大數據云服務技術架構與實踐

1篇大數據云計算概論
1章大數據概述
11大數據產生與發(fā)展
111大數據產生背景
112大數據發(fā)展歷程
113當前大數據
12大數據概念與特征
121大數據概念
122大數據的特點
13大數據應用
131企業(yè)內部大數據應用
132物聯(lián)網大數據應用
133面向在線社交網絡大數據的應用
134醫(yī)療健康大數據應用
135群智感知
136智能電網
14大數據的研究與展望
15本章小結
2章大數據和云計算
21大數據和云計算的關系
211大數據和云計算關系概述
212云計算是大數據處理的基礎
213大數據是云計算的延伸
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章大數據應用價值
31大數據在電子商務中的應用
311大數據是電子商務發(fā)展要素
312電子商務大數據的實用措施
313電子商務大數據的轉型路徑
32大數據在金融的應用
321大數據金融的提出
322大數據金融的功能
323大數據金融的挑戰(zhàn)
324大數據金融創(chuàng)新
33大數據在媒體的應用
331傳統(tǒng)媒體的不足
332大數據驅動傳統(tǒng)媒體的升級
333大數據引領新媒體發(fā)展
34大數據在醫(yī)療上的應用
341大數據改進臨床決策支持系統(tǒng)
342大數據助推醫(yī)療產品研發(fā)
343大數據催生新醫(yī)療服務模式
35大數據在教育上的應用
351大數據教育與傳統(tǒng)教育的優(yōu)勢
352大數據教學模式的不斷改善
353教育大數據市場的廣闊前景
354大數據變革教育應用的實踐措施
36本章小結
2篇大數據云計算關鍵技術
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中的調度簡述
473Flink的生態(tài)圈
48本章小結
5章NoSQL數據庫
51NoSQL數據庫概述
511NoSQL數據庫的4大分類
512數據庫系統(tǒng)CAP理論和BASE理論
513NoSQL的共同特征
52Hbase數據庫
521HBase簡介
522HBase訪問接口
523HBase數據模型
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人工神經網絡
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內存虛擬化
754I/O虛擬化
76網絡虛擬化
761傳統(tǒng)網絡虛擬化技術
762主機網絡虛擬化
763網絡設備虛擬化
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產生背景和定義
911Web 20產生背景
912Web 20的概念
913Web 20和Web 10比較
914Web 20特征
92Web 20應用產品
921Web 20主要應用產品
922主要產品的區(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章綠色數據中心
101綠色數據中心概述
1011云數據中心發(fā)展階段
1012綠色數據中心架構
1013云數據中心需要整合的資源
102數據中心管理和維護
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容器云網絡
1443容器云存儲
145基于Mesos去哪兒網容器云
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篇大數據云架構實踐與編程
15章大數據云架構搭建
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大數據云架構
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大數據編程
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大數據編程
1621WordCount
1622股票趨勢預測
163本章小結
5篇大數據安全
17章大數據云計算面臨的安全威脅
171大數據云計算的安全問題
1711大數據基礎設施安全威脅
1712大數據存儲安全威脅
1713大數據云架構網絡安全威脅
1714大數據帶來隱私問題
1715針對大數據的高級持續(xù)性攻擊
1716其他安全威脅
172不同領域大數據的安全需求
1721因特網行業(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大數據安全內涵
1731保障大數據安全
1732大數據用于安全領域
174大數據安全研究方向
1741大數據安全保障技術
1742大數據安全應用技術
175本章小結
18章保障大數據安全
181大數據安全的關鍵技術
1811非關系數據庫安全策略
1812防范APT攻擊
182大數據安全保障實踐
1821大數據采集與存儲的安全防護
1822大數據挖掘與應用的安全防護
1823大數據安全審計
1824大數據安全評估與安全管理
1825數據中心的安全保障
183本章小結
19章應用大數據保障安全
191大數據安全檢測及應用
1911安全檢測與大數據的融合
1912用戶上網流量數據的挖掘與分析
192安全大數據
1921數據挖掘方法
1922挖掘目標及評估
193基于大數據的網絡態(tài)勢感知
1931態(tài)勢感知定義
1932網絡態(tài)勢感知
1933基于流量數據的網絡安全感知
1934基于大數據分析的網絡優(yōu)化
1935網絡安全感知應用實踐
194視頻監(jiān)控數據的安全應用
1941視頻監(jiān)控數據的處理需求
1942視頻監(jiān)控數據挖掘技術
1943海量視頻監(jiān)控數據的分析與處理
195本章小結
參考文獻