本書從大數據架構的角度全麵解析大數據技術及算法，探討大數據的發展和趨勢。不僅對大數據相關技術及算法做瞭係統性的分析和描述，梳理瞭大數據的技術分類，如基礎架構支持、大數據采集、大數據存儲、大數據處理、大數據展示及交互，還融閤瞭大數據行業的新技術進展和大型互聯網公司的大數據架構實踐，努力為讀者提供一個大數據的全景畫捲。

作者簡介

2010-2012 電子科技大學教授2007-2010 美國微軟公司軟件開發工程師2000-2007 美國芝加哥大學助理研究員1997-2000 北京電信長綫公司研發部經理

目錄

第1章大數據技術概述 1
1．1 大數據的概念 1
1．2 大數據的行業價值 4
1．3 大數據問題的爆發 9
1．4 大數據處理流程 12
1．5 大數據技術 13
1．5．1 基礎架構支持 14
1．5．2 數據采集 14
1．5．3 數據存儲 15
1．5．4 數據計算 16
1．5．5 展現與交互 18
1．6 練習題 19
參考文獻 19
第2章大數據基礎支撐――數據中心及雲計算 20
2．1 數據中心概述 20
2．1．1 雲計算時代數據中心麵臨的問題 21
2．1．2 新一代數據中心關鍵技術 22
2．1．3 業界發展動態 24
2．1．4 小結 25
2．2 雲計算簡介 25
2．2．1 雲計算定義 26
2．2．2 雲計算主要特徵 27
2．2．3 Web服務、網格和雲計算 28
2．2．4 雲計算應用分類 29
2．2．5 小結 31
2．3 大數據與雲計算的關係 32
2．3．1 大數據是信息技術發展的必然階段 33
2．3．2 雲計算等新興信息技術正在真正地落地和實施 34
2．3．3 雲計算等新興技術是解決大數據問題的核心關鍵 34
2．4 雲資源調度與管理 35
2．4．1 雲資源管理 36
2．4．2 雲資源調度策略 38
2．4．3 雲計算數據中心負載均衡調度 40
2．5 開源雲管理平颱OpenStack 44
2．5．1 OpenStack的構成 45
2．5．2 OpenStack各組件之間的關係 46
2．5．3 OpenStack的邏輯架構 47
2．5．4 小結 49
2．6 軟件定義網絡 49
2．6．1 起源與發展 50
2．6．2 OpenFlow標準和規範 50
2．6．3 OpenFlow的應用 53
2．7 虛擬機與容器 55
2．7．1 VM虛擬化與Container虛擬化 55
2．7．2 Docker 55
2．8 練習題 57
參考文獻 57
第3章雲計算先行者――Google的三駕馬車 59
3．1 Google的三駕馬車 59
3．1．1 GFS――一個可擴展的分布式文件係統 59
3．1．2 MapReduce――一種並行計算的編程模型 64
3．1．3 BigTable――一個分布式數據存儲係統 69
3．2 Google新“三駕馬車” 77
3．2．1 Caffeine――基於Percolator的搜索索引係統 77
3．2．2 Pregel――高效的分布式圖計算的計算框架 80
3．2．3 Dremel――大規模數據的交互式數據分析係統 85
3．3 練習題 89
參考文獻 89
第4章雲存儲係統 91
4．1 雲存儲的基本概念 91
4．1．1 雲存儲結構模型 91
4．1．2 雲存儲與傳統存儲係統的區彆 94
4．2 雲存儲關鍵技術 95
4．2．1 存儲虛擬化技術 95
4．2．2 分布式存儲技術 97
4．3 雲存儲係統分類 98
4．3．1 分布式文件存儲 99
4．3．2 分布式塊存儲 105
4．3．3 分布式對象存儲 109
4．3．4 統一存儲 117
4．4 其他相關技術 124
4．5 練習題 127
參考文獻 127
第5章數據采集係統 129
5．1 Flume 130
5．1．1 Flume架構 130
5．1．2 Flume核心組件 133
5．1．3 Flume環境搭建與部署 134
5．2 Scribe 139
5．2．1 Scribe架構 139
5．2．2 Scribe中的Store 140
5．2．3 Scribe環境搭建與部署 141
5．3 Chukwa 144
5．3．1 Chukwa的設計目標 144
5．3．2 Chukwa架構 145
5．3．3 Chukwa 環境搭建與部署 147
5．4 Kafka 150
5．4．1 Kafka架構 150
5．4．2 Kafka存儲 152
5．4．3 Kafka的特點 152
5．4．4 Kafka環境搭建與部署 154
5．5 練習題 155
參考文獻 155
第6章 Hadoop與MapReduce 156
6．1 Hadoop平颱 156
6．1．1 Hadoop概述 156
6．1．2 Hadoop的發展簡史 157
6．1．3 Hadoop的功能和作用 158
6．1．4 HDFS 159
6．1．5 HBase 162
6．2 MapReduce 171
6．2．1 第一代MapReduce（MRv1） 172
6．2．2 MapReduce 2．0――Yarn 180
6．3 Hadoop相關生態係統 184
6．3．1 交互式數據查詢分析 184
6．3．2 數據收集、轉換工具 187
6．3．3 機器學習工具 188
6．3．4 集群管理與監控 188
6．3．5 其他工具 189
6．4 Hadoop應用案例 191
6．5 練習題 192
參考文獻 192
第7章 Spark――大數據統一計算平颱 193
7．1 Spark簡介 193
7．1．1 Spark 193
7．1．2 BDAS 195
7．2 RDD 197
7．2．1 RDD基本概念 197
7．2．2 RDD示例 199
7．2．3 RDD與分布式共享內存 200
7．3 Spark SQL 201
7．4 MLlib 203
7．5 GraphX 206
7．6 Spark Streaming 206
7．6．1 基本概念 207
7．6．2 編程模型 208
7．7 Spark的安裝 210
7．7．1 單機運行Spark 210
7．7．2 使用Spark Shell與Spark交互 213
7．8 Shark、Impala、Hive對比 214
7．9 練習題 216
參考文獻 216
第8章 Storm流計算係統 218
8．1 流計算係統 218
8．1．1 流計算係統的特點 218
8．1．2 流計算處理基本流程 219
8．2 Storm流計算框架 220
8．2．1 Storm簡介 220
8．2．2 Storm關鍵術語 221
8．2．3 Storm架構設計 223
8．3 Storm編程實例 225
8．4 Storm應用 228
8．4．1 Storm應用場景 228
8．4．2 Storm應用實例 228
8．5 其他流計算框架 229
8．6 練習題 231
參考文獻 231
第9章 SQL、NoSQL與NewSQL 232
9．1 傳統SQL數據庫 232
9．1．1 關係模型 232
9．1．2 關係型數據庫的優點 233
9．1．3 關係型數據庫麵臨的問題 234
9．2 NoSQL 234
9．2．1 NoSQL與大數據 235
9．2．2 NoSQL理論基礎 235
9．2．3 分布式模型 238
9．2．4 NoSQL數據庫分類 241
9．3 NewSQL 255
9．3．1 係統分類 255
9．3．2 Google Spanner 256
9．3．3 MemSQL 258
9．3．4 VoltDB 260
9．4 練習題 263
參考文獻 263
第10章大數據與數據挖掘 264
10．1 數據挖掘的主要功能和常用算法 264
10．1．1 數據挖掘的主要功能 264
10．1．2 常用算法 265
10．2 大數據時代的數據挖掘 280
10．2．1 傳統數據挖掘解決方案 280
10．2．2 分布式數據挖掘解決方案 280
10．3 數據挖掘相關工具 282
10．3．1 Mahout 282
10．3．2 語言工具――Python 288
10．4 數據挖掘與R語言 289
10．4．1 R語言簡介 289
10．4．2 R語言在數據挖掘上的應用 290
10．5 練習題 294
參考文獻 294
第11章深度學習 298
11．1 深度學習介紹 299
11．1．1 深度學習的概念 299
11．1．2 深度學習的結構 299
11．1．3 從機器學習到深度學習 301
11．2 深度學習基本方法 302
11．2．1 自動編碼器 302
11．2．2 稀疏編碼 304
11．3 深度學習模型 305
11．3．1 深度置信網絡 306
11．3．2 捲積神經網絡 308
11．4 深度學習的訓練加速 310
11．4．1 GPU加速 310
11．4．2 數據並行 311
11．4．3 模型並行 312
11．4．4 計算集群 313
11．5 深度學習應用 313
11．5．1 Google 314
11．5．2 百度 314
11．5．3 騰訊Mariana 315
11．6 練習題 316
參考文獻 316
第12章電子商務與社會化網絡大數據分析 318
12．1 推薦係統簡介 318
12．1．1 推薦係統的評判標準 319
12．1．2 推薦係統的分類 319
12．1．3 在綫推薦係統常用算法介紹 320
12．1．4 相關算法知識 323
12．2 計算廣告 327
12．2．1 計算廣告簡介 327
12．2．2 計算廣告發展階段 327
12．2．3 計算廣告相關算法 330
12．2．4 計算廣告與大數據 332
12．2．5 大數據在計算廣告中的應用案例 333
12．3 社交網絡 333
12．3．1 社交網絡中大數據挖掘的應用場景 334
12．3．2 社交網絡大數據挖掘核心算法模型 334
12．3．3 圖計算框架 335
12．3．4 大數據在社交網絡中的應用案例 337
12．4 練習題 338
第13章大數據展示與交互技術 339
13．1 數據可視化分類 339
13．1．1 按照展示內容進行劃分 340
13．1．2 按照數據類型進行劃分 341
13．2 可視化技術分類 351
13．2．1 2D展示技術 351
13．2．2 3D渲染技術 356
13．2．3 體感互動技術 360
13．2．4 虛擬現實技術 362
13．2．5 增強現實技術 364
13．2．6 可穿戴技術 365
13．2．7 可植入設備 368
13．3 練習題 369
參考文獻 369
第14章大數據安全與隱私 372
14．1 雲計算時代安全與隱私問題凸顯 372
14．2 雲計算與大數據時代的安全挑戰 374
14．2．1 大數據時代的安全需求 374
14．2．2 信息安全的發展曆程 375
14．2．3 新興信息技術帶來的安全挑戰 376
14．3 如何解決安全問題 380
14．3．1 雲計算安全防護框架 381
14．3．2 基礎雲安全防護關鍵技術 384
14．3．3 創立本質安全的新型IT體係 387
14．4 隱私問題 389
14．4．1 防不勝防的隱私泄露 389
14．4．2 隱私保護的政策法規 390
14．4．3 隱私保護技術 391
14．5 練習題 393
參考文獻 393
第15章大數據技術發展趨勢 394
15．1 實時化 394
15．2 內存計算 396
15．2．1 機遇與挑戰 396
15．2．2 研究進展 397
15．2．3 發展展望 399
15．3 泛在化 399
15．3．1 發展現狀 400
15．3．2 發展趨勢 401
15．4 智能化 406
15．4．1 傳統人工智能 406
15．4．2 基於大數據的人工智能 407
15．5 練習題 410
參考文獻 410
第16章知名企業大數據架構簡介 411
16．1 騰訊 411
16．1．1 背景介紹 411
16．1．2 整體架構 412
16．2 淘寶 416
16．2．1 背景介紹 416
16．2．2 整體架構 416
16．3 Facebook 417
16．3．1 背景介紹 417
16．3．2 整體架構 418
16．3．3 技術架構展望 420
16．4 Twitter 420
16．4．1 背景介紹 420
16．4．2 整體架構 420
16．4．3 技術架構展望 422
16．5 Netflix 422
16．5．1 背景介紹 422
16．5．2 整體架構 423
16．5．3 Netflix個性化和推薦係統架構 426
16．6 練習題 430
參考文獻 430

精彩書摘

　　雲計算提供的不同層次服務使開發者、服務提供商、係統管理員和用戶麵臨許多挑戰。圖2.2對此做齣瞭歸納概述。底層的物理資源經過虛擬化轉變為多個虛擬機，以資源池多重租賃的方式提供服務，提高瞭資源的效用。核心中間件起到任務調度、資源和安全管理、性能監控、計費管理等作用。一方麵，雲計算服務涉及大量的調用第三方軟件及框架和重要數據處理的操作，這需要有一套完善的機製，以保證雲計算服務安全有效地運行；另一方麵，虛擬化的資源池所在的數據中心往往電力資源耗費巨大，解決這樣的問題需要設計有效的資源調度策略和算法。在用戶通過代理或者直接調用雲計算服務的時候，需要和服務提供商之間建立服務等級協議（Service LevelAgreement，SLA），那麼必然需要服務性能監控，以便設計齣比較靈活的付費方式。此外，還需要設計便捷的應用接口，方便服務調用。而用戶在調用中選擇什麼樣的雲計算服務，這就要設計閤理的度量標準並建立一個全球雲計算服務市場以供選擇調用。　　2.2.5小結　　雲計算是基於多種技術的新興計算模式，隨著現代軟件應用和商務處理的全球化、信息化和自動化，必將為雲計算的研究發展提供廣泛的市場和應用背景。雲計算不僅是虛擬化資源的集閤，也不僅是在此之上的平颱和應用實體的集閤，而且是一種集虛擬化技術、網絡技術、信息安全、效用計算、邏輯推理、軟件工程、商務智能等技術為一體的新興計算應用模式。無論是工業界還是學術界都提齣瞭一係列實施技術和改進策略，並從理論和實際應用的角度進行瞭闡述。　　由上麵的討論分析可知，應用嚮雲計算模式的轉變引發瞭一係列開放的問題，有待解決。　　①用戶在選擇使用眾多雲計算服務時，如何選擇需要的服務應用，通過什麼標準度量雲計算服務特徵，避免選擇的主觀性。　　②以往Web服務定義的WSDL接口和XML數據類型方便用戶的調用和信息的傳輸，需要考慮雲計算的接口，數據類型怎樣製定，采取何種具體的標準加強雲計算供應商和用戶問的互操作尚不明確。　　③隨著雲計算模式的大量應用，是否所有的軟件應用和開發都適閤轉嚮雲計算的平颱，這就需要考慮建立軟件應用屬性到雲計算服務屬性的映射，以判定雲計算的屬性是否適閤軟件應用的關鍵屬性。　　④如何劃分SaaS層次上雲計算基本服務粒度，以便應用能夠進行類似Web服務編排的服務組閤，提高軟件的重用性。　　⑤雲計算是一種分布式的計算模式，其地理位置、存儲和擴展能力對用戶均是透明的。無論是雲計算開發者、提供商還是用戶，如何追蹤分析雲計算服務應用的控製流和數據流，以判定雲計算應用的行為和狀態，是問題的關鍵。建立何種閤適的模型，使雲計算模型標準化、統一化，為測試、成本計算、性能提供標準依據，也是一個重要的問題。　　……