shù)據(jù)存儲技術(shù)115
7.1 磁盤存儲設(shè)備115
7.1.1 分布式文件系統(tǒng)116
7.1.2 RDBMS數(shù)據(jù)庫117
7.1.3 NoSQL數(shù)據(jù)庫119
7.1.4 NewSQL數(shù)據(jù)庫128
7.2 內(nèi)存存儲設(shè)備129
7.2.1 內(nèi)存數(shù)據(jù)網(wǎng)格131
7.2.2 內(nèi)存數(shù)據(jù)庫138
7.3 案例學習141
第8章 大數(shù)據(jù)分析技術(shù)143
8.1 定量分析144
8.2 定性分析145
8.3 數(shù)據(jù)挖掘145
8.4 統(tǒng)計分析146
8.4.1 A/B測試146
8.4.2 相關(guān)性分析147
8.4.3 回歸性分析149
8.5 機器學習150
8.5.1 分類（有監(jiān)督的機器學習）151
8.5.2 聚類（無監(jiān)督的機器學習）152
8.5.3 異常檢測152
8.5.4 過濾153
8.6 語義分析154
8.6.1 自然語言處理155
8.6.2 文本分析155
8.6.3 情感分析156
8.7 視覺分析157
8.7.1 熱點圖157
8.7.2 時間序列圖159
8.7.3 網(wǎng)絡(luò)圖160
8.7.4 空間數(shù)據(jù)制圖161
8.8 案例學習162
8.8.1 相關(guān)性分析162
8.8.2 回歸性分析162
8.8.3 時間序列圖163
8.8.4 聚類163
8.8.5 分類163
附錄A 案例結(jié)論165
索引167
致謝
作者簡介
**部分 大數(shù)據(jù)基礎(chǔ)
第1章 理解大數(shù)據(jù)3
1.1 概念與術(shù)語4
1.1.1 數(shù)據(jù)集4
1.1.2 數(shù)據(jù)分析5
1.1.3 數(shù)據(jù)分析學5
1.1.4 商務(wù)智能11
1.1.5 關(guān)鍵績效指標11
1.2 大數(shù)據(jù)特征12
1.2.1 容量12
1.2.2 速率13
1.2.3 多樣性13
1.2.4 真實性14
1.2.5 價值14
1.3 不同數(shù)據(jù)類型15
1.3.1 結(jié)構(gòu)化數(shù)據(jù)16
1.3.2 非結(jié)構(gòu)化數(shù)據(jù)17
1.3.3 半結(jié)構(gòu)化數(shù)據(jù)17
1.3.4 元數(shù)據(jù)18
1.4 案例學習背景18
1.4.1 歷史背景18
1.4.2 技術(shù)基礎(chǔ)和自動化環(huán)境19
1.4.3 商業(yè)目標和障礙20
1.5 案例學習21
1.5.1 確定數(shù)據(jù)特征22
1.5.2 確定數(shù)據(jù)類型24
第2章 采用大數(shù)據(jù)的商業(yè)動機與驅(qū)動25
2.1 市場動態(tài)25
2.2 業(yè)務(wù)架構(gòu)27
2.3 業(yè)務(wù)流程管理30
2.4 信息與通信技術(shù)31
2.4.1 數(shù)據(jù)分析與數(shù)據(jù)科學31
2.4.2 數(shù)字化31
2.4.3 開源技術(shù)與商用硬件32
2.4.4 社交媒體33
2.4.5 超連通社區(qū)與設(shè)備33
2.4.6 云計算34
2.5 萬物互聯(lián)網(wǎng)35
2.6 案例學習35
第3章 大數(shù)據(jù)采用及規(guī)劃考慮39
3.1 組織的先決條件40
3.2 數(shù)據(jù)獲取40
3.3 隱私性40
3.4 安全性41
3.5 數(shù)據(jù)來源42
3.6 有限的實時支持43
3.7 不同的性能挑戰(zhàn)43
3.8 不同的管理需求43
3.9 不同的方法論44
3.10 云44
3.11 大數(shù)據(jù)分析的生命周期45
3.11.1 商業(yè)案例評估45
3.11.2 數(shù)據(jù)標識47
3.11.3 數(shù)據(jù)獲取與過濾47
3.11.4 數(shù)據(jù)提取48
3.11.5 數(shù)據(jù)驗證與清理49
3.11.6 數(shù)據(jù)聚合與表示50
3.11.7 數(shù)據(jù)分析52
3.11.8 數(shù)據(jù)可視化52
3.11.9 分析結(jié)果的使用53
3.12 案例學習54
3.12.1 大數(shù)據(jù)分析的生命周期55
3.12.2 商業(yè)案例評估55
3.12.3 數(shù)據(jù)標識56
3.12.4 數(shù)據(jù)獲取與過濾56
3.12.5 數(shù)據(jù)提取57
3.12.6 數(shù)據(jù)驗證與清理57
3.12.7 數(shù)據(jù)聚合與表示57
3.12.8 數(shù)據(jù)分析57
3.12.9 數(shù)據(jù)可視化58
3.12.10 分析結(jié)果的使用58
第4章 企業(yè)級技術(shù)與大數(shù)據(jù)商務(wù)智能59
4.1 聯(lián)機事務(wù)處理60
4.2 聯(lián)機分析處理60
4.3 抽取、轉(zhuǎn)換和加載技術(shù)61
4.4 數(shù)據(jù)倉庫61
4.5 數(shù)據(jù)集市62
4.6 傳統(tǒng)商務(wù)智能62
4.6.1 即席報表63
4.6.2 儀表板63
4.7 大數(shù)據(jù)商務(wù)智能65
4.7.1 傳統(tǒng)數(shù)據(jù)可視化65
4.7.2 大數(shù)據(jù)的數(shù)據(jù)可視化66
4.8 案例學習67
4.8.1 企業(yè)技術(shù)67
4.8.2 大數(shù)據(jù)商務(wù)智能68
第二部分 存儲和分析大數(shù)據(jù)
第5章 大數(shù)據(jù)存儲的概念71
5.1 集群72
5.2 文件系統(tǒng)和分布式文件系統(tǒng)72
5.3 NoSQL73
5.4 分片74
5.5 復(fù)制75
5.5.1 主從式復(fù)制76
5.5.2 對等式復(fù)制77
5.6 分片和復(fù)制80
5.6.1 結(jié)合分片和主從式復(fù)制80
5.6.2 結(jié)合分片和對等式復(fù)制81
5.7 CAP定理82
5.8 ACID85
5.9 BASE88
5.10 案例學習91
第6章 大數(shù)據(jù)處理的概念93
6.1 并行數(shù)據(jù)處理93
6.2 分布式數(shù)據(jù)處理94
6.3 Hadoop94
6.4 處理工作量95
6.4.1 批處理型95
6.4.2 事務(wù)型95
6.5 集群96
6.6 批處理模式97
6.6.1 MapReduce批處理97
6.6.2 Map和Reduce任務(wù)98
6.6.3 MapReduce的簡單實例103
6.6.4 理解MapReduce算法104
6.7 實時模式處理107
6.7.1 SCV原則107
6.7.2 事件流處理110
6.7.3 復(fù)雜事件處理110
6.7.4 大數(shù)據(jù)實時處理與SCV110
6.7.5 大數(shù)據(jù)實時處理與MapReduce111
6.8 案例學習112
6.8.1 處理工作量112
6.8.2 批處理模式處理112
6.8.3 實時模式處理113
第7章 大數(shù)據(jù)存儲技術(shù)115
7.1 磁盤存儲設(shè)備115
7.1.1 分布式文件系統(tǒng)116
7.1.2 RDBMS數(shù)據(jù)庫117
7.1.3 NoSQL數(shù)據(jù)庫119
7.1.4 NewSQL數(shù)據(jù)庫128
7.2 內(nèi)存存儲設(shè)備129
7.2.1 內(nèi)存數(shù)據(jù)網(wǎng)格131
7.2.2 內(nèi)存數(shù)據(jù)庫138
7.3 案例學習141
第8章 大數(shù)據(jù)分析技術(shù)143
8.1 定量分析144
8.2 定性分析145
8.3 數(shù)據(jù)挖掘145
8.4 統(tǒng)計分析146
8.4.1 A/B測試146
8.4.2 相關(guān)性分析147
8.4.3 回歸性分析149
8.5 機器學習150
8.5.1 分類（有監(jiān)督的機器學習）151
8.5.2 聚類（無監(jiān)督的機器學習）152
8.5.3 異常檢測152
8.5.4 過濾153
8.6 語義分析154
8.6.1 自然語言處理155
8.6.2 文本分析155
8.6.3 情感分析156
8.7 視覺分析157
8.7.1 熱點圖157
8.7.2 時間序列圖159
8.7.3 網(wǎng)絡(luò)圖160
8.7.4 空間數(shù)據(jù)制圖161
8.8 案例學習162
8.8.1 相關(guān)性分析162
8.8.2 回歸性分析162
8.8.3 時間序列圖163
8.8.4 聚類163
8.8.5 分類163
附錄A 案例結(jié)論165
索引167
展開全部
書友推薦
- >
莉莉和章魚
- >
我從未如此眷戀人間
- >
山海經(jīng)
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
苦雨齋序跋文-周作人自編集
- >
推拿
- >
二體千字文
- >
【精裝繪本】畫給孩子的中國神話
本類暢銷
