掃一掃
關注中圖網
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高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
數據浪潮(大數據技術演進之路)/大數據技術叢書 版權信息
- ISBN：9787115579249
- 條形碼：9787115579249 ; 978-7-115-57924-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
數據浪潮(大數據技術演進之路)/大數據技術叢書 本書特色
1.內容新穎，結構合理 本書結合大數據和數據庫系統，從技術歷史的角度介紹數據管理系統的發展，既有系統架構的演進，又有商業產品的興衰，適合不同的讀者。 2.案例豐富，深入淺出本書有針對性地介紹了如Oracle、IBM、Google等公司數據庫和大數據產品的迭代，也介紹了關于Spark、MySQL、TiDB等主流系統的架構設計，同時有對分布式算法、一致性算法等的講解。從公司、產品、技術、人物等角度列舉了諸多實例。 3.配套資源，優化學習讀者可到異步社區網站下載與本書配套的彩圖，方便讀者提升學習效果
數據浪潮(大數據技術演進之路)/大數據技術叢書 內容簡介
近年來，基礎軟件的發展越來越受到重視，越來越多的計算機從業者對數據管理系統和大數據的知識產生了強烈的需求。 本書既介紹了數據管理系統的技術發展史，又介紹了數據管理系統的關鍵技術內涵，同時還介紹了一系列主流的商業化產品及其架構，并對前沿技術進行了討論分析，給出作者自己的見解和洞察。本書內容主要包括數據庫與大數據的誕生、發展和商業應用，數據庫與大數據之間的關系，國產數據庫的國際化，數據管理系統的共同之處，數據管理系統的算法理論、前沿技術等。 本書適合數據管理系統或大數據方向的技術人員和科研人員閱讀，也適合互聯網科技公司的技術人員及管理人員，以及對特定領域的商業和歷史感興趣的讀者閱讀。
數據浪潮(大數據技術演進之路)/大數據技術叢書 目錄
第 1篇 數據管理系統之數據庫——掌上明珠
第 1章 數據庫的誕生——“圖靈”獎經典人物 3
1．1 網狀數據管理系統 4
1．2 關系數據庫模型 6
1．3 數據庫并發與事務 8
1．4 數據庫優化與實踐 10
1．5 小結 13
1．6 參考資料 13
第 2章 數據庫的工業繁榮——商業機遇 14
2．1 System R 14
2．2 PostgreSQL 16
2．3 Oracle 18
2．4 MySQL 20
2．5 IBM Db2 23
2．6 SQL Server 27
2．7 小結 29
2．8 參考資料 30
第3章 國產數據庫的熱潮——四大家族 31
3．1 人大金倉 31
3．2 南大通用 32
3．3 武漢達夢 32
3．4 神舟通用 33
3．5 小結 34
3．6 參考資料 35
第 2篇 數據管理系統之大數據——異軍突起
第4章 大數據降臨——生逢其時 39
4．1 Google的“三駕馬車” 39
4．1．1 GFS 40
4．1．2 MapReduce系統 41
4．1．3 Bigtable系統 42
4．2 Amazon的“云上時代” 43
4．3 Facebook的“社交帝國” 44
4．4 LinkedIn的“職業搖籃” 46
4．5 學術界的徘徊輾轉 48
4．6 小結 49
4．7 參考資料 49
第5章 大數據分布式系統——高潮迭起 50
5．1 容錯內存迭代式計算 50
5．2 實時流式大數據計算 52
5．2．1 Storm系統 52
5．2．2 Flink系統 53
5．3 大規模機器學習系統 54
5．4 數據中心的資源管理 56
5．5 全球分布式數據服務 58
5．6 小結 59
5．7 參考資料 59
第6章 開源整合架構演進——融會貫通 60
6．1 鏈家架構演進 60
6．1．1 大數據平臺架構演進 60
6．1．2 日志平臺設計與技術 61
6．2 美團架構演進 62
6．2．1 由淺入深架構解析 62
6．2．2 基礎系統架構演進 64
6．3 Airbnb架構演進 65
6．3．1 大數據平臺架構解析 65
6．3．2 平臺發展的經驗和教訓 66
6．4 58同城架構演進 68
6．4．1 大數據三層平臺架構 68
6．4．2 關鍵技術演進與實現 70
6．5 滴滴出行架構演進 71
6．5．1 實時計算平臺架構演進 71
6．5．2 實時計算平臺架構 72
6．6 小米架構演進 73
6．6．1 流式平臺整體架構 73
6．6．2 3個階段的演進歷程 74
6．7 小結 77
6．8 參考資料 77
第7章 大數據的魅力——廣泛應用 78
7．1 工業應用 78
7．2 銀行金融 79
7．3 智慧城市 81
7．4 健康醫療 82
7．5 小結 83
7．6 參考資料 84
第3篇 大數據管理系統——誰主沉浮
第8章 數據庫與大數據之戰——華山論劍 87
8．1 ACM雙方論戰 87
8．2 MPP絕對優勢 89
8．3 大數據強勢發展 91
8．4 數據庫自我革命 94
8．5 NewSQL兼容并包 96
8．6 老牌數據庫的反擊 99
8．7 小結 101
8．8 參考資料 102
第9章 大數據管理系統——求同存異 103
9．1 Hadoop生態 104
9．2 BDAS平臺 105
9．3 AsterixDB系統 106
9．4 Apache Beam框架 108
9．5 SnappyData模型 109
9．6 SageDB愿景 110
9．7 ShardingSphere項目 112
9．8 小結 114
9．9 參考資料 115
第 10章 新型數據管理系統——百花齊放 116
10．1 大數據輸入和輸出 116
10．2 大數據調度管控 119
10．3 大數據用戶交互 123
10．4 大數據安全隱私 124
10．5 大數據新型引擎 127
10．6 大數據通用語言 129
10．7 大數據網絡賦能 130
10．8 小結 134
10．9 參考資料 135
第 11章 國產數據庫的國際化——齊頭并進 137
11．1 TiDB 137
11．1．1 研發背景 137
11．1．2 早期架構 138
11．1．3 架構升級 139
11．1．4 穩定架構 140
11．2 OceanBase 142
11．2．1 設計考量 142
11．2．2 架構演進 144
11．2．3 厚積薄發 150
11．3 TDSQL 150
11．3．1 分布式TDSQL 150
11．3．2 分析型TBase 152
11．3．3 云原生CynosDB 153
11．3．4 產品戰略統一 154
11．4 GaussDB 155
11．4．1 OLTP成長史 155
11．4．2 OLAP成長史 156
11．4．3 HTAP成長史 157
11．4．4 AI-Native成長史 157
11．5 Bigflow 158
11．6 ByteGraph 160
11．7 小結 163
11．8 參考資料 164
第4篇 大數據管理系統的架構——路在何方
第 12章 高速電子計算機與大數據管理系統——萬法歸宗 167
12．1 以計算為中心的計算機 167
12．2 以存儲為中心的數據機 170
12．3 大數據管理的系統模型 172
12．4 數據管理系統的總結抽象 176
12．5 小結 178
12．6 參考資料 179
第 13章 無處不在的操作系統——歸納演繹 180
13．1 計算機的操作系統 180
13．2 數據管理系統的操作系統 184
13．3 數據中心的操作系統 185
13．4 資源抽象與應用接口 189
13．5 小結 192
13．6 參考資料 192
第 14章 大數據管理系統的未來架構——沙漠綠洲 194
14．1 大數據操作系統 195
14．1．1 數據輸入 197
14．1．2 數據存儲 198
14．1．3 數據計算 200
14．1．4 數據控制 201
14．1．5 數據輸出 202
14．2 自動化可插拔引擎 203
14．3 分布式彈性數據模型 203
14．4 易用抽象作業執行框架 204
14．5 深度智能系統管理內核 204
14．6 大數據管理系統biggy原型 204
14．7 小結 205
14．8 參考資料 206
第5篇 大數據管理系統的精髓——無上心法
第 15章 大數據管理系統的基礎——算法理論 209
15．1 存儲類算法 209
15．1．1 大數據LSM的優勢 209
15．1．2 B+-Tree與LSM-Tree對比 210
15．1．3 LSM的優化算法 211
15．2 執行器算法 212
15．2．1 Spark RDD中DAG的應用 212
15．2．2 分布式數據庫的算子運算 213
15．2．3 大數據DAG與數據庫算子的異同 214
15．3 一致性算法 214
15．3．1 常見一致性算法簡介 214
15．3．2 Paxos算法進階深入 215
15．3．3 一致性的Consensus與Consistency 216
15．4 持久化算法 218
15．4．1 經典的WAL 218
15．4．2 前沿的WBL 219
15．5 分布式算法 220
15．5．1 分布式P2P協議 220
15．5．2 一致性哈希算法 220
15．6 事務類算法 222
15．6．1 兩階段提交 222
15．6．2 三階段提交 223
15．7 分布式容錯機制 224
15．7．1 分布式系統容錯機制 225
15．7．2 數據庫系統容錯機制 227
15．7．3 工業實踐與學術創新 227
15．8 高并發控制機制 229
15．8．1 并發控制類別 229
15．8．2 并發控制實現 230
15．9 系統健壯性機制 232
15．10 小結 234
15．11 參考資料 234
第 16章 大數據管理系統的前沿——另辟蹊徑 236
16．1 數據上下文管理系統Ground 236
16．2 自治數據管理系統Peloton 239
16．3 分布式預測系統Clipper 240
16．4 數據管理中人的作用CrowdDB 241
16．5 新硬件帶來的變革doppioDB 242
16．6 端云協同實時數據庫Firebase 243
16．7 自組裝數據庫XuanYuan 245
16．8 數據治理新思路Tamr 248
16．9 系統性能調優AITuning 249
16．10 小結 253
16．11 參考資料 253
第 17章 大數據管理系統的謎團——撥云見日 255
17．1 分布式機器學習與分布式數據庫 255
17．2 分布式一致性與數據庫一致性 257
17．3 可變的數據與不可變的數據 260
17．4 區塊鏈與數據庫的異同 261
17．5 NewSQL與OldSQL 263
17．6 云計算、邊緣計算與物聯網 266
17．7 大數據Java還是C/C++ 270
17．8 流數據與批處理的界線 270
17．9 分布式事務與遞增式時間 272
17．10 小結 273
17．11 參考資料 274
第 18章 大數據的標準——游戲規則 275
18．1 TPC標準測試 275
18．2 SQL通用語言 277
18．3 頂級學術會議 277
18．4 設計范式 279
18．5 流行趨勢 281
18．6 研究機構 283
18．7 小結 284
18．8 參考資料 284
附錄 285
A．工業與學術 285
B．國產與國際 286
C．開放與封閉 288
D．資本與技術 292
E．個人與企業 295
F．過去與未來 299
G．參考資料 300
第 1章 數據庫的誕生——“圖靈”獎經典人物 3
1．1 網狀數據管理系統 4
1．2 關系數據庫模型 6
1．3 數據庫并發與事務 8
1．4 數據庫優化與實踐 10
1．5 小結 13
1．6 參考資料 13
第 2章 數據庫的工業繁榮——商業機遇 14
2．1 System R 14
2．2 PostgreSQL 16
2．3 Oracle 18
2．4 MySQL 20
2．5 IBM Db2 23
2．6 SQL Server 27
2．7 小結 29
2．8 參考資料 30
第3章 國產數據庫的熱潮——四大家族 31
3．1 人大金倉 31
3．2 南大通用 32
3．3 武漢達夢 32
3．4 神舟通用 33
3．5 小結 34
3．6 參考資料 35
第 2篇 數據管理系統之大數據——異軍突起
第4章 大數據降臨——生逢其時 39
4．1 Google的“三駕馬車” 39
4．1．1 GFS 40
4．1．2 MapReduce系統 41
4．1．3 Bigtable系統 42
4．2 Amazon的“云上時代” 43
4．3 Facebook的“社交帝國” 44
4．4 LinkedIn的“職業搖籃” 46
4．5 學術界的徘徊輾轉 48
4．6 小結 49
4．7 參考資料 49
第5章 大數據分布式系統——高潮迭起 50
5．1 容錯內存迭代式計算 50
5．2 實時流式大數據計算 52
5．2．1 Storm系統 52
5．2．2 Flink系統 53
5．3 大規模機器學習系統 54
5．4 數據中心的資源管理 56
5．5 全球分布式數據服務 58
5．6 小結 59
5．7 參考資料 59
第6章 開源整合架構演進——融會貫通 60
6．1 鏈家架構演進 60
6．1．1 大數據平臺架構演進 60
6．1．2 日志平臺設計與技術 61
6．2 美團架構演進 62
6．2．1 由淺入深架構解析 62
6．2．2 基礎系統架構演進 64
6．3 Airbnb架構演進 65
6．3．1 大數據平臺架構解析 65
6．3．2 平臺發展的經驗和教訓 66
6．4 58同城架構演進 68
6．4．1 大數據三層平臺架構 68
6．4．2 關鍵技術演進與實現 70
6．5 滴滴出行架構演進 71
6．5．1 實時計算平臺架構演進 71
6．5．2 實時計算平臺架構 72
6．6 小米架構演進 73
6．6．1 流式平臺整體架構 73
6．6．2 3個階段的演進歷程 74
6．7 小結 77
6．8 參考資料 77
第7章 大數據的魅力——廣泛應用 78
7．1 工業應用 78
7．2 銀行金融 79
7．3 智慧城市 81
7．4 健康醫療 82
7．5 小結 83
7．6 參考資料 84
第3篇 大數據管理系統——誰主沉浮
第8章 數據庫與大數據之戰——華山論劍 87
8．1 ACM雙方論戰 87
8．2 MPP絕對優勢 89
8．3 大數據強勢發展 91
8．4 數據庫自我革命 94
8．5 NewSQL兼容并包 96
8．6 老牌數據庫的反擊 99
8．7 小結 101
8．8 參考資料 102
第9章 大數據管理系統——求同存異 103
9．1 Hadoop生態 104
9．2 BDAS平臺 105
9．3 AsterixDB系統 106
9．4 Apache Beam框架 108
9．5 SnappyData模型 109
9．6 SageDB愿景 110
9．7 ShardingSphere項目 112
9．8 小結 114
9．9 參考資料 115
第 10章 新型數據管理系統——百花齊放 116
10．1 大數據輸入和輸出 116
10．2 大數據調度管控 119
10．3 大數據用戶交互 123
10．4 大數據安全隱私 124
10．5 大數據新型引擎 127
10．6 大數據通用語言 129
10．7 大數據網絡賦能 130
10．8 小結 134
10．9 參考資料 135
第 11章 國產數據庫的國際化——齊頭并進 137
11．1 TiDB 137
11．1．1 研發背景 137
11．1．2 早期架構 138
11．1．3 架構升級 139
11．1．4 穩定架構 140
11．2 OceanBase 142
11．2．1 設計考量 142
11．2．2 架構演進 144
11．2．3 厚積薄發 150
11．3 TDSQL 150
11．3．1 分布式TDSQL 150
11．3．2 分析型TBase 152
11．3．3 云原生CynosDB 153
11．3．4 產品戰略統一 154
11．4 GaussDB 155
11．4．1 OLTP成長史 155
11．4．2 OLAP成長史 156
11．4．3 HTAP成長史 157
11．4．4 AI-Native成長史 157
11．5 Bigflow 158
11．6 ByteGraph 160
11．7 小結 163
11．8 參考資料 164
第4篇 大數據管理系統的架構——路在何方
第 12章 高速電子計算機與大數據管理系統——萬法歸宗 167
12．1 以計算為中心的計算機 167
12．2 以存儲為中心的數據機 170
12．3 大數據管理的系統模型 172
12．4 數據管理系統的總結抽象 176
12．5 小結 178
12．6 參考資料 179
第 13章 無處不在的操作系統——歸納演繹 180
13．1 計算機的操作系統 180
13．2 數據管理系統的操作系統 184
13．3 數據中心的操作系統 185
13．4 資源抽象與應用接口 189
13．5 小結 192
13．6 參考資料 192
第 14章 大數據管理系統的未來架構——沙漠綠洲 194
14．1 大數據操作系統 195
14．1．1 數據輸入 197
14．1．2 數據存儲 198
14．1．3 數據計算 200
14．1．4 數據控制 201
14．1．5 數據輸出 202
14．2 自動化可插拔引擎 203
14．3 分布式彈性數據模型 203
14．4 易用抽象作業執行框架 204
14．5 深度智能系統管理內核 204
14．6 大數據管理系統biggy原型 204
14．7 小結 205
14．8 參考資料 206
第5篇 大數據管理系統的精髓——無上心法
第 15章 大數據管理系統的基礎——算法理論 209
15．1 存儲類算法 209
15．1．1 大數據LSM的優勢 209
15．1．2 B+-Tree與LSM-Tree對比 210
15．1．3 LSM的優化算法 211
15．2 執行器算法 212
15．2．1 Spark RDD中DAG的應用 212
15．2．2 分布式數據庫的算子運算 213
15．2．3 大數據DAG與數據庫算子的異同 214
15．3 一致性算法 214
15．3．1 常見一致性算法簡介 214
15．3．2 Paxos算法進階深入 215
15．3．3 一致性的Consensus與Consistency 216
15．4 持久化算法 218
15．4．1 經典的WAL 218
15．4．2 前沿的WBL 219
15．5 分布式算法 220
15．5．1 分布式P2P協議 220
15．5．2 一致性哈希算法 220
15．6 事務類算法 222
15．6．1 兩階段提交 222
15．6．2 三階段提交 223
15．7 分布式容錯機制 224
15．7．1 分布式系統容錯機制 225
15．7．2 數據庫系統容錯機制 227
15．7．3 工業實踐與學術創新 227
15．8 高并發控制機制 229
15．8．1 并發控制類別 229
15．8．2 并發控制實現 230
15．9 系統健壯性機制 232
15．10 小結 234
15．11 參考資料 234
第 16章 大數據管理系統的前沿——另辟蹊徑 236
16．1 數據上下文管理系統Ground 236
16．2 自治數據管理系統Peloton 239
16．3 分布式預測系統Clipper 240
16．4 數據管理中人的作用CrowdDB 241
16．5 新硬件帶來的變革doppioDB 242
16．6 端云協同實時數據庫Firebase 243
16．7 自組裝數據庫XuanYuan 245
16．8 數據治理新思路Tamr 248
16．9 系統性能調優AITuning 249
16．10 小結 253
16．11 參考資料 253
第 17章 大數據管理系統的謎團——撥云見日 255
17．1 分布式機器學習與分布式數據庫 255
17．2 分布式一致性與數據庫一致性 257
17．3 可變的數據與不可變的數據 260
17．4 區塊鏈與數據庫的異同 261
17．5 NewSQL與OldSQL 263
17．6 云計算、邊緣計算與物聯網 266
17．7 大數據Java還是C/C++ 270
17．8 流數據與批處理的界線 270
17．9 分布式事務與遞增式時間 272
17．10 小結 273
17．11 參考資料 274
第 18章 大數據的標準——游戲規則 275
18．1 TPC標準測試 275
18．2 SQL通用語言 277
18．3 頂級學術會議 277
18．4 設計范式 279
18．5 流行趨勢 281
18．6 研究機構 283
18．7 小結 284
18．8 參考資料 284
附錄 285
A．工業與學術 285
B．國產與國際 286
C．開放與封閉 288
D．資本與技術 292
E．個人與企業 295
F．過去與未來 299
G．參考資料 300
展開全部
數據浪潮(大數據技術演進之路)/大數據技術叢書 作者簡介
吳垚，畢業于中國人民大學，是中國人民大學和加利福尼亞大學爾灣分校（UCI）聯合培養的博士，目前就職于華為公司加拿大研究院。其國內導師陳紅是CCF數據庫專委委員，國家科技進步二等獎獲得者；國外導師Michael J. Carey是美國工程院院士、ACM和IEEE Fellow。博士在讀期間作者參與的項目包括：物聯網搜索中的隱私保護研究、新一代高時效安全可靠流數據系統、“Big Active Data：From Petabyte Data to Million People”等。畢業后就職于華為高斯部門，先后在高斯產品部、高斯實驗室和多倫多實驗室工作，在GaussDB、XY Kernel、HP Kernel等項目中參與AP數據庫、AI數據庫、TP數據庫的研發。
書友推薦
- >
煙與鏡
- >
自卑與超越
- >
月亮虎
- >
朝聞道
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
【精裝繪本】畫給孩子的中國神話
- >
伯納黛特,你要去哪(2021新版)
- >
莉莉和章魚
本類暢銷
