《SQL即查即用》从实用角度出发，由浅入深地讲解了SQL的基本概念、常用语法和操作技术。全书共24章，包括数据的简单查询、条件查询、模糊查询、过滤数据以及数据排序、分组、统计等内容，还包括子查询、多表连接、数据的增删改查、视图、存储过程、游标、事务处理以及数据库和数据表的管理等高级技术。包括200多个SQL语法，200多个应用示例。有很强的实用性和可操作性，既适合作为SQL初学者的学习用书，又适合作为程序开发人员和数据库管理人员随时查阅的参考工具书。为便于读者对SQL语法的理解，书中所有知识点和语法都结合具体示例进行讲解，并以对比图方式鲜明直观地展示数据变化，帮助读者快速掌握实际操作技巧，学以致用。书中还设置了注意、说明、常见错误、多学两招等贴心栏目，及时指出注意事项并给出相应的解决方案，帮助读者避开学

MySQL是世界上的数据库管理系统之一。书中从介绍简单的数据检索开始，逐步深入一些复杂的内容，包括联结的使用、子查询、正则表达式和基于全文本的搜索、存储过程、游标、触发器、表约束，等等。通过重点突出的章节，条理清晰、系统而扼要地讲述了读者应该掌握的知识，使他们不经意间立刻功力大增。 本书注重实用性，操作性很强，适用于广大软件开发和数据库管理人员学习参考。

本书根据计算机专业“数据库原理”课程的教学大纲编写，作者在原书《数据库原理与应用——习题与解析》的基础上，根据读者的反馈意见大幅修订和更新了本书习题，并补充近年的研究生入学考试试题，进一步体现了教学改革的成果。 全书共分8章，分别介绍数据库的基础知识、关系数据库、SQL语言、关系系统及其查询优化、关系数据理论、数据库设计、数据库保护和面向对象数据库系统。每章由基本知识点和例题分析组成，前者高度概括和疏理本章应重点应重点掌握的相关知识；后者详尽地解析精选的典型习题。本书将使学生充分掌握“数据库原理”课程求解问题的技巧与方法，深化对基本概念的理解，切实提高分析问题和解决问题的能力。

《数据库系统实现（英文版）（第2版）》是关于数据库系统实现方面内容最为全面的著作之一，是美国斯坦福大学计算机科学专业数据库系列课程第二门课程的指定教材。书中从数据库实现者的角度对数据库系统实现原理进行了深入阐述。并具体讨论了数据库管理系统的三个主要成分 存储管理器、查询处理器和事务管理器的实现技术。斯坦福大学计算机科学专业数据库系列课程门课程的内容包括数据库设计和数据库编程。《数据库系统实现（英文版）（第2版）》的后两位作者Jeffrey D.UIIman和Jennifer Widom为该课程编写的教材《数据库系统基础教程》（A First Course iDatabase Systems）第3版的中文翻译版和英文影印版已由机械工业出版社出版。 《数据库系统实现（英文版）（第2版）》内容深入且全面，技术实用且先进，叙述深入浅出，是一本难得的高层次的教材，适合作

本书以 MySQL 数据库的基础及维护为切入点，重点介绍了 MySQL 数据库应用系统的性能调优，以及高可用可扩展的架构设计。 全书共分3篇，基础篇介绍了MySQL软件的基础知识、架构组成、存储引擎、安全管理及基本的备份恢复知识。性能优化篇从影响 MySQL 数据库应用系统性能的因素开始，针对性地对各个影响因素进行调优分析。如 MySQL Schema 设计的技巧，Query 语句的性能优化方式方法及MySQL Server中SQL层和存储引擎层的优化思路。同时还分析了 MySQL 数据库中主要存储引擎的锁定机制。架构设计篇则主要以设计一个高可用可扩展的分布式企业级数据库集群环境为目标，分析介绍了通过 MySQL 实现这一目标的多种架构方式。主要包括可扩展和高可用两部分内容，可扩展部分包括设计原则、Replication 的利用、数据切分、如何使用 Cache 和 Search，以及 NDB Cluster等内容。高可用

本书深入浅出地阐述数据结构的基础知识，并根据每章的知识点，精选出具有针对性、实用性、普及性的经典实训项目，让学生在训练过程中边学边练，在不知不觉中得以全面提高计算机素质。后还给出了3个用以训练学生综合运用能力的综合项目案例。本书的特点是“以能力培养为核心，以技能训练为主线，以实践项目为载体，以理论知识为支撑”；注重理论和实践相结合，用理论指导实践，在实践中理解并运用理论；保证各个实训项目的科学性、实践性、实用性和可操作性，附赠一张CD-ROM配套程序光盘。本书既可作为高等学校应用型本科和高等职业院校计算机相关专业学生的实训教材，也司作为计算机程序爱好者的自学参考书。

《数据算法：Hadoop/Spark大数据处理技巧》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。这还概要介绍了MapReduce、Hadoop和Spark。 主要包括： 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）。