本书以互联网企业中常见数据运营场景为切入点，以工作中实际面临解决的问题为案例，从方法、技术、业务、实践4个维度讲述数据运营的场景及应用方式。书中从实践出发，结合工作中数据运营经验，以应用案例为主线，通过业务分析 代码实践这种更“接地气”的方式讲述数据的应用。书中对于搭建数据监控指标体系、数据分析、数据挖掘、ABTest、埋点策略、用户画像建模等常见数据运营方式做了详细的介绍。

《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

这是一本博大精深但又不太技术的指南，向你介绍数据科学的基本原则，并带领你全程浏览从所搜集数据中抽取有用知识和商业价值所必需的“数据分析思维”。通过学习数据科学原则，你将领略当今用到的诸多数据挖掘技巧。更重要的是，这些原则支撑着通过数据挖掘技巧解决商业问题所需的手段和策略。

本书提供了监控、分析和优化Oracle Database 10g的方法，书中包含了详细的案例研究、实践和丰富的Oracle新的调整特性的代码示例。通过对本书的学习，读者可以了解到如何选择化的索引选项，有效地管理驱动器和磁盘阵列，对查询执行故障检修，以及可靠地预测将来的性能。本书还将详细介绍PL/SQL性能增强、初始化文件调整，以及的数据库调查和报告使用程序。

《SQL基础教程》介绍了关系数据库以及用来操作关系数据库的SQL语言的使用方法，提供了大量的示例程序和详实的操作步骤说明，读者可以亲自动手解决具体问题，循序渐进地掌握SQL的基础知识和技巧，切实提高自身的编程能力。在每章结尾备有习题，用来检验读者对该章内容的理解程度。另外，《SQL基础教程》还将重要知识点总结为“法则”，方便大家随时查阅。 《SQL基础教程》适合完全没有或者具备较少编程和系统开发经验的初学者，也可以作为大中专院校的教材及企业新人的培训用书。

如今，我们要面对和使用的数据正在变得越来越庞大和复杂。如果说数据是新的石油。那么数据库就是油田、炼油厂、钻井和油泵。作为一名现代的软件开发者，我们需要了解数据管理的新领域，既包括RDBMS，也包括NoSQL。 本书遵循《七周七语言》的写作风格和体例，带领你学习和了解当令最热门的开源数据库。在简单的介绍之后，本书分章介绍了7种数据库。这些数据库分别属于5种不同的数据库风格，但每种数据库都有自己保存数据和看待世界的方式。它们依次是PostgreSQL、Riak、ApacheHBase、MongoDB、ApacheCouchDB、Neo4J和Redis。本书将深入每一种数据库，介绍它们的优势和不足，以及如何选取一种你的应用需求的数据库。 本书适合数据库架构师、数据库管理员，以及想要了解和学习各种NoSQL数据库技术的程序员阅读。本书将帮助读者了解、选择和应用这些数据库，从而更

Access是Office办公软件系列中的重要组件，是桌面型关系数据库的一个典范。它让原本复杂的操作变得方便、快捷，使一些非专业人员也可以熟练地操作和应用数据库。全书共12章，介绍了Access数据库概述、Access数据库学习方法、表与字段属性、创建“人力资源管理系统”基础表、编辑各表之间的关系、创建查询、高级查询、创建窗体、创建报表、使用宏和VBA、导入与导出数据、数据库安全与优化等内容。本书以创建“人力资源管理系统”为例，由浅入深、结构清晰、实例丰富、图文并茂、实用性强、内容简单、通俗易懂，适合Access初学者、数据库应用从业人员、大专院校师生、计算机培训人员、办公人员等使用，同时也是Access爱好者的参考书。

《SQL指南(第4版)》为SQL名著中文版，兼顾技术与实践，全面细致介绍高级技术，致力于打造SQL编程专家。《SQL指南(第4版)》阐释了数据库设计、优化和操作的各方面内容，提供了成为SQL编程专业人士所需的技术与技巧、针对新旧挑战性难题的解决方案、专业的思考方式(以保证程序的正确性与高效性)，并涉及了数据库设计与规范化、SQL数据类型、查询、分组、集合操作、优化等主题。另外，JoeCelko以通俗易懂的语言叙述了一些关键问题，比如避免使用过多NULL的原因及查询优化方式等。《SQL指南(第4版)》适合中高级SQL编程人员学习参考。

互联网的蓬勃发展，业务驱动技术不断升级，在系统越来越庞大，技术越来越复杂，应用部署集群化，所有压力指向数据库，数据量巨大，数据库优化也到极限了，数据库的运维难以为继，在这种情况下，分布式数据库似乎成为的解决方案。为了解决传统数据库的分布式化这个技术难题，各种数据库中间件应运而生，从早期的Amoeba、TDDL、Cobar，到如今的Mycat，技术日新月异，发展迅猛。Mycat已经成为了一个强大的开源分布式数据库中间件产品。面对企业应用的海量数据事务处理，是目前的开源解决方案。支持多种数据库，开发活跃，已有数百个项目使用，预期Mycat的采用将有爆发式增长趋势。所以Mycat开源社区核心开发者共同撰写了本书，帮助企业更好的使用Mycat中间件架构企业分布式数据库系统。

本书将现代统计学的重要思想引入数理统计课程中，强调了数据分析、图形工具和计算机技术，并注重统计的实务和应用.本书内容丰富，几乎涵盖了所有经典和前沿的概率论与数理统计理论和方法，主要包括概率、变量、联合分布、期望、极限定理、抽样调查、参数估计、假设检验、数据汇总、两样本比较、方差分析、分类数据分析和线性最小二乘等. 本书用真实数据分析了实际问题，以此增强读者对理论的理解；作者将自助方法与传统的推论性过程结合起来，增加了蒙特卡罗方法.此外，为了使概念更清晰，书中提供了大量的示例，而且还有丰富的习题，以增强读者的计算能力. 本书适合作为统计学、数学、其他理工科专业以及社会科学和经济学专业高年级本科生和低年级研究生的教材，同时也可供相关领域技术人员参考.

本书是斯坦福大学计算机科学专业数据库系列课程第二门课的教科书。书中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。此外，第2版充分反映了数据管理技术的新进展，对内容进行了扩充，除了在版中原有的“信息集成”一章（0章）中加入了新的内容外，还增加了两个全新的章：“数据挖掘”（1章）和“数据库系统与互联网”（2章）。 本书适合作为高等院校计算机专业研究生的教材或本科生的教学参考书，也适合作为从事相关研究或开发工作的专业技术人员的高级参考资料。

《Oracle 查询优化改写技巧与案例》不讲具体语法，只是以案例的形式介绍各种查询语句的用法。~4 章是基础部分，讲述了常用的各种基础语句，以及常见的错误和正确语句的写法。这部分的内容应熟练掌握，因为日常查询和优化改写都要用到。第5~12 章是提高部分，讲解了正则表达式、分析函数、树形查询及汇总函数的用法。这部分知识常用于对一些复杂需求的实现及优化改写。最后两章介绍日常的优化改写案例。这部分是前面所学知识的扩展应用。 如果您是开发人员，经常与Oracle 打交道，那么《Oracle 查询优化改写技巧与案例》可以帮助您处理复杂的需求，写出高性能的语句。如果您是运维人员，则《Oracle 查询优化改写技巧与案例》可以帮助您更快地完成慢语句的改写优化。

本书以笔者多年积累的实际经验分析数据库管理员的工作职责。详细介绍Oracle数据库的运作原理与组成架构；针对常用的“基本对象”及延伸应用的“高可用性对象”提供详尽说明；详解Oracle数据库的安装、建置，以及安全认证方式；深入剖析Oracle的网络联机架构与设定，包含各类“网络服务组态文件”；详细介绍Oracle数据库的备份与恢复，并列举多项功能强大的复原管理工具；针对数据库、实体结构与Instance讲解效能调校的重要性，并以实例示范；解析Oracle Statspack及Oracle Optimizer；完整说明索引与SQL语法的有效运用。 本书适合数据库开发人员参考学习，也可作为高等院校相关师生的参考书。

《算法竞赛入门经典——训练指南（升级版）》是《算法竞赛入门经典（第2版）》一书的重要补充，旨在补充原书中没有涉及或者讲解得不够详细的内容，从而构建一个更完整的知识体系。本书通过大量有针对性的题目，让抽象复杂的算法和数学具体化、实用化。 《算法竞赛入门经典——训练指南（升级版）》共包括6章，分别为算法设计基础、数学基础、实用数据结构、几何问题、图论算法与模型以及更多算法专题。全书通过206道例题深入浅出地介绍了上述领域的各个知识点、经典思维方式以及程序实现的常见方法和技巧，并在章末给出了丰富的分类习题，供读者查漏补缺和强化学习效果。 《算法竞赛入门经典——训练指南（升级版）》题目多选自近年来ACM/ICPC区域赛和总决赛真题，内容全面，信息量大，覆盖了常见算法竞赛中的大多数细分知识点。书中还给出

《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）。