大数据 技术与应用实践指南PDF|Epub|txt|kindle电子书版本网盘下载

大数据 技术与应用实践指南PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 大数据的概念和发展背景1

1.1 大数据的发展背景1

1.2 大数据的概念和特征4

1.2.1 大数据的概念4

1.2.2 大数据的特征4

1.3 大数据的产生5

1.3.1 数据产生由企业内部向企业外部扩展5

1.3.2 数据产生从Web 1.0 向 Web 2.0、从互联网向移动互联网扩展6

1.3.3 数据产生从计算机／互联网（IT）向物联网（IOT）扩展7

1.4 数据的量级7

1.4.1 数据大小的量级7

1.4.2 大数据的量级8

1.5 大量不同的数据类型8

1.5.1 按照数据结构分类9

1.5.2 按照产生主体分类12

1.5.3 按照数据作用方式分类13

1.6 大数据的速度14

1.7 大数据的潜在价值14

1.8 大数据的挑战15

1.8.1 业务视角不同带来的挑战15

1.8.2 技术架构不同带来的挑战15

1.8.3 管理策略不同带来的挑战16

第2章 大数据应用的业务需求17

2.1 大数据应用的业务流程17

2.1.1 产生数据17

2.1.2 聚集数据18

2.1.3 分析数据19

2.1.4 利用数据19

2.2 大数据应用的业务价值19

2.2.1 发现大数据的潜在价值20

2.2.2 实现大数据整合创新的价值20

2.2.3 新领域再利用的价值21

2.3 各行业大数据应用的个性需求21

2.3.1 互联网与电子商务行业21

2.3.2 零售业27

2.3.3 金融业28

2.3.4 政府32

2.3.5 医疗业34

2.3.6 能源业36

2.3.7 制造业37

2.3.8 电信运营业39

2.3.9 交通物流业41

2.4 企业级大数据应用的共性需求42

2.4.1 客户分析42

2.4.2 绩效分析46

2.4.3 欺诈和风险评估48

2.5 以银行客户分析为例，分析一个大数据的应用场景49

第3章 大数据应用的总体架构和关键技术51

3.1 总体架构51

3.1.1 业务目标51

3.1.2 架构设计原则52

3.1.3 总体架构参考模型55

3.1.4 总体架构的特点58

3.2 大数据存储和处理技术59

3.2.1 Hadoop：分布式存储和计算平台59

3.2.2 Hadoop之HDFS：分布式文件系统65

3.2.3 Hadoop之MapReduce：分布式计算框架72

3.2.4 Hadoop之NoSQL：分布式数据库98

3.2.5 Hadoop之外的大数据计算技术113

3.3 大数据查询和分析技术：SQL on Hadoop126

3.3.1 Hive：基本的Hadoop查询和分析127

3.3.2 Hive 2.0：Hive的优化和升级137

3.3.3 实时互动的SQL：Impala和drill140

3.3.4 基于PostgreSQL的SQL on Hadoop146

3.4 大数据高级分析和可视化技术147

3.4.1 传统数据仓库与联机分析处理技术147

3.4.2 大数据对传统分析的挑战150

3.4.3 大数据挖掘与高级分析150

3.4.4 大数据挖掘与高级分析库：Mahout155

3.4.5 非结构化复杂数据分析156

3.4.6 实时预测分析163

3.4.7 开源可视化工具：R语言170

3.4.8 可视化技术178

3.5 以银行客户分析为例的大数据的技术环境部署187

3.5.1 银行客户大数据应用体系架构187

3.5.2 技术环境安装与配置189

第4章 大数据与企业级应用的整合策略202

4.1 大数据传输、整合和流程管理平台203

4.1.1 数据传输203

4.1.2 数据整合209

4.1.3 流程管理211

4.2 大数据与存储架构的整合215

4.2.1 传统存储架构比较215

4.2.2 大数据平台的存储架构的选择216

4.2.3 集群存储的发展217

4.2.4 基于HDFS的集群存储219

4.2.5 固态硬盘（SSD）对内存计算的支持221

4.3 大数据与网络架构的发展221

4.4 大数据与虚拟化技术的整合227

4.5 在云计算平台上的大数据云229

4.6 大数据与信息安全231

4.7 以银行客户分析为例，分析一个大数据的平台整合234

第5章 大数据应用的实践方法与案例235

5.1 实践方法论235

5.1.1 业务需求定义235

5.1.2 数据应用现状分析与标杆比较237

5.1.3 大数据应用架构规划和设计238

5.1.4 大数据技术切入与实施239

5.1.5 大数据试用和评估240

5.1.6 大数据应用推广241

5.2 应用案例241

5.2.1 亚马逊241

5.2.2 雅虎242

5.2.3 淘宝网242

5.2.4 Facebook243

5.3 以银行客户分析为例的实施案例分析244

5.3.1 银行基于大数据的客户分析的业务需求244

5.3.2 银行基于大数据的客户分析的现状与标杆比较245

5.3.3 银行基于大数据的客户分析的应用架构规划与设计246

5.3.4 银行基于大数据的数据分析的实施、试点和推广247

第6章 大数据应用的主流解决方案248

6.1 产业链248

6.1.1 国际上的大数据生态环境248

6.1.2 国内产业链主要力量251

6.2 主流厂商解决方案252

6.2.1 Cloundera252

6.2.2 Hortonworks254

6.2.3 MapR254

6.2.4 IBM255

6.2.5 Oracle257

6.2.6 EMC258

6.2.7 Intel259

6.2.8 SAP260

6.2.9 Teradata262

第7章 大数据应用的未来挑战和趋势263

7.1 隐私保护263

7.1.1 法律保护264

7.1.2 技术保护266

7.1.3 理念革新267

7.2 技术标准268

7.2.1 ISO标准化进展268

7.2.2 评价基准和基准测试269

7.2.3 标准套件273

7.3 大数据治理273

7.3.1 数据治理框架274

7.3.2 数据质量管理274

7.3.3 大数据的组织、角色和责任276

7.4 适应商业社会的未来趋势277

7.4.1 从产品推销向数据营销的转变277

7.4.2 从流程驱动到分析驱动的转变277

7.4.3 从私有资源到公共服务的转变278