xxxfreesexmoves-haodiaocao这里只有精品视频-欧美性受黑人性爽-欧美性受xxxxxx黑人xyx性爽|www.jsyyzsb.com

本書是從大數據和云計算相結合的視角，系統(tǒng)地介紹大數據云架構技術與實踐的專業(yè)圖書，全書分為五篇19章，分別介紹大數據云計算的概論、關鍵技術、體系架構、云架構實踐與編程和安全。本書層次清晰，結構合理，主要內容包括大數據云計算關系、大數據應用價值、分布式計算、NoSQL數據庫、機器學習、虛擬化、Docker容器、Web 2.0、綠色數據中心、基礎設計即服務（IaaS）、平臺即服務（PaaS）、軟件即服務（SaaS）、容器即服務（CaaS）、大數據云架構搭建、Spark大數據編程、大數據和云計算面臨的安全威脅、保障大數據安全、應用大數據保障安全等。 本書可作為高年級本科生和研究生教材，也可作為廣大科學技術人員和計算機愛好者的參考書。

作者著眼于大數據和云計算有機結合的視角，從理論探索和應用實踐兩個方面來撰寫本書，適合對大數據和云計算具有初步認識并希望對大數據云架構進行深入、全面了解，并進行關實踐的計算機信息相關專業(yè)高年級本科生使用，同時本書也將成為廣大專業(yè)工程技術人員不可缺少的參考資料。

前言 移動互聯網、電子商務及社交媒體的快速發(fā)展使得人類需要面臨的數據量呈指數增長。根據IDC《數字宇宙》(Digital Universe)研究報告顯示，2020年全球新建和復制的信息量將超過40ZB，是當前的10倍;而中國的數據量則會在2020年超過8ZB，比當前增長20倍。數據量的飛速增長帶來了大數據技術的發(fā)展和服務市場的繁榮，同時在學術界，關于大數據的科研工作如火如荼，越來越多的學者投入到大數據云計算研究之中，相關文獻呈指數增長。不斷積累的大數據包含著很多在小數據量時不具備的深度知識和價值，帶來巨大的技術創(chuàng)新與商業(yè)機遇。大數據分析挖掘將為行業(yè)/企業(yè)帶來巨大的商業(yè)價值，實現各種高附加值的增值服務，進一步提升行業(yè)/企業(yè)的經濟效益和社會效益。談到大數據，不可避免地要提及云計算，云計算結合大數據，這是時代發(fā)展的必然趨勢。有人把云計算和大數據比作是一個硬幣的兩面。云計算是大數據的IT基礎和平臺，而大數據是云計算范疇內最重要、最關鍵的應用。大數據必然架構在云上才能高效運作并對外服務，兩者之間缺一不可，相輔相成，相互促進。大數據云計算正在快速發(fā)展，相關技術熱點也呈現百花齊放的局面，業(yè)界各大廠商紛紛制定相應的戰(zhàn)略，新的概念、觀點和產品不斷涌現。大數據和云計算作為新一代IT技術變革的核心，必將成為廣大學生、科技工作者構建自身IT核心競爭能力的戰(zhàn)略機遇。因而作為高層次IT人才，學習大數據和云計算知識，掌握相關技術迫在眉睫。然而，大數據和云計算密切相關，當前國內外相關的資料還相當少，缺乏比較系統(tǒng)完整的論述。目前在我國急需要一本教材能夠全面而又系統(tǒng)地講解大數據和云計算，普及大數據和云計算知識，推廣云計算中大數據的應用，解決大數據架構的實際問題，進而培養(yǎng)高層次大數據人才。在這樣的背景下，作者著眼于大數據和云計算有機結合的視角，從理論探索和應用實踐兩個方面來撰寫本書，適合對大數據和云計算具有初步認識并希望對大數據云架構進行深入、全面了解，并進行實踐的計算機信息相關專業(yè)高年級本科生使用，同時本書也將成為廣大專業(yè)工程技術人員不可缺少的參考資料。本書分為5篇19章，第1~第3章為大數據云計算概論篇，第4~第10章為大數據云計算關鍵技術篇，第11~第14章為云計算架構篇，第15和第16章為大數據云架構實踐與編程篇，第17~第19章為大數據安全篇。各章內容如下：第1章大數據概述，介紹大數據產生背景，大數據發(fā)展歷程，大數據概念和特點，大數據應用場景，大數據研究展望等內容。第2章大數據和云計算，介紹大數據和云計算的關系，云計算的概念，云計算的由來，云計算類型，云計算的商業(yè)模式。第3章大數據應用價值，介紹大數據的應用價值，數據的生成、分析、存儲、分享、檢索、消費都在大數據的生態(tài)系統(tǒng)中進行，應用大數據技術，讓數據參與決策，發(fā)掘找到大數據真正有效的價值，進而改變人們的未來，革新生活模式，產生社會變革。第4章分布式計算框架，介紹構成大數據云計算的主要關鍵技術分布式計算技術，以及Hadoop、Spark、Flink等分布式大數據計算框架。第5章NoSQL數據庫，介紹NoSQL(NoSQL = Not Only SQL)，這是一項全新的數據庫技術，然后引出分布式數據庫的重要理論CAP，最后介紹HBase。第6章機器學習，介紹機器學習的概念、分類和發(fā)展歷程，簡要介紹多種機器學習算法。第7章虛擬化，介紹構成云計算的主要關鍵技術虛擬技術，它整合多種計算資源，實現架構動態(tài)化，并達到集中管理和動態(tài)使用物理資源及虛擬資源，以提高系統(tǒng)結構的彈性和靈活性，降低成本、改進服務、減少管理風險等目標。第8章Docker容器，介紹Docker容器相關的概念、優(yōu)勢、由來和實現原理。第9章Web 2．0，介紹構成云計算主要的關鍵技術Web 2．0，是因特網的一次理念和思想體系的升級換代，由原來自上而下的由少數資源控制者集中控制主導的因特網體系轉變?yōu)樽韵露系挠蓮V大用戶集體智慧和力量主導的因特網體系。第10章綠色數據中心，介紹構成云計算的主要關鍵技術綠色數據中心，是指數據機房中的IT系統(tǒng)、機械、照明和電氣等能取得最大化的能源效率和最小化的環(huán)境影響。第11章基礎設施即服務，介紹云計算環(huán)境中的IaaS(Infrastructure as a Service)，分析Amazon公司的IaaS案例。第12章平臺即服務，介紹云計算環(huán)境中的PaaS(Platform as a Service)，分析Google App Engine和Windows Azure Platform的PaaS案例。第13章軟件即服務，介紹云計算環(huán)境中的SaaS(Software as a Service),分析Salesforce的SaaS案例。第14章容器即服務，介紹云計算環(huán)境中的CaaS(Container as a Service),闡述Kubernetes和Mesos容器調度框架，分析互聯網公司SAE容器云和互聯網公司去哪網容器云。第15章大數據云架構搭建，介紹分布式的Hadoop與Spark集群搭建和基于Docker容器的Spark大數據云架構。第16章Spark大數據編程，介紹使用Intellij IDEA構建Spark開發(fā)環(huán)境，并列舉應用Spark計算框架的WordCount和基于Spark Streaming股票趨勢預測案例。第17章大數據云計算面臨的安全威脅，介紹大數據云計算面臨的各種安全威脅，闡述不同行業(yè)大數據安全的需求，指出大數據安全應該包括保障大數據安全和大數據用于安全兩個層面的含義。第18章保障大數據安全，介紹保障大數據安全的相關技術和相關實踐。第19章應用大數據保障安全，介紹應用大數據保障安全，包括大數據安全檢測及應用，安全大數據，基于大數據的網絡態(tài)勢感知和視頻監(jiān)控數據的安全應用等方面內容。在本書最后給出了相關的參考文獻，有興趣的讀者可以進一步閱讀。此外，關于虛擬化技術，作者認為普通虛擬化和容器虛擬化是完全不同的兩種技術，大數據云平臺多采用容器架構，所以Docker容器技術作為本書獨立一章，并且在第4篇詳細介紹基于Docker容器的大數據云架構實踐。在方興未艾的大數據云計算時代，統(tǒng)一的標準和解決方案還未成形，不同人在不同背景下的需求和觀點是不一樣的，我們花費一年多的時間努力編著本書，希望能提供比較深入的見解，每一個對大數據和云計算感興趣的讀者都能學有所得。更進一步，大數據和云計算是新一代IT技術變革的核心，是中國建立自己IT體系的戰(zhàn)略機遇，閱讀本書，期待讀者既能從宏觀角度更全面地認識大數據云架構，同時也能從微觀技術實踐角度接觸大數據和云計算，更深入地學習和掌握大數據和云計算知識。本書適合于從頭至尾閱讀，也可以按照喜好和關注點挑選獨立的章節(jié)閱讀。希望本書的介紹能加深讀者對云計算的理解。由于編者水平有限，書中不妥之處在所難免，懇請讀者批評指正。編者2016年5月

目錄

第1篇大數據云計算概論

第1章大數據概述

1.1大數據產生與發(fā)展

1.1.1大數據產生背景

1.1.2大數據發(fā)展歷程

1.1.3當前大數據

1.2大數據概念與特征

1.2.1大數據概念

1.2.2大數據的特點

1.3大數據應用

1.3.1企業(yè)內部大數據應用

1.3.2物聯網大數據應用

1.3.3面向在線社交網絡大數據的應用

1.3.4醫(yī)療健康大數據應用

1.3.5群智感知

1.3.6智能電網

1.4大數據的研究與展望

1.5本章小結

第2章大數據和云計算

2.1大數據和云計算的關系

2.1.1大數據和云計算關系概述

2.1.2云計算是大數據處理的基礎

2.1.3大數據是云計算的延伸

2.2云計算概念

2.2.1云的興起

2.2.2云計算的定義及其特點

2.2.3云計算名稱的來歷

2.3云計算類型

2.3.1基礎設施類

2.3.2平臺類

2.3.3應用類

2.3.4以所有權劃分云計算系統(tǒng)類型

2.4云計算商業(yè)模式

2.4.1商業(yè)模式是云計算的基石

2.4.2云計算的市場規(guī)模

2.4.3云計算商業(yè)模式分析

2.5本章小結

第3章大數據應用價值

3.1大數據在電子商務中的應用

3.1.1大數據是電子商務發(fā)展要素

3.1.2電子商務大數據的實用措施

3.1.3電子商務大數據的轉型路徑

3.2大數據在金融的應用

3.2.1大數據金融的提出

3.2.2大數據金融的功能

3.2.3大數據金融的挑戰(zhàn)

3.2.4大數據金融創(chuàng)新

3.3大數據在媒體的應用

3.3.1傳統(tǒng)媒體的不足

3.3.2大數據驅動傳統(tǒng)媒體的升級

3.3.3大數據引領新媒體發(fā)展

3.4大數據在醫(yī)療上的應用

3.4.1大數據改進臨床決策支持系統(tǒng)

3.4.2大數據助推醫(yī)療產品研發(fā)

3.4.3大數據催生新醫(yī)療服務模式

3.5大數據在教育上的應用

3.5.1大數據教育與傳統(tǒng)教育的優(yōu)勢

3.5.2大數據教學模式的不斷改善

3.5.3教育大數據市場的廣闊前景

3.5.4大數據變革教育應用的實踐措施

3.6本章小結

第2篇大數據云計算關鍵技術

第4章分布式計算框架

4.1分布式計算基本概念

4.1.1分布式計算與并行計算

4.1.2分布式計算和并行計算的比較

4.2Hadoop系統(tǒng)介紹

4.2.1Hadoop發(fā)展歷程

4.2.2Hadoop使用場景和特點

4.2.3Hadoop項目組成

4.3分布式文件系統(tǒng)

4.3.1分布式文件系統(tǒng)概述

4.3.2HDFS架構

4.3.3HDFS設計特點

4.4MapReduce計算模型

4.4.1MapReduce概述

4.4.2MapReduce應用實例

4.4.3MapReduce實現和架構

4.5分布式協(xié)同控制

4.5.1常見分布式并發(fā)控制方法

4.5.2Google Chubby并發(fā)鎖

4.6Spark計算框架

4.6.1Spark簡介

4.6.2Spark生態(tài)系統(tǒng)

4.7Flink計算框架

4.7.1Flink簡介

4.7.2Flink中的調度簡述

4.7.3Flink的生態(tài)圈

4.8本章小結

第5章NoSQL數據庫

5.1NoSQL數據庫概述

5.1.1NoSQL數據庫的4大分類

5.1.2數據庫系統(tǒng)CAP理論和BASE理論

5.1.3NoSQL的共同特征

5.2Hbase數據庫

5.2.1HBase簡介

5.2.2HBase訪問接口

5.2.3HBase數據模型

5.2.4MapReduce on HBase

5.2.5HBase系統(tǒng)架構

5.3本章小結

第6章機器學習

6.1機器學習概述

6.1.1機器學習分類

6.1.2機器學習發(fā)展歷程

6.2機器學習常用的算法

6.2.1回歸算法

6.2.2基于實例的算法

6.2.3正則化方法

6.2.4決策樹算法

6.2.5貝葉斯方法

6.2.6基于核的算法

6.2.7聚類算法

6.2.8關聯規(guī)則學習

6.2.9遺傳算法

6.2.10人工神經網絡

6.2.11深度學習

6.2.12降低維度算法

6.2.13集成算法

6.3本章小結

第7章虛擬化

7.1虛擬化概述

7.1.1虛擬化發(fā)展歷史

7.1.2虛擬化技術的發(fā)展熱點和趨勢

7.1.3虛擬化技術的概念

7.2虛擬化的分類

7.2.1從實現的層次劃分

7.2.2從應用的領域劃分

7.3應用虛擬化

7.3.1應用虛擬化的使用特點

7.3.2應用虛擬化的優(yōu)勢

7.3.3應用虛擬化要考慮的問題

7.4桌面虛擬化

7.4.1桌面虛擬化優(yōu)勢

7.4.2桌面虛擬化使用條件

7.5服務器虛擬化

7.5.1服務器虛擬化架構

7.5.2CPU虛擬化

7.5.3內存虛擬化

7.5.4I/O虛擬化

7.6網絡虛擬化

7.6.1傳統(tǒng)網絡虛擬化技術

7.6.2主機網絡虛擬化

7.6.3網絡設備虛擬化

7.7存儲虛擬化

7.7.1存儲虛擬化概述

7.7.2按照不同層次劃分存儲虛擬化

7.7.3按照實現方式不同劃分存儲虛擬化

7.8本章小結

第8章Docker容器

8．1Docker容器概述

8．1．1Docker容器的由來

8．1．2Docker定義

8．1．3Docker的優(yōu)勢

8．2Docker的原理

8．2．1Linux Namespace(ns)

8．2．2Control Groups(cgroups)

8．2．3Linux容器(LXC)

8．2．4AUFS

8．2．5Grsec

8．3Docker技術發(fā)展與應用

8．3．1Docker解決的問題

8．3．2Docker的未來發(fā)展

8．3．3Docker技術的局限

8．4本章小結

第9章Web 2．0

9．1Web 2．0產生背景和定義

9．1．1Web 2．0產生背景

9．1．2Web 2．0的概念

9．1．3Web 2．0和Web 1．0比較

9．1．4Web 2．0特征

9．2Web 2．0應用產品

9．2．1Web 2．0主要應用產品

9．2．2主要產品的區(qū)別

9．3Web 2．0相關技術

9．3．1Web 2．0的設計模式

9．3．2Web標準

9．3．3向Web標準過渡

9．4本章小結

第10章綠色數據中心

10．1綠色數據中心概述

10．1．1云數據中心發(fā)展階段

10．1．2綠色數據中心架構

10．1．3云數據中心需要整合的資源

10．2數據中心管理和維護

10．2．1實現端到端、大容量、可視化的基礎設施整合

10．2．2實現虛擬化、自動化的管理

10．2．3實現面向業(yè)務的應用管理和流量分析

10．3本章小結

第3篇云計算架構

第11章基礎設施即服務

11．1IaaS概述

11．1．1IaaS的定義

11．1．2IaaS提供服務的方法

11．1．3IaaS云的特征

11．1．4IaaS和虛擬化的關系

11．2IaaS技術架構

11．2．1資源層

11．2．2虛擬化層

11．2．3管理層

11．2．4服務層

11．3IaaS云計算管理

11．3．1自動化部署

11．3．2彈性能力提供技術

11．3．3資源監(jiān)控

11．3．4資源調度

11．3．5業(yè)務管理和計費度量

11．4Amazon云計算案例

11．4．1概述

11．4．2Amazon S3

11．4．3Amazon Simple DB

11．4．4Amazon RDS

11．4．5Amazon SQS

11．4．6Amazon EC2

11．5本章小結

第12章平臺即服務

12．1PaaS概述

12．1．1PaaS的由來

12．1．2PaaS的概念

12．1．3PaaS模式的開發(fā)

12．1．4PaaS推進SaaS時代

12．2PaaS架構

12．2．1PaaS的功能

12．2．2多租戶彈性是PaaS的核心特性

12．2．3PaaS架構的核心意義

12．2．4PaaS改變未來軟件開發(fā)和維護模式

12．3Google的云計算平臺

12．3．1設計理念

12．3．2構成部分

12．3．3App Engine服務

12．4Windows Azure平臺

12．4．1Windows Azure操作系統(tǒng)

12．4．2SQL Azure

12．4．3．NET服務

12．4．4Live服務

12．4．5Windows Azure Platform的用途

12．5本章小結

第13章軟件即服務

13．1SaaS概述

13．1．1SaaS的由來

13．1．2SaaS的概念

13．1．3SaaS與傳統(tǒng)軟件的區(qū)別

13．1．4SaaS模式應用于信息化優(yōu)勢　　

13．1．5SaaS成熟度模型

13．2模式及實現

13．2．1SaaS商務模式

13．2．2SaaS平臺架構

13．2．3SaaS服務平臺的主要功能

13．2．4SaaS服務平臺關鍵技術

13．3Salesforce云計算案例

13．3．1Salesforce云計算產品組成

13．3．2Salesforce云計算特點

13．4本章小結

第14章容器即服務

14．1容器云服務

14．1．1云平臺架構層次

14．1．2容器云

14．1．3容器云的特點

14．2Kubernetes應用部署

14．2．1Kubernetes架構

14．2．2Kubernetes模型

14．2．3內部使用者的服務發(fā)現

14．2．4外部訪問Service

14．3Mesos應用

14．3．1Mesos體系結構和工作流

14．3．2Mesos流程

14．3．3Mesos資源分配

14．3．4Mesos優(yōu)勢

14．4基于Kubernetes打造SAE容器云

14．4．1Kubernetes 的好處

14．4．2容器云網絡

14．4．3容器云存儲

14．5基于Mesos去哪兒網容器云

14．5．1背景

14．5．2應用Mesos構建容器云

14．5．3云環(huán)境構建

14．6本章小結

第4篇大數據云架構實踐與編程

第15章大數據云架構搭建

15．1分布式Hadoop與Spark集群搭建

15．1．1Hadoop集群構建

15．1．2Spark集群構建

15．2基于Docker大數據云架構

15．2．1簡介

15．2．2Docker和Weave搭建

15．2．3Hadoop集群鏡像搭建

15．2．4集群部署與啟動

15．2．5基于Ambari管理平臺的鏡像搭建

15．2．6桌面系統(tǒng)XFCE搭建

15．3本章小結

第16章Spark大數據編程

16．1Spark應用開發(fā)環(huán)境配置

16．1．1使用Intellij開發(fā)Spark程序

16．1．2使用Spark Shell開發(fā)運行Spark程序

16．2Spark大數據編程

16．2．1WordCount

16．2．2股票趨勢預測

16．3本章小結

第5篇大數據安全

第17章大數據云計算面臨的安全威脅

17．1大數據云計算的安全問題

17．1．1大數據基礎設施安全威脅

17．1．2大數據存儲安全威脅

17．1．3大數據云架構網絡安全威脅

17．1．4大數據帶來隱私問題

17．1．5針對大數據的高級持續(xù)性攻擊

17．1．6其他安全威脅

17．2不同領域大數據的安全需求

17．2．1因特網行業(yè)

17．2．2電信行業(yè)

17．2．3金融行業(yè)

17．2．4醫(yī)療行業(yè)

17．2．5政府組織

17．3大數據安全內涵

17．3．1保障大數據安全

17．3．2大數據用于安全領域

17．4大數據安全研究方向

17．4．1大數據安全保障技術

17．4．2大數據安全應用技術

17．5本章小結

第18章保障大數據安全

18．1大數據安全的關鍵技術

18．1．1非關系數據庫安全策略

18．1．2防范APT攻擊

18．2大數據安全保障實踐

18．2．1大數據采集與存儲的安全防護

18．2．2大數據挖掘與應用的安全防護

18．2．3大數據安全審計

18．2．4大數據安全評估與安全管理

18．2．5數據中心的安全保障

18．3本章小結

第19章應用大數據保障安全

19．1大數據安全檢測及應用

19．1．1安全檢測與大數據的融合

19．1．2用戶上網流量數據的挖掘與分析

19．2安全大數據

19．2．1數據挖掘方法

19．2．2挖掘目標及評估

19．3基于大數據的網絡態(tài)勢感知

19．3．1態(tài)勢感知定義

19．3．2網絡態(tài)勢感知

19．3．3基于流量數據的網絡安全感知

19．3．4基于大數據分析的網絡優(yōu)化

19．3．5網絡安全感知應用實踐

19．4視頻監(jiān)控數據的安全應用

19．4．1視頻監(jiān)控數據的處理需求

19．4．2視頻監(jiān)控數據挖掘技術

19．4．3海量視頻監(jiān)控數據的分析與處理

19．5本章小結

參考文獻