| 作者 |
| 刘驰 |
| 丛书名 |
| 出版社 |
| 人民邮电出版社 |
| ISBN |
| 9787115492234 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 本书从大数据生命周期的角度阐述大数据技术体系与开源生态的发展。全书分为7篇，包括大数据技术体系与开源生态概述、大数据获取技术、大数据管理技术、大数据处理技术、大数据分析与挖掘技术、大数据可视化与交互技术、大数据安全与治理技术。又分为15章，详细介绍大数据的技术概况、发展近况和技术优势、软件架构、和应用场景等内容。 本书适合大数据和人工智能业内人员、各大高校相关专业的高年级本科生和研究生、以及对大数据应用中各类框架组件的爱好者阅读。 |
| 目录 |
| ： 第 一篇 大数据技术体系与开源生态概述 第 1章 大数据技术体系概述 3 1.1 大数据技术的主要内容 3 1.2 大数据开源框架 4 1.2.1 大数据获取技术 4 1.2.2 大数据管理技术 5 1.2.3 大数据处理技术 5 1.2.4 大数据安全与治理技术 5 1.2.5 大数据分析与挖掘技术 6 1.2.6 大数据可视化技术 6 1.3 本章小结 7 第 2章 开源生态与代码托管平台简介 8 2.1 开源和开源软件的简介 8 2.1.1 开源的简介 8 2.1.2 开源软件的简介 8 2.2 开源代码托管平台——GitHub 9 2.3 本章小结 10 第3章 大数据开源生态的介绍 11 3. 1 Apache软件基金会 11 3.1.1 发展历史 11 3.1.2 主要参与者 12 3.1.3 开源项目 13 3.2 Linux 基金会 14 3.2.1 发展历史 15 3.2.2 主要参与者 15 3.2.3 开源项目 17 3.3 开源中国 18 3.3.1 发展历史 18 3.3.2 主要参与者 19 3.4 本章小结 19 第4章 云计算开源生态的介绍 20 4.1 OpenStack 基金会 20 4.1.1 发展历史 21 4.1.2 主要参与者 21 4.1.3 开源项目 22 4.2 Cloud Native Computing Foundation 23 4.2.1 发展历史 23 4.2.2 主要参与者 23 4.2.3 开源项目 25 4.3 本章小结 25 第二篇 大数据获取技术 第5章 消息队列相关技术 29 5.1 ZeroMQ 29 5.1.1 技术概况 29 5.1.2 发展近况和技术优势 30 5.1.3 软件架构 31 5.1.4 应用场景 33 5.2 RabbitMQ 34 5.2.1 技术概况 34 5.2.2 发展近况和技术优势 35 5.2.3 软件架构 36 5.2.4 应用场景 38 5.3 Active MQ 40 5.3.1 技术概况 40 5.3.2 发展近况和技术优势 40 5.3.3 软件架构 42 5.3.4 应用场景 43 5.4 Apache Kafka 44 5.4.1 技术概况 44 5.4.2 发展近况和技术优势 45 5.4.3 软件架构 46 5.4.4 应用场景 47 5.5 本章小结 50 第三篇 大数据管理技术 第6章 数据库相关技术 53 6.1 传统关系型数据库 53 6.1.1 MySQL 53 6.1.2 PostgreSQL 60 6.2 文档型数据库 65 6.2.1 MongoDB 65 6.2.2 Apache CouchDB 69 6.3 列存储数据库 73 6.3.1 Vertica 73 6.3.2 Apache HBase 76 6.4 键/值对型数据库 80 6.4.1 Redis 80 6.4.2 Riak 82 6.5 图形数据库 85 6.5.1 Neo4j 85 6.5.2 OrientDB 90 6.5.3 InfiniteGraph 93 6.6 基于内存的分布式文件系统之Alluxio 95 6.6.1 技术概况 95 6.6.2 发展近况和技术优势 96 6.6.3 软件架构 97 6.6.4 应用场景 98 6.7 数据仓库系统之ApacheTajo 99 6.7.1 技术概况 99 6.7.2 发展近况和技术优势 100 6.7.3 软件架构 101 6.7.4 应用场景 103 6.8 本章小结 105 第7章 大数据平台资源管理技术 106 7.1 Apache ZooKeeper 106 7.1.1 技术概况 106 7.1.2 发展近况和技术优势 107 7.1.3 软件架构 108 7.1.4 应用场景 110 7.2 Apache Hadoop YARN 111 7.2.1 技术概况 111 7.2.2 发展近况和技术优势 112 7.2.3 软件架构 113 7.2.4 应用场景 116 7.3 Apache Mesos 119 7.3.1 技术概况 119 7.3.2 发展近况和技术优势 120 7.3.3 软件架构 120 7.3.4 应用场景 122 7.4 Apache Mnemonic 123 7.4.1 技术概况 123 7.4.2 发展近况和技术优势 124 7.5 本章小结 125 第四篇 大数据处理技术 第8章 开源批处理平台 129 8.1 Apache Hadoop 129 8.1.1 技术概况 129 8.1.2 发展近况和技术优势 130 8.1.3 软件架构 131 8.1.4 应用场景 136 8.2 Apache Spark 142 8.2.1 技术概况 142 8.2.2 发展近况和技术优势 142 8.2.3 软件架构 144 8.2.4 应用场景 146 8.3 Apache Kylin 150 8.3. 1 技术概况 150 8.3.2 发展近况和技术优势 150 8.3.3 软件架构 152 8.3.4 应用场景 153 8.4 本章小结 159 第9章 开源实时处理平台 160 9.1 Apache Storm 160 9.1.1 技术概况 160 9.1.2 发展近况和技术优势 161 9.1.3 软件架构 162 9.1.4 应用场景 163 9.2 Apache Spark Streaming 169 9.2.1 技术概况 169 9.2.2 发展近况和技术优势 170 9.2.3 软件架构 170 9.2.4 应用场景 171 9.3 Apache Flink 173 9.3.1 技术概况 173 9.3.2 发展近况和技术优势 174 9.3.3 软件架构 175 9.3.4 应用场景 176 9.4 Apache Beam 179 9.4.1 技术概况 179 9.4.2 发展近况和技术优势 180 9.4.3 软件架构 181 9.4.4 应用场景 182 9.5 Apache Apex 186 9.5.1 技术概况 186 9.5.2 发展近况和技术优势 187 9.5.3 软件架构 188 9.5.4 应用场景 191 9.6 本章小结 194 第五篇 大数据分析与挖掘技术 第 10章 开源数据分析平台 199 10.1 Apache Mahout 199 10.1.1 技术概况 199 10.1.2 发展近况和技术优势 200 10.1.3 应用场景 202 10.2 Apache Spark MLlib 204 10.2.1 技术概况 204 10.2.2 发展近况和技术优势 204 10.2.3 软件架构 205 10.2.4 应用场景 207 10.3 Apache Lens 208 10.3.1 技术概况 208 10.3.2 发展近况及技术优势 209 10.3.3 软件架构 213 10.3.4 应用场景 214 10.4 Scikit-Learn 217 10.4.1 技术概况 217 10.4.2 发展近况与技术优势 217 10.4.3 软件架构 218 10.4.4 应用场景 220 10.5 本章小结 223 第 11章 开源深度学习平台 225 11.1 TensorFlow 225 11.1.1 技术概况 225 11.1.2 发展近况和技术优势 226 11.1.3 软件架构 226 11.1.4 应用场景 230 11.2 Tensorflow Lite 233 11.2.1 技术概况 233 11.2.2 发展近况和技术优势 233 11.2.3 软件架构 234 11.3 Caffe 237 11.3.1 技术概述 237 11.3.2 发展近况和技术优势 237 11.3.3 软件架构 239 11.3.4 应用场景 241 11.4 PyTorch 243 11.4.1 技术概况 243 11.4.2 发展近况和技术优势 243 11.4.3 软件架构 245 11.4.4 应用场景 247 11.5 本章小结 248 第六篇 大数据可视化与交互技术 第 12章 主流大数据可视化与交互工具 251 12.1 Tableau 251 12.1.1 技术概况 251 12.1.2 发展近况和技术优势 252 12.1.3 软件架构 255 12.1.4 应用场景 256 12.2 Apache Zeppelin 260 12.2.1 技术概况 260 12.2.2 发展近况和技术优势 261 12.2.3 软件架构 262 12.2.4 应用场景 263 12.3 本章小结 266 第 13章 其他大数据可视化与交互工具 267 13.1 Jaspersoft Community 267 13.1.1 技术概况 267 13.1.2 发展近况和技术优势 268 13.1.3 软件架构 270 13.1.4 应用场景 271 13.2 BIRT 274 13.2.1 技术概况 274 13.2.2 发展近况和技术优势 275 13.2.3 软件架构 278 13.2.4 应用场景 280 13.3 KNIME 281 13.3.1 技术概况 281 13.3.2 发展近况和技术优势 281 13.3.3 软件架构 283 13.3.4 应用场景 285 13.4 本章小结 285 第七篇 大数据安全与治理技术 第 14章 大数据治理技术 289 14.1 Apache Falcon 289 14.1.1 技术概况 290 14.1.2 发展近况和技术优势 290 14.1.3 软件架构 292 14.1.4 应用场景 294 14.2 Apache Atlas 297 14.2.1 技术概况 298 14.2.2 发展近况和技术优势 301 14.2.3 软件架构 306 14.3 本章小结 314 第 15章 大数据安全技术 316 15.1 Apache Ranger 316 15.1.1 技术概况 316 15.1.2 发展近况和技术优势 318 15.1.3 软件架构 321 15.1.4 应用场景 322 15.2 Apache Sentry 324 15.2.1 技术概况 324 15.2.2 发展近况和技术优势 326 15.2.3 软件架构 332 15.3 Apache Kerberos 334 15.3.1 技术概况 335 15.3.2 发展近况和技术优势 336 15.3.3 软件架构 337 15.4 Apache Metron 339 15.4.1 技术概况 339 15.4.2 发展近况及技术优势 340 15.4.3 软件架构 344 15.5 Hyperledger 346 15.5.1 技术概况 346 15.5.2 发展近况和技术优势 347 15.5.3 软件架构 348 15.5.4 应用场景 349 15.6 本章小结 351 结束语 353 名词索引 355 |