大數據云服務(wù)技術(shù)架構與實(shí)踐/大數據技術(shù)與應用專(zhuān)業(yè)規劃教材簡(jiǎn)介，目錄書(shū)摘

內容簡(jiǎn)介:　　大數據云服務(wù)技術(shù)架構與實(shí)踐（大數據技術(shù)與應用專(zhuān)業(yè)規劃教材）是從大數據和云計算相結合的視角，系統地介紹大數據云架構技術(shù)與實(shí)踐的專(zhuān)業(yè)圖書(shū)，全書(shū)分為五篇19章，分別介紹大數據云計算的概論、關(guān)鍵技術(shù)、體系架構、云架構實(shí)踐與編程和安全。本書(shū)層次清晰，結構合理，主要內容包括大數據云計算關(guān)系、大數據應用價(jià)值、分布式計算、NoSQL數據庫、機器學(xué)習、虛擬化、Docker容器、Web2.0、綠色數據中心、基礎設計即服務(wù)（IaaS）、平臺即服務(wù)（PaaS）、軟件即服務(wù)（SaaS）、容器即服務(wù)（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(shū)可作為高年級本科生和研究生教材，也可作為廣大科學(xué)技術(shù)人員和計算機愛(ài)好者的參考書(shū)。

目錄:1篇大數據云計算概論
1章大數據概述
11大數據產(chǎn)生與發(fā)展
111大數據產(chǎn)生背景
112大數據發(fā)展歷程
113當前大數據
12大數據概念與特征
121大數據概念
122大數據的特點(diǎn)
13大數據應用
131企業(yè)內部大數據應用
132物聯(lián)網(wǎng)大數據應用
133面向在線(xiàn)社交網(wǎng)絡(luò )大數據的應用
134醫療健康大數據應用
135群智感知
136智能電網(wǎng)
14大數據的研究與展望
15本章小結
2章大數據和云計算
21大數據和云計算的關(guān)系
211大數據和云計算關(guān)系概述
212云計算是大數據處理的基礎
213大數據是云計算的延伸
22云計算概念
221云的興起
222云計算的定義及其特點(diǎn)
223云計算名稱(chēng)的來(lái)歷
23云計算類(lèi)型
231基礎設施類(lèi)
232平臺類(lèi)
233應用類(lèi)
234以所有權劃分云計算系統類(lèi)型
24云計算商業(yè)模式
241商業(yè)模式是云計算的基石
242云計算的市場(chǎng)規模
243云計算商業(yè)模式分析
25本章小結
3章大數據應用價(jià)值
31大數據在電子商務(wù)中的應用
311大數據是電子商務(wù)發(fā)展要素
312電子商務(wù)大數據的實(shí)用措施
313電子商務(wù)大數據的轉型路徑
32大數據在金融的應用
321大數據金融的提出
322大數據金融的功能
323大數據金融的挑戰
324大數據金融創(chuàng )新
33大數據在媒體的應用
331傳統媒體的不足
332大數據驅動(dòng)傳統媒體的升級
333大數據引領(lǐng)新媒體發(fā)展
34大數據在醫療上的應用
341大數據改進(jìn)臨床決策支持系統
342大數據助推醫療產(chǎn)品研發(fā)
343大數據催生新醫療服務(wù)模式
35大數據在教育上的應用
351大數據教育與傳統教育的優(yōu)勢
352大數據教學(xué)模式的不斷改善
353教育大數據市場(chǎng)的廣闊前景
354大數據變革教育應用的實(shí)踐措施
36本章小結
2篇大數據云計算關(guān)鍵技術(shù)
4章分布式計算框架
41分布式計算基本概念
411分布式計算與并行計算
412分布式計算和并行計算的比較
42Hadoop系統介紹
421Hadoop發(fā)展歷程
422Hadoop使用場(chǎng)景和特點(diǎn)
423Hadoop項目組成
43分布式文件系統
431分布式文件系統概述
432HDFS架構
433HDFS設計特點(diǎn)
44MapReduce計算模型
441MapReduce概述
442MapReduce應用實(shí)例
443MapReduce實(shí)現和架構
45分布式協(xié)同控制
451常見(jiàn)分布式并發(fā)控制方法
452Google Chubby并發(fā)鎖
46Spark計算框架
461Spark簡(jiǎn)介
462Spark生態(tài)系統
47Flink計算框架
471Flink簡(jiǎn)介
472Flink中的調度簡(jiǎn)述
473Flink的生態(tài)圈
48本章小結
5章NoSQL數據庫
51NoSQL數據庫概述
511NoSQL數據庫的4大分類(lèi)
512數據庫系統CAP理論和BASE理論
513NoSQL的共同特征
52Hbase數據庫
521HBase簡(jiǎn)介
522HBase訪(fǎng)問(wèn)接口
523HBase數據模型
524MapReduce on HBase
525HBase系統架構
53本章小結
6章機器學(xué)習
61機器學(xué)習概述
611機器學(xué)習分類(lèi)
612機器學(xué)習發(fā)展歷程
62機器學(xué)習常用的算法
621回歸算法
622基于實(shí)例的算法
623正則化方法
624決策樹(shù)算法
625貝葉斯方法
626基于核的算法
627聚類(lèi)算法
628關(guān)聯(lián)規則學(xué)習
629遺傳算法
6210人工神經(jīng)網(wǎng)絡(luò )
6211深度學(xué)習
6212降低維度算法
6213集成算法
63本章小結
7章虛擬化
71虛擬化概述
711虛擬化發(fā)展歷史
712虛擬化技術(shù)的發(fā)展熱點(diǎn)和趨勢
713虛擬化技術(shù)的概念
72虛擬化的分類(lèi)
721從實(shí)現的層次劃分
722從應用的領(lǐng)域劃分
73應用虛擬化
731應用虛擬化的使用特點(diǎn)
732應用虛擬化的優(yōu)勢
733應用虛擬化要考慮的問(wèn)題
74桌面虛擬化
741桌面虛擬化優(yōu)勢
742桌面虛擬化使用條件
75服務(wù)器虛擬化
751服務(wù)器虛擬化架構
752CPU虛擬化
753內存虛擬化
754I/O虛擬化
76網(wǎng)絡(luò )虛擬化
761傳統網(wǎng)絡(luò )虛擬化技術(shù)
762主機網(wǎng)絡(luò )虛擬化
763網(wǎng)絡(luò )設備虛擬化
77存儲虛擬化
771存儲虛擬化概述
772按照不同層次劃分存儲虛擬化
773按照實(shí)現方式不同劃分存儲虛擬化
78本章小結
8章Docker容器
81Docker容器概述
811Docker容器的由來(lái)
812Docker定義
813Docker的優(yōu)勢
82Docker的原理
821Linux Namespace(ns)
822Control Groups(cgroups)
823Linux容器(LXC)
824AUFS
825Grsec
83Docker技術(shù)發(fā)展與應用
831Docker解決的問(wèn)題
832Docker的未來(lái)發(fā)展
833Docker技術(shù)的局限
84本章小結
9章Web 20
91Web 20產(chǎn)生背景和定義
911Web 20產(chǎn)生背景
912Web 20的概念
913Web 20和Web 10比較
914Web 20特征
92Web 20應用產(chǎn)品
921Web 20主要應用產(chǎn)品
922主要產(chǎn)品的區別
93Web 20相關(guān)技術(shù)
931Web 20的設計模式
932Web標準
933向Web標準過(guò)渡
94本章小結
10章綠色數據中心
101綠色數據中心概述
1011云數據中心發(fā)展階段
1012綠色數據中心架構
1013云數據中心需要整合的資源
102數據中心管理和維護
1021實(shí)現端到端、大容量、可視化的基礎設施整合
1022實(shí)現虛擬化、自動(dòng)化的管理
1023實(shí)現面向業(yè)務(wù)的應用管理和流量分析
103本章小結
3篇云計算架構
11章基礎設施即服務(wù)
111IaaS概述
1111IaaS的定義
1112IaaS提供服務(wù)的方法
1113IaaS云的特征
1114IaaS和虛擬化的關(guān)系
112IaaS技術(shù)架構
1121資源層
1122虛擬化層
1123管理層
1124服務(wù)層
113IaaS云計算管理
1131自動(dòng)化部署
1132彈性能力提供技術(shù)
1133資源監控
1134資源調度
1135業(yè)務(wù)管理和計費度量
114Amazon云計算案例
1141概述
1142Amazon S3
1143Amazon Simple DB
1144Amazon RDS
1145Amazon SQS
1146Amazon EC2
115本章小結
12章平臺即服務(wù)
121PaaS概述
1211PaaS的由來(lái)
1212PaaS的概念
1213PaaS模式的開(kāi)發(fā)
1214PaaS推進(jìn)SaaS時(shí)代
122PaaS架構
1221PaaS的功能
1222多租戶(hù)彈性是PaaS的核心特性
1223PaaS架構的核心意義
1224PaaS改變未來(lái)軟件開(kāi)發(fā)和維護模式
123Google的云計算平臺
1231設計理念
1232構成部分
1233App Engine服務(wù)
124Windows Azure平臺
1241Windows Azure操作系統
1242SQL Azure
1243NET服務(wù)
1244Live服務(wù)
1245Windows Azure Platform的用途
125本章小結
13章軟件即服務(wù)
131SaaS概述
1311SaaS的由來(lái)
1312SaaS的概念
1313SaaS與傳統軟件的區別
1314SaaS模式應用于信息化優(yōu)勢
1315SaaS成熟度模型
132模式及實(shí)現
1321SaaS商務(wù)模式
1322SaaS平臺架構
1323SaaS服務(wù)平臺的主要功能
1324SaaS服務(wù)平臺關(guān)鍵技術(shù)
133Salesforce云計算案例
1331Salesforce云計算產(chǎn)品組成
1332Salesforce云計算特點(diǎn)
134本章小結
14章容器即服務(wù)
141容器云服務(wù)
1411云平臺架構層次
1412容器云
1413容器云的特點(diǎn)
142Kubernetes應用部署
1421Kubernetes架構
1422Kubernetes模型
1423內部使用者的服務(wù)發(fā)現
1424外部訪(fǎng)問(wèn)Service
143Mesos應用
1431Mesos體系結構和工作流
1432Mesos流程
1433Mesos資源分配
1434Mesos優(yōu)勢
144基于Kubernetes打造SAE容器云
1441Kubernetes 的好處
1442容器云網(wǎng)絡(luò )
1443容器云存儲
145基于Mesos去哪兒網(wǎng)容器云
1451背景
1452應用Mesos構建容器云
1453云環(huán)境構建
146本章小結
4篇大數據云架構實(shí)踐與編程
15章大數據云架構搭建
151分布式Hadoop與Spark集群搭建
1511Hadoop集群構建
1512Spark集群構建
152基于Docker大數據云架構
1521簡(jiǎn)介
1522Docker和Weave搭建
1523Hadoop集群鏡像搭建
1524集群部署與啟動(dòng)
1525基于A(yíng)mbari管理平臺的鏡像搭建
1526桌面系統XFCE搭建
153本章小結
16章Spark大數據編程
161Spark應用開(kāi)發(fā)環(huán)境配置
1611使用Intellij開(kāi)發(fā)Spark程序
1612使用Spark Shell開(kāi)發(fā)運行Spark程序
162Spark大數據編程
1621WordCount
1622股票趨勢預測
163本章小結
5篇大數據安全
17章大數據云計算面臨的安全威脅
171大數據云計算的安全問(wèn)題
1711大數據基礎設施安全威脅
1712大數據存儲安全威脅
1713大數據云架構網(wǎng)絡(luò )安全威脅
1714大數據帶來(lái)隱私問(wèn)題
1715針對大數據的高級持續性攻擊
1716其他安全威脅
172不同領(lǐng)域大數據的安全需求
1721因特網(wǎng)行業(yè)
1722電信行業(yè)
1723金融行業(yè)
1724醫療行業(yè)
1725政府組織
173大數據安全內涵
1731保障大數據安全
1732大數據用于安全領(lǐng)域
174大數據安全研究方向
1741大數據安全保障技術(shù)
1742大數據安全應用技術(shù)
175本章小結
18章保障大數據安全
181大數據安全的關(guān)鍵技術(shù)
1811非關(guān)系數據庫安全策略
1812防范APT攻擊
182大數據安全保障實(shí)踐
1821大數據采集與存儲的安全防護
1822大數據挖掘與應用的安全防護
1823大數據安全審計
1824大數據安全評估與安全管理
1825數據中心的安全保障
183本章小結
19章應用大數據保障安全
191大數據安全檢測及應用
1911安全檢測與大數據的融合
1912用戶(hù)上網(wǎng)流量數據的挖掘與分析
192安全大數據
1921數據挖掘方法
1922挖掘目標及評估
193基于大數據的網(wǎng)絡(luò )態(tài)勢感知
1931態(tài)勢感知定義
1932網(wǎng)絡(luò )態(tài)勢感知
1933基于流量數據的網(wǎng)絡(luò )安全感知
1934基于大數據分析的網(wǎng)絡(luò )優(yōu)化
1935網(wǎng)絡(luò )安全感知應用實(shí)踐
194視頻監控數據的安全應用
1941視頻監控數據的處理需求
1942視頻監控數據挖掘技術(shù)
1943海量視頻監控數據的分析與處理
195本章小結
參考文獻