目錄

第1篇大數(shù)據(jù)云計算概論

第1章大數(shù)據(jù)概述

1.1大數(shù)據(jù)產(chǎn)生與發(fā)展

1.1.1大數(shù)據(jù)產(chǎn)生背景

1.1.2大數(shù)據(jù)發(fā)展歷程

1.1.3當前大數(shù)據(jù)

1.2大數(shù)據(jù)概念與特征

1.2.1大數(shù)據(jù)概念

1.2.2大數(shù)據(jù)的特點

1.3大數(shù)據(jù)應用

1.3.1企業(yè)內(nèi)部大數(shù)據(jù)應用

1.3.2物聯(lián)網(wǎng)大數(shù)據(jù)應用

1.3.3面向在線社交網(wǎng)絡大數(shù)據(jù)的應用

1.3.4醫(yī)療健康大數(shù)據(jù)應用

1.3.5群智感知

1.3.6智能電網(wǎng)

1.4大數(shù)據(jù)的研究與展望

1.5本章小結(jié)

第2章大數(shù)據(jù)和云計算

2.1大數(shù)據(jù)和云計算的關系

2.1.1大數(shù)據(jù)和云計算關系概述

2.1.2云計算是大數(shù)據(jù)處理的基礎

2.1.3大數(shù)據(jù)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(quán)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(jié)

第3章大數(shù)據(jù)應用價值

3.1大數(shù)據(jù)在電子商務中的應用

3.1.1大數(shù)據(jù)是電子商務發(fā)展要素

3.1.2電子商務大數(shù)據(jù)的實用措施

3.1.3電子商務大數(shù)據(jù)的轉(zhuǎn)型路徑

3.2大數(shù)據(jù)在金融的應用

3.2.1大數(shù)據(jù)金融的提出

3.2.2大數(shù)據(jù)金融的功能

3.2.3大數(shù)據(jù)金融的挑戰(zhàn)

3.2.4大數(shù)據(jù)金融創(chuàng)新

3.3大數(shù)據(jù)在媒體的應用

3.3.1傳統(tǒng)媒體的不足

3.3.2大數(shù)據(jù)驅(qū)動傳統(tǒng)媒體的升級

3.3.3大數(shù)據(jù)引領新媒體發(fā)展

3.4大數(shù)據(jù)在醫(yī)療上的應用

3.4.1大數(shù)據(jù)改進臨床決策支持系統(tǒng)

3.4.2大數(shù)據(jù)助推醫(yī)療產(chǎn)品研發(fā)

3.4.3大數(shù)據(jù)催生新醫(yī)療服務模式

3.5大數(shù)據(jù)在教育上的應用

3.5.1大數(shù)據(jù)教育與傳統(tǒng)教育的優(yōu)勢

3.5.2大數(shù)據(jù)教學模式的不斷改善

3.5.3教育大數(shù)據(jù)市場的廣闊前景

3.5.4大數(shù)據(jù)變革教育應用的實踐措施

3.6本章小結(jié)

第2篇大數(shù)據(jù)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(gòu)

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(xiàn)和架構(gòu)

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(diào)度簡述

4.7.3Flink的生態(tài)圈

4.8本章小結(jié)

第5章NoSQL數(shù)據(jù)庫

5.1NoSQL數(shù)據(jù)庫概述

5.1.1NoSQL數(shù)據(jù)庫的4大分類

5.1.2數(shù)據(jù)庫系統(tǒng)CAP理論和BASE理論

5.1.3NoSQL的共同特征

5.2Hbase數(shù)據(jù)庫

5.2.1HBase簡介

5.2.2HBase訪問接口

5.2.3HBase數(shù)據(jù)模型

5.2.4MapReduce on HBase

5.2.5HBase系統(tǒng)架構(gòu)

5.3本章小結(jié)

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(lián)規(guī)則學習

6.2.9遺傳算法

6.2.10人工神經(jīng)網(wǎng)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(jié)

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(xiàn)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(gòu)

7.5.2CPU虛擬化

7.5.3內(nèi)存虛擬化

7.5.4I/O虛擬化

7.6網(wǎng)絡虛擬化

7.6.1傳統(tǒng)網(wǎng)絡虛擬化技術

7.6.2主機網(wǎng)絡虛擬化

7.6.3網(wǎng)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(xiàn)方式不同劃分存儲虛擬化

7.8本章小結(jié)

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(jié)

第9章Web 2．0

9．1Web 2．0產(chǎn)生背景和定義

9．1．1Web 2．0產(chǎn)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(chǎn)品

9．2．1Web 2．0主要應用產(chǎn)品

9．2．2主要產(chǎn)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(jié)

第10章綠色數(shù)據(jù)中心

10．1綠色數(shù)據(jù)中心概述

10．1．1云數(shù)據(jù)中心發(fā)展階段

10．1．2綠色數(shù)據(jù)中心架構(gòu)

10．1．3云數(shù)據(jù)中心需要整合的資源

10．2數(shù)據(jù)中心管理和維護

10．2．1實現(xiàn)端到端、大容量、可視化的基礎設施整合

10．2．2實現(xiàn)虛擬化、自動化的管理

10．2．3實現(xiàn)面向業(yè)務的應用管理和流量分析

10．3本章小結(jié)

第3篇云計算架構(gòu)

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(gòu)

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(diào)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(jié)

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(gòu)

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(gòu)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(gòu)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(jié)

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(xiàn)

13．2．1SaaS商務模式

13．2．2SaaS平臺架構(gòu)

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(chǎn)品組成

13．3．2Salesforce云計算特點

13．4本章小結(jié)

第14章容器即服務

14．1容器云服務

14．1．1云平臺架構(gòu)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(gòu)

14．2．2Kubernetes模型

14．2．3內(nèi)部使用者的服務發(fā)現(xiàn)

14．2．4外部訪問Service

14．3Mesos應用

14．3．1Mesos體系結(jié)構(gòu)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(wǎng)絡

14．4．3容器云存儲

14．5基于Mesos去哪兒網(wǎng)容器云

14．5．1背景

14．5．2應用Mesos構(gòu)建容器云

14．5．3云環(huán)境構(gòu)建

14．6本章小結(jié)

第4篇大數(shù)據(jù)云架構(gòu)實踐與編程

第15章大數(shù)據(jù)云架構(gòu)搭建

15．1分布式Hadoop與Spark集群搭建

15．1．1Hadoop集群構(gòu)建

15．1．2Spark集群構(gòu)建

15．2基于Docker大數(shù)據(jù)云架構(gòu)

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(jié)

第16章Spark大數(shù)據(jù)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(shù)據(jù)編程

16．2．1WordCount

16．2．2股票趨勢預測

16．3本章小結(jié)

第5篇大數(shù)據(jù)安全

第17章大數(shù)據(jù)云計算面臨的安全威脅

17．1大數(shù)據(jù)云計算的安全問題

17．1．1大數(shù)據(jù)基礎設施安全威脅

17．1．2大數(shù)據(jù)存儲安全威脅

17．1．3大數(shù)據(jù)云架構(gòu)網(wǎng)絡安全威脅

17．1．4大數(shù)據(jù)帶來隱私問題

17．1．5針對大數(shù)據(jù)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(shù)據(jù)的安全需求

17．2．1因特網(wǎng)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(shù)據(jù)安全內(nèi)涵

17．3．1保障大數(shù)據(jù)安全

17．3．2大數(shù)據(jù)用于安全領域

17．4大數(shù)據(jù)安全研究方向

17．4．1大數(shù)據(jù)安全保障技術

17．4．2大數(shù)據(jù)安全應用技術

17．5本章小結(jié)

第18章保障大數(shù)據(jù)安全

18．1大數(shù)據(jù)安全的關鍵技術

18．1．1非關系數(shù)據(jù)庫安全策略

18．1．2防范APT攻擊

18．2大數(shù)據(jù)安全保障實踐

18．2．1大數(shù)據(jù)采集與存儲的安全防護

18．2．2大數(shù)據(jù)挖掘與應用的安全防護

18．2．3大數(shù)據(jù)安全審計

18．2．4大數(shù)據(jù)安全評估與安全管理

18．2．5數(shù)據(jù)中心的安全保障

18．3本章小結(jié)

第19章應用大數(shù)據(jù)保障安全

19．1大數(shù)據(jù)安全檢測及應用

19．1．1安全檢測與大數(shù)據(jù)的融合

19．1．2用戶上網(wǎng)流量數(shù)據(jù)的挖掘與分析

19．2安全大數(shù)據(jù)

19．2．1數(shù)據(jù)挖掘方法

19．2．2挖掘目標及評估

19．3基于大數(shù)據(jù)的網(wǎng)絡態(tài)勢感知

19．3．1態(tài)勢感知定義

19．3．2網(wǎng)絡態(tài)勢感知

19．3．3基于流量數(shù)據(jù)的網(wǎng)絡安全感知

19．3．4基于大數(shù)據(jù)分析的網(wǎng)絡優(yōu)化

19．3．5網(wǎng)絡安全感知應用實踐

19．4視頻監(jiān)控數(shù)據(jù)的安全應用

19．4．1視頻監(jiān)控數(shù)據(jù)的處理需求

19．4．2視頻監(jiān)控數(shù)據(jù)挖掘技術

19．4．3海量視頻監(jiān)控數(shù)據(jù)的分析與處理

19．5本章小結(jié)

參考文獻