| | | 解惑大數據 | 該商品所屬分類:計算機/網絡 -> 數據庫 | 【市場價】 | 337-489元 | 【優惠價】 | 211-306元 | 【介質】 | book | 【ISBN】 | 9787115325341 | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品 一次購物滿2000元台幣95折+免運費+贈品 一次購物滿3000元台幣92折+免運費+贈品 一次購物滿4000元台幣88折+免運費+贈品
| 【本期贈品】 | ①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
| |
版本 | 正版全新電子版PDF檔 | 您已选择: | 正版全新 | 溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。 *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。 | | | | 內容介紹 | |
![](https://bnmppic.bookuu.com/goods/14/38/56/2636338-fm.jpg)
-
出版社:人民郵電
-
ISBN:9787115325341
-
作者:丁聖勇//樊勇兵//閔世武
-
頁數:123
-
出版日期:2013-09-01
-
印刷日期:2013-09-01
-
包裝:平裝
-
開本:16開
-
版次:1
-
印次:1
-
字數:152千字
-
《解惑大數據》由丁聖勇、樊勇兵、閔世武編著,本書特色: 簡明扼要。內容簡明,將大量的概念、技術內容以問答的形式給出,便於讀者能夠**快速地找到自己感興趣的內容同時獲得精簡的答案。 通俗易懂。考慮到讀者對技術掌握程度深淺不同,相應的技術內容介紹均使用通俗的語言,以使得非技術領域的讀者能夠了解大數據技術的核心理念。 自成體繫。內容覆蓋大數據價值、技術、應用,尤其是技術部分覆蓋了目前主流的大數據平臺,是較為全面的大數據“技術辭典”。
-
《解惑大數據》由丁聖勇、樊勇兵、閔世武編著
,是一本繫統介紹大數據的技術普及讀物,可幫助讀
者迅速了解大數據的概況。全書分為4章,共120個問
題,內容涵蓋大數據概念、大數據技術、大數據應用
等各個方面。第1章為大數據概述篇,介紹了大數據
的概念、技術特點及應用方向等;第2章為分布式平
臺篇,介紹了大數據的核心計算平臺;第3章為分布
式數據庫篇,介紹大數據中廣泛使用的分布式數據庫
;第4章為大數據與數據挖掘篇,介紹經典的數據挖
掘算法以及大數據如何實現規模化和並行化處理。
《解惑大數據》可作為對大數據技術感興趣的讀
者以及工程技術人員、行業管理人員、大數據繫統的
設計開發人員的技術參考資料,也可以作為大學本科
高年級學生和研究生相關課程的參考書。
-
第1章大數據概述 Q1.什麼是大數據? Q2.大數據的規模如何? Q3.什麼是大數據的多樣化? Q4.什麼是大數據的快速化? Q5.什麼是大數據的價值化? Q6.大數據的起源是什麼? Q7.大數據帶來了哪些機遇? Q8.大數據帶來了哪些挑戰? Q9.什麼是結構化數據? Q10.什麼是非結構化數據? Q11.大數據的技術特點是什麼? Q12.大數據有哪些處理模式? Q13.大數據的硬件架構有什麼特點? Q14.大數據的軟件架構有什麼特點? Q15.大數據與雲計算有什麼關繫? Q16.大數據適合哪些應用? Q17.零售行業如何應用大數據? Q18.金融行業如何應用大數據? Q19.交通行業如何應用大數據? Q20.互聯網行業如何應用大數據? Q21.電信行業如何應用大數據?
第2章分布式平臺 2.1分布式平臺的基本概念 Q22.什麼是分布式平臺? Q23.分布式平臺的基本原理是什麼? Q24.什麼是分布式文件繫統? Q25.什麼是分布式計算? 2.2開源項目 2.2.1Hadoop Q26.什麼是Hadoop? Q27.Hadoop有哪些應用領域? Q28.Hadoop的歷史是什麼? Q29.Hadoop的優點是什麼? Q30.Hadoop和RDBMS的區別是什麼? Q31.Hadoop和高效能計算、網格計算的區別是什麼? Q32.Hadoop的發展現狀如何? Q33.Hadoop繫統架構如何? Q34.什麼是HDFS? Q35.什麼是MapReduce? 2.2.2GraphLab Q36.什麼是GraphLab? Q37.GraphLab出現的背景是什麼? Q38.GraphLab和MapReduce的區別是什麼? Q39.GraphLab的優點是什麼? Q40.GraphLab的軟件棧結構是怎樣的? Q41.GraphLab並行化的基本思想是什麼? Q42.GraphLab的數據模型是什麼? Q43.GraphLab程序的執行模型是什麼? Q44.GraphLab和Mahout的區別是什麼? Q45.GraphLab有哪些相關子項目? 2.2.3DPark Q46.DPark是什麼? Q47.Spark是什麼? Q48.Spark和MapReduce的區別是什麼? Q49.DPark中有哪些基本概念? Q50.DPark的計算模型是怎樣的? Q51.RDD的工作原理是什麼? Q52.RDD的容錯機制是什麼? Q53.RDD內部的設計機制是什麼? Q54.DPark的任務調度機制是什麼? Q55.DPark共享變量的實現機制是怎樣的? Q56.DPark和Spark的性能比較如何? Q57.DPark和Spark的區別是什麼? 2.2.4Storm Q58.Storm是什麼? Q59.Storm出現的背景是什麼? Q60.Storm有哪些應用領域? Q61.Storm的設計特征是什麼? Q62.Storm中有哪些關鍵概念? Q63.Storm集群中有哪些組件? Q64.Storm如何高效地實現消息的可靠性? Q65.Storm是如何實現容錯的? Q66.Storm有哪些缺點?
第3章分布式數據庫 3.1分布式數據庫的基本概念 Q67.什麼是分布式數據庫? Q68.什麼是關繫型數據庫? Q69.什麼是NoSQL數據庫? Q70.為什麼需要分布式數據庫? Q71.大數據時代分布式數據庫的特征是什麼? Q72.分布式數據庫相對傳統集中式數據庫的優點有哪些? Q73.什麼是CAP定理? 3.2開源項目 3.2.1HBase Q74.HBase是什麼? Q75.HBase的定位是什麼? Q76.HBase的設計特征是什麼? Q77.HBase和傳統數據庫的區別是什麼? Q78.HBase的數據模型是什麼? Q79.運行中的HBase有什麼特點? Q80.HBase的集群架構是怎樣的? Q81.HBase的存儲架構是怎樣的? Q82.HBase和HDFS的關繫是什麼? Q83.如何在HBase上運行MapReduce? Q84.HBase能否支持SQL? Q85.HBase有哪些常用場景? 3.2.2Hive Q86.什麼是Hive? Q87.Hive的適用場景有哪些? Q88.Hive的設計特征是什麼? Q89.Hive和RDBMS的區別是什麼? Q90.Hive的體繫結構是怎樣的? Q91.Hive的元數據存儲方案有哪些? Q92.Hive的數據存儲模型有哪些? Q93.Hive和SQL的區別是什麼? Q94.常見的HiveQL操作有哪些? Q95.什麼是Hive的用戶定義函數? 3.2.3MongoDB Q96.什麼是MongoDB? Q97.MongoDB的設計特征是什麼? Q98.MongoDB的設計哲學是什麼? Q99.MongoDB中有哪些基本概念? Q100.MongoDB數據模型是怎樣的? Q101.MongoDB和SQL的區別是什麼? Q102.如何進行MongoDB的CRUD操作? Q103.MongoDB支持哪些數據庫驅動? Q104.MongoDB如何實現高可用? Q105.MongoDB的分片機制是怎樣的? Q106.MongoDB有哪些適用場景?
第4章大數據與數據挖掘 Q107.什麼是數據挖掘? Q108.什麼是機器學習? Q109.數據挖掘主要解決的問題有哪些? Q110.傳統數據挖掘有哪些算法? Q111.什麼是有監督學習? Q112.什麼是無監督學習? Q113.什麼是C4.5算法? Q114.什麼是SVM? Q115.什麼是貝葉斯算法? Q116.什麼是K-Means算法? Q117.什麼是EM算法? Q118.什麼是Apriori算法? Q119.數據挖掘算法在電信行業如何應用? Q120.大數據時代如何進行數據挖掘?
| | | | | |