大數(shù)據(jù)架構之道與項目實戰(zhàn)

定　價：￥75.00

作　者：	常耀斌，鄭智民，周賢波著
出版社：	清華大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787302515869	出版時間：	2018-12-01	包裝：	平裝
開本：	16	頁數(shù)：	396	字數(shù)：

內(nèi)容簡介

　　大數(shù)據(jù)和人工智能技術發(fā)展正當時，如何快速構建一個高水平的企業(yè)級大數(shù)據(jù)平臺是撰寫本書的出發(fā)點。本書從總體技術要求出發(fā)，深入分析了全棧技術的各自優(yōu)勢和應用場景，傳授了三十多種主流技術的架構設計、技術原理和集成方法。第 1章介紹企業(yè)級大數(shù)據(jù)平臺服務的總體設計，突出研究經(jīng)典設計模式之美、吸納分布式技術的精髓、深耕微架構的演變內(nèi)涵。第 2章～第 9章是項目實戰(zhàn)環(huán)節(jié)，介紹高并發(fā)采集、靈活轉發(fā)、高可擴展海量存儲、高并發(fā)海量存儲、高可靠海量存儲、實時計算、智能分析和自定義遷移等微服務，手把手傳授架構設計和核心代碼，讓讀者掌握商用微服務產(chǎn)品開發(fā)全流程。

作者簡介

　　常耀斌，資深大數(shù)據(jù)專家，擁有16年國家項目架構設計與管理經(jīng)驗。北郵計算機工學碩士，曾就職于中國電科、華為、中國移動等知名企業(yè)，歷任項目經(jīng)理、高級專家、技術總監(jiān)、高級架構師等職務。一直專注于億級用戶規(guī)模的大數(shù)據(jù)和人工智能平臺的技術架構研發(fā)和關鍵技術研究，參與項目曾獲“國家科技進步特等獎“，個人曾獲“金牌員工”、“優(yōu)秀共產(chǎn)黨員”稱號。個人擁有中國發(fā)明專利40多項，發(fā)表國家期刊學術論文10多篇，多次應邀參加國內(nèi)頂會議和高峰論壇，并擔任專家評委和評審專家。。鄭智民，資深大數(shù)據(jù)分析師，中移動研究院前瞻項目研究員。北京郵電大學電子與通信工程碩士、廈門大學MBA，曾擔任國家智慧城市大數(shù)據(jù)方案專家、發(fā)明家協(xié)會委員等。具有12年電信運營、智慧醫(yī)療、智慧家庭、工業(yè)物聯(lián)網(wǎng)、智慧環(huán)保等領域項目經(jīng)驗。BI大數(shù)據(jù)實戰(zhàn)項目曾助力移動全國經(jīng)分大賽團體奪魁，物聯(lián)網(wǎng)創(chuàng)新項目曾獲第十九屆全國發(fā)明獎等國家部委級獎項6項及移動全國級優(yōu)秀創(chuàng)新成果獎2項，為移動全國刊物《移周刊》首位創(chuàng)新專訪人物。在大數(shù)據(jù)及人工智能、區(qū)塊鏈領域以第發(fā)明人申請19項發(fā)明專利，撰寫可穿戴設備、VR/AR等7份標準，出版VR和大數(shù)據(jù)領域書籍各1部。周賢波，資深研究員。北理工工學碩士，曾就職于華為等知名企業(yè)。近10多年一直專注于機器視覺/圖形圖像等相關算法研發(fā)，尤其擅長在軟硬件平臺、智能穿戴式設備、物聯(lián)網(wǎng)、大數(shù)據(jù)及人工智能、AR/VR開發(fā)、AI芯片等前沿技術研發(fā)。擁有12年大型項目設計和開發(fā)經(jīng)驗，在大數(shù)據(jù)和人工智能領域有5項中國發(fā)明專利申請。

圖書目錄

第 1章企業(yè)級大數(shù)據(jù)平臺服務的總體設計
1.1平臺架構設計的總體技術要求
1.2微服務引擎的可擴展性設計
1.3微服務引擎的優(yōu)秀解決方案
1.3.1 高并發(fā)采集微服務
1.3.2 靈活轉發(fā)微服務
1.3.3 高可擴展海量存儲服務
1.3.4 高并發(fā)海量存儲服務
1.3.5 高可靠海量存儲服務
1.3.6 實時計算服務
1.3.7 基于機器學習的智能分析服務
1.3.8 自定義遷移服務
1.4設計小結· 17
第 2章大數(shù)據(jù)高并發(fā)采集微服務引擎
2.1核心需求分析和優(yōu)秀解決方案
2.2服務引擎的技術架構設計
2.2.1 Maven與 Eclipse集成配置
2.2.2 Mina2.0框架以及業(yè)務設計
2.2.3 設備協(xié)議規(guī)范制定及數(shù)據(jù)包設計
2.2.4 按照設備和數(shù)據(jù)類型進行業(yè)務樹構建
2.2.5 按照設備的數(shù)據(jù)包狀態(tài)進行解析
2.2.6 按照通用方式進行高并發(fā)入庫
2.3核心技術講解及模塊化設計
2.3.1 Spring Maven Web服務構建
2.3.2 Spring Boot微服務構建
2.3.3 數(shù)據(jù)包定義和實現(xiàn)
2.3.4 業(yè)務樹構建和實現(xiàn)
2.3.5 數(shù)據(jù)包狀態(tài)進行解析實現(xiàn)
2.3.6 按照通用方式進行高并發(fā)入庫實現(xiàn)
2.3.7 客戶端模擬器工具類進行高并發(fā)測試
2.4項目小結·
第 3章大數(shù)據(jù)靈活轉發(fā)微服務引擎
3.1核心需求分析和優(yōu)秀解決方案
3.2服務引擎的技術架構設計
3.3核心技術講解及模塊化實現(xiàn)
3.3.1 Spring MVC Web服務構建
3.3.2 Spring Boot微服務構建
3.3.3 靈活配置和通用工具類構建
3.3.4 創(chuàng)建發(fā)送數(shù)據(jù)主題，注冊觀察者對象
3.3.5 啟動多線程進行數(shù)據(jù)發(fā)送
3.3.6 采用 Post策略模式進行數(shù)據(jù)發(fā)送
3.3.7 采用 ActiveMQ策略模式進行數(shù)據(jù)發(fā)送
3.4項目小結· 173
4.1核心需求分析和優(yōu)秀解決方案
4.2服務引擎的技術架構設計
4.3核心技術講解及模塊化實現(xiàn)
4.3.1 Spring MVC的工作原理及執(zhí)行流程
4.3.2 Spring MVC Web服務構建
4.3.3 Spring Boot Web微服務構建
4.3.4 統(tǒng)一對外數(shù)據(jù)接收接口及通用類
4.3.5 MySQL對智能終端運動數(shù)據(jù)的分狀態(tài)和分策略處理
4.3.6 MySQL對智能終端運動數(shù)據(jù)的分職責處理
4.3.7 MySQL對智能終端運動數(shù)據(jù)的統(tǒng)一入庫處理
4.4項目小結
第 5章大數(shù)據(jù)高并發(fā)海量存儲微服務引擎
5.1核心需求分析和優(yōu)秀解決方案
5.2服務引擎的技術架構設計
5.3核心技術講解及模塊化實現(xiàn)
5.3.1 Spring MVC和 Spring Boot集成 MongoDB
5.3.2 MongoTemplate核心類實現(xiàn) Dao層接口
5.3.3 基于 MongoDB處理智能終端運動數(shù)據(jù)
5.3.4 基于 MongoDB管道技術處理體檢數(shù)據(jù)
5.3.5 基于 AngularJS架構可視化體檢數(shù)據(jù)
5.4項目小結·
第 6章大數(shù)據(jù)高可靠海量存儲微服務引擎
6.1核心需求分析和優(yōu)秀解決方案
6.2服務引擎的技術架構設計
6.3核心技術講解及模塊化實現(xiàn)
6.3.1 Hadoop完全分布式集群構建
6.3.2 Spring MVC和 Spring Boot集成 Hbase
6.3.3 HbaseTemplate核心類實現(xiàn) Dao層接口
6.3.4 Hbase集群的智能終端運動數(shù)據(jù) Controller接口
6.3.5 Hbase集群的智能終端運動數(shù)據(jù) Service接口
6.3.6 Hbase集群的智能終端運動數(shù)據(jù) Dao接口
6.4項目小結
第 7章大數(shù)據(jù)實時計算微服務引擎
7.1核心需求分析和優(yōu)秀解決方案
7.2服務引擎的技術架構設計
7.3核心技術講解及模塊化實現(xiàn)
7.3.1 分布式采集服務 Flume部署及數(shù)據(jù)采集
7.3.2 分布式消息服務 Kafka部署及數(shù)據(jù)發(fā)送
7.3.3 創(chuàng)建 HBase數(shù)據(jù)庫和 Spark環(huán)境
7.3.4 分布式實時處理引擎 Spark Streaming原理及數(shù)據(jù)處理
7.3.5 構建 BD_RTPServer_DP工程實現(xiàn)數(shù)據(jù)處理
7.3.6 構建 BD_RTPServer_Boot服務實現(xiàn)可視化
7.4項目小結
第 8章大數(shù)據(jù)智能分析微服務引擎
8.1核心需求分析和優(yōu)秀解決方案
8.2服務引擎的技術架構設計
8.3核心機器學習算法講解和應用
8.3.1 邏輯回歸的原理分析
8.3.2 支持向量機原理分析
8.3.3 決策樹原理分析
8.3.4 聚類算法原理分析
8.3.5 關聯(lián)規(guī)則算法原理分析
8.3.6 協(xié)同過濾原理分析
8.4 Spark架構原理與數(shù)據(jù)預測
8.4.1 YARN運行架構工作原理
8.4.2 Spark Mlib核心技術
8.4.3 Spring Maven工程構建
8.4.4 決策樹預測體檢費用
8.4.5 邏輯回歸預測體檢費用
8.4.6 隨機森林預測體檢費用
8.4.7 支持向量機預測疾病概率
8.4.8 協(xié)同過濾推薦藥品
8.5項目小結
第 9章大數(shù)據(jù)自定義遷移微服務引擎
9.1核心需求分析和優(yōu)秀解決方案
9.2服務引擎的技術架構設計
9.3核心技術講解及模塊化實現(xiàn)
9.3.1 Hadoop生態(tài)的核心組件
9.3.2 HBase工作原理
9.3.3 Sqoop工作原理
9.3.4 MapReduce工作原理
9.3.5 Sqoop抽取歷史數(shù)據(jù)到 HDFS
9.3.6 構建工程 BD_CustomTransfer_Maven
9.3.7 智能終端運動數(shù)據(jù)從 MySQL數(shù)據(jù)遷移到 Hive
9.4項目小結