全书分为三大部分： 主要讨论有关增强数据密集型应用系统所需的若干基本原则。首先开篇第1章即瞄准目标：可靠性、可扩展性与可维护性，如何认识这些问题以及如何达成目标。第2章我们比较了多种不同的数据模型和查询语言，讨论各自的适用场景。接下来第3章主要针对存储引擎，即数据库是如何安排磁盘结构从而提高检索效率。第4章转向数据编码（序列化）方面，包括常见模式的演化历程。 我们将从单机的数据存储转向跨机器的分布式系统，这是扩展性的重要一步，但随之而来的是各种挑战。所以将依次讨论数据远程复制（第5章）、数据分区（第6章）以及事务（第7章）。接下来的第8章包括分布式系统的更多细节，以及分布式环境如何达成一致性与共识（第9章）。 主要针对产生派生数据的系统，所谓派生数据主要指在异构系统中，如果无法用一个数
本书围绕精益创业展开讨论，融合了精益创业法、客户开发、商业模式画布和敏捷/持续集成的精华。本书汇聚了100多位创始人、投资人、内部创业者和创新者的成功创业经验，呈现了 30 多个极具价值的案例分析，可以为各阶段的创业者提供行为准则。 如果你是一名创业者，或者你是一名产品开发、产品管理、市场营销、公共关系和投资领域的商务专业人员，那么本书不容错过。
本书结合理论和实践，由浅入深，全方位介绍了Hadoop这一高性能的海量数据处理和分析平台。全书5部分24章，第Ⅰ部分介绍Hadoop基础知识，主题涉及Hadoop、MapReduce、Hadoop分布式文件系统、YARN、Hadoop的I/O操作。第Ⅱ部分介绍MapReduce,主题包括MapReduce应用开发；MapReduce的工作机制、MapReduce的类型与格式、MapReduce的特性。第Ⅲ部分介绍Hadoop的运维，主题涉及构建Hadoop集群、管理Hadoop。第Ⅳ部分介绍Hadoop相关开源项目，主题涉及Avro、Parquet、Flume、Sqoop、Pig、Hive、Crunch、Spark、HBase、ZooKeeper。第Ⅴ部分提供了三个案例，分别来自医疗卫生信息技术服务商塞纳(Cerner)、微软的人工智能项目ADAM(一种大规模分布式深度学习框架)和开源项目Cascading(一个新的针对MapReduce的数据处理API)。 本书是一本权威、全面的Hadoop参考书和工具书，阐述了Hadoop生态圈的*发展和应用，程序员可以从中探
本书主要作为教育领域从事教育大数据研究工作者的参考用书。本书从教育大数据的重要意义、国内外教育大数据的研究现状以及政策支持出发，对教育大数据的相关概念和内涵做阐述说明，介绍了教育大数据的技术、技术标准、治理与开放、风险管理与法律政策，重点阐述了教育大数据在教育领域的典型应用，包括教育大数据在课堂教育、校园管理、在线教育、开放远程教育、教育培训行业以及学生综合素质评价等方面的应用，*后提出教育大数据的发展趋势和机遇挑战。
本书从整体上进行了改编、扩展和提升。主题内容也有所延伸，其中包括数据的类型与域、表的比较、映像关系、聚集操作符与汇总、视图更新以及子查询。还特别收录了一个新附录 NoSQL与关系理论。 本书涵盖以下内容： 是否可以编写SQL查询找到在公司每个编程部门都至少工作过一次的员工？ 你是否可以确保查询的正确性？为什么恰当的列命名非常重要？ 数据库中的null会带来错误的答案。为什么？你又能做什么？ 映像关系如何能帮助你表述复杂的SQL查询？ 虽然SQL支持 量化比较 ，但是尽量不要使用。为什么？怎样才能避免使用？
本书主要分为两*分。第**分以核心概念和基本应用为脉络，介绍了Flink的核心*性（如检查点机制、时间与窗口、shuffle机制等），*署，DataStream API、Dataset API、Table API的应用，运行时的原理等内容，每*章先对概念做基本的介绍，然后基于应用实例详细分析Flink的设计思想和源码实现。第二*分基于对原理的理解，手把手教读者如何进行定制化的*性开发和性能提*，能够让读者对Flink的理解有质的飞跃。这**分内容来自作者大量的工作实践，所引用例均源自企业级的真实需求，能够解决非常复杂的现网问题。
本书精讲数据结构与算法，对常见的算法及实现代码进行详细讲解，并配合具体的图表和教学视频，使读者轻松掌握数据结构知识并深入理解其中的算法思想。 本书共分8章，内容包括线性表、栈、队列、串、数组和广义表、树、图、查找、排序等。本书知识点涵盖全面，案例典型。本书习题大部分来自各大名校考研和 软件公司的笔试面试题目，是作者多年来的教学实践经验的总结。本书案例代码全部在Visual C++开发环境运行通过，并配套教学视频，方便读者自学。 本书适合C语言数据结构与算法的初学者、数据结构与算法课程考试的学生、考研人员、算法竞赛选手，也可以作为高等院校和培训机构计算机相关专业师生的教学参考书。
本书介绍Spark应用开发的面向对象和函数式编程概念，讨论RDD和DataFrame基本抽象，讲述如何使用SparkSQL、GraphX和Spark来开发可扩展的、容错的流式应用程序，*后介绍监控、配置、调试、测试和开发等高级主题。通过本书的学习，你将能使用SparkR和PySpark API开发Spark应用程序，使用Zeppelin进行交互式数据分析，使用Alluxio进行内存数据处理，将透彻理解Spark，并能对海量数据执行全栈数据分析，*终成为数据科学家。
本书详细介绍了各种数据库的SQL查询技术和一些基础的SQL查询语句，并且通过实例操作的方式讲解了如何插入、更新和删除数据等相关知识。另外，本书还介绍了如何使用SQL语句进行日期处理，以及一些其他的SQL语句查询操作，能够帮助你掌握相关的SQL知识。
国家高度重视并积极推动新型基础设施的建设和发展。5G作为新基建的排头兵，凭借其万物物联和泛在智能的优势，将为社会带来根本性的变革。本书从新基建基本内涵出发，着眼于5G新基建中的网络规划建设和融合业务发展两条主线展开论述，详细介绍了5G网络架构和关键技术、5G网络规划与建设及5G融合业务应用与实践案例等。 本书内容丰富且深入浅出，适用于通信运营商、规划设计院、业务集成解决方案提供商、5G行业咨询机构等单位的相关技术人员参阅，同时也可以作为对口大专院校和科研机构研究生及教师的参考用书。
本书介绍了很多基本设计模式、优化技术和数据挖掘及机器学习解决方案，以解决生物信息学、基因组学、统计和社交网络分析等领域的很多问题。这本书还概要介绍了MapReduce、Hadoop和Spark。 本书主要内容包括： ■ 完成超大量交易的购物篮分析。 ■ 数据挖掘算法（K-均值、KNN和朴素贝叶斯）。 ■ 使用超大基因组数据完成 DNA 和 RNA 测序。 ■ 朴素贝叶斯定理和马尔可夫链实现数据和市场预测。 ■ 推荐算法和成对文档相似性。 ■ 线性回归、Cox回归和 皮尔逊 （Pearson） 相关 分析。 ■ 等位基因频率和 DNA 挖掘。 ■ 社交网络分析（推荐系统、三角形计数和情感分析）。
在传统的数据处理流程中，总是先收集数据，然后将数据放到DB中。当人们需要的时候通过DB对数据做query，得到答案或进行相关的处理。这样看起来虽然很好合理，但是结果却很好的紧凑，尤其是在一些实时搜索应用环境中的某些具体问题，类似于MapReduce方式的离线处理并不能很好地解决问题。这就引出了一种新的数据计算结构---流计算方式。它可以很好地对大规模流动数据在不断变化的运动过程中实时地进行分析，捕捉到可能有用的信息，并把结果发送到下一计算节点。本书讲解流计算原理。
