✍ Scribed by 常耀斌 郑智民 周贤波
No coin nor oath required. For personal study only.
大数据和人工智能技术发展正当时，如何快速构建一个高水平的企业级大数据平台是撰写本书的出发点。本书从总体技术要求出发，深入分析了全栈技术的各自优势和应用场景，传授了三十多种主流技术的架构设计、技术原理和集成方法。第 1章介绍企业级大数据平台服务的总体设计，突出研究经典设计模式之美、吸纳分布式技术的精髓、深耕微架构的演变内涵。第 2章～第 9章是项目实战环节，介绍高并发采集、灵活转发、高可扩展海量存储、高并发海量存储、高可靠海量存储、实时计算、智能分析和自定义迁移等微服务，手把手传授架构设计和核心代码，让读者掌握商用微服务产品开发全流程。
封面
扉页
内容简介
版权页
推荐序一
推荐序二
前言
目录
第1章 企业级大数据平台服务的总体设计
1.1 平台架构设计的总体技术要求
1.2 微服务引擎的可扩展性设计
1.3 微服务引擎的优秀解决方案
1.4 设计小结
第2章 大数据高并发采集微服务引擎
2.1 核心需求分析和优秀解决方案
2.2 服务引擎的技术架构设计
2.3 核心技术讲解及模块化设计
2.4 项目小结
第3章 大数据灵活转发微服务引擎
3.1 核心需求分析和优秀解决方案
3.2 服务引擎的技术架构设计
3.3 核心技术讲解及模块化实现
3.4 项目小结
第4章 大数据高可扩展海量存储微服务引擎
4.1 核心需求分析和优秀解决方案
4.2 服务引擎的技术架构设计
4.3 核心技术讲解及模块化实现
4.4 项目小结
第5章 大数据高并发海量存储微服务引擎
5.1 核心需求分析和优秀解决方案
5.2 服务引擎的技术架构设计
5.3 核心技术讲解及模块化实现
5.4 项目小结
第6章 大数据高可靠海量存储微服务引擎
6.1 核心需求分析和优秀解决方案
6.2 服务引擎的技术架构设计
6.3 核心技术讲解及模块化实现
6.4 项目小结
第7章 大数据实时计算微服务引擎
7.1 核心需求分析和优秀解决方案
7.2 服务引擎的技术架构设计
7.3 核心技术讲解及模块化实现
7.4 项目小结
第8章 大数据智能分析微服务引擎
8.1 核心需求分析和优秀解决方案
8.2 服务引擎的技术架构设计
8.3 核心机器学习算法讲解和应用
8.4 Spark架构原理与数据预测
8.5 项目小结
第9章 大数据自定义迁移微服务引擎
9.1 核心需求分析和优秀解决方案
9.2 服务引擎的技术架构设计
9.3 核心技术讲解及模块化实现
9.4 项目小结
正文结束
📜 SIMILAR VOLUMES
<p>本书讲解了一个大数据综合项目---招聘网站职位分析。全书共分为 6 章,内容分别是项目概述、搭建大数据集群环境、数据采集、数据预处理、数据分析与数据可视化。</p> <p>本书附有配套资源,包括源代码、教学设计、教学课件等资源。同时为了帮助初学者更好地学习本书内容,还提供了在线管疑,欢迎读者关注。</p> <p>本书适用于高等院校本、专科计算机相关专业大数据项目实训课程的教学,书中的具体项目,有助于读者综合运用大数据课程知识及各种工具软件,实现大数据分析全流程操作。</p>
在当今整个中国社会都处于互联网转型的浪潮中，不管是政府职能单位、业务规模庞大的央企，还是面临最激烈竞争的零售行业都处于一个重要的转折点，这个转折对企业业务模式带来了冲击，当然也给企业的信息中心部门带来了挑战：如何构建IT系统架构更好地满足互联网时代下企业业务发展的需要。阿里巴巴的共享服务理念以及企业级互联网架构建设的思路，给这些企业带来了不少新的思路，这也是我最终决定写这本书的最主要原因。本书从阿里巴巴启动中台战略说起，详细阐述了共享服务理念给企业业务发展带来的业务价值。接着会分享阿里巴巴在建设共享服务体系时如何进行技术框架的选择，哪些重要的技术平台支撑起了共享服务体系，这也是迄今为止对阿里巴
本书从初学者角度详细介绍了Spark应用程序体系架构的核心技术，全书共9章。第1章详细介绍开发Spark框架的Scala编程语言；第2～4、7～8章主要讲解Spark核心基础、SparkRDD弹性分布式数据集、Spark SQL处理结构化数据、Spark Streaming实时计算框架、Spark MLlib机器学习库，并包含了搭建Spark集群、Spark集群的操作方式、利用Spark解决大数据工作中遇到的基本问题。第5～6章主要讲解大数据环境中常见的辅助系统，HBase数据库以及Kafka流处理平台，包含辅助系统的搭建方式、使用方法以及相关底层实现的基本原理；第9章是一个综合项目，利用Sp
<p>“数据是重要资产”已成为大家的共识，众多公司都在争相分析、挖掘大数据背后的信息资源。本书在此背景下，对目前大数据及其相关技术的发展进行总结，理论联系实践，既不缺乏理论深度又具有实用价值。</p> <p>本书共12章，内容包括大数据的概念、特点、发展历史，数据获取与存储，数据抽取和清洗，数据集成，数据的查询、分析与建模，异构数据采集，文档的存储与检索，异种数据的统一访问与转换，基于微博的股票市场预测系统实例，海量视频检索系统实例，HDFS云文件系统实例。</p> <p>本书适合大数据技术初学者、大数据从业人员和研究人员，也可以作为高等院校相关专业师生的教学参考书。</p>
本书是从大数据和云计算相结合的视角，系统地介绍大数据云架构技术与实践的专业图书，全书分为五篇19章，分别介绍大数据云计算的概论、关键技术、体系架构、云架构实践与编程和安全。本书层次清晰，结构合理，主要内容包括大数据云计算关系、大数据应用价值、分布式计算、NoSQL数据库、机器学习、虚拟化、Docker容器、Web 2.0、绿色数据中心、基础设计即服务（IaaS）、平台即服务（PaaS）、软件即服务（SaaS）、容器即服务（CaaS）、大数据云架构搭建、Spark大数据编程、大数据和云计算面临的安全威胁、保障大数据安全、应用大数据保障安全等。本书可作为高年级本科生和研究生教材，也可作为广大科学技