大數(shù)據(jù)日知錄：架構與算法

定　價：￥69.00

作　者：	張俊林著
出版社：	電子工業(yè)出版社
叢編項：	大數(shù)據(jù)叢書
標　簽：	工業(yè)技術自動化技術

購買這本書可以去

ISBN：	9787121241536	出版時間：	2014-09-01	包裝：	平裝
開本：		頁數(shù)：	404	字數(shù)：

內(nèi)容簡介

　　大數(shù)據(jù)是當前最為流行的熱點概念之一，其已由技術名詞衍生到對很多行業(yè)產(chǎn)生顛覆性影響的社會現(xiàn)象，作為最明確的技術發(fā)展趨勢之一，基于大數(shù)據(jù)的各種新型產(chǎn)品必將會對每個人的日常生活產(chǎn)生日益重要的影響。本書從架構與算法角度全面梳理了大數(shù)據(jù)存儲與處理的相關技術。大數(shù)據(jù)技術具有涉及的知識點異常眾多且正處于快速演進發(fā)展過程中等特點，其技術點包括底層的硬件體系結構、相關的基礎理論、大規(guī)模數(shù)據(jù)存儲系統(tǒng)、分布式架構設計、各種不同應用場景下的差異化系統(tǒng)設計思路、機器學習與數(shù)據(jù)挖掘并行算法以及層出不窮的新架構、新系統(tǒng)等。本書對眾多紛繁蕪雜的相關技術文獻和系統(tǒng)進行了擇優(yōu)汰劣并系統(tǒng)性地對相關知識分門別類地進行整理和介紹，將大數(shù)據(jù)相關技術分為大數(shù)據(jù)基礎理論、大數(shù)據(jù)系統(tǒng)體系結構、大數(shù)據(jù)存儲，以及包含批處理、流式計算、交互式數(shù)據(jù)分析、圖數(shù)據(jù)庫、并行機器學習的架構與算法以及增量計算等技術分支在內(nèi)的大數(shù)據(jù)處理等幾個大的方向。通過這種體系化的知識梳理與講解，相信對于讀者整體系統(tǒng)地了解、吸收和掌握相關的優(yōu)秀技術有極大的幫助與促進作用。

作者簡介

　　張俊林是技術書籍《這就是搜索引擎：核心技術詳解》（該書榮獲全國第十二屆輸出版優(yōu)秀圖書獎）的作者，目前擔任暢捷通智能平臺總監(jiān)。在此之前，張俊林曾經(jīng)在阿里巴巴搜索技術中心、百度商務搜索部鳳巢廣告平臺以及新浪微博搜索部及數(shù)據(jù)系統(tǒng)部擔任資深技術專家，新浪微博技術委員會成員，負責算法策略方向。張俊林還曾是智能信息聚合網(wǎng)站“玩聚網(wǎng)”的聯(lián)合創(chuàng)始人之一。他的研發(fā)興趣集中在：搜索技術、推薦系統(tǒng)、社交挖掘、自然語言處理與大數(shù)據(jù)算法架構等方面，并在以上領域有多年工業(yè)界實踐經(jīng)驗。張俊林本科畢業(yè)于天津大學管理學院，1999年至2004年在中科院軟件所直接攻讀博士學位，研究方向是信息檢索理論與自然語言處理，就學期間曾在ACL/COLING/IJCNLP等國際頂級會議發(fā)表多篇學術論文，另外，他在此期間領導設計的搜索系統(tǒng)曾在美國國防部DARPA主持的TREC第二屆高精度檢索系統(tǒng)評測中在17只國際高水平研究團隊激烈競爭中勝出并取得綜合排名第一名的優(yōu)異成績。

圖書目錄

第0章當談論大數(shù)據(jù)時我們在談什么 1
0．1 大數(shù)據(jù)是什么 2
0．2 大數(shù)據(jù)之翼：技術范型轉換 4
0．3 大數(shù)據(jù)商業(yè)煉金術 6
0．4 “大數(shù)據(jù)”在路上 7
第1章數(shù)據(jù)分片與路由 9
1．1 抽象模型 10
1．2 哈希分片（Hash Partition） 11
1．2．1 Round Robin 11
1．2．2 虛擬桶（Virtual Buckets） 12
1．2．3 一致性哈希（Consistent Hashing） 13
1．3 范圍分片（Range Partition） 18
參考文獻 19
第2章數(shù)據(jù)復制與一致性 20
2．1 基本原則與設計理念 21
2．1．1 原教旨CAP主義 21
2．1．2 CAP重裝上陣（CAP Reloaded） 23
2．1．3 ACID原則 24
2．1．4 BASE原則 24
2．1．5 CAP/ACID/BASE三者的關系 25
2．1．6 冪等性（Idempotent） 26
2．2 一致性模型分類 26
2．2．1 強一致性 27
2．2．2 最終一致性 28
2．2．3 因果一致性 28
2．2．4 “讀你所寫”一致性 29
2．2．5 會話一致性 29
2．2．6 單調讀一致性 30
2．2．7 單調寫一致性 30
2．3 副本更新策略 30
2．3．1 同時更新 30
2．3．2 主從式更新 31
2．3．3 任意節(jié)點更新 32
2．4 一致性協(xié)議 32
2．4．1 兩階段提交協(xié)議（Two-Phrase Commit，2PC） 33
2．4．2 向量時鐘（Vector Clock） 38
2．4．3 RWN協(xié)議 40
2．4．4 Paxos協(xié)議 42
2．4．5 Raft協(xié)議 45
參考文獻 49
第3章大數(shù)據(jù)常用的算法與數(shù)據(jù)結構 51
3．1 布隆過濾器（Bloom Filter） 51
3．1．1 基本原理 52
3．1．2 誤判率及相關計算 52
3．1．3 改進：計數(shù)Bloom Filter 53
3．1．4 應用 54
3．2 SkipList 55
3．3 LSM樹 58
3．4 Merkle哈希樹（Merkle Hash Tree） 62
3．4．1 Merkle樹基本原理 62
3．4．2 Dynamo中的應用 63
3．4．3 比特幣中的應用 63
3．5 Snappy與LZSS算法 65
3．5．1 LZSS算法 65
3．5．2 Snappy 67
3．6 Cuckoo 哈希（Cuckoo Hashing） 67
3．6．1 基本原理 68
3．6．2 應用：SILT存儲系統(tǒng) 68
參考文獻 70
第4章集群資源管理與調度 71
4．1 資源管理抽象模型 72
4．1．1 概念模型 72
4．1．2 通用架構 73
4．2 調度系統(tǒng)設計的基本問題 74
4．2．1 資源異質性與工作負載異質性 74
4．2．2 數(shù)據(jù)局部性（Data Locality） 75
4．2．3 搶占式VS．非搶占式調度 75
4．2．4 資源分配粒度（Allocation Granularity） 76
4．2．5 餓死（Starvation）與死鎖（Dead Lock）問題 76
4．2．6 資源隔離方法 77
4．3 資源管理與調度系統(tǒng)范型 77
4．3．1 集中式調度器（Monolithic Scheduler） 78
4．3．2 兩級調度器（Two-Level Scheduler） 79
4．3．3 狀態(tài)共享調度器（Shared-State Scheduler） 79
4．4 資源調度策略 81
4．4．1 FIFO調度策略 81
4．4．2 公平調度器（Fair Scheduler） 81
4．4．3 能力調度器（Capacity Scheduler） 82
4．4．4 延遲調度策略（Delay Scheduling） 82
4．4．5 主資源公平調度策略（Dominant Resource Fair Scheduling） 82
4．5 Mesos 84
4．6 YARN 87
參考文獻 90
第5章分布式協(xié)調系統(tǒng) 91
5．1 Chubby鎖服務 92
5．1．1 系統(tǒng)架構 93
5．1．2 數(shù)據(jù)模型 94
5．1．3 會話與KeepAlive機制 95
5．1．4 客戶端緩存 95
5．2 ZooKeeper 96
5．2．1 體系結構 96
5．2．2 數(shù)據(jù)模型（Data Model） 97
5．2．3 API 98
5．2．4 ZooKeeper的典型應用場景 98
5．2．5 ZooKeeper的實際應用 103
參考文獻 104
第6章分布式通信 106
6．1 序列化與遠程過程調用框架 107
6．1．1 Protocol Buffer與Thrift 108
6．1．2 Avro 109
6．2 消息隊列 110
6．2．1 常見的消息隊列系統(tǒng) 110
6．2．2 Kafka 111
6．3 應用層多播通信（Application-Level Multi-Broadcast） 114
6．3．1 概述 114
6．3．2 Gossip協(xié)議 115
參考文獻 118
第7章數(shù)據(jù)通道 120
7．1 Log數(shù)據(jù)收集 120
7．1．1 Chukwa 121
7．1．2 Scribe 122
7．2 數(shù)據(jù)總線 123
7．2．1 Databus 125
7．2．2 Wormhole 127
7．3 數(shù)據(jù)導入/導出 128
參考文獻 129
第8章分布式文件系統(tǒng) 131
8．1 Google文件系統(tǒng)（GFS） 132
8．1．1 GFS設計原則 132
8．1．2 GFS整體架構 133
8．1．3 GFS主控服務器 134
8．1．4 系統(tǒng)交互行為 136
8．1．5 Colossus 137
8．2 HDFS 138
8．2．1 HDFS整體架構 139
8．2．2 HA方案 140
8．2．3 NameNode 聯(lián)盟 143
8．3 HayStack存儲系統(tǒng) 145
8．3．1 HayStack整體架構 146
8．3．2 目錄服務 147
8．3．3 HayStack緩存 148
8．3．4 HayStack存儲系統(tǒng)的實現(xiàn) 148
8．4 文件存儲布局 150
8．4．1 行式存儲 151
8．4．2 列式存儲 151
8．4．3 混合式存儲 156
8．5 糾刪碼（Erasure Code） 158
8．5．1 Reed-Solomon算法 159
8．5．2 LRC編碼 164
8．5．3 HDFS-RAID架構 166
參考文獻 166
第9章內(nèi)存KV數(shù)據(jù)庫 168
9．1 RAMCloud 169
9．1．1 RAMCloud整體架構 169
9．1．2 數(shù)據(jù)副本管理與數(shù)據(jù)恢復 170
9．2 Redis 172
9．3 MemBase 173
參考文獻 175
第10章列式數(shù)據(jù)庫 176
10．1 BigTable 177
10．1．1 BigTable的數(shù)據(jù)模型 177
10．1．2 BigTable的整體結構 178
10．1．3 BigTable的管理數(shù)據(jù) 179
10．1．4 主控服務器（Master Server） 181
10．1．5 子表服務器（Tablet Server） 182
10．2 PNUTS存儲系統(tǒng) 186
10．2．1 PNUTS的整體架構 186
10．2．2 存儲單元 187
10．2．3 子表控制器與數(shù)據(jù)路由器 187
10．2．4 雅虎消息代理 188
10．2．5 數(shù)據(jù)一致性 189
10．3 Megastore 190
10．3．1 實體群組切分 191
10．3．2 數(shù)據(jù)模型 192
10．3．3 數(shù)據(jù)讀/寫與備份 193
10．4 Spanner 194
10．4．1 SpanServer軟件棧 195
10．4．2 數(shù)據(jù)模型 196
10．4．3 TrueTime 196
參考文獻 197
第11章大規(guī)模批處理系統(tǒng) 199
11．1 MapReduce計算模型與架構 200
11．1．1 計算模型 201
11．1．2 系統(tǒng)架構 203
11．1．3 MapReduce計算的特點及不足 206
11．2 MapReduce計算模式 206
11．2．1 求和模式（Summarization Pattern） 207
11．2．2 過濾模式（Filtering Pattern） 208
11．2．3 組織數(shù)據(jù)模式（Data Organization Pattern） 210
11．2．4 Join模式（Join Pattern） 212
11．3 DAG計算模型 214
11．3．1 DAG計算系統(tǒng)的三層結構 214
11．3．2 Dryad 215
11．3．3 FlumeJava和Tez 217
參考文獻 218
第12章流式計算 219
12．1 流式計算系統(tǒng)架構 222
12．1．1 主從架構 222
12．1．2 P2P架構 223
12．1．3 Samza架構 224
12．2 DAG拓撲結構 224
12．2．1 計算節(jié)點 225
12．2．2 數(shù)據(jù)流 226
12．2．3 拓撲結構 226
12．3 送達保證（Delivery Guarantees） 229
12．3．1 Storm的送達保證機制 230
12．3．2 MillWheel的“恰好送達一次”機制 233
12．4 狀態(tài)持久化 234
12．4．1 容錯的三種模式 234
12．4．2 Storm的狀態(tài)持久化 236
12．4．3 MillWheel和Samza的狀態(tài)持久化 237
參考文獻 238
第13章交互式數(shù)據(jù)分析 240
13．1 Hive系數(shù)據(jù)倉庫 242
13．1．1 Hive 242
13．1．2 StingerInitiative 250
13．2 Shark系數(shù)據(jù)倉庫 251
13．2．1 Shark架構 252
13．2．2 部分DAG執(zhí)行引擎（PDE） 253
13．2．3 數(shù)據(jù)共同分片 254
13．3 Dremel系數(shù)據(jù)倉庫 254
13．3．1 Dremel 255
13．3．2 PowerDrill 258
13．3．3 Impala 261
13．3．4 Presto 264
13．4 混合系數(shù)據(jù)倉庫 265
參考文獻 269
第14章圖數(shù)據(jù)庫：架構與算法 271
14．1 在線查詢類圖數(shù)據(jù)庫 272
14．1．1 三層結構 272
14．1．2 TAO圖數(shù)據(jù)庫 273
14．2 常見圖挖掘問題 277
14．2．1 PageRank計算 278
14．2．2 單源最短路徑（Single Source Shortest Path） 278
14．2．3 二部圖最大匹配 279
14．3 離線挖掘數(shù)據(jù)分片 279
14．3．1 切邊法（Edge-Cut） 280
14．3．2 切點法（Vertex-Cut） 282
14．4 離線挖掘計算模型 284
14．4．1 以節(jié)點為中心的編程模型 284
14．4．2 GAS編程模型 285
14．4．3 同步執(zhí)行模型 286
14．4．4 異步執(zhí)行模型 290
14．5 離線挖掘圖數(shù)據(jù)庫 292
14．5．1 Pregel 292
14．5．2 Giraph 299
14．5．3 GraphChi 301
14．5．4 PowerGraph 307
參考文獻 311
第15章機器學習：范型與架構 313
15．1 分布式機器學習 314
15．1．1 機器學習簡介 314
15．1．2 數(shù)據(jù)并行VS．模型并行 316
15．2 分布式機器學習范型 317
15．2．1 三種范型 318
15．2．2 MapReduce迭代計算模型 319
15．2．3 BSP計算模型 321
15．2．4 SSP模型 323
15．3 分布式機器學習架構 324
15．3．1 MapReduce系列 325
15．3．2 Spark及MLBase 327
15．3．3 參數(shù)服務器（Parameter Server） 332
參考文獻 335
第16章機器學習：分布式算法 337
16．1 計算廣告：邏輯回歸 338
16．1．1 邏輯回歸（Logistic Regression，LR） 338
16．1．2 并行隨機梯度下降（Parallel Stochastic Gradient Descent） 341
16．1．3 批學習并行邏輯回歸 341
16．2 推薦系統(tǒng)：矩陣分解 344
16．2．1 矩陣分解方法 344
16．2．2 ALS-WR算法 346
16．2．3 并行版ALS-WR算法 347
16．3 搜索引擎：機器學習排序 347
16．3．1 機器學習排序簡介 348
16．3．2 LambdaMART 349
16．3．3 分布式LambdaMART 351
16．4 自然語言處理：文檔相似性計算 352
16．5 社交挖掘：譜聚類 355
16．5．1 社交挖掘實例 355
16．5．2 譜聚類 356
16．5．3 并行版譜聚類 358
16．6 深度學習：DistBelief 358
16．6．1 深度學習簡介 359
16．6．2 DistBelief 360
參考文獻 364
第17章增量計算 366
17．1 增量計算模式 367
17．1．1 兩種計算模式 367
17．1．2 Hadoop平臺下增量計算的一般模式 368
17．2 Percolator 370
17．2．1 事務支持 371
17．2．2 “觀察/通知”體系結構 373
17．3 Kineograph 374
17．3．1 整體架構 375
17．3．2 增量計算機制 375
17．4 DryadInc 376
參考文獻 377
附錄A 硬件體系結構及常用性能指標 378
附錄B 大數(shù)據(jù)必讀文獻 380