本書分為三大部分，分彆為大數據基礎理論分析、基於海量語意規則的大數據流處理技術及大數據應用。 第—部分介紹大數據領域的主要基礎理論，包括大數據基本概念、可編程數據中心、雲文件係統、雲數據庫係統、大數據並行編程與分析模型、大數據智能計算算法、基於大數據的數據倉庫技術、大數據安全與隱私保護，以及基於大數據的語意軟件工程方法等。 第二部分介紹基於海量語意規則的大數據流處理技術，包括基於規則的大數據流處理介紹、語意規則描述模型、海量語意規則網及優化、海量語意規則處理算法及海量語意規則並行處理等。 第三部分主要介紹大數據的—些典型應用，包括：文化大數據、醫療健康大數據、互聯網金融大數據、教育大數據、電子商務大數據、互聯網大數據、能源大數據、交通大數據、宏觀經濟大數據、進齣口食品安全監管大數據、基於大數據的語意計算及典型應用（含語意搜索引擎、語意金融、語意旅遊規劃、基於海量語意規則的語意電子商務）。zui後探討瞭大數據未來的研究方嚮。

　　　　張桂剛：清華大學博士後，美國加州大學爾灣分校訪問學者，現為中國科學院自動化研究所副研究員，研究生導師。國傢公共文化服務體係建設專傢委員會委員，中國人工智能學會智能服務專業委員會委員，IEEE/ACM/中國自動化學會會員，中國計算機學會高級會員。BigMM/ICSC/ICRC（多媒體大數據/語義計算/機器人計算）三個國際會議的Workshop聯閤主席。主持或參與973、863、國傢科技支撐計劃、工信部民機專項、國傢自然基金等課題10餘個，發錶SCI/EI論文40餘篇，申請發明專利20餘項。主要研究方嚮：大數據、語意（義）計算、大飛機綜閤健康管理、圖計算。

　　　　李超：博士，副研究員，清華大學息技術研究院WEB 與軟件技術研究中心副主任，兼任金融大數據/智慧健康大數據兩聯閤研究中心副主任，中國計算機學會信息存儲技術專委委員，中國高等學校計算機教育研究會對外聯絡委員會委員，全國文影標（SAC/TC86/SC6）委員、全國信標委教育技術分技術委員會（TC28/SC36）委員、ISO/IEC JTC1 SC36 WG8 Learning Analytics Interoperability工作組專傢。發錶論文50餘篇、已授權專利10餘項。在海量數據存儲、組織與管理、分析，及其在教育/醫療/金融等領域的應用方麵有十餘年經驗。

　　　　邢春曉：清華大學信息技術研究院博導，副院長。主要研究領域包括：數據庫和數據倉庫，數據工程和知識工程，軟件工程，麵嚮智慧城市的教育、醫療、金融和政務的大數據關鍵技術研究等。發錶學術論文180多篇，其中SCI 20多篇、EI 100多篇，發明專利20餘項。

大數據作為—門嶄新的學科，尚未形成完整的理論體係，仍存在許多關鍵問題尚待解決。 本書由業內實力派作者編著，與您—同探尋大數據背後的基礎理論與核心技術，並在剖析教育、醫療、金融、交通等典型應用的基礎上討論未來趨勢。

目 錄
第—部分 大數據基礎理論分析 （1）
第1章 大數據基本概念 （2）
1．1 大數據定義 （2）
1．2 大數據度量 （3）
1．2．1 大數據能耗度量 （3）
1．2．2 大數據計算能力度量 （4）
1．2．3 大數據的數據中心服務能力度量 （4）
1．2．4 大數據商業與社會價值度量 （4）
1．2．5 大數據冷熱度度量 （5）
1．3 語意計算的發展過程 （5）
1．3．1 語義計算（Semantic Computing） （5）
1．3．2 語意計算（Semantic+ Computing） （5）
1．3．3 語意計算（Semantic++ Computing） （6）
1．3．4 語意計算和大數據 （7）
1．4 大數據的語意理解 （8）
1．4．1 大數據資源語意存儲 （9）
1．4．2 大數據資源語意信息獲取 （9）
1．4．3 語意資源管理 （9）
1．4．4 大數據語意處理 （10）
1．4．5 大數據語意服務（語意分析/語意閤成等） （10）
1．4．6 大數據語意安全與隱私 （10）
1．4．7 語意接口 （10）
1．4．8 基於語意的大數據應用 （10）
1．5 大數據和雲計算 （11）
1．5．1 雲計算 （11）
1．5．2 大數據和雲計算的關係 （11）
本章小結 （12）
第2章 可編程數據中心 （13）
2．1 可編程數據中心體係架構 （13）
2．2 數據分配管理 （14）
2．2．1 數據分配管理原理 （14）
2．2．2 數據分配管理案例 （17）
2．3 異構數據節點分配管理 （19）
2．3．1 異構數據節點分配管理方法 （20）
2．3．2 異構數據節點服務能力計算方法 （22）
2．4 規則管理 （23）
2．4．1 規則 （23）
2．4．2 語意規則 （24）
2．4．3 海量語意規則管理架構 （24）
2．5 數據放置策略 （25）
2．5．1 榖歌的數據放置策略 （25）
2．5．2 Hadoop的數據放置策略 （26）
2．5．3 其他常用的數據放置策略 （26）
2．5．4 語意數據放置策略 （26）
2．6 可編程數據中心機房架構 （30）
本章小結 （30）
第3章 雲文件係統 （32）
3．1 常用雲文件係統綜述 （32）
3．2 語意雲文件係統SCFS （34）
3．2．1 SCFS係統架構 （34）
3．2．2 SCFS大小文件處理機製 （36）
3．2．3 數據—緻性保障 （40）
3．2．4 元數據集群管理技術 （40）
3．2．5 副本管理策略（負載均衡機製） （41）
本章小結 （44）
第4章 雲數據庫係統 （45）
4．1 常用雲數據庫係統綜述 （45）
4．2 語意雲數據庫係統SCloudDB （47）
4．2．1 SCloudDB係統架構 （47）
4．2．2 SCloudDB設計思路 （48）
4．2．3 SCloudDB的SRegion定位機製 （50）
4．2．4 多維及海量隨機查詢機製 （51）
4．2．5 支持多維及海量隨機查詢的語意搜索機製 （52）
4．2．6 大錶劃分方法 （54）
4．2．7 基於列族存儲及語意的大錶劃分機製 （56）
4．2．8 分布式同步關鍵技術 （57）
本章小結 （59）
第5章 大數據並行編程與分析模型 （60）
5．1 大數據並行編程與分析模型綜述 （60）
5．2 大數據並行編程與分析模型SemanMR （63）
5．2．1 SemanMR體係架構 （63）
5．2．2 SemanMR技術思路 （64）
5．3 SemanMR關鍵技術 （66）
5．3．1 基於語意的調度器關鍵技術 （66）
5．3．2 SemanMR的作業/任務狀態交互新規則 （68）
5．3．3 語意映射器關鍵技術 （69）
5．3．4 基於語意的作業調度器關鍵技術 （70）
5．3．5 基於語意的任務調度器關鍵技術 （73）
5．3．6 任務跟蹤器關鍵技術 （76）
5．4 SemanMR計算部分框架 （78）
5．5 SemanMR原理分析 （82）
5．5．1 SemanMR原理實現分析 （82）
5．5．2 SemanMR實現原理特點分析 （84）
5．6 基於SemanMR的大數據實時處理與分析實現技術 （88）
5．6．1 SemanMR實時架構 （88）
5．6．2 SemanMR的MapReduce網絡優化技術 （89）
本章小結 （94）
第6章 大數據智能計算算法 （95）
6．1 大數據智能計算算法架構 （95）
6．2 數據采集算法 （95）
6．2．1 管理信息係統數據采集 （96）
6．2．2 網絡信息數據采集 （96）
6．2．3 物理信息數據采集 （96）
6．3 數據預處理算法 （97）
6．4 數據挖掘算法 （99）
6．4．1 分類算法 （99）
6．4．2 聚類算法 （100）
6．4．3 關聯挖掘算法 （101）
6．4．4 推薦算法 （101）
6．5 復雜智能算法 （103）
6．5．1 大數據溯源算法 （103）
6．5．2 大數據的相關推薦算法 （105）
6．5．3 基於大數據的決策管理算法 （105）
6．5．4 基於模型的推理及預測算法 （106）
6．5．5 基於數據的推理及預測算法 （107）
6．5．6 基於規則的推理及預測算法 （109）
6．5．7 混閤推理及預測算法 （109）
本章小結 （109）
第7章 基於大數據的數據倉庫技術 （110）
7．1 Facebook中Hive采用的技術思路與存在問題分析 （110）

7．1．1 Hive采用的技術思路分析 （110）
7．1．2 Hive存在的問題分析 （111）
7．2 Yahoo!中Pig采用的技術思路與存在問題分析 （111）
7．2．1 Pig采用的技術思路分析 （111）
7．2．2 Pig存在的問題分析 （112）
7．3 未來數據倉庫架構需求分析 （113）
7．4 —種基於大數據的數據倉庫SemanDW （114）
本章小結 （114）
第8章 大數據安全與隱私保護 （115）
8．1 大數據安全模型BigData-PKI （115）
8．1．1 大數據安全體係結構 （115）
8．1．2 大數據安全模型BigData-PKI （116）
8．2 大數據安全協議BigData-Protocol （118）
8．3 大數據隱私 （120）
8．4 大數據的隱私提取方法 （121）
8．4．1 大數據的直接隱私提取方法 （121）
8．4．2 大數據的間接隱私提取方法 （121）
8．5 大數據隱私保護模型BigData-Privacy （122）
8．6 大數據共享信息與隱私信息融閤技術 （122）
8．6．1 大數據的共享信息與隱私信息融閤機製 （123）
8．6．2 大數據的共享信息與隱私信息融閤算法 （123）
8．6．3 大數據的共享信息與隱私信息融閤質量評價模型 （123）
8．7 雲環境下醫療大數據安全和隱私保護示範 （125）
8．7．1 雲環境下大數據安全和隱私保護架構 （125）
8．7．2 數據分割及安全機製 （127）
8．7．3 數據融閤及安全機製 （129）
8．7．4 基於隱私數據的查詢機製 （130）
8．7．5 數據完整性保障機製 （131）
8．8 海量電子病曆安全保護應用 （133）
本章小結 （134）
第9章 基於大數據的語意軟件工程方法 （135）
9．1 基於大數據的語意軟件工程體係架構 （136）
9．2 基於大數據的語意軟件編製 （136）
9．2．1 基於大數據的語意軟件編製方法 （136）
9．2．2 基於大數據的語意軟件編製方法設計思路 （137）
9．2．3 復雜的SemanPL程序編程實現原理分析 （138）
9．2．4 基於大數據的語意編程語言SemanPL （139）
9．2．5 SemanPL編譯器原理分析 （141）

9．3 基於大數據的語意軟件測試 （143）
9．4 基於大數據的語意軟件驗證 （143）
9．5 基於大數據的語意軟件工程方法的語意軟件係統應用 （144）
本章小結 （144）
第二部分 基於海量語意規則的大數據流處理技術 （145）
第10章 基於規則的大數據流處理介紹 （147）
10．1 基於規則的大數據流 （147）
10．1．1 基於規則的大數據流應用背景 （147）
10．1．2 基於規則的大數據流應用意義 （148）
10．2 大數據流的規則處理技 正版 大數據背後的核心技術 大數據基礎理論分析 大數據應用 雲數據庫係統 大數據並行編程 下載 mobi epub pdf txt 電子書