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
大數據十講 版權信息
- ISBN：9787111736813
- 條形碼：9787111736813 ; 978-7-111-73681-3
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
大數據十講 本書特色
大數據領域專家學者攜手打造，系統構建知識體系
綜述當下領域前沿研究方向、理論與技術
以宏觀視野把握領域前沿，獲取領域底層邏輯
大數據十講 內容簡介
當下，大數據已成為互聯網、人工智能和數字化轉型等的基礎理論，宏觀了解大數據前沿理論與技術，對于大數據方向的研究人員以及從事大數據開發的工程師來講至關重要。本書由多位大數據領域專家學者合作完成，通過10章內容，深入淺出地闡述大數據的完整前沿知識體系，幫助讀者以宏觀視角把握大數據的發展方向和突破口，真正從普通開發者晉升為擁有大數據思維并能解決復雜問題的技術專家。 本書既可作為大數據方向低年級研究生研究大數據技術的入門指南，也可作為從事大數據研究的科研人員的參考書。
大數據十講 目錄
叢書序
“十講”序
前言
第1講 大數據存儲系統
1.1 大規模云存儲系統/2
1.1.1 云存儲系統架構/2
1.1.2 云存儲資源管理與數據布局/5
1.1.3 大規模索引系統/12
1.2 大規模文件系統/17
1.2.1 本地文件系統/17
1.2.2 網絡文件系統/23
1.3 本講小結與展望/34
參考文獻/34
第2講 分布式數據庫
2.1 NoSQL與NewSQL/38
2.1.1 NoSQL發展歷史/38
2.1.2 鍵值存儲/42
2.1.3 文檔數據庫/50
2.1.4 圖數據庫/56
2.1.5 NewSQL代表/60
2.2 分布式數據庫架構/70
2.2.1 共享存儲型/70
2.2.2 無共享型/72
2.2.3 計算、內存與存儲分離型/74
2.2.4 架構對比/76
2.3 數據分片與復制/78
2.3.1 數據分片/78
2.3.2 數據復制/80
2.3.3 CAP定理/82
2.3.4 分布式一致性協議/85
2.4 分布式數據處理/90
2.4.1 分布式事務處理/90
2.4.2 分布式查詢處理/93
2.5 本講小結與展望/98
參考文獻/99
第3講 大數據處理系統——批處理
3.1 Hadoop MapReduce/103
3.1.1 Hadoop MapReduce概述/103
3.1.2 Hadoop MapReduce架構和核心組件/104
3.1.3 Hadoop MapReduce執行過程/105
3.1.4 MapReduce編程案例/109
3.1.5 Hadoop生態/112
3.2 Apache Spark/114
3.2.1 Spark概述/114
3.2.2 Spark框架/115
3.2.3 Spark編程實例/123
3.2.4 Spark工具集/126
3.3 本講小結與展望/129
參考文獻/130
第4講 流計算系統
4.1 流計算系統概述/134
4.1.1 流數據與流計算/134
4.1.2 流計算系統的演進/134
4.1.3 流計算系統的研究挑戰/135
4.2 數據管理視角的流計算系統/137
4.2.1 編程接口/139
4.2.2 執行計劃/144
4.2.3 資源調度/153
4.2.4 故障容錯/157
4.3 本講小結與展望/163
參考文獻/164
第5講 大圖數據處理系統
5.1 大圖數據處理系統概述/168
5.1.1 大圖數據特點及查詢/168
5.1.2 大圖數據處理特征及挑戰/170
5.1.3 經典大圖數據處理系統/171
5.2 計算機制/173
5.2.1 以頂點為中心的計算機制/174
5.2.2 以邊為中心的計算機制/176
5.2.3 以子圖為中心的計算機制/177
5.3 通信機制/179
5.3.1 共享內存/179
5.3.2 消息傳遞/181
5.4 圖劃分機制/181
5.4.1 邊切分/182
5.4.2 點切分/184
5.4.3 混合切分/186
5.5 任務調度機制/187
5.5.1 同步調度/188
5.5.2 異步調度/189
5.5.3 混合調度/191
5.6 新硬件加速機制/192
5.6.1 基于RDMA的通信優化/192
5.6.2 基于GPU的計算優化/195
5.7 本講小結與展望/198
參考文獻/200
第6講 大數據分析——算法設計
6.1 大數據的統計特征估算算法/204
6.1.1 采樣估算算法/205
6.1.2 Sketch估算算法/209
6.1.3 相關應用/216
6.2 大數據的成員查找算法/219
6.2.1 概率型成員查找算法/219
6.2.2 人工智能賦能的成員查找算法/226
6.2.3 相關應用/228
6.3 大數據的近鄰查找算法/231
6.3.1 精確近鄰查找算法/233
6.3.2 近似近鄰查找算法/235
6.3.3 相關應用與潛在研究方向/248
6.4 本講小結與展望/250
參考文獻/251
第7講 大數據分析——機器學習
7.1 概述/254
7.1.1 機器學習、深度學習和人工智能/254
7.1.2 大數據和機器學習的關系/254
7.1.3 大數據上機器學習存在的問題和挑戰/255
7.2 BigDL：分布式大數據AI平臺/257
7.2.1 設計目標和架構/257
7.2.2 BigDL-Nano:對用戶透明的性能加速/259
7.2.3 BigDL-Orca:從筆記本電腦到分布式大數據集群的無縫擴展/261
7.3 大數據AI在生產實踐中的真實案例/265
7.3.1 案例1：基于時序預測的通信網絡質量KPI監測/265
7.3.2 案例2：基于Transformer架構的分布式AI推薦系統/268
7.4 本講小結與展望/271
參考文獻/271
第8講 圖數據挖掘
8.1 圖的基本定義及性質/274
8.1.1 柯尼斯堡七橋問題/274
8.1.2 圖的基本定義/277
8.1.3 圖的基本性質/279
8.2 圖節點鄰近度/283
8.2.1 圖節點鄰近度的度量/284
8.2.2 圖節點鄰近度的計算/287
8.3 圖嵌入/299
8.3.1 基于矩陣分解的方法/299
8.3.2 基于隨機游走的方法/303
8.4 圖神經網絡/306
8.4.1 圖神經網絡的起源和演變/307
8.4.2 可擴展圖神經網絡/310
8.4.3 復雜圖神經網絡/312
8.5 本講小結與展望/315
參考文獻/317
第9講 大數據可視化
9.1 可視化發展歷史與理論模型/320
9.1.1 早期的可視化/320
9.1.2 基本流程/323
9.2 概念、分類及主要方法/323
9.2.1 數據類型及視覺映射/324
9.2.2 高維與表格數據可視化/328
9.2.3 網絡（圖）數據可視化/334
9.2.4 層次結構數據可視化/337
9.2.5 時空數據可視化/343
9.2.6 文本數據可視化/346
9.3 可視分析/351
9.3.1 基本理論/351
9.3.2 可視化與可視分析案例/356
9.4 大規模數據管理/361
9.4.1 數據立方體/361
9.4.2 其他數據管理方法/366
9.5 常用可視化工具與軟件/367
9.5.1 高維數據可視化工具/367
9.5.2 文本可視化工具/368
9.5.3 網絡可視化工具/369
9.5.4 可視化構建工具/369
9.6 本講小結與展望/373
參考文獻/373
第10講 工業大數據
10.1 引言/382
10.1.1 工業數據集/382
10.1.2 工業大數據/383
10.1.3 工業大數據生命周期/386
10.1.4 工業大數據應用場景/387
10.2 工業數據采集/388
10.2.1 總體架構/388
10.2.2 工業終端/389
10.2.3 工業現場協議/390
10.2.4 工業數據協議/392
10.3 工業時序數據庫/393
10.3.1 設備建模與弱模式/394
10.3.2 編碼與壓縮/396
10.4 工業數據治理/399
10.4.1 工業數據集特點/399
10.4.2 工業數據集成框架/401
10.4.3 時序數據質量控制/402
10.5 工業時序數據分析/409
10.5.1 工業數據分析流程/409
10.5.2 時序數據分析方法/410
10.5.3 風機時序數據分析案例/415
10.6 本講小結與展望/418
參考文獻/418
“十講”序
前言
第1講 大數據存儲系統
1.1 大規模云存儲系統/2
1.1.1 云存儲系統架構/2
1.1.2 云存儲資源管理與數據布局/5
1.1.3 大規模索引系統/12
1.2 大規模文件系統/17
1.2.1 本地文件系統/17
1.2.2 網絡文件系統/23
1.3 本講小結與展望/34
參考文獻/34
第2講 分布式數據庫
2.1 NoSQL與NewSQL/38
2.1.1 NoSQL發展歷史/38
2.1.2 鍵值存儲/42
2.1.3 文檔數據庫/50
2.1.4 圖數據庫/56
2.1.5 NewSQL代表/60
2.2 分布式數據庫架構/70
2.2.1 共享存儲型/70
2.2.2 無共享型/72
2.2.3 計算、內存與存儲分離型/74
2.2.4 架構對比/76
2.3 數據分片與復制/78
2.3.1 數據分片/78
2.3.2 數據復制/80
2.3.3 CAP定理/82
2.3.4 分布式一致性協議/85
2.4 分布式數據處理/90
2.4.1 分布式事務處理/90
2.4.2 分布式查詢處理/93
2.5 本講小結與展望/98
參考文獻/99
第3講 大數據處理系統——批處理
3.1 Hadoop MapReduce/103
3.1.1 Hadoop MapReduce概述/103
3.1.2 Hadoop MapReduce架構和核心組件/104
3.1.3 Hadoop MapReduce執行過程/105
3.1.4 MapReduce編程案例/109
3.1.5 Hadoop生態/112
3.2 Apache Spark/114
3.2.1 Spark概述/114
3.2.2 Spark框架/115
3.2.3 Spark編程實例/123
3.2.4 Spark工具集/126
3.3 本講小結與展望/129
參考文獻/130
第4講 流計算系統
4.1 流計算系統概述/134
4.1.1 流數據與流計算/134
4.1.2 流計算系統的演進/134
4.1.3 流計算系統的研究挑戰/135
4.2 數據管理視角的流計算系統/137
4.2.1 編程接口/139
4.2.2 執行計劃/144
4.2.3 資源調度/153
4.2.4 故障容錯/157
4.3 本講小結與展望/163
參考文獻/164
第5講 大圖數據處理系統
5.1 大圖數據處理系統概述/168
5.1.1 大圖數據特點及查詢/168
5.1.2 大圖數據處理特征及挑戰/170
5.1.3 經典大圖數據處理系統/171
5.2 計算機制/173
5.2.1 以頂點為中心的計算機制/174
5.2.2 以邊為中心的計算機制/176
5.2.3 以子圖為中心的計算機制/177
5.3 通信機制/179
5.3.1 共享內存/179
5.3.2 消息傳遞/181
5.4 圖劃分機制/181
5.4.1 邊切分/182
5.4.2 點切分/184
5.4.3 混合切分/186
5.5 任務調度機制/187
5.5.1 同步調度/188
5.5.2 異步調度/189
5.5.3 混合調度/191
5.6 新硬件加速機制/192
5.6.1 基于RDMA的通信優化/192
5.6.2 基于GPU的計算優化/195
5.7 本講小結與展望/198
參考文獻/200
第6講 大數據分析——算法設計
6.1 大數據的統計特征估算算法/204
6.1.1 采樣估算算法/205
6.1.2 Sketch估算算法/209
6.1.3 相關應用/216
6.2 大數據的成員查找算法/219
6.2.1 概率型成員查找算法/219
6.2.2 人工智能賦能的成員查找算法/226
6.2.3 相關應用/228
6.3 大數據的近鄰查找算法/231
6.3.1 精確近鄰查找算法/233
6.3.2 近似近鄰查找算法/235
6.3.3 相關應用與潛在研究方向/248
6.4 本講小結與展望/250
參考文獻/251
第7講 大數據分析——機器學習
7.1 概述/254
7.1.1 機器學習、深度學習和人工智能/254
7.1.2 大數據和機器學習的關系/254
7.1.3 大數據上機器學習存在的問題和挑戰/255
7.2 BigDL：分布式大數據AI平臺/257
7.2.1 設計目標和架構/257
7.2.2 BigDL-Nano:對用戶透明的性能加速/259
7.2.3 BigDL-Orca:從筆記本電腦到分布式大數據集群的無縫擴展/261
7.3 大數據AI在生產實踐中的真實案例/265
7.3.1 案例1：基于時序預測的通信網絡質量KPI監測/265
7.3.2 案例2：基于Transformer架構的分布式AI推薦系統/268
7.4 本講小結與展望/271
參考文獻/271
第8講 圖數據挖掘
8.1 圖的基本定義及性質/274
8.1.1 柯尼斯堡七橋問題/274
8.1.2 圖的基本定義/277
8.1.3 圖的基本性質/279
8.2 圖節點鄰近度/283
8.2.1 圖節點鄰近度的度量/284
8.2.2 圖節點鄰近度的計算/287
8.3 圖嵌入/299
8.3.1 基于矩陣分解的方法/299
8.3.2 基于隨機游走的方法/303
8.4 圖神經網絡/306
8.4.1 圖神經網絡的起源和演變/307
8.4.2 可擴展圖神經網絡/310
8.4.3 復雜圖神經網絡/312
8.5 本講小結與展望/315
參考文獻/317
第9講 大數據可視化
9.1 可視化發展歷史與理論模型/320
9.1.1 早期的可視化/320
9.1.2 基本流程/323
9.2 概念、分類及主要方法/323
9.2.1 數據類型及視覺映射/324
9.2.2 高維與表格數據可視化/328
9.2.3 網絡（圖）數據可視化/334
9.2.4 層次結構數據可視化/337
9.2.5 時空數據可視化/343
9.2.6 文本數據可視化/346
9.3 可視分析/351
9.3.1 基本理論/351
9.3.2 可視化與可視分析案例/356
9.4 大規模數據管理/361
9.4.1 數據立方體/361
9.4.2 其他數據管理方法/366
9.5 常用可視化工具與軟件/367
9.5.1 高維數據可視化工具/367
9.5.2 文本可視化工具/368
9.5.3 網絡可視化工具/369
9.5.4 可視化構建工具/369
9.6 本講小結與展望/373
參考文獻/373
第10講 工業大數據
10.1 引言/382
10.1.1 工業數據集/382
10.1.2 工業大數據/383
10.1.3 工業大數據生命周期/386
10.1.4 工業大數據應用場景/387
10.2 工業數據采集/388
10.2.1 總體架構/388
10.2.2 工業終端/389
10.2.3 工業現場協議/390
10.2.4 工業數據協議/392
10.3 工業時序數據庫/393
10.3.1 設備建模與弱模式/394
10.3.2 編碼與壓縮/396
10.4 工業數據治理/399
10.4.1 工業數據集特點/399
10.4.2 工業數據集成框架/401
10.4.3 時序數據質量控制/402
10.5 工業時序數據分析/409
10.5.1 工業數據分析流程/409
10.5.2 時序數據分析方法/410
10.5.3 風機時序數據分析案例/415
10.6 本講小結與展望/418
參考文獻/418
展開全部
大數據十講 作者簡介
周烜，華東師范大學教授，數據科學與工程學院副院長，數據科學與工程專業建設負責人。長期專注于數據庫系統研究，曾負責多個國內外的科研項目和工業合作項目，開發了各類數據管理系統，在工業界獲得應用，成果在國際知名的學術會議和期刊上發表。曾獲得國家科技進步二等獎和國家級教學成果二等獎，入選新世紀優秀人才支持計劃，入選高校計算機專業優秀教師獎勵計劃。
陳志廣，中山大學計算機學院副教授，國家超級計算廣州中心副主任。長期從事大數據存儲與處理、高性能計算與超級計算機、并行與分布式計算相關技術研究。在并行文件系統、大數據處理框架等方面取得突出成果。曾獲得國家級教學成果二等獎、廣東省科技進步特等獎、中國電子學會科技進步一等獎。
書友推薦
- >
有舍有得是人生
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
史學評論
- >
羅庸西南聯大授課錄
- >
上帝之肋:男人的真實旅程
- >
月亮與六便士
- >
唐代進士錄
- >
朝聞道
本類暢銷
