技術篇
基于NosQL和NewsQL新技術的大數據管理與分析
第1章 大數據及其特點
1．1 大數據時代當前的狀態
1．2 大數據定義與特點
1．3 沃爾瑪應用大數據的案例
1．4 其他應用實例
1．5 對大數據的誤解
1．6 CAP理論與BASE
第2章 大數據生命周期及相應的技術挑戰
2．1 大數據生命周期
2．2 大數據面臨的技術挑戰
2．3 大數據安全與應用的挑戰
2．4 針對大數據挑戰的應對策略與技術方法
第3章 從關系數據管理到NoSQL技術的變革
3．1 關系數據庫核心特點簡介
3．2 關系數據模型在大數據處理方面的局限
3．3 面向大數據特點的數據管理技術革新
第4章 列式數據管理技術——HBase數據庫
4．1 HBase概述
4．2 HBase數據模型
4．3 HBase集群配置
4．4 HBase各個組件之間的關系
4．5 HBase的索引數據結構——LSM樹
4．6 HBase的作用和局限
4．7 HBase與其他相關技術的比較
4．8 應用實例
第5章 從關系型數據倉庫發展到NewSQL的Hive技術
5．1 數據倉庫技術介紹
5．2 數據倉庫的定義和特點
5．3 數據庫與數據倉庫技術不能合二為一的原因
5．4 數據倉庫建模
5．5 OLAP分析
5．6 Hive數據倉庫技術
5．7 Apache Kylin——Hadoop生態圈的MOLAP機制
5．8 Hive的適用場景
5．9 Hive與HBase的比較
5．10 Hive和關系數據倉庫的異同
5．1 l Hive和HBase——聯合起來作用更強大
第6章 大數據智慧管理技術的組合應用
6．1 關系數據庫與NoSQL的組合
6．2 NoSQL與NewSQL的聯合
6．3 應用組合技術的公司示例（見表6．1 ）
大數據智慧管理與分析之實踐指南

實踐應用篇
大數據智慧管理與分析之實踐指南
第7章 數據倉庫建設與OLAP分析實踐
7．1 數據倉庫實例背景
7．2 數據倉庫的數據預處理
7．3 數據倉庫建模
7．4 常用OLAP分析操作
7．5 MDX——0LAP分析查詢語言
7．6 銷售數據倉庫建設實踐項目
7．7 基于B／S的初級數據倉庫實踐項目開發
第8章 Hive數據倉庫開發和OLAP分析實踐
8．1 Hive數據倉庫適用領域
8．2 開發基于Hive的數據倉庫
8．3 基于Hive數據倉庫的0LAP分析
第9章 基于H_Base的大數據管理系統開發與維護實踐
9．1 HBase的適用場景
9．2 進口貨物記錄H’Base系統設計
9．3 基于web瀏覽器的HBase數據訪問可視化
附件1 ASCII碼表（基本表）
附件2 過濾器列表
附件3 HBase實踐項目可視化部分的參考代碼