大數(shù)據(jù)技術(shù)與應(yīng)用：微課視頻版

定　價：￥49.80

作　者：	肖政宏，李俊杰，謝志明著
出版社：	清華大學出版社
叢編項：	大數(shù)據(jù)與人工智能技術(shù)叢書
標　簽：	暫缺

購買這本書可以去

ISBN：	9787302538431	出版時間：	2020-06-01	包裝：	平裝
開本：	16開	頁數(shù)：	329	字數(shù)：

內(nèi)容簡介

　　《大數(shù)據(jù)技術(shù)與應(yīng)用-微課視頻版/大數(shù)據(jù)與人工智能技術(shù)叢書》共分12章，分為基礎(chǔ)篇、核心篇和應(yīng)用篇?；A(chǔ)篇包括大數(shù)據(jù)概論、大數(shù)據(jù)集群系統(tǒng)基礎(chǔ)、Hadoop分布式系統(tǒng)、HDFS分布式文件系統(tǒng)、MapReduce分布式計算、HBase分布式數(shù)據(jù)庫應(yīng)用；核心篇包括YARN資源分配、Spark集群計算、Spark機器學習、Hive數(shù)據(jù)倉庫應(yīng)用、ZooKeeper協(xié)調(diào)服務(wù)；應(yīng)用篇包括醫(yī)藥大數(shù)據(jù)案例分析?！洞髷?shù)據(jù)技術(shù)與應(yīng)用-微課視頻版/大數(shù)據(jù)與人工智能技術(shù)叢書》可以作為高等院校大數(shù)據(jù)技術(shù)相關(guān)課程本科生教材，也可以作為大數(shù)據(jù)技術(shù)基礎(chǔ)相關(guān)課程研究生教材，還可以作為從事大數(shù)據(jù)相關(guān)工作的工程技術(shù)人員的參考用書。《大數(shù)據(jù)技術(shù)與應(yīng)用-微課視頻版/大數(shù)據(jù)與人工智能技術(shù)叢書》特點：內(nèi)容全面：包括大數(shù)據(jù)概論、大數(shù)據(jù)集群系統(tǒng)、Hadoop、HDFS、MapReduce、HBase、Spark、Hive、ZooKeeper等內(nèi)容案例真實：通過項目概述、功能需求分析、軟件關(guān)鍵技術(shù)、效果展示、系統(tǒng)架構(gòu)設(shè)計、數(shù)據(jù)存儲設(shè)計、數(shù)據(jù)分析、數(shù)據(jù)展示來呈現(xiàn)一個實際的大數(shù)據(jù)分析系統(tǒng)平臺通用：基于PC+Linux+VMware，搭建Hadoop大數(shù)據(jù)分析平臺

作者簡介

　　1、個人簡介肖政宏，博士、教授，碩士生導(dǎo)師，廣東技術(shù)師范大學計算機科學學院副院長（主管教學、實驗室）。主要研究方向：大數(shù)據(jù)理論與技術(shù) ，智能信息處理、機器學習，以第一作者身份共計發(fā)表論文二十多篇，其中SCI\\EI檢索8篇，中文核心8篇，近年來主持承擔省部級科研課題 3項，其他廳級課題及橫向課題5項，獲得計算機軟件著作權(quán)2項，申請發(fā)明專利5項。學術(shù)兼職（或社會兼職）：廣州市智能工程研究會常務(wù)理事、廣東省科技廳咨詢專家、廣東省經(jīng)濟與社會化委員會專家、廣東省軟件工程教學指導(dǎo)委員會委員、廣東省計算機學會競賽委員會常務(wù)委員。2、教育背景1982.9-1986.7南京理工大學，計算機軟件專業(yè)，獲學士學位；1998.9-2001.2北京理工大學，計算機應(yīng)用專業(yè)，獲碩士學位；2004.9-2005.7清華大學計算機科學與技術(shù)系人工智能國家重點實驗室做訪問學者。2007.9-2012.12中南大學，計算機應(yīng)用技術(shù)專業(yè)，獲博士學位。 3、著譯作品（1）曾文、肖政宏、盤茂杰、韓臘萍. 軟件測試基礎(chǔ)教程，清華大學出版社，2016.6 （2）陳智斌、梁鵬、肖政宏. Linux 綜合實訓案例教程，

圖書目錄

配套資源下載

目錄
基礎(chǔ)篇

第1章大數(shù)據(jù)概論

1.1大數(shù)據(jù)概述

1.1.1大數(shù)據(jù)的定義

1.1.2大數(shù)據(jù)的特征

1.2大數(shù)據(jù)的分析過程

1.2.1大數(shù)據(jù)的采集

1.2.2大數(shù)據(jù)的存儲方式

1.2.3大數(shù)據(jù)分析技術(shù)

1.2.4大數(shù)據(jù)的展示及應(yīng)用

1.3大數(shù)據(jù)的價值、挑戰(zhàn)與風險

1.3.1商業(yè)價值

1.3.2社會生活價值

1.3.3大數(shù)據(jù)的挑戰(zhàn)與風險

1.4大數(shù)據(jù)的應(yīng)用

1.5大數(shù)據(jù)的處理流程

1.6大數(shù)據(jù)成為人工智能產(chǎn)業(yè)的燃料

1.7大數(shù)據(jù)技術(shù)的發(fā)展前景

小結(jié)

習題

第2章大數(shù)據(jù)集群系統(tǒng)基礎(chǔ)

2.1大數(shù)據(jù)集群系統(tǒng)概述

2.1.1集群的分類

2.1.2集群的目的

2.2Linux操作系統(tǒng)

2.2.1Linux操作系統(tǒng)簡介

2.2.2Linux操作系統(tǒng)的特性

2.2.3Linux安裝與基礎(chǔ)操作

2.2.4Linux常用命令

2.3虛擬化技術(shù)

2.3.1虛擬化技術(shù)簡介

2.3.2虛擬技術(shù)的原理

2.3.3常見的虛擬化軟件

2.3.4虛擬化技術(shù)的優(yōu)勢和劣勢

2.4CentOS大數(shù)據(jù)集群系統(tǒng)的組成

2.5大數(shù)據(jù)集群技術(shù)的架構(gòu)

2.6操作實踐：大數(shù)據(jù)集群的部署

2.6.1集群規(guī)劃

2.6.2網(wǎng)絡(luò)配置

2.6.3安全配置

2.6.4時間同步

2.6.5SSH登錄

小結(jié)

習題

第3章Hadoop分布式系統(tǒng)

3.1Hadoop概述

3.1.1Hadoop簡介

3.1.2Hadoop的發(fā)展歷程

3.1.3Hadoop原理及運行機制

3.2Hadoop相關(guān)技術(shù)及生態(tài)系統(tǒng)

3.3操作實踐： Hadoop安裝與配置

3.3.1安裝JDK

3.3.2安裝Hadoop

3.3.3配置Hadoop

3.3.4格式化

3.3.5運行Hadoop

小結(jié)

習題

第4章HDFS分布式文件系統(tǒng)

4.1HDFS

4.1.1設(shè)計前提和設(shè)計目標

4.1.2Namenode和Datanode

4.1.3文件系統(tǒng)的名字空間

4.1.4數(shù)據(jù)復(fù)制

4.1.5HDFS讀流程

4.1.6HDFS寫流程

4.2HDFS操作實踐

4.2.1HDFS Shell

4.2.2HDFS Java API

4.2.3Eclipse開發(fā)環(huán)境

4.2.4綜合實例

小結(jié)

習題

第5章MapReduce分布式計算

5.1MapReduce簡介

5.1.1MapReduce架構(gòu)

5.1.2MapReduce的原理

5.1.3MapReduce的工作機制

5.2MapReduce操作實踐

5.2.1MapReduce WordCount編程實例

5.2.2MapReduce倒排索引編程實例

小結(jié)

習題

第6章HBase分布式數(shù)據(jù)庫應(yīng)用

6.1HBase簡介

6.1.1HBase架構(gòu)

6.1.2HBase的存儲

6.2HBase集群部署

6.2.1HBase參數(shù)配置

6.2.2HBase運行與測試

6.3HBase Shell操作命令

6.3.1general操作

6.3.2namespace操作

6.3.3DDL操作

6.3.4DML操作

6.3.5授權(quán)

6.4HBase過濾器

6.5HBase編程

6.5.1HBase表操作編程

6.5.2HBase過濾查詢編程

小結(jié)

習題

核心篇

第7章YARN資源分配

7.1統(tǒng)一資源管理和調(diào)度平臺引例

7.1.1背景

7.1.2特點

7.1.3典型的統(tǒng)一資源調(diào)度平臺

7.2YARN簡介

7.2.1YARN架構(gòu)

7.2.2YARN的工作流程

7.2.3YARN的優(yōu)勢

7.3操作實踐： YARN Shell實例

小結(jié)

習題

第8章Spark集群計算

8.1Spark簡介

8.1.1Spark生態(tài)系統(tǒng)

8.1.2Spark架構(gòu)

8.2Spark RDD

8.2.1RDD的依賴關(guān)系

8.2.2作業(yè)調(diào)度

8.2.3內(nèi)存管理

8.2.4檢查點支持

8.3Spark集群部署及應(yīng)用案例

8.3.1Spark參數(shù)配置

8.3.2Spark集群運行

8.3.3Spark交互

8.3.4Spark算子

8.3.5Spark算法實例1：詞頻統(tǒng)計

8.3.6Spark算法實例2：相關(guān)系數(shù)

小結(jié)

習題

第9章Spark機器學習

9.1機器學習概述

9.1.1機器學習的發(fā)展史

9.1.2機器學習步驟

9.2Spark MLlib概述

9.2.1數(shù)據(jù)類型

9.2.2基本統(tǒng)計——基于DataFrame的API

9.2.3基本統(tǒng)計——基于RDD的API

9.3Spark實例

9.3.1聚類問題

9.3.2隨機森林

小結(jié)

習題

第10章Hive數(shù)據(jù)倉庫應(yīng)用

10.1Hive簡介

10.1.1Hive組成模塊

10.1.2Hive執(zhí)行流程

10.1.3MetaStore存儲模式

10.2Hive安裝與配置

10.2.1Hive參數(shù)配置

10.2.2Hive運行與測試

10.2.3Hive Beeline

10.3數(shù)據(jù)類型和文件格式

10.3.1數(shù)據(jù)類型

10.3.2文件格式

10.4Hive數(shù)據(jù)定義與數(shù)據(jù)操作

10.4.1基本概念

10.4.2數(shù)據(jù)庫管理

10.4.3表的管理

10.4.4外部表的管理

10.4.5分區(qū)管理

10.4.6數(shù)據(jù)操作

10.4.7桶的操作

10.4.8索引

10.5Hive數(shù)據(jù)查詢

10.5.1簡單查詢

10.5.2復(fù)雜查詢

10.5.3JOIN連接查詢

10.5.4其他語句

10.6Hive編程

10.6.1JDBC函數(shù)

10.6.2完整實例

小結(jié)

習題

第11章ZooKeeper協(xié)調(diào)服務(wù)

11.1ZooKeeper簡介

11.1.1ZAB協(xié)議

11.1.2ZooKeeper數(shù)據(jù)模型

11.1.3會話

11.1.4事件監(jiān)聽器

11.1.5訪問權(quán)限

11.2ZooKeeper集群部署

11.3ZooKeeper基本命令

11.4ZooKeeper應(yīng)用

11.4.1Hadoop

11.4.2Spark

11.4.3Hive

11.5ZooKeeper編程

11.5.1ZooKeeper讀/寫操作

11.5.2集群狀態(tài)監(jiān)控

小結(jié)

習題

應(yīng)用篇

第12章醫(yī)藥大數(shù)據(jù)案例分析

12.1項目概述

12.2功能需求

12.3軟件關(guān)鍵技術(shù)

12.4效果展示

12.5系統(tǒng)構(gòu)架設(shè)計

12.5.1系統(tǒng)組成

12.5.2系統(tǒng)協(xié)作方式

12.5.3系統(tǒng)網(wǎng)絡(luò)拓撲

12.5.4系統(tǒng)建設(shè)方案

12.6數(shù)據(jù)存儲設(shè)計

12.7數(shù)據(jù)分析

12.8數(shù)據(jù)展示

小結(jié)

習題

參考文獻