大数据云服务技术架构与实践2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

大数据云服务技术架构与实践PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1篇 大数据云计算概论3

第1章 大数据概述3

1.1 大数据产生与发展3

1.1.1 大数据产生背景3

1.1.2 大数据发展历程3

1.1.3 当前大数据5

1.2 大数据概念与特征6

1.2.1 大数据概念6

1.2.2 大数据的特点7

1.3 大数据应用7

1.3.1 企业内部大数据应用8

1.3.2 物联网大数据应用8

1.3.3 面向在线社交网络大数据的应用9

1.3.4 医疗健康大数据应用9

1.3.5 群智感知10

1.3.6 智能电网10

1.4 大数据的研究与展望11

1.5 本章小结12

第2章 大数据和云计算14

2.1 大数据和云计算的关系14

2.1.1 大数据和云计算关系概述14

2.1.2 云计算是大数据处理的基础15

2.1.3 大数据是云计算的延伸16

2.2 云计算概念16

2.2.1 云的兴起16

2.2.2 云计算的定义及其特点17

2.2.3 云计算名称的来历19

2.3 云计算类型19

2.3.1 基础设施类19

2.3.2 平台类21

2.3.3 应用类22

2.3.4 以所有权划分云计算系统类型23

2.4 云计算商业模式24

2.4.1 商业模式是云计算的基石24

2.4.2 云计算的市场规模24

2.4.3 云计算商业模式分析24

2.5 本章小结25

第3章 大数据应用价值26

3.1 大数据在电子商务中的应用27

3.1.1 大数据是电子商务发展要素27

3.1.2 电子商务大数据的实用措施27

3.1.3 电子商务大数据的转型路径28

3.2 大数据在金融的应用29

3.2.1 大数据金融的提出29

3.2.2 大数据金融的功能34

3.2.3 大数据金融的挑战35

3.2.4 大数据金融创新37

3.3 大数据在媒体的应用39

3.3.1 传统媒体的不足40

3.3.2 大数据驱动传统媒体的升级40

3.3.3 大数据引领新媒体发展41

3.4 大数据在医疗上的应用43

3.4.1 大数据改进临床决策支持系统44

3.4.2 大数据助推医疗产品研发44

3.4.3 大数据催生新医疗服务模式45

3.5 大数据在教育上的应用47

3.5.1 大数据教育与传统教育的优势47

3.5.2 大数据教学模式的不断改善47

3.5.3 教育大数据市场的广阔前景48

3.5.4 大数据变革教育应用的实践措施49

3.6 本章小结49

第2篇 大数据云计算关键技术53

第4章 分布式计算框架53

4.1 分布式计算基本概念53

4.1.1 分布式计算与并行计算53

4.1.2 分布式计算和并行计算的比较54

4.2 Hadoop系统介绍55

4.2.1 Hadoop发展历程55

4.2.2 Hadoop使用场景和特点56

4.2.3 Hadoop项目组成57

4.3 分布式文件系统57

4.3.1 分布式文件系统概述57

4.3.2 HDFS架构58

4.3.3 HDFS设计特点59

4.4 MapReduce计算模型60

4.4.1 MapReduce概述60

4.4.2 MapReduce应用实例61

4.4.3 MapReduce实现和架构62

4.5 分布式协同控制63

4.5.1 常见分布式并发控制方法63

4.5.2 Google Chubby并发锁64

4.6 Spark计算框架66

4.6.1 Spark简介66

4.6.2 Spark生态系统67

4.7 Flink计算框架72

4.7.1 Flink简介72

4.7.2 Flink中的调度简述73

4.7.3 Flink的生态圈74

4.8 本章小结74

第5章 NoSQL数据库76

5.1 NoSQL数据库概述76

5.1.1 NoSQL数据库的4大分类76

5.1.2 数据库系统CAP理论和 BASE理论78

5.1.3 NoSQL的共同特征79

5.2 Hbase数据库80

5.2.1 HBase简介80

5.2.2 HBase访问接口80

5.2.3 H Base数据模型81

5.2.4 MapReduce on HBase82

5.2.5 HBase系统架构83

5.3 本章小结87

第6章 机器学习88

6.1 机器学习概述88

6.1.1 机器学习分类88

6.1.2 机器学习发展历程92

6.2 机器学习常用的算法93

6.2.1 回归算法93

6.2.2 基于实例的算法93

6.2.3 正则化方法94

6.2.4 决策树算法94

6.2.5 贝叶斯方法94

6.2.6 基于核的算法95

6.2.7 聚类算法95

6.2.8 关联规则学习96

6.2.9 遗传算法96

6.2.10 人工神经网络97

6.2.11 深度学习97

6.2.12 降低维度算法97

6.2.13 集成算法98

6.3 本章小结98

第7章 虚拟化99

7.1 虚拟化概述99

7.1.1 虚拟化发展历史99

7.1.2 虚拟化技术的发展热点和趋势100

7.1.3 虚拟化技术的概念101

7.2 虚拟化的分类102

7.2.1 从实现的层次划分102

7.2.2 从应用的领域划分105

7.3 应用虚拟化109

7.3.1 应用虚拟化的使用特点109

7.3.2 应用虚拟化的优势110

7.3.3 应用虚拟化要考虑的问题111

7.4 桌面虚拟化111

7.4.1 桌面虚拟化优势111

7.4.2 桌面虚拟化使用条件112

7.5 服务器虚拟化112

7.5.1 服务器虚拟化架构112

7.5.2 CPU虚拟化113

7.5.3 内存虚拟化115

7.5.4 I／O虚拟化117

7.6 网络虚拟化118

7.6.1 传统网络虚拟化技术118

7.6.2 主机网络虚拟化119

7.6.3 网络设备虚拟化121

7.7 存储虚拟化125

7.7.1 存储虚拟化概述125

7.7.2 按照不同层次划分存储虚拟化126

7.7.3 按照实现方式不同划分存储虚拟化128

7.8 本章小结130

第8章 Docker容器131

8.1 Docker容器概述131

8.1.1 Docker容器的由来131

8.1.2 Docker定义133

8.1.3 Docker的优势134

8.2 Docker的原理134

8.2.1 Linux Namespace（ns）135

8.2.2 Control Groups（cgroups）136

8.2.3 Linux容器（LXC）137

8.2.4 AUFS137

8.2.5 Grsec140

8.3 Docker技术发展与应用140

8.3.1 Docker解决的问题140

8.3.2 Docker的未来发展141

8.3.3 Docker技术的局限141

8.4 本章小结141

第9章 Web 2.0142

9.1 Web 2.0产生背景和定义142

9.1.1 Web 2.0产生背景142

9.1.2 Web 2.0的概念143

9.1.3 Web 2.0和Web 1.0比较143

9.1.4 Web 2.0特征145

9.2 Web 2.0应用产品145

9.2.1 Web 2.0主要应用产品146

9.2.2 主要产品的区别147

9.3 Web 2.0相关技术148

9.3.1 Web 2.0的设计模式148

9.3.2 Web标准149

9.3.3 向Web标准过渡151

9.4 本章小结155

第10章 绿色数据中心156

10.1 绿色数据中心概述156

10.1.1 云数据中心发展阶段156

10.1.2 绿色数据中心架构157

10.1.3 云数据中心需要整合的资源158

10.2 数据中心管理和维护158

10.2.1 实现端到端、大容量、可视化的基础设施整合159

10.2.2 实现虚拟化、自动化的管理159

10.2.3 实现面向业务的应用管理和流量分析160

10.3 本章小结161

第3篇 云计算架构165

第11章 基础设施即服务165

11.1 IaaS概述165

11.1.1 IaaS的定义165

11.1.2 IaaS提供服务的方法166

11.1.3 IaaS云的特征166

11.1.4 IaaS和虚拟化的关系167

11.2 IaaS技术架构167

11.2.1 资源层167

11.2.2 虚拟化层168

11.2.3 管理层169

11.2.4 服务层170

11.3 IaaS云计算管理170

11.3.1 自动化部署170

11.3.2 弹性能力提供技术171

11.3.3 资源监控172

11.3.4 资源调度173

11.3.5 业务管理和计费度量174

11.4 Amazon云计算案例175

11.4.1 概述175

11.4.2 Amazon S3176

11.4.3 Amazon Simple DB177

11.4.4 Amazon RDS178

11.4.5 Amazon SQS178

11.4.6 Amazon EC2179

11.5 本章小结180

第12章 平台即服务182

12.1 PaaS概述182

12.1.1 PaaS的由来182

12.1.2 PaaS的概念183

12.1.3 PaaS模式的开发183

12.1.4 PaaS推进SaaS时代185

12.2 PaaS架构186

12.2.1 PaaS的功能187

12.2.2 多租户弹性是PaaS的核心特性187

12.2.3 PaaS架构的核心意义188

12.2.4 PaaS改变未来软件开发和维护模式190

12.3 Google的云计算平台191

12.3.1 设计理念192

12.3.2 构成部分192

12.3.3 App Engine服务193

12.4 Windows Azure平台194

12.4.1 Windows Azure操作系统194

12.4.2 SQLAzure195

12.4.3.NET服务196

12.4.4 Live服务196

12.4.5 Windows Azure Platform的用途197

12.5 本章小结197

第13章 软件即服务199

13.1 SaaS概述199

13.1.1 SaaS的由来199

13.1.2 SaaS的概念200

13.1.3 SaaS与传统软件的区别201

13.1.4 SaaS模式应用于信息化优势202

13.1.5 SaaS成熟度模型203

13.2 模式及实现204

13.2.1 SaaS商务模式204

13.2.2 SaaS平台架构206

13.2.3 SaaS服务平台的主要功能207

13.2.4 SaaS服务平台关键技术210

13.3 Salesforce云计算案例213

13.3.1 Salesforce云计算产品组成213

13.3.2 Salesforce云计算特点214

13.4 本章小结215

第14章 容器即服务216

14.1 容器云服务216

14.1.1 云平台架构层次216

14.1.2 容器云217

14.1.3 容器云的特点217

14.2 Kubernetes应用部署220

14.2.1 Kubernetes架构220

14.2.2 Kubernetes模型221

14.2.3 内部使用者的服务发现222

14.2.4 外部访问Service224

14.3 Mesos应用225

14.3.1 Mesos体系结构和工作流225

14.3.2 Mesos流程226

14.3.3 Mesos资源分配226

14.3.4 Mesos优势227

14.4 基于Kubernetes打造SAE容器云228

14.4.1 Kubernetes的好处228

14.4.2 容器云网络228

14.4.3 容器云存储230

14.5 基于Mesos去哪儿网容器云230

14.5.1 背景230

14.5.2 应用Mesos构建容器云231

14.5.3 云环境构建231

14.6 本章小结234

第4篇 大数据云架构实践与编程237

第15章 大数据云架构搭建237

15.1 分布式Hadoop与Spark集群搭建237

15.1.1 Hadoop集群构建237

15.1.2 Spark集群构建250

15.2 基于Docker大数据云架构256

15.2.1 简介256

15.2.2 Docker和Weave搭建257

15.2.3 Hadoop集群镜像搭建257

15.2.4 集群部署与启动261

15.2.5 基于Ambari管理平台的镜像搭建263

15.2.6 桌面系统XFCE搭建265

15.3 本章小结266

第16章 Spark大数据编程267

16.1 Spark应用开发环境配置267

16.1.1 使用Intellij开发Spark程序267

16.1.2 使用Spark Shell开发运行Spark程序272

16.2 Spark大数据编程272

16.2.1 WordCount272

16.2.2 股票趋势预测274

16.3 本章小结280

第5篇 大数据安全283

第17章 大数据云计算面临的安全威胁283

17.1 大数据云计算的安全问题283

17.1.1 大数据基础设施安全威胁283

17.1.2 大数据存储安全威胁284

17.1.3 大数据云架构网络安全威胁286

17.1.4 大数据带来隐私问题286

17.1.5 针对大数据的高级持续性攻击287

17.1.6 其他安全威胁288

17.2 不同领域大数据的安全需求288

17.2.1 因特网行业289

17.2.2 电信行业289

17.2.3 金融行业290

17.2.4 医疗行业290

17.2.5 政府组织291

17.3 大数据安全内涵291

17.3.1 保障大数据安全292

17.3.2 大数据用于安全领域293

17.4 大数据安全研究方向294

17.4.1 大数据安全保障技术294

17.4.2 大数据安全应用技术295

17.5 本章小结296

第18章 保障大数据安全297

18.1 大数据安全的关键技术297

18.1.1 非关系数据库安全策略297

18.1.2 防范APT攻击299

18.2 大数据安全保障实践304

18.2.1 大数据采集与存储的安全防护305

18.2.2 大数据挖掘与应用的安全防护306

18.2.3 大数据安全审计307

18.2.4 大数据安全评估与安全管理308

18.2.5 数据中心的安全保障308

18.3 本章小结310

第19章 应用大数据保障安全311

19.1 大数据安全检测及应用311

19.1.1 安全检测与大数据的融合311

19.1.2 用户上网流量数据的挖掘与分析312

19.2 安全大数据313

19.2.1 数据挖掘方法314

19.2.2 挖掘目标及评估315

19.3 基于大数据的网络态势感知315

19.3.1 态势感知定义315

19.3.2 网络态势感知316

19.3.3 基于流量数据的网络安全感知316

19.3.4 基于大数据分析的网络优化318

19.3.5 网络安全感知应用实践319

19.4 视频监控数据的安全应用320

19.4.1 视频监控数据的处理需求320

19.4.2 视频监控数据挖掘技术320

19.4.3 海量视频监控数据的分析与处理322

19.5 本章小结322

参考文献324