大数据：技术与应用实践指南（第2版）

图书标准信息

• 作者 赵刚 著
• 出版社 电子工业出版社
• 出版时间 2016-03
• 版次 2
• ISBN 9787121281501
• 定价 59.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 316页
• 字数 411千字
• 正文语种 简体中文

【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。第2版，对于这几年的发展做一个补充。

【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。
　　近两年，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
1．1大数据的发展背景 1
1．2大数据的概念和特征 4
1．2．1大数据的概念 4
1．2．2大数据的特征 4
1．3大数据的产生 5
1．3．1数据产生由企业内部向企业外部扩展 5
1．3．2数据产生从Web1．0向Web2．0、从互联网向移动互联网扩展 6
1．3．3数据产生从计算机/互联网（IT）向物联网（IOT）扩展 7
1．4数据的量级 7
1．4．1数据大小的量级 7
1．4．2大数据的量级 8
1．5大量不同的数据类型 8
1．5．1按照数据结构分类 9
1．5．2按照产生主体分类 12
1．5．3按照数据作用方式分类 13
1．6大数据的速度 14
1．7大数据的应用价值 14
1．8大数据的挑战 15
1．8．1业务视角不同带来的挑战 15
1．8．2技术架构不同带来的挑战 15
1．8．3管理策略不同带来的挑战 16
第2章大数据应用的业务需求 17
2．1大数据应用的业务流程 17
2．1．1产生数据 18
2．1．2聚集数据 18
2．1．3分析数据 19
2．1．4利用数据 19
2．2大数据应用的业务价值 19
2．2．1发现大数据的潜在价值 20
2．2．2发现动态行为数据的价值 20
2．2．3实现大数据整合创新的价值 20
2．3各行业大数据应用的个性需求 21
2．3．1互联网与电子商务行业 21
2．3．2零售业 26
2．3．3金融业 28
2．3．4政府 31
2．3．5医疗业 34
2．3．6能源业 35
2．3．7制造业 37
2．3．8电信运营业 38
2．3．9交通业 40
2．4企业级大数据应用的共性需求 42
2．4．1客户分析 42
2．4．2绩效分析 46
2．4．3欺诈和风险评估 47
2．5以银行客户分析为例，分析一个大数据的应用场景 48
第3章大数据应用的总体架构和关键技术 51
3．1总体架构 51
3．1．1业务目标 51
3．1．2架构设计原则 52
3．1．3总体架构参考模型 55
3．1．4总体架构的特点 58
3．2大数据存储和处理技术 59
3．2．1Hadoop：分布式存储和计算平台 59
3．2．2HDFS：分布式文件系统 65
3．2．3MapReduce：分布式计算框架 72
3．2．4NoSQL：分布式数据库 98
3．2．5MPP：大规模并行处理系统 113
3．2．6Spark：轻量级的分布式内存计算系统 117
3．2．7S4和Storm：流计算框架 126
3．2．8大数据存储和处理技术的比较分析 132
3．3大数据查询和分析技术 133
3．3．1Hive：基本的Hadoop查询和分析 134
3．3．2Hive2．0：Hive的优化和升级 144
3．3．3实时互动的SQL：Impala和drill 147
3．3．4基于PostgreSQL的SQLonHadoop 153
3．4大数据高级分析和可视化技术 154
3．4．1传统数据仓库与联机分析处理技术 154
3．4．2大数据对传统分析的挑战 157
3．4．3大数据挖掘与高级分析 157
3．4．4大数据挖掘与高级分析库 162
3．4．5非结构化复杂数据分析 163
3．4．6实时预测分析 170
3．4．7开源可视化工具：R语言 177
3．4．8可视化技术 185
3．5以银行客户分析为例的大数据应用体系架构 194
第4章大数据与企业级应用的整合策略 196
4．1大数据传输、接入、整合和流程管理平台 197
4．1．1数据传输 197
4．1．2数据接入 203
4．1．3数据整合 207
4．1．4流程管理 208
4．2大数据与存储架构的整合 212
4．2．1传统存储架构比较 212
4．2．2大数据平台的存储架构的选择 214
4．2．3集群存储的发展 214
4．2．4基于HDFS的集群存储 216
4．2．5固态硬盘（SSD）对内存计算的支持 218
4．2．6软件定义存储（SDS） 218
4．2．7超融合架构（HCI） 220
4．3大数据与网络架构的发展 220
4．3．1统一的以太网结构 222
4．3．2软件定义网络（SDN） 223
4．3．3网络功能虚拟化（NFV） 226
4．4大数据与虚拟化技术的整合 228
4．5大数据与Docker技术 230
4．5．1Docker概述 230
4．5．2Docker原理与总体架构 231
4．5．3Docker与应用程序开发与管理 237
4．6大数据与云计算 240
4．7大数据安全 242
4．8以银行客户分析为例，分析一个大数据的平台整合 244
第5章大数据应用的实践方法与案例 246
5．1实践方法论 246
5．1．1业务需求定义 247
5．1．2数据应用现状分析与标杆比较 248
5．1．3大数据应用架构规划和设计 249
5．1．4大数据技术切入与实施 250
5．1．5大数据试用和评估 251
5．1．6大数据应用推广 252
5．2技术应用案例 252
5．2．1Amazon和Google 252
5．2．2Yahoo 255
5．2．3Amazon 257
5．2．4Facebook 259
5．2．5Twitter 263
5．2．6淘宝网 264
5．3以银行客户分析为例的实施案例分析 266
5．3．1银行基于大数据的客户分析的业务需求 266
5．3．2银行基于大数据的客户分析的现状与标杆比较 267
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 269
5．3．4银行基于大数据的数据分析的实施、试点和推广 269
第6章大数据应用的主流解决方案 270
6．1产业链 270
6．1．1国际大数据产业生态 270
6．1．2国内大数据产业生态 273
6．2主流厂商解决方案 274
6．2．1Cloundera 275
6．2．2Hortonworks 276
6．2．3MapR 277
6．2．4IBM 278
6．2．5Oracle 280
6．2．6EMC 281
6．2．7Intel 282
6．2．8SAP 283
6．2．9Teradata 285
第7章大数据应用的未来挑战和趋势 286
7．1隐私保护 286
7．1．1法律保护 287
7．1．2技术保护 289
7．1．3理念革新 290
7．2技术标准 291
7．2．1ISO大数据标准化进展 291
7．2．2大数据基准和基准测试 293
7．2．3大数据处理分析标准套件 296
7．3大数据治理 296
7．3．1数据治理框架 297
7．3．2数据质量管理 298
7．3．3大数据的组织、角色和责任 299
7．4适应商业社会的未来趋势 300
7．4．1从产品推销向数据营销的转变 300
7．4．2从流程驱动到分析驱动的转变 300
7．4．3从私有资源到公共服务的转变 301