写给大家看的大数据pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

写给大家看的大数据PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

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

第一部分 大数据入门 1

第1章 大数据基础 3

数据管理的演化过程 4

理解数据管理的几个关键 5

关键1：创建可管理的数据结构 5

关键2：Web和内容管理 7

关键3：管理大数据 7

大数据的定义 9

构建成功的大数据管理架构 10

捕捉、组织、集成分析与模拟 10

建立架构基础 11

性能问题 13

传统与高级分析 15

大数据之旅 16

第2章 研究大数据类型 17

定义结构化的数据 18

探索大结构化数据源 18

理解关系型数据库在大数据中的角色 19

定义非结构化数据 21

探索非结构化数据源 21

理解CMS在大数据管理中的角色 23

理解实时需求和非实时需求 23

聚合大数据 25

管理不同类型的数据 25

将不同类型的数据整合到大数据环境中 25

第3章 当老古董遇上新生代：分布式计算 27

分布式计算简史 27

感谢DARPA 27

可持续模型的价值 28

了解分布式计算基础 29

为什么大数据需要分布式计算 29

计算经济的改变 30

时延带来的问题 30

当需求遇上解决方案 31

获取所需的性能 31

第二部分 大数据的技术基础 33

第4章 深入大数据技术组件 35

探索大数据栈 36

第0层：带冗余的物理基础架构 37

物理冗余网络 38

管理硬件：存储与服务器 39

基础架构操作 39

第1层：安全框架 39

进／出应用程序和互联网的界面与接口 40

第2层：可操作数据库 42

第3层：组织数据服务与工具 43

第4层：可分析的数据仓库 44

大数据分析 45

大数据应用程序 46

第5章 虚拟化及其如何支持分布式计算 47

理解虚拟化的基本知识 47

在大数据中使用虚拟化的重要性 48

服务器虚拟化 50

应用程序虚拟化 50

网络虚拟化 51

处理器和内存虚拟化 51

数据和存储虚拟化 52

使用Hypervisor管理虚拟化 53

抽象化与虚拟化 54

实现在大数据中的虚拟化 54

第6章 云和大数据 56

大数据领域中的云 56

理解云部署和分发模型 57

云部署模型 57

云分发模型 59

大数据需要云 60

在大数据中使用云 61

大数据云市场的服务提供商 62

亚马逊公共弹性计算云（EC2） 63

谷歌的大数据服务 64

微软Azure 64

OpenStack 65

在使用云服务时需要注意什么 65

第三部分 大数据管理 67

第7章 操作型数据库 69

RDBMS在大数据领域的重要性 71

非关系型数据库 72

Key-Value型数据库 73

文档数据库 75

MongoDB 76

CouchDB 77

纵列数据库 78

图形数据库 79

空间数据库 81

混合持久化 83

第8章 MapReduce基础 85

MapReduce溯源 85

理解Map函数 86

添加Reduce函数 88

结合Map和Reduce 89

优化MapReduce 91

硬件／网络拓扑 92

同步 92

文件系统 92

第9章 探索Hadoop的世界 94

谈谈Hadoop 94

理解Hadoop分布式文件系统（HDFS） 95

Name节点 95

数据节点 96

理解HDFS 97

Hadoop的MapReduce 99

准备数据 100

开始Mapping 101

Reduce和融合 101

第10章 Hadoop基础和生态 103

使用Hadoop生态系统构建大数据基础 103

使用Hadoop YARN管理资源和应用程序 104

使用HBase存储大数据 105

使用Hive挖掘大数据 106

使用Hadoop生态系统 107

Pig和Pig Latin 107

Sqoop 108

Zookeeper 109

第11章 设备和大数据仓库 111

使用传统数据仓库装载大数据 111

优化数据仓库 112

区别大数据结构和数据仓库数据 112

一个混合式处理的例子 113

大数据分析和数据仓库 114

集成的关键 115

再思考提取、变换和载入 115

改变数据仓库的角色 116

改变部署模型 116

设备模型 117

云模型 117

数据仓库的未来 117

第四部分 数据分析与大数据 119

第12章 定义大数据分析 121

使用大数据获得结果 121

基本分析 122

高级分析 123

实用性分析 126

货币化分析 126

为掌握大数据修改商务智能产品 126

数据 126

分析算法 127

基础架构支持 128

大数据分析案例研究 128

Orbitz 129

Nokia 129

NASA 129

大数据分析解决方案 130

第13章 理解文本分析和大数据 131

探索非结构化数据 132

理解文本分析 133

分析和提取技术 135

理解信息抽取 136

分类学 137

将结果汇总成结构化数据 138

开始使用大数据 138

客户的声音 138

社交媒体分析 139

大数据文本分析工具 141

Attensity 141

Clarabridge 142

IBM 142

OpenText 142

SAS 143

第14章 大数据分析的定制化 144

构建新的大数据模型 145

理解大数据分析的各种方法 147

大数据分析的定制应用程序 147

大数据分析的半定制化应用程序 149

大数据分析框架的特点 151

由大到小：大数据悖论 153

第五部分 大数据实现 155

第15章 集成数据源 157

识别你需要的数据 157

勘探阶段 158

编制阶段 159

集成和整合阶段 160

理解大数据集成基础 161

定义传统ETL 163

理解ELT——提取、载入和转换 164

大数据质量优化 165

使用Hadoop实现ETL 166

大数据集成的最佳实践 166

第16章 处理实时数据流和复杂事件 168

流数据和复杂事件处理 169

使用流数据 169

数据流 169

流的元数据 171

使用复杂事件处理 172

从流中分离出CEP 173

商务领域的数据流和CEP 174

第17章 可操作的大数据 175

让大数据成为操作过程的一部分 175

集成大数据 175

疾病诊断中的大数据协作 177

理解大数据工作流 180

大数据的有效性、准确性和波动性 181

数据有效性 181

数据波动性 182

第18章 在企业中应用大数据 184

大数据经济学 184

数据类型和数据来源的识别 185

修改业务流或创建新的业务流 187

大数据工作流的技术影响 188

网罗大数据项目的人才 188

计算大数据的投入产出（ROI） 189

企业数据管理和大数据 189

创建大数据实施里程碑 190

理解业务紧迫性 191

正确地预测工作量 191

选择正确的软件开发方法学 191

平衡预算和功能 192

评估风险承受能力 192

迈出第一步 193

第19章 大数据环境的安全和管理 195

大数据下的安全 195

评估业务风险 196

大数据中潜藏的风险 196

理解数据保护 197

数据管理的挑战 198

大数据过程审计 199

定位关键利益者 200

正确运用组织架构 200

为管理风险做准备 200

制订正确的管理规则和质量保障 201

开发管理完善、安全可靠的大数据环境 201

第六部分 现实中的大数据解决方案 203

第20章 大数据对业务的重要性 205

将大数据作为业务规划的工具 205

第一步：规划中引入数据 206

第步：执行分析 206

第三步：检查结果 207

第四步：落实计划 207

规划过程的另一个维度 207

第五步：实时监控 208

第六步：调节影响 208

第七步：适应性实验 208

正确地看待数据分析 208

在正确的基础上开始行动 209

规划大数据 210

调整业务流程 210

第21章 从现实视角看数据分析 212

理解用户对运动型数据的需求 213

流数据对环境的影响 214

使用传感器来提供实时水文信息 215

实时数据的优势 215

流数据对公共政策的影响 216

流数据在医疗行业的应用 217

流数据在能源行业的应用 218

使用流数据提升能量产率 218

使用流数据提升能源产出 218

连接数据流和历史数据与其他实时数据源 219

第22章 从现实视角看大数据分析对业务流程的优化 220

了解企业对大数据分析的需求 220

使用文本分析提升客户体验 221

使用大数据分析进行决策 222

使用大数据分析避免欺诈 224

整合新数据源的商业价值 225

第七部分 十项注意 227

第23章 十条大数据最佳实践 229

理解你的目标 229

建立里程碑 230

发现你的数据 230

清楚你缺少什么数据 230

理解可选技术方案 231

规划大数据安全 231

规划大数据管理策略 231

规划数据管家 232

持续测试 232

学习最佳实践和利用模式 232

第24章 十个大数据资源 234

Hurwitz＆Associates 234

标准化组织 234

开放数据基金会 234

云安全联盟 235

美国国家标准和科技机构 235

Apache软件基金会 235

OASIS 235

供应商的网站 236

在线协作套件 236

大数据会议 237

第25章 十条“要”与“不要” 238

要将所有业务单元都涵盖在大数据战略中 238

要评估所有的大数据分发模型 238

要将传统数据源作为大数据战略的一部分 238

要计划持久化元数据 239

要分发你的数据 239

不要依赖于单一的大数据分析方法 239

不要在准备充分之前就膨胀 239

不要忽略数据集成的需求 239

不要忘记安全地管理数据 240

不要忽略数据的管理效率 240

术语表 241