大數(shù)據(jù)導論

目　　錄
譯者序
致謝
作者簡介
第一部分　大數(shù)據(jù)基礎
第1章　理解大數(shù)據(jù)3
1.1　概念與術語4
1.1.1　數(shù)據(jù)集4
1.1.2　數(shù)據(jù)分析5
1.1.3　數(shù)據(jù)分析學5
1.1.4　商務智能11
1.1.5　關鍵績效指標11
1.2　大數(shù)據(jù)特征12
1.2.1　容量12
1.2.2　速率13
1.2.3　多樣性13
1.2.4　真實性14
1.2.5　價值14
1.3　不同數(shù)據(jù)類型15
1.3.1　結構化數(shù)據(jù)16
1.3.2　非結構化數(shù)據(jù)17
1.3.3　半結構化數(shù)據(jù)17
1.3.4　元數(shù)據(jù)18
1.4　案例學習背景18
1.4.1　歷史背景18
1.4.2　技術基礎和自動化環(huán)境19
1.4.3　商業(yè)目標和障礙20
1.5　案例學習21
1.5.1　確定數(shù)據(jù)特征22
1.5.2　確定數(shù)據(jù)類型24
第2章　采用大數(shù)據(jù)的商業(yè)動機與驅動25
2.1　市場動態(tài)25
2.2　業(yè)務架構27
2.3　業(yè)務流程管理30
2.4　信息與通信技術31
2.4.1　數(shù)據(jù)分析與數(shù)據(jù)科學31
2.4.2　數(shù)字化31
2.4.3　開源技術與商用硬件32
2.4.4　社交媒體33
2.4.5　超連通社區(qū)與設備33
2.4.6　云計算34
2.5　萬物互聯(lián)網(wǎng)35
2.6　案例學習35
第3章　大數(shù)據(jù)采用及規(guī)劃考慮39
3.1　組織的先決條件40
3.2　數(shù)據(jù)獲取40
3.3　隱私性40
3.4　安全性41
3.5　數(shù)據(jù)來源42
3.6　有限的實時支持43
3.7　不同的性能挑戰(zhàn)43
3.8　不同的管理需求43
3.9　不同的方法論44
3.10　云44
3.11　大數(shù)據(jù)分析的生命周期45
3.11.1　商業(yè)案例評估45
3.11.2　數(shù)據(jù)標識47
3.11.3　數(shù)據(jù)獲取與過濾47
3.11.4　數(shù)據(jù)提取48
3.11.5　數(shù)據(jù)驗證與清理49
3.11.6　數(shù)據(jù)聚合與表示50
3.11.7　數(shù)據(jù)分析52
3.11.8　數(shù)據(jù)可視化52
3.11.9　分析結果的使用53
3.12　案例學習54
3.12.1　大數(shù)據(jù)分析的生命周期55
3.12.2　商業(yè)案例評估55
3.12.3　數(shù)據(jù)標識56
3.12.4　數(shù)據(jù)獲取與過濾56
3.12.5　數(shù)據(jù)提取57
3.12.6　數(shù)據(jù)驗證與清理57
3.12.7　數(shù)據(jù)聚合與表示57
3.12.8　數(shù)據(jù)分析57
3.12.9　數(shù)據(jù)可視化58
3.12.10　分析結果的使用58
第4章　企業(yè)級技術與大數(shù)據(jù)商務智能59
4.1　聯(lián)機事務處理60
4.2　聯(lián)機分析處理60
4.3　抽取、轉換和加載技術61
4.4　數(shù)據(jù)倉庫61
4.5　數(shù)據(jù)集市62
4.6　傳統(tǒng)商務智能62
4.6.1　即席報表63
4.6.2　儀表板63
4.7　大數(shù)據(jù)商務智能65
4.7.1　傳統(tǒng)數(shù)據(jù)可視化65
4.7.2　大數(shù)據(jù)的數(shù)據(jù)可視化66
4.8　案例學習67
4.8.1　企業(yè)技術67
4.8.2　大數(shù)據(jù)商務智能68
第二部分　存儲和分析大數(shù)據(jù)
第5章　大數(shù)據(jù)存儲的概念71
5.1　集群72
5.2　文件系統(tǒng)和分布式文件系統(tǒng)72
5.3　NoSQL73
5.4　分片74
5.5　復制75
5.5.1　主從式復制76
5.5.2　對等式復制77
5.6　分片和復制80
5.6.1　結合分片和主從式復制80
5.6.2　結合分片和對等式復制81
5.7　CAP定理82
5.8　ACID85
5.9　BASE88
5.10　案例學習91
第6章　大數(shù)據(jù)處理的概念93
6.1　并行數(shù)據(jù)處理93
6.2　分布式數(shù)據(jù)處理94
6.3　Hadoop94
6.4　處理工作量95
6.4.1　批處理型95
6.4.2　事務型95
6.5　集群96
6.6　批處理模式97
6.6.1　MapReduce批處理97
6.6.2　Map和Reduce任務98
6.6.3　MapReduce的簡單實例103
6.6.4　理解MapReduce算法104
6.7　實時模式處理107
6.7.1　SCV原則107
6.7.2　事件流處理110
6.7.3　復雜事件處理110
6.7.4　大數(shù)據(jù)實時處理與SCV110
6.7.5　大數(shù)據(jù)實時處理與MapReduce111
6.8　案例學習112
6.8.1　處理工作量112
6.8.2　批處理模式處理112
6.8.3　實時模式處理113
第7章　大數(shù)據(jù)存儲技術115
7.1　磁盤存儲設備115
7.1.1　分布式文件系統(tǒng)116
7.1.2　RDBMS數(shù)據(jù)庫117
7.1.3　NoSQL數(shù)據(jù)庫119
7.1.4　NewSQL數(shù)據(jù)庫128
7.2　內存存儲設備129
7.2.1　內存數(shù)據(jù)網(wǎng)格131
7.2.2　內存數(shù)據(jù)庫138
7.3　案例學習141
第8章　大數(shù)據(jù)分析技術143
8.1　定量分析144
8.2　定性分析145
8.3　數(shù)據(jù)挖掘145
8.4　統(tǒng)計分析146
8.4.1　A/B測試146
8.4.2　相關性分析147
8.4.3　回歸性分析149
8.5　機器學習150
8.5.1　分類（有監(jiān)督的機器學習）151
8.5.2　聚類（無監(jiān)督的機器學習）152
8.5.3　異常檢測152
8.5.4　過濾153
8.6　語義分析154
8.6.1　自然語言處理155
8.6.2　文本分析155
8.6.3　情感分析156
8.7　視覺分析157
8.7.1　熱點圖157
8.7.2　時間序列圖159
8.7.3　網(wǎng)絡圖160
8.7.4　空間數(shù)據(jù)制圖161
8.8　案例學習162
8.8.1　相關性分析162
8.8.2　回歸性分析162
8.8.3　時間序列圖163
8.8.4　聚類163
8.8.5　分類163
附錄A　案例結論165
索引167