大數(shù)據(jù)云服務技術架構與實踐

1篇大數(shù)據(jù)云計算概論
1章大數(shù)據(jù)概述
11大數(shù)據(jù)產(chǎn)生與發(fā)展
111大數(shù)據(jù)產(chǎn)生背景
112大數(shù)據(jù)發(fā)展歷程
113當前大數(shù)據(jù)
12大數(shù)據(jù)概念與特征
121大數(shù)據(jù)概念
122大數(shù)據(jù)的特點
13大數(shù)據(jù)應用
131企業(yè)內(nèi)部大數(shù)據(jù)應用
132物聯(lián)網(wǎng)大數(shù)據(jù)應用
133面向在線社交網(wǎng)絡大數(shù)據(jù)的應用
134醫(yī)療健康大數(shù)據(jù)應用
135群智感知
136智能電網(wǎng)
14大數(shù)據(jù)的研究與展望
15本章小結
2章大數(shù)據(jù)和云計算
21大數(shù)據(jù)和云計算的關系
211大數(shù)據(jù)和云計算關系概述
212云計算是大數(shù)據(jù)處理的基礎
213大數(shù)據(jù)是云計算的延伸
22云計算概念
221云的興起
222云計算的定義及其特點
223云計算名稱的來歷
23云計算類型
231基礎設施類
232平臺類
233應用類
234以所有權劃分云計算系統(tǒng)類型
24云計算商業(yè)模式
241商業(yè)模式是云計算的基石
242云計算的市場規(guī)模
243云計算商業(yè)模式分析
25本章小結
3章大數(shù)據(jù)應用價值
31大數(shù)據(jù)在電子商務中的應用
311大數(shù)據(jù)是電子商務發(fā)展要素
312電子商務大數(shù)據(jù)的實用措施
313電子商務大數(shù)據(jù)的轉型路徑
32大數(shù)據(jù)在金融的應用
321大數(shù)據(jù)金融的提出
322大數(shù)據(jù)金融的功能
323大數(shù)據(jù)金融的挑戰(zhàn)
324大數(shù)據(jù)金融創(chuàng)新
33大數(shù)據(jù)在媒體的應用
331傳統(tǒng)媒體的不足
332大數(shù)據(jù)驅動傳統(tǒng)媒體的升級
333大數(shù)據(jù)引領新媒體發(fā)展
34大數(shù)據(jù)在醫(yī)療上的應用
341大數(shù)據(jù)改進臨床決策支持系統(tǒng)
342大數(shù)據(jù)助推醫(yī)療產(chǎn)品研發(fā)
343大數(shù)據(jù)催生新醫(yī)療服務模式
35大數(shù)據(jù)在教育上的應用
351大數(shù)據(jù)教育與傳統(tǒng)教育的優(yōu)勢
352大數(shù)據(jù)教學模式的不斷改善
353教育大數(shù)據(jù)市場的廣闊前景
354大數(shù)據(jù)變革教育應用的實踐措施
36本章小結
2篇大數(shù)據(jù)云計算關鍵技術
4章分布式計算框架
41分布式計算基本概念
411分布式計算與并行計算
412分布式計算和并行計算的比較
42Hadoop系統(tǒng)介紹
421Hadoop發(fā)展歷程
422Hadoop使用場景和特點
423Hadoop項目組成
43分布式文件系統(tǒng)
431分布式文件系統(tǒng)概述
432HDFS架構
433HDFS設計特點
44MapReduce計算模型
441MapReduce概述
442MapReduce應用實例
443MapReduce實現(xiàn)和架構
45分布式協(xié)同控制
451常見分布式并發(fā)控制方法
452Google Chubby并發(fā)鎖
46Spark計算框架
461Spark簡介
462Spark生態(tài)系統(tǒng)
47Flink計算框架
471Flink簡介
472Flink中的調(diào)度簡述
473Flink的生態(tài)圈
48本章小結
5章NoSQL數(shù)據(jù)庫
51NoSQL數(shù)據(jù)庫概述
511NoSQL數(shù)據(jù)庫的4大分類
512數(shù)據(jù)庫系統(tǒng)CAP理論和BASE理論
513NoSQL的共同特征
52Hbase數(shù)據(jù)庫
521HBase簡介
522HBase訪問接口
523HBase數(shù)據(jù)模型
524MapReduce on HBase
525HBase系統(tǒng)架構
53本章小結
6章機器學習
61機器學習概述
611機器學習分類
612機器學習發(fā)展歷程
62機器學習常用的算法
621回歸算法
622基于實例的算法
623正則化方法
624決策樹算法
625貝葉斯方法
626基于核的算法
627聚類算法
628關聯(lián)規(guī)則學習
629遺傳算法
6210人工神經(jīng)網(wǎng)絡
6211深度學習
6212降低維度算法
6213集成算法
63本章小結
7章虛擬化
71虛擬化概述
711虛擬化發(fā)展歷史
712虛擬化技術的發(fā)展熱點和趨勢
713虛擬化技術的概念
72虛擬化的分類
721從實現(xiàn)的層次劃分
722從應用的領域劃分
73應用虛擬化
731應用虛擬化的使用特點
732應用虛擬化的優(yōu)勢
733應用虛擬化要考慮的問題
74桌面虛擬化
741桌面虛擬化優(yōu)勢
742桌面虛擬化使用條件
75服務器虛擬化
751服務器虛擬化架構
752CPU虛擬化
753內(nèi)存虛擬化
754I/O虛擬化
76網(wǎng)絡虛擬化
761傳統(tǒng)網(wǎng)絡虛擬化技術
762主機網(wǎng)絡虛擬化
763網(wǎng)絡設備虛擬化
77存儲虛擬化
771存儲虛擬化概述
772按照不同層次劃分存儲虛擬化
773按照實現(xiàn)方式不同劃分存儲虛擬化
78本章小結
8章Docker容器
81Docker容器概述
811Docker容器的由來
812Docker定義
813Docker的優(yōu)勢
82Docker的原理
821Linux Namespace(ns)
822Control Groups(cgroups)
823Linux容器(LXC)
824AUFS
825Grsec
83Docker技術發(fā)展與應用
831Docker解決的問題
832Docker的未來發(fā)展
833Docker技術的局限
84本章小結
9章Web 20
91Web 20產(chǎn)生背景和定義
911Web 20產(chǎn)生背景
912Web 20的概念
913Web 20和Web 10比較
914Web 20特征
92Web 20應用產(chǎn)品
921Web 20主要應用產(chǎn)品
922主要產(chǎn)品的區(qū)別
93Web 20相關技術
931Web 20的設計模式
932Web標準
933向Web標準過渡
94本章小結
10章綠色數(shù)據(jù)中心
101綠色數(shù)據(jù)中心概述
1011云數(shù)據(jù)中心發(fā)展階段
1012綠色數(shù)據(jù)中心架構
1013云數(shù)據(jù)中心需要整合的資源
102數(shù)據(jù)中心管理和維護
1021實現(xiàn)端到端、大容量、可視化的基礎設施整合
1022實現(xiàn)虛擬化、自動化的管理
1023實現(xiàn)面向業(yè)務的應用管理和流量分析
103本章小結
3篇云計算架構
11章基礎設施即服務
111IaaS概述
1111IaaS的定義
1112IaaS提供服務的方法
1113IaaS云的特征
1114IaaS和虛擬化的關系
112IaaS技術架構
1121資源層
1122虛擬化層
1123管理層
1124服務層
113IaaS云計算管理
1131自動化部署
1132彈性能力提供技術
1133資源監(jiān)控
1134資源調(diào)度
1135業(yè)務管理和計費度量
114Amazon云計算案例
1141概述
1142Amazon S3
1143Amazon Simple DB
1144Amazon RDS
1145Amazon SQS
1146Amazon EC2
115本章小結
12章平臺即服務
121PaaS概述
1211PaaS的由來
1212PaaS的概念
1213PaaS模式的開發(fā)
1214PaaS推進SaaS時代
122PaaS架構
1221PaaS的功能
1222多租戶彈性是PaaS的核心特性
1223PaaS架構的核心意義
1224PaaS改變未來軟件開發(fā)和維護模式
123Google的云計算平臺
1231設計理念
1232構成部分
1233App Engine服務
124Windows Azure平臺
1241Windows Azure操作系統(tǒng)
1242SQL Azure
1243NET服務
1244Live服務
1245Windows Azure Platform的用途
125本章小結
13章軟件即服務
131SaaS概述
1311SaaS的由來
1312SaaS的概念
1313SaaS與傳統(tǒng)軟件的區(qū)別
1314SaaS模式應用于信息化優(yōu)勢
1315SaaS成熟度模型
132模式及實現(xiàn)
1321SaaS商務模式
1322SaaS平臺架構
1323SaaS服務平臺的主要功能
1324SaaS服務平臺關鍵技術
133Salesforce云計算案例
1331Salesforce云計算產(chǎn)品組成
1332Salesforce云計算特點
134本章小結
14章容器即服務
141容器云服務
1411云平臺架構層次
1412容器云
1413容器云的特點
142Kubernetes應用部署
1421Kubernetes架構
1422Kubernetes模型
1423內(nèi)部使用者的服務發(fā)現(xiàn)
1424外部訪問Service
143Mesos應用
1431Mesos體系結構和工作流
1432Mesos流程
1433Mesos資源分配
1434Mesos優(yōu)勢
144基于Kubernetes打造SAE容器云
1441Kubernetes 的好處
1442容器云網(wǎng)絡
1443容器云存儲
145基于Mesos去哪兒網(wǎng)容器云
1451背景
1452應用Mesos構建容器云
1453云環(huán)境構建
146本章小結
4篇大數(shù)據(jù)云架構實踐與編程
15章大數(shù)據(jù)云架構搭建
151分布式Hadoop與Spark集群搭建
1511Hadoop集群構建
1512Spark集群構建
152基于Docker大數(shù)據(jù)云架構
1521簡介
1522Docker和Weave搭建
1523Hadoop集群鏡像搭建
1524集群部署與啟動
1525基于Ambari管理平臺的鏡像搭建
1526桌面系統(tǒng)XFCE搭建
153本章小結
16章Spark大數(shù)據(jù)編程
161Spark應用開發(fā)環(huán)境配置
1611使用Intellij開發(fā)Spark程序
1612使用Spark Shell開發(fā)運行Spark程序
162Spark大數(shù)據(jù)編程
1621WordCount
1622股票趨勢預測
163本章小結
5篇大數(shù)據(jù)安全
17章大數(shù)據(jù)云計算面臨的安全威脅
171大數(shù)據(jù)云計算的安全問題
1711大數(shù)據(jù)基礎設施安全威脅
1712大數(shù)據(jù)存儲安全威脅
1713大數(shù)據(jù)云架構網(wǎng)絡安全威脅
1714大數(shù)據(jù)帶來隱私問題
1715針對大數(shù)據(jù)的高級持續(xù)性攻擊
1716其他安全威脅
172不同領域大數(shù)據(jù)的安全需求
1721因特網(wǎng)行業(yè)
1722電信行業(yè)
1723金融行業(yè)
1724醫(yī)療行業(yè)
1725政府組織
173大數(shù)據(jù)安全內(nèi)涵
1731保障大數(shù)據(jù)安全
1732大數(shù)據(jù)用于安全領域
174大數(shù)據(jù)安全研究方向
1741大數(shù)據(jù)安全保障技術
1742大數(shù)據(jù)安全應用技術
175本章小結
18章保障大數(shù)據(jù)安全
181大數(shù)據(jù)安全的關鍵技術
1811非關系數(shù)據(jù)庫安全策略
1812防范APT攻擊
182大數(shù)據(jù)安全保障實踐
1821大數(shù)據(jù)采集與存儲的安全防護
1822大數(shù)據(jù)挖掘與應用的安全防護
1823大數(shù)據(jù)安全審計
1824大數(shù)據(jù)安全評估與安全管理
1825數(shù)據(jù)中心的安全保障
183本章小結
19章應用大數(shù)據(jù)保障安全
191大數(shù)據(jù)安全檢測及應用
1911安全檢測與大數(shù)據(jù)的融合
1912用戶上網(wǎng)流量數(shù)據(jù)的挖掘與分析
192安全大數(shù)據(jù)
1921數(shù)據(jù)挖掘方法
1922挖掘目標及評估
193基于大數(shù)據(jù)的網(wǎng)絡態(tài)勢感知
1931態(tài)勢感知定義
1932網(wǎng)絡態(tài)勢感知
1933基于流量數(shù)據(jù)的網(wǎng)絡安全感知
1934基于大數(shù)據(jù)分析的網(wǎng)絡優(yōu)化
1935網(wǎng)絡安全感知應用實踐
194視頻監(jiān)控數(shù)據(jù)的安全應用
1941視頻監(jiān)控數(shù)據(jù)的處理需求
1942視頻監(jiān)控數(shù)據(jù)挖掘技術
1943海量視頻監(jiān)控數(shù)據(jù)的分析與處理
195本章小結
參考文獻