大数据日知录:架构与算法
2020-04-07 14:00:23 0 举报AI智能生成
大数据日知录:架构与算法
作者其他创作
大纲/内容
10 列式数据库
10.1 BigTable
10.1.1 BigTable的数据模型
10.1.2 BigTable的整体结构
10.1.3 BigTable的管理数据
10.1.4 主控服务器（Master Server）
10.1.5 子表服务器（Tablet Server）
10.2 PNUTS存储系统
10.2.1 PNUTS的整体架构
10.2.2 存储单元
10.2.3 子表控制器与数据路由器
10.2.4 雅虎消息代理
10.2.5 数据一致性
10.3 MegaStore
10.3.1 实体群组切分
10.3.2 数据模型
10.3.3 数据读/写与备份
10.4 Spanner
10.4.1 SpanServer软件栈
10.4.2 数据模型
10.4.3 TrueTime
11 大规模批处理系统
11.1 MapReduce计算模型与架构
11.1.1 计算模型
11.1.2 系统架构
11.1.3 MapReduce计算的特点及不足
11.2 MapReduce计算模式
11.2.1 求和模式（Summarization Pattern）
11.2.2 过滤模式（Filtering Pattern）
11.2.3 组织数据模式（Data Organization Pattern）
11.2.4 Join模式（Join Pattern）
11.3 DAG计算模型
11.3.1 DAG计算系统的三层结构
11.3.2 Dryad
11.3.3 FlumeJava和Tez
12 流式计算
12.1 流式计算系统架构
12.1.1 主从架构
12.1.2 P2P架构
12.1.3 Samza架构
12.2 DAG拓扑结构
12.2.1 计算节点
12.2.2 数据流
12.2.3 拓扑结构
12.3 送达保证（Delivery Guarantees）
12.3.1 Storm的送达保证机制
12.3.2 MillWheel的“恰好送达一次”机制
12.4 状态持久化
12.4.1 容错的三种模式
12.4.2 Storm的状态持久化
12.4.3 MillWheel和Samza的状态持久化
13 交互式数据分析
13.1 Hive系数据仓库
13.1.1 Hive
13.1.2 StingerInitiative
13.2 Shark系数据仓库
13.2.1 Shark架构
13.2.2 部分DAG执行引擎（PDE）
13.2.3 数据共同分片
13.3 Dremel系数据仓库
13.3.1 Dremel
13.3.2 PowerDrill
13.3.3 Impala
13.3.4 Presto
13.4 混合系数据仓库
14 图数据库：架构与算法
14.1 在线查询类图数据库
14.1.1 三层结构
14.1.2 TAO图数据库
14.2 常见图挖掘问题
14.2.1 PageRank计算
14.2.2 单源最短路径（Single Source Shortest Path）
14.2.3 二部图最大匹配
14.3 离线挖掘数据分片
14.3.1 切边法（Edge-Cut）
14.3.2 切点法（Vertex-Cut）
14.4 离线挖掘计算模型
14.4.1 以节点为中心的编程模型
14.4.2 GAS编程模型
14.4.3 同步执行模型
14.4.4 异步执行模型
14.5 离线挖掘图数据库
14.5.1 Pregel
14.5.2 Giraph
14.5.3 GraphChi
14.5.4 PowerGraph
15 机器学习：范型与架构
15.1 分布式机器学习
15.1.1 机器学习简介
15.1.2 数据并行VS.模型并行
15.2 分布式机器学习范型
15.2.1 三种范型
15.2.2 MapReduce迭代计算模型
15.2.3 BSP计算模型
15.2.4 SSP模型
15.3 分布式机器学习架构
15.3.1 MapReduce系列
15.3.2 Spark及MLBase
15.3.3 参数服务器（Parameter Server）
16 机器学习：分布式算法
16.1 计算广告：逻辑回归
16.1.1 逻辑回归（Logistic Regression，LR）
16.1.2 并行随机梯度下降（Parallel Stochastic Gradient Descent）
16.1.3 批学习并行逻辑回归
16.2 推荐系统：矩阵分解
16.2.1 矩阵分解方法
16.2.2 ALS-WR算法
16.2.3 并行版ALS-WR算法
16.3 搜索引擎：机器学习排序
16.3.1 机器学习排序简介
16.3.2 LambdaMART
16.3.3 分布式LambdaMART
16.4 自然语言处理：文档相似性计算
16.5 社交挖掘：谱聚类
16.5.1 社交挖掘实例
16.5.2 谱聚类
16.5.3 并行版谱聚类
16.6 深度学习：DistBelief
16.6.1 深度学习简介
16.6.2 DistBelief
17 增量计算
17.1 增量计算模式
17.1.1 两种计算模式
17.1.2 Hadoop平台下增量计算的一般模式
17.2 Percolator
17.2.1 事务支持
17.2.2 “观察/通知”体系结构
17.3 Kineograph
17.3.1 整体架构
17.3.2 增量计算机制
17.4 DryadInc
附录A 硬件体系结构及常用性能指标
附录B 大数据必读文献
0 当谈论大数据时我们在谈什么
0.1 大数据是什么
0.2 大数据之翼：技术范型转换
0.3 大数据商业炼金术
0.4 “大数据”在路上
1 数据分片与路由
1.1 抽象模型
1.2 哈希分片（Hash Partition）
1.2.1 Round Robin
1.2.2 虚拟桶（Virtual Buckets）
1.2.3 一致性哈希（Consistent Hashing）
1.3 范围分片（Range Partition）
2 数据复制与一致性
2.1 基本原则与设计理念
2.1.1 原教旨CAP主义
2.1.2 CAP 重装上阵（CAP Reloaded）
2.1.3 ACID原则
2.1.4 BASE原则
2.1.5 CAP/ACID/BASE 三者的关系
2.1.6 幂等性（Idempotent）
2.2 一致性模型分类
2.2.1 强一致性
2.2.2 最终一致性
2.2.3 因果一致性
2.2.4 “读你所写”一致性
2.2.5 会话一致性
2.2.6 单调读一致性
2.2.7 单调写一致性
2.3 副本更新策略
2.3.1 同时更新
2.3.2 主从式更新
2.3.3 任意节点更新
2.4 一致性协议
2.4.1 两阶段提交协议（Two-Phrase Commit，2PC）
2.4.2 向量时钟（Vector Clock）
2.4.3 RWN协议
2.4.4 Paxos协议
2.4.5 Raft协议
3 大数据常用的算法与数据结构
3.1 布隆过滤器（Bloom Filter）
3.1.1 基本原理
3.1.2 误判率及相关计算
3.1.3 改进：计数Bloom Filter
3.1.4 应用
3.2 SkipList
3.3 LSM树
3.4 Merkle哈希树（Merkle Hash Tree）
3.4.1 Merkle树基本原理
3.4.2 Dynamo中的应用
3.4.3 比特币中的应用
3.5 Snappy与LZSS算法
3.5.1 LZSS算法
3.5.2 Snappy
3.6 Cuckoo哈希（Cuckoo Hashing）
3.6.1 基本原理
3.6.2 应用：SILT存储系统
4 集群资源管理与调度
4.1 资源管理抽象模型
4.1.1 概念模型
4.1.2 通用架构
4.2 调度系统设计的基本问题
4.2.1 资源异质性与工作负载异质性
4.2.2 数据局部性（Data Locality）
4.2.3 抢占式调度与非抢占式调度
4.2.4 资源分配粒度（Allocation Granularity）
4.2.5 饿死（Starvation）与死锁（Dead Lock）问题
4.2.6 资源隔离方法
4.3 资源管理与调度系统范型
4.3.1 集中式调度器（Monolithic Scheduler）
4.3.2 两级调度器（Two-Level Scheduler）
4.3.3 状态共享调度器（Shared-State Scheduler）
4.4 资源调度策略
4.4.1 FIFO调度策略
4.4.2 公平调度器（Fair Scheduler）
4.4.3 能力调度器（Capacity Scheduler）
4.4.4 延迟调度策略（Delay Scheduling）
4.4.5 主资源公平调度策略（Dominant Resource Fair Scheduling）
4.5 Mesos
4.6 YARN
5 分布式协调系统
5.1 Chubby锁服务
5.1.1 系统架构
5.1.2 数据模型
5.1.3 会话与KeepAlive机制
5.1.4 客户端缓存
5.2 ZooKeeper
5.2.1 体系结构
5.2.2 数据模型（Data Model）
5.2.3 API
5.2.4 ZooKeeper的典型应用场景
5.2.5 ZooKeeper的实际应用
6 分布式通信
6.1 序列化与远程过程调用框架
6.1.1 Protocol Buffer与Thrift
6.1.2 Avro
6.2 消息队列
6.2.1 常见的消息队列系统
6.2.2 Kafka
6.3 应用层多播通信（Application-Level Multi-Broadcast）
6.3.1 概述
6.3.2 Gossip协议
7 数据通道
7.1 Log数据收集
7.1.1 Chukwa
7.1.2 Scribe
7.2 数据总线
7.2.1 Databus
7.2.2 Wormhole
7.3 数据导入/导出
8 分布式文件系统
8.1 Google文件系统（GFS）
8.1.1 GFS设计原则
8.1.2 GFS整体架构
8.1.3 GFS主控服务器
8.1.4 系统交互行为
8.1.5 Colossus
8.2 HDFS
8.2.1 HDFS整体架构
8.2.2 HA方案
8.2.3 NameNode联盟
8.3 HayStack存储系统
8.3.1 HayStack整体架构
8.3.2 目录服务
8.3.3 HayStack缓存
8.3.4 HayStack存储系统的实现
8.4 文件存储布局
8.4.1 行式存储
8.4.2 列式存储
8.4.3 混合式存储
8.5 纠删码（Erasure Code）
8.5.1 Reed-Solomon编码
8.5.2 LRC编码
8.5.3 HDFS-RAID 架构
9 内存KV数据库
9.1 RAMCloud
9.1.1 RAMCloud整体架构
9.1.2 数据副本管理与数据恢复
9.2 Redis
9.3 MemBase
0 条评论
下一页
