精通Azure數(shù)據(jù)分析

序1 

前言3 

第1章 企業(yè)數(shù)據(jù)分析基礎(chǔ)7 

數(shù)據(jù)分析管道7 

數(shù)據(jù)湖8 

Lambda架構(gòu)9 

Kappa架構(gòu)11 

在Lambda和Kappa間進(jìn)行選擇12 

Azure分析管道12 

數(shù)據(jù)分析場(chǎng)景介紹15 

示例代碼和示例數(shù)據(jù)集16 

小結(jié)21 

第2章 將數(shù)據(jù)導(dǎo)入Azure22 

攝取加載層22 

批量數(shù)據(jù)加載24 

硬盤(pán)傳送24 

流數(shù)據(jù)加載78 

小結(jié)80 

第3章 在Azure中存儲(chǔ)攝取的數(shù)據(jù)81 

文件存儲(chǔ)81 

隊(duì)列存儲(chǔ)97 

小結(jié)124 

第4章 Azure中的實(shí)時(shí)數(shù)據(jù)處理125 

流處理125 

在Azure中每次處理一個(gè)元組131 

小結(jié)174 

第5章 Azure中的實(shí)時(shí)微批處理176 

Azure中的微批處理176 

小結(jié)207 

第6章 Azure中的批處理208 

HDInsight上的MapReduce批處理210 

HDInsight上的Hive批處理214 

HDInsight上的Pig批處理228 

HDInsight上的Spark批處理229 

使用SQL數(shù)據(jù)倉(cāng)庫(kù)的批處理237 

使用數(shù)據(jù)湖分析的批處理247 

Azure Batch批處理258 

小結(jié)260 

第7章 Azure中的交互式查詢(xún)261 

Azure SQL數(shù)據(jù)倉(cāng)庫(kù)的可交互式查詢(xún)263 

Hive和Tez交互式查詢(xún)269 

Spark SQL交互式查詢(xún)277 

USQL交互式查詢(xún)281 

小結(jié)284 

第8章 Azure中的冷\熱訪問(wèn)服務(wù)層285 

Azure Redis緩存287 

Document DB294 

SQL 數(shù)據(jù)庫(kù)300 

SQL數(shù)據(jù)倉(cāng)庫(kù)308 

HDInsight上的HBase309 

Azure搜索314 

小結(jié)315 

第9章 智能和機(jī)器學(xué)習(xí)316 

Azure機(jī)器學(xué)習(xí)319 

HDInsight上的R服務(wù)321 

SQL R服務(wù)321 

Microsoft認(rèn)知服務(wù)322 

小結(jié)334 

第10章 Azure中的元數(shù)據(jù)管理335 

使用Azure數(shù)據(jù)目錄管理元數(shù)據(jù)335 

小結(jié)350 

第11章 保護(hù)在Azure中的數(shù)據(jù)351 

身份和訪問(wèn)管理351 

數(shù)據(jù)保護(hù)353 

審計(jì)355 

小結(jié)356 

第12章 執(zhí)行數(shù)據(jù)分析357 

使用Power BI進(jìn)行分析357 

在藍(lán)色天際機(jī)場(chǎng)場(chǎng)景中使用Power BI批量分析報(bào)表368 

展望372