縱橫大數據－雲計算數據基礎設施 纵横大数据:云计算数据基础设施

<內容簡介>

大數據的概念很火，但人們對它的認識卻是混亂的：有人說大數據就是指所有的數據，有人說大數據是指線上行為、日誌等半結構/非結構化的數據形態，有人說大數據就是以Hadoop為代表的新技術……到底什麼是大數據？同樣風風火火了很久的雲計算與大數據有什麼關係？令人眼花繚亂的眾多大數據技術的本質是什麼？各有什麼優缺點？爭論不休的「小變大」與「大變小」技術策略到底孰正孰邪？企業究竟應該如何定位與使用大數據，難道是為了Hadoop而Hadoop？未來的技術方向究竟如何？
    《縱橫大數據(雲計算數據基礎設施)/雲計算實踐指南叢書》結合現代企業數據管理實踐，從策略、技術、應用、企業數據架構等多個維度，體系化地對大數據及相關技術進行了全面深入的論述：首先對大數據相關概念予以澄清；接著深入剖析各種大數據技術的內在本質，指出其各自的優缺點、適用場景與相互關係；同時對大數據技術「分」與「合」這兩種廣受爭議的技術策略的內在聯繫進行了分析與討論，明確指出現代數據管理技術的發展趨勢；最後結合大數據時代企業新一代數據架構規劃的實際，對大數據及相關技術在企業數據體系中的具體定位給出了切實可行的建議，並且面向雲數據中心建設，提出了大數據雲——雲計算數據基礎設施的概念與方法。
    《縱橫大數據(雲計算數據基礎設施)/雲計算實踐指南叢書》由何小朝編著。

<目錄>

第1部分　大數據概論
第1章 大數據與雲計算
  1.1 雲計算概論
  1.2 大數據概論
    1.2.1 現代數據管理需求分析
    1.2.2 大數據的引入
    1.2.3 大數據的定義與特徵
    1.2.4 大數據與因特網
    1.2.5 大數據戰略、大數據與大數據技術
  1.3 大數據的技術實現——雲計算
  1.4 本章小結
第2章 關係數據庫的挑戰與應對
  2.1 關係數據庫技術的核心特徵
  2.2 主流關係數據庫的挑戰
    2.2.1 經典DBMS的挑戰
    2.2.2 Share
    2.2.3 Shared N
  2.3 改進型關係數據庫
    2.3.1 技術改進
    2.3.2 主要產品代表
  2.4 本章小結
第3章 非SQL技術簡介
  3.1 大數據技術家族
    3.1.1 NoSQL
    3.1.2 關係數據庫聯邦N
    3.1.3 分佈式海量文件管理
    3.1.4 Map
  3.2 分與合——雲計算的兩種技術路線
  3.3 本章小結
第2部分 「分」為雲——數據切分
第4章 NoSQL
  4.1 NoSQL的引入
    4.1.1 概念詮釋與特徵分析
    4.1.2 NoSQL的本質
  4.2 NoSQL家族
    4.2.1 NoSQL產品目錄與分類
    4.2.2 Hadoop?
    4.2.3 Facebook之Cas
    4.2.4 MongoDB與C
    4.2.5 Oracle No
    4.2.6 Memcached?
    4.2.7 圖數據庫
    4.2.8 其他NoSQL數據庫
    4.2.9 問題與疑惑
  4.3 NoSQL技術探研
    4.3.1 NoSQL理論基礎
    4.3.2 NoSQL技術手段
    4.3.3 NoSQL技術解析
  4.4 NoSQL與關係數據庫
  4.5 本章小結

第5章 NewSQL——關係數據庫聯邦
  5.1 數據庫聯邦的引入
    5.1.1 企業業務數據管理面臨的問題
    5.1.2 垂直分庫
    5.1.3 水平分表
    5.1.4 讀寫分離
    5.1.5 聯邦的引入
  5.2 「聯邦」的設計與實踐
    5.2.1 企業級「聯邦」架構設計
    5.2.2 公共基礎服務設計
    5.2.3 聯邦的元數據庫
    5.2.4 聯邦的應用實踐
  5.3 「聯邦」技術分析
    5.3.1 關於「垂直分庫」
    5.3.2 如何「水平分表」
    5.3.3 關於「讀寫分離」
    5.3.4 基本方法——分佈與聚合
    5.3.5 關於分佈式事務
    5.3.6 關聯操作
    5.2.7 冗餘策略
    5.2.8 異步解耦策略
    5.2.9 使用緩存
    5.2.10 其他問題
  5.4 數據庫聯邦、NoSQL與主流關係數據庫
    5.4.1 技術與應用——八仙過海，各顯神通
    5.4.2 因特網的神話
  5.5 本章小結
第6章 文件系統聯邦
  6.1 問題的引入
    6.1.1 關於幾個數據概念的澄清
    6.1.2 文件數據管理的困難
    6.1.3 文件系統聯邦的引入
  6.2 典型開源技術介紹
    6.2.1 Mog
    6.2.2 Fa
    6.2.3 MogileFS與FastDFS的對比
  6.3 技術分析
  6.4 本章小結
第7章 平民化的分佈計算——MapR
  7.1 分佈式計算概述
    7.1.1 幾個概念的澄清
    7.1.2 分佈式計算技術綜述
    7.1.3 MapReduce的引入
  7.2 MapReduce技術介紹
    7.2.1 設計思想
    7.2.2 MapReduce框架介紹
  7.3 MapReduce技術分析
    7.3.1 關於效率
    7.3.2 關於擴展性
    7.3.3 關於可靠性與可用性
    7.3.4 關於MapReduce與關係數據庫
    7.3.5 關於適用的數據類型
    7.3.6 關於數據存儲與管理
  7.4 MapReduce的應用實踐
  7.5 本章小結
第8章 後Hadoop時代
  8.1 Hadoop體系及其困惑
  8.2 Google的新三駕馬車
    8.2.1 新一代搜索引擎Caff
    8.2.2 大規模圖處理系統Pr
    8.2.3 Dremel——秒級實現PB級數據分析
  8.3 Symphony MapR
  8.4 後Hadoop時代即將來臨
  8.5 本章小結
第9章 InfiniData—一種關係型雲數據庫的設計與實踐
  9.1 現代企業數據管理需求再分析
    9.1.1 新的企業數據需求——海量關係數據管理
    9.1.2 技術分析
  9.2 關係型雲數據庫架構設計
    9.2.1 關係型雲數據庫的引入
    9.2.2 技術架構設計
  9.3 雲存儲層
    9.3.1 邏輯架構
    9.3.2 物理架構
    9.3.3 關係模型雲存儲元
  9.4 雲計算層
    9.4.1 MapReduce雲計算引擎
    9.4.2 集群式雲計算引擎
    9.4.3 兩種引擎的比較
  9.5 雲存儲索引層
    9.5.1 存儲索引的管理
    9.5.2 索引雲運行時動態創建
  9.6 技術分析
  9.7 本章小結
第3部分　雲計算的分與合
第10章 合為「雲」——數據整合
  10.1 數據整合的需求分析
  10.2 存儲整合雲
  10.3 數據庫整合雲
  10.4 本章小結
第11章 關於分與合的討論
  11.1 困惑——分與合，孰是孰非？
  11.2 分為技，合為神
  11.3 分為雨，合為雲——大數據雲
  11.4 數據管理技術發展趨勢總結
    11.4.1 數據管理物理基礎設施發展趨勢
    11.4.2 數據管理軟基礎設施發展趨勢
  11.5 本章小結
第12章 企業大數據技術體系與雲計算數據基礎設施
  12.1 現代企業數據管理需求再分析
  12.2 新一代企業數據體系建設
    12.2.1 新一代企業數據體系建設的定義與內容
    12.2.2 新一代企業數據分類體系
    12.2.3 新一代企業數據分佈與流轉規劃
  12.3 大數據技術在企業數據架構中的定位
    12.3.1 技術規劃戰略
    12.3.2 大數據技術架構規劃
    12.3.3 典型場景——電子渠道線上行為分析
  12.4 雲計算數據基礎設施概念的引入
  12.5 本章小結
後記——超越技術
參考文獻