目錄 第1篇大數(shù)據(jù)云計(jì)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(dāng)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(diǎn) 1.3大數(shù)據(jù)應(yīng)用 1.3.1企業(yè)內(nèi)部大數(shù)據(jù)應(yīng)用 1.3.2物聯(lián)網(wǎng)大數(shù)據(jù)應(yīng)用 1.3.3面向在線社交網(wǎng)絡(luò)大數(shù)據(jù)的應(yīng)用 1.3.4醫(yī)療健康大數(shù)據(jù)應(yīng)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(jì)算 2.1大數(shù)據(jù)和云計(jì)算的關(guān)系 2.1.1大數(shù)據(jù)和云計(jì)算關(guān)系概述 2.1.2云計(jì)算是大數(shù)據(jù)處理的基礎(chǔ) 2.1.3大數(shù)據(jù)是云計(jì)算的延伸 2.2云計(jì)算概念 2.2.1云的興起 2.2.2云計(jì)算的定義及其特點(diǎn) 2.2.3云計(jì)算名稱的來(lái)歷 2.3云計(jì)算類型 2.3.1基礎(chǔ)設(shè)施類 2.3.2平臺(tái)類 2.3.3應(yīng)用類 2.3.4以所有權(quán)劃分云計(jì)算系統(tǒng)類型 2.4云計(jì)算商業(yè)模式 2.4.1商業(yè)模式是云計(jì)算的基石 2.4.2云計(jì)算的市場(chǎng)規(guī)模 2.4.3云計(jì)算商業(yè)模式分析 2.5本章小結(jié) 第3章大數(shù)據(jù)應(yīng)用價(jià)值 3.1大數(shù)據(jù)在電子商務(wù)中的應(yīng)用 3.1.1大數(shù)據(jù)是電子商務(wù)發(fā)展要素 3.1.2電子商務(wù)大數(shù)據(jù)的實(shí)用措施 3.1.3電子商務(wù)大數(shù)據(jù)的轉(zhuǎn)型路徑 3.2大數(shù)據(jù)在金融的應(yīng)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(yīng)用 3.3.1傳統(tǒng)媒體的不足 3.3.2大數(shù)據(jù)驅(qū)動(dòng)傳統(tǒng)媒體的升級(jí) 3.3.3大數(shù)據(jù)引領(lǐng)新媒體發(fā)展 3.4大數(shù)據(jù)在醫(yī)療上的應(yīng)用 3.4.1大數(shù)據(jù)改進(jìn)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(wù)模式 3.5大數(shù)據(jù)在教育上的應(yīng)用 3.5.1大數(shù)據(jù)教育與傳統(tǒng)教育的優(yōu)勢(shì) 3.5.2大數(shù)據(jù)教學(xué)模式的不斷改善 3.5.3教育大數(shù)據(jù)市場(chǎng)的廣闊前景 3.5.4大數(shù)據(jù)變革教育應(yīng)用的實(shí)踐措施 3.6本章小結(jié) 第2篇大數(shù)據(jù)云計(jì)算關(guān)鍵技術(shù) 第4章分布式計(jì)算框架 4.1分布式計(jì)算基本概念 4.1.1分布式計(jì)算與并行計(jì)算 4.1.2分布式計(jì)算和并行計(jì)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(chǎng)景和特點(diǎn) 4.2.3Hadoop項(xiàng)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(shè)計(jì)特點(diǎn) 4.4MapReduce計(jì)算模型 4.4.1MapReduce概述 4.4.2MapReduce應(yīng)用實(shí)例 4.4.3MapReduce實(shí)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(jì)算框架 4.6.1Spark簡(jiǎn)介 4.6.2Spark生態(tài)系統(tǒng) 4.7Flink計(jì)算框架 4.7.1Flink簡(jiǎn)介 4.7.2Flink中的調(diào)度簡(jiǎn)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(kù) 5.1NoSQL數(shù)據(jù)庫(kù)概述 5.1.1NoSQL數(shù)據(jù)庫(kù)的4大分類 5.1.2數(shù)據(jù)庫(kù)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(kù) 5.2.1HBase簡(jiǎn)介 5.2.2HBase訪問(wèn)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(jī)器學(xué)習(xí) 6.1機(jī)器學(xué)習(xí)概述 6.1.1機(jī)器學(xué)習(xí)分類 6.1.2機(jī)器學(xué)習(xí)發(fā)展歷程 6.2機(jī)器學(xué)習(xí)常用的算法 6.2.1回歸算法 6.2.2基于實(shí)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(guān)聯(lián)規(guī)則學(xué)習(xí) 6.2.9遺傳算法 6.2.10人工神經(jīng)網(wǎng)絡(luò) 6.2.11深度學(xué)習(xí) 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(shù)的發(fā)展熱點(diǎn)和趨勢(shì) 7.1.3虛擬化技術(shù)的概念 7.2虛擬化的分類 7.2.1從實(shí)現(xiàn)的層次劃分 7.2.2從應(yīng)用的領(lǐng)域劃分 7.3應(yīng)用虛擬化 7.3.1應(yīng)用虛擬化的使用特點(diǎn) 7.3.2應(yīng)用虛擬化的優(yōu)勢(shì) 7.3.3應(yīng)用虛擬化要考慮的問(wèn)題 7.4桌面虛擬化 7.4.1桌面虛擬化優(yōu)勢(shì) 7.4.2桌面虛擬化使用條件 7.5服務(wù)器虛擬化 7.5.1服務(wù)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(luò)虛擬化 7.6.1傳統(tǒng)網(wǎng)絡(luò)虛擬化技術(shù) 7.6.2主機(jī)網(wǎng)絡(luò)虛擬化 7.6.3網(wǎng)絡(luò)設(shè)備虛擬化 7.7存儲(chǔ)虛擬化 7.7.1存儲(chǔ)虛擬化概述 7.7.2按照不同層次劃分存儲(chǔ)虛擬化 7.7.3按照實(shí)現(xiàn)方式不同劃分存儲(chǔ)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(lái) 8．1．2Docker定義 8．1．3Docker的優(yōu)勢(shì) 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(shù)發(fā)展與應(yīng)用 8．3．1Docker解決的問(wèn)題 8．3．2Docker的未來(lái)發(fā)展 8．3．3Docker技術(shù)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(yīng)用產(chǎn)品 9．2．1Web 2．0主要應(yīng)用產(chǎn)品 9．2．2主要產(chǎn)品的區(qū)別 9．3Web 2．0相關(guān)技術(shù) 9．3．1Web 2．0的設(shè)計(jì)模式 9．3．2Web標(biāo)準(zhǔn) 9．3．3向Web標(biāo)準(zhǔn)過(guò)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(hù) 10．2．1實(shí)現(xiàn)端到端、大容量、可視化的基礎(chǔ)設(shè)施整合 10．2．2實(shí)現(xiàn)虛擬化、自動(dòng)化的管理 10．2．3實(shí)現(xiàn)面向業(yè)務(wù)的應(yīng)用管理和流量分析 10．3本章小結(jié) 第3篇云計(jì)算架構(gòu) 第11章基礎(chǔ)設(shè)施即服務(wù) 11．1IaaS概述 11．1．1IaaS的定義 11．1．2IaaS提供服務(wù)的方法 11．1．3IaaS云的特征 11．1．4IaaS和虛擬化的關(guān)系 11．2IaaS技術(shù)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(wù)層 11．3IaaS云計(jì)算管理 11．3．1自動(dòng)化部署 11．3．2彈性能力提供技術(shù) 11．3．3資源監(jiān)控 11．3．4資源調(diào)度 11．3．5業(yè)務(wù)管理和計(jì)費(fèi)度量 11．4Amazon云計(jì)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(tái)即服務(wù) 12．1PaaS概述 12．1．1PaaS的由來(lái) 12．1．2PaaS的概念 12．1．3PaaS模式的開發(fā) 12．1．4PaaS推進(jìn)SaaS時(shí)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(lái)軟件開發(fā)和維護(hù)模式 12．3Google的云計(jì)算平臺(tái) 12．3．1設(shè)計(jì)理念 12．3．2構(gòu)成部分 12．3．3App Engine服務(wù) 12．4Windows Azure平臺(tái) 12．4．1Windows Azure操作系統(tǒng) 12．4．2SQL Azure 12．4．3．NET服務(wù) 12．4．4Live服務(wù) 12．4．5Windows Azure Platform的用途 12．5本章小結(jié) 第13章軟件即服務(wù) 13．1SaaS概述 13．1．1SaaS的由來(lái) 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(yīng)用于信息化優(yōu)勢(shì)　　 13．1．5SaaS成熟度模型 13．2模式及實(shí)現(xiàn) 13．2．1SaaS商務(wù)模式 13．2．2SaaS平臺(tái)架構(gòu) 13．2．3SaaS服務(wù)平臺(tái)的主要功能 13．2．4SaaS服務(wù)平臺(tái)關(guān)鍵技術(shù) 13．3Salesforce云計(jì)算案例 13．3．1Salesforce云計(jì)算產(chǎn)品組成 13．3．2Salesforce云計(jì)算特點(diǎn) 13．4本章小結(jié) 第14章容器即服務(wù) 14．1容器云服務(wù) 14．1．1云平臺(tái)架構(gòu)層次 14．1．2容器云 14．1．3容器云的特點(diǎn) 14．2Kubernetes應(yīng)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(wù)發(fā)現(xiàn) 14．2．4外部訪問(wèn)Service 14．3Mesos應(yīng)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(shì) 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(luò) 14．4．3容器云存儲(chǔ) 14．5基于Mesos去哪兒網(wǎng)容器云 14．5．1背景 14．5．2應(yīng)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(shí)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(jiǎn)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(dòng) 15．2．5基于Ambari管理平臺(tái)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(yīng)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(yùn)行Spark程序 16．2Spark大數(shù)據(jù)編程 16．2．1WordCount 16．2．2股票趨勢(shì)預(yù)測(cè) 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(jì)算面臨的安全威脅 17．1大數(shù)據(jù)云計(jì)算的安全問(wèn)題 17．1．1大數(shù)據(jù)基礎(chǔ)設(shè)施安全威脅 17．1．2大數(shù)據(jù)存儲(chǔ)安全威脅 17．1．3大數(shù)據(jù)云架構(gòu)網(wǎng)絡(luò)安全威脅 17．1．4大數(shù)據(jù)帶來(lái)隱私問(wèn)題 17．1．5針對(duì)大數(shù)據(jù)的高級(jí)持續(xù)性攻擊 17．1．6其他安全威脅 17．2不同領(lǐng)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(lǐng)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(shù) 17．4．2大數(shù)據(jù)安全應(yīng)用技術(shù) 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(guān)鍵技術(shù) 18．1．1非關(guān)系數(shù)據(jù)庫(kù)安全策略 18．1．2防范APT攻擊 18．2大數(shù)據(jù)安全保障實(shí)踐 18．2．1大數(shù)據(jù)采集與存儲(chǔ)的安全防護(hù) 18．2．2大數(shù)據(jù)挖掘與應(yīng)用的安全防護(hù) 18．2．3大數(shù)據(jù)安全審計(jì) 18．2．4大數(shù)據(jù)安全評(píng)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(yīng)用大數(shù)據(jù)保障安全 19．1大數(shù)據(jù)安全檢測(cè)及應(yīng)用 19．1．1安全檢測(cè)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(biāo)及評(píng)估 19．3基于大數(shù)據(jù)的網(wǎng)絡(luò)態(tài)勢(shì)感知 19．3．1態(tài)勢(shì)感知定義 19．3．2網(wǎng)絡(luò)態(tài)勢(shì)感知 19．3．3基于流量數(shù)據(jù)的網(wǎng)絡(luò)安全感知 19．3．4基于大數(shù)據(jù)分析的網(wǎng)絡(luò)優(yōu)化 19．3．5網(wǎng)絡(luò)安全感知應(yīng)用實(shí)踐 19．4視頻監(jiān)控?cái)?shù)據(jù)的安全應(yīng)用 19．4．1視頻監(jiān)控?cái)?shù)據(jù)的處理需求 19．4．2視頻監(jiān)控?cái)?shù)據(jù)挖掘技術(shù) 19．4．3海量視頻監(jiān)控?cái)?shù)據(jù)的分析與處理 19．5本章小結(jié) 參考文獻(xiàn)