大数据技术与应用实践指南_PDF下载[51MB-百度云]赵刚

节选

[

1、赵刚博士在信息化领域耕耘10余年,对大数据的认识深刻且系统。
    2、阐述的视角放在了大数据的技术应用上,对于想利用大数据的读者非常具有参考价值。
    3、结合应用实践,详细阐述了传统信息系统与大数据平台的整合策略,大数据应用实践的流程和方法,并介绍了主要的大数据应用产品和解决方案。

]

本书特色

[

]

内容简介

[

大数据是互联网、移动应用、社交网络和物联网等技术发展的必然趋势,大数据应用成为当前*为热门的信息技术应用领域。本书由浅入深,首先概述性地分析了大数据的发展背景、基本概念,从业务的角度分析了大数据应用的主要业务价值和业务需求,在此基础上介绍大数据的技术架构和关键技术,结合应用实践,详细阐述了传统信息系统与大数据平台的整合策略,大数据应用实践的流程和方法,并介绍了主要的大数据应用产品和解决方案。*后,对大数据面临的挑战和未来的趋势进行了展望。

]

作者简介

[

赵刚,博士。北京赛智时代信息技术咨询有限公司(CIOManage)创始人。历任国内著名信息化咨询公司赛迪顾问股份有限公司高级副总裁、首席信息化咨询顾问,国内计算机系统集成一级资质企业北京赛迪时代信息产业股份有限公司总经理、首席架构师,2012年获得中国电子信息产业发展研究院十大“赛迪学者”称号,兼任中国信息化推进联盟专家、中国电子学会高级会员。
    近2年,主持和参与过的信息化咨询和集成项目有:国家新一代信息技术应用战略研究、亚太地区智慧城市指标体系研究、中国-欧盟信息社会研究、天津市智慧城市规划、国土资源部分布式国土资源信息共享服务平台、国家图书馆文津馆智能搜索集群平台、公安部虚拟化数据平台、中海油企业级数据中心和灾备中心规划、国药集团私有云计算平台规划、北京市物联网应用示范项目初步设计、鄂尔多斯市人口基础数据库建设等。
    在信息化领域耕耘10余年,服务的政府、企业客户超过100家,发表文章若干篇,著有专著《IT管理体系-战略、管理和服务》,参与编写《智慧城市:规划、建设和评估》、《信息化基本知识》、《信息系统审计》等。

]

目录第1 章大数据的概念和发展背景1.1 大数据的发展背景1.2 大数据的概念和特征1.2.1 大数据的概念1.2.2 大数据的特征1.3 大数据的产生1.3.1 数据产生由企业内部向企业外部扩展1.3.2 数据产生从Web 1.0 向Web 2.0、从互联网向移动互联网扩展1.3.3 数据产生从计算机/互联网(IT)向物联网(IOT)扩展1.4 数据的量级1.4.1 数据大小的量级1.4.2 大数据的量级1.5 大量不同的数据类型1.5.1 按照数据结构分类目录第1 章大数据的概念和发展背景1.1 大数据的发展背景1.2 大数据的概念和特征1.2.1 大数据的概念1.2.2 大数据的特征1.3 大数据的产生1.3.1 数据产生由企业内部向企业外部扩展1.3.2 数据产生从Web 1.0 向Web 2.0、从互联网向移动互联网扩展1.3.3 数据产生从计算机/互联网(IT)向物联网(IOT)扩展1.4 数据的量级1.4.1 数据大小的量级1.4.2 大数据的量级1.5 大量不同的数据类型1.5.1 按照数据结构分类1.5.2 按照产生主体分类1.5.3 按照数据作用方式分类1.6 大数据的速度1.7 大数据的潜在价值1.8 大数据的挑战1.8.1 业务视角不同带来的挑战1.8.2 技术架构不同带来的挑战1.8.3 管理策略不同带来的挑战第2 章大数据应用的业务需求2.1 大数据应用的业务流程2.1.1 产生数据2.1.2 聚集数据2.1.3 分析数据2.1.4 利用数据2.2 大数据应用的业务价值2.2.1 发现大数据的潜在价值2.2.2 实现大数据整合创新的价值2.2.3 新领域再利用的价值2.3 各行业大数据应用的个性需求2.3.1 互联网与电子商务行业2.3.2 零售业2.3.3 金融业2.3.4 政府2.3.5 医疗业2.3.6 能源业2.3.7 制造业2.3.8 电信运营业2.3.9 交通物流业2.4 企业级大数据应用的共性需求2.4.1 客户分析2.4.2 绩效分析2.4.3 欺诈和风险评估2.5 以银行客户分析为例,分析一个大数据的应用场景第3 章大数据应用的总体架构和关键技术3.1 总体架构3.1.1 业务目标3.1.2 架构设计原则3.1.3 总体架构参考模型3.1.4 总体架构的特点3.2 大数据存储和处理技术3.2.1 Hadoop:分布式存储和计算平台3.2.2 Hadoop 之HDFS:分布式文件系统3.2.3 Hadoop 之MapReduce:分布式计算框架3.2.4 Hadoop 之NoSQL:分布式数据库3.2.5 Hadoop 之外的大数据计算技术3.3 大数据查询和分析技术:SQL on Hadoop3.3.1 Hive:基本的Hadoop 查询和分析3.3.2 Hive 2.0:Hive 的优化和升级3.3.3 实时互动的SQL:Impala 和drill3.3.4 基于PostgreSQL 的SQL on Hadoop3.4 大数据高级分析和可视化技术3.4.1 传统数据仓库与联机分析处理技术3.4.2 大数据对传统分析的挑战3.4.3 大数据挖掘与高级分析3.4.4 大数据挖掘与高级分析库:Mahout3.4.5 非结构化复杂数据分析3.4.6 实时预测分析3.4.7 开源可视化工具:R 语言3.4.8 可视化技术3.5 以银行客户分析为例的大数据的技术环境部署3.5.1 银行客户大数据应用体系架构3.5.2 技术环境安装与配置第4 章大数据与企业级应用的整合策略4.1 大数据传输、整合和流程管理平台4.1.1 数据传输4.1.2 数据整合4.1.3 流程管理4.2 大数据与存储架构的整合4.2.1 传统存储架构比较4.2.2 大数据平台的存储架构的选择4.2.3 集群存储的发展4.2.4 基于HDFS 的集群存储4.2.5 固态硬盘(SSD)对内存计算的支持4.3 大数据与网络架构的发展4.4 大数据与虚拟化技术的整合4.5 在云计算平台上的大数据云4.6 大数据与信息安全4.7 以银行客户分析为例,分析一个大数据的平台整合第5 章大数据应用的实践方法与案例5.1 实践方法论5.1.1 业务需求定义5.1.2 数据应用现状分析与标杆比较5.1.3 大数据应用架构规划和设计5.1.4 大数据技术切入与实施5.1.5 大数据试用和评估5.1.6 大数据应用推广5.2 应用案例5.2.1 亚马逊5.2.2 雅虎5.2.3 淘宝网5.2.4 Facebook5.3 以银行客户分析为例的实施案例分析5.3.1 银行基于大数据的客户分析的业务需求5.3.2 银行基于大数据的客户分析的现状与标杆比较5.3.3 银行基于大数据的客户分析的应用架构规划与设计5.3.4 银行基于大数据的数据分析的实施、试点和推广第6 章大数据应用的主流解决方案6.1 产业链6.1.1 国际上的大数据生态环境6.1.2 国内产业链主要力量6.2 主流厂商解决方案6.2.1 Cloundera6.2.2 Hortonworks6.2.3 MapR6.2.4 IBM6.2.5 Oracle6.2.6 EMC6.2.7 Intel6.2.8 SAP6.2.9 Teradata第7 章大数据应用的未来挑战和趋势7.1 隐私保护7.1.1 法律保护7.1.2 技术保护7.1.3 理念革新7.2 技术标准7.2.1 ISO 标准化进展7.2.2 评价基准和基准测试7.2.3 标准套件7.3 大数据治理7.3.1 数据治理框架7.3.2 数据质量管理7.3.3 大数据的组织、角色和责任7.4 适应商业社会的未来趋势7.4.1 从产品推销向数据营销的转变7.4.2 从流程驱动到分析驱动的转变7.4.3 从私有资源到公共服务的转变