架构大数据：大数据技术及算法解析
2020-04-07 14:11:12 1 举报AI智能生成
架构大数据：大数据技术及算法解析
作者其他创作
大纲/内容
9 SQL、NoSQL与NewSQL
9.1 传统SQL数据库
9.1.1 关系模型
9.1.2 关系型数据库的优点
9.1.3 关系型数据库面临的问题
9.2 NoSQL
9.2.1 NoSQL与大数据
9.2.2 NoSQL理论基础
9.2.3 分布式模型
9.2.4 NoSQL数据库分类
9.3 NewSQL
9.3.1 系统分类
9.3.2 Google Spanner
9.3.3 MemSQL
9.3.4 VoltDB
9.4 练习题
10 大数据与数据挖掘
10.1 数据挖掘的主要功能和常用算法
10.1.1 数据挖掘的主要功能
10.1.2 常用算法
10.2 大数据时代的数据挖掘
10.2.1 传统数据挖掘解决方案
10.2.2 分布式数据挖掘解决方案
10.3 数据挖掘相关工具
10.3.1 Mahout
10.3.2 语言工具——Python
10.4 数据挖掘与R语言
10.4.1 R语言简介
10.4.2 R语言在数据挖掘上的应用
10.5 练习题
11 深度学习
11.1 深度学习介绍
11.1.1 深度学习的概念
11.1.2 深度学习的结构
11.1.3 从机器学习到深度学习
11.2 深度学习基本方法
11.2.1 自动编码器
11.2.2 稀疏编码
11.3 深度学习模型
11.3.1 深度置信网络
11.3.2 卷积神经网络
11.4 深度学习的训练加速
11.4.1 GPU加速
11.4.2 数据并行
11.4.3 模型并行
11.4.4 计算集群
11.5 深度学习应用
11.5.1 Google
11.5.2 百度
11.5.3 腾讯Mariana
11.6 练习题
12 电子商务与社会化网络大数据分析
12.1 推荐系统简介
12.1.1 推荐系统的评判标准
12.1.2 推荐系统的分类
12.1.3 在线推荐系统常用算法介绍
12.1.4 相关算法知识
12.2 计算广告
12.2.1 计算广告简介
12.2.2 计算广告发展阶段
12.2.3 计算广告相关算法
12.2.4 计算广告与大数据
12.2.5 大数据在计算广告中的应用案例
12.3 社交网络
12.3.1 社交网络中大数据挖掘的应用场景
12.3.2 社交网络大数据挖掘核心算法模型
12.3.3 图计算框架
12.3.4 大数据在社交网络中的应用案例
12.4 练习题
13 大数据展示与交互技术
13.1 数据可视化分类
13.1.1 按照展示内容进行划分
13.1.2 按照数据类型进行划分
13.2 可视化技术分类
13.2.1 2D展示技术
13.2.2 3D渲染技术
13.2.3 体感互动技术
13.2.4 虚拟现实技术
13.2.5 增强现实技术
13.2.6 可穿戴技术
13.2.7 可植入设备
13.3 练习题
14 大数据安全与隐私
14.1 云计算时代安全与隐私问题凸显
14.2 云计算与大数据时代的安全挑战
14.2.1 大数据时代的安全需求
14.2.2 信息安全的发展历程
14.2.3 新兴信息技术带来的安全挑战
14.3 如何解决安全问题
14.3.1 云计算安全防护框架
14.3.2 基础云安全防护关键技术
14.3.3 创立本质安全的新型IT体系
14.4 隐私问题
14.4.1 防不胜防的隐私泄露
14.4.2 隐私保护的政策法规
14.4.3 隐私保护技术
14.5 练习题
15 大数据技术发展趋势
15.1 实时化
15.2 内存计算
15.2.1 机遇与挑战
15.2.2 研究进展
15.2.3 发展展望
15.3 泛在化
15.3.1 发展现状
15.3.2 发展趋势
15.4 智能化
15.4.1 传统人工智能
15.4.2 基于大数据的人工智能
15.5 练习题
16 知名企业大数据架构简介
16.1 腾讯
16.1.1 背景介绍
16.1.2 整体架构
16.2 淘宝
16.2.1 背景介绍
16.2.2 整体架构
16.3 Facebook
16.3.1 背景介绍
16.3.2 整体架构
16.3.3 技术架构展望
16.4 Twitter
16.4.1 背景介绍
16.4.2 整体架构
16.4.3 技术架构展望
16.5 Netflix
16.5.1 背景介绍
16.5.2 整体架构
16.5.3 Netflix个性化和推荐系统架构
16.6 练习题
1 大数据技术概述
1.1 大数据的概念
1.2 大数据的行业价值
1.3 大数据问题的爆发
1.4 大数据处理流程
1.5 大数据技术
1.5.1 基础架构支持
1.5.2 数据采集
1.5.3 数据存储
1.5.4 数据计算
1.5.5 展现与交互
1.6 练习题
2 大数据基础支撑——数据中心及云计算
2.1 数据中心概述
2.1.1 云计算时代数据中心面临的问题
2.1.2 新一代数据中心关键技术
2.1.3 业界发展动态
2.1.4 小结
2.2 云计算简介
2.2.1 云计算定义
2.2.2 云计算主要特征
2.2.3 Web服务、网格和云计算
2.2.4 云计算应用分类
2.2.5 小结
2.3 大数据与云计算的关系
2.3.1 大数据是信息技术发展的必然阶段
2.3.2 云计算等新兴信息技术正在真正地落地和实施
2.3.3 云计算等新兴技术是解决大数据问题的核心关键
2.4 云资源调度与管理
2.4.1 云资源管理
2.4.2 云资源调度策略
2.4.3 云计算数据中心负载均衡调度
2.5 开源云管理平台OpenStack
2.5.1 OpenStack的构成
2.5.2 OpenStack各组件之间的关系
2.5.3 OpenStack的逻辑架构
2.5.4 小结
2.6 软件定义网络
2.6.1 起源与发展
2.6.2 OpenFlow标准和规范
2.6.3 OpenFlow的应用
2.7 虚拟机与容器
2.7.1 VM虚拟化与Container虚拟化
2.7.2 Docker
2.8 练习题
3 云计算先行者——Google的三驾马车
3.1 Google的三驾马车
3.1.1 GFS——一个可扩展的分布式文件系统
3.1.2 MapReduce——一种并行计算的编程模型
3.1.3 BigTable——一个分布式数据存储系统
3.2 Google新“三驾马车”
3.2.1 Caffeine——基于Percolator的搜索索引系统
3.2.2 Pregel——高效的分布式图计算的计算框架
3.2.3 Dremel——大规模数据的交互式数据分析系统
3.3 练习题
4 云存储系统
4.1 云存储的基本概念
4.1.1 云存储结构模型
4.1.2 云存储与传统存储系统的区别
4.2 云存储关键技术
4.2.1 存储虚拟化技术
4.2.2 分布式存储技术
4.3 云存储系统分类
4.3.1 分布式文件存储
4.3.2 分布式块存储
4.3.3 分布式对象存储
4.3.4 统一存储
4.4 其他相关技术
4.5 练习题
5 数据采集系统
5.1 Flume
5.1.1 Flume架构
5.1.2 Flume核心组件
5.1.3 Flume环境搭建与部署
5.2 Scribe
5.2.1 Scribe架构
5.2.2 Scribe中的Store
5.2.3 Scribe环境搭建与部署
5.3 Chukwa
5.3.1 Chukwa的设计目标
5.3.2 Chukwa架构
5.3.3 Chukwa环境搭建与部署
5.4 Kafka
5.4.1 Kafka架构
5.4.2 Kafka存储
5.4.3 Kafka的特点
5.4.4 Kafka环境搭建与部署
5.5 练习题
6 Hadoop与MapReduce
6.1 Hadoop平台
6.1.1 Hadoop概述
6.1.2 Hadoop的发展简史
6.1.3 Hadoop的功能和作用
6.1.4 HDFS
6.1.5 HBase
6.2 MapReduce
6.2.1 第一代MapReduce（MRv1）
6.2.2 MapReduce 2.0——Yarn
6.3 Hadoop相关生态系统
6.3.1 交互式数据查询分析
6.3.2 数据收集、转换工具
6.3.3 机器学习工具
6.3.4 集群管理与监控
6.3.5 其他工具
6.4 Hadoop应用案例
6.5 练习题
7 Spark——大数据统一计算平台
7.1 Spark简介
7.1.1 Spark
7.1.2 BDAS
7.2 RDD
7.2.1 RDD基本概念
7.2.2 RDD示例
7.2.3 RDD与分布式共享内存
7.3 Spark SQL
7.4 MLlib
7.5 GraphX
7.6 Spark Streaming
7.6.1 基本概念
7.6.2 编程模型
7.7 Spark的安装
7.7.1 单机运行Spark
7.7.2 使用Spark Shell与Spark交互
7.8 Shark、Impala、Hive对比
7.9 练习题
8 Storm流计算系统
8.1 流计算系统
8.1.1 流计算系统的特点
8.1.2 流计算处理基本流程
8.2 Storm流计算框架
8.2.1 Storm简介
8.2.2 Storm关键术语
8.2.3 Storm架构设计
8.3 Storm编程实例
8.4 Storm应用
8.4.1 Storm应用场景
8.4.2 Storm应用实例
8.5 其他流计算框架
8.6 练习题
0 条评论
下一页
