《大數據日知錄：架構與算法》是2014年電子工業出版社出版的圖書，作者是張俊林。
基本介紹
- 中文名：大數據日知錄:架構與算法
- 外文名：Big Data
- 作者：張俊林
- 出版社：電子工業出版社
- 頁數：388 頁
- 開本：16 開
- 品牌：電子工業出版社
- 類型：科技
- 出版日期：2014年9月1日
- 語種：簡體中文
- ISBN：7121241536
編輯推薦,內容簡介,作者簡介,目錄,
編輯推薦
1.大數據領域技術專家、暢銷書《這就是搜尋引擎：核心技術詳解》作者張俊林最新力作，歷時3年，質量上乘
2.《大數據》《信息檢索導論》譯者王斌、機器學習專家張棟、新浪微博平台及大數據總經理劉子正、盛大文學首席數據官陳運文、CSDN/《程式設計師》創始人蔣濤聯袂力薦
3.全面梳理大數據相關技術，從數據、算法、策略、套用和系統架構等多個維度進行剖析，包羅萬象又深入淺出
4.內容全部是乾貨，緊跟技術前沿，是作者理論與實踐經驗的總結，絕對值得一讀
5.每章後列有精選高質量論文，可以節約讀者篩選讀物的時間
同作者著作《這就是搜尋引擎：核心技術詳解》
內容簡介
大數據是當前流行的熱點概念之一，其已由技術名詞衍生到對很多行業產生顛覆性影響的社會現象，作為明確的技術發展趨勢之一，基於大數據的各種新型產品必將會對每個人的日常生活產生日益重要的影響。
張俊林著的這本《大數據日知錄：架構與算法》從架構與算法的角度全面梳理了大數據存儲與處理的相關技術。大數據技術具有涉及的知識點異常眾多且正處於快速演進發展過程中等特點，其技術點包括底層的硬體體系結構、相關的基礎理論、大規模數據存儲系統、分散式架構設計、各種不同套用場景下的差異化系統設計思路、機器學習與數據挖掘並行算法以及層出不窮的新架構、新系統等。本書對眾多紛繁蕪雜的相關技術文獻和系統進行了擇優汰劣並系統性地對相關知識分門別類地進行整理和介紹，將大數據相關技術分為大數據基礎理論、大數據系統體系結構、大數據存儲，以及包含批處理、流式計算、互動式數據分析、圖資料庫、並行機器學習的架構與算法以及增量計算等技術分支在內的大數據處理等幾個大的方向。通過這種體系化的知識梳理與講解，相信對於讀者整體和系統地了解、吸收和掌握相關的技術有很大的幫助與促進作用。
作者簡介
張俊林是技術書籍《這就是搜尋引擎：核心技術詳解》（該書榮獲全國第十二屆輸出版優秀圖書獎）的作者，目前擔任暢捷通智慧型平台總監。在此之前，張俊林曾經在阿里巴巴搜尋技術中心、百度商務搜尋部鳳巢廣告平台以及新浪微博搜尋部及數據系統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。他還曾是智慧型信息聚合網站“玩聚網”的聯合創始人之一。他的研發興趣集中在：搜尋技術、推薦系統、社交挖掘、自然語言處理與大數據算法架構等方面，並在以上領域有多年工業界實踐經驗。
張俊林本科畢業於天津大學管理學院，1999年至2004年在中科院軟體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等國際頂級會議發表多篇學術論文，另外，他在此期間領導設計的搜尋系統曾在美國國防部DARPA主持的TREC第二屆高精度檢索系統評測中在17支國際高水平研究團隊激烈競爭中勝出，並取得綜合排名第一名的優異成績。
目錄
第0章當談論大數據時我們在談什麼1
0.1大數據是什麼2
0.2大數據之翼：技術范型轉換4
0.3大數據商業鍊金術6
0.4“大數據”在路上7
第1章數據分片與路由9
1.1抽象模型10
1.2哈希分片（HashPartition）11
1.2.1RoundRobin11
1.2.2虛擬桶（VirtualBuckets）12
1.2.3一致性哈希（ConsistentHashing）13
1.3範圍分片（RangePartition）18
參考文獻19
第2章數據複製與一致性20
2.1基本原則與設計理念21
2.1.1原教旨CAP主義21
2.1.2CAP重裝上陣（CAPReloaded）23
2.1.3ACID原則24
2.1.4BASE原則24
2.1.5CAP/ACID/BASE三者的關係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任意節點更新32
2.4一致性協定32
2.4.1兩階段提交協定（Two—PhraseCommit，2PC）33
2.4.2向量時鐘（VectorClock）38
2.4.3RWN協定40
2.4.4Paxos協定42
2.4.5Raft協定45
參考文獻49
第3章大數據常用的算法與數據結構51
3.1布隆過濾器（BloomFilter）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BloomFilter53
3.1.4套用54
3.2SkipList55
3.3LSM樹58
3.4Merkle哈希樹（MerkleHashTree）62
3.4.1Merkle樹基本原理62
3.4.2Dynamo中的套用63
3.4.3比特幣中的套用63
3.5Snappy與LZSS算法65
3.5.1LZSS算法65
3.5.2Snappy67
3.6Cuckoo哈希（CuckooHashing）67
3.6.1基本原理68
3.6.2套用：SILT存儲系統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數據局部性（DataLocality）75
4.2.3搶占式調度與非搶占式調度75
4.2.4資源分配粒度（AllocationGranularity）76
4.2.5餓死（Starvation）與死鎖（DeadLock）問題76
4.2.6資源隔離方法77
4.3資源管理與調度系統范型77
4.3.1集中式調度器（MonolithicScheduler）78
4.3.2兩級調度器（Two—LevelScheduler）79
4.3.3狀態共享調度器（Shared—StateScheduler）79
4.4資源調度策略81
4.4.1FIFO調度策略81
4.4.2公平調度器（FairScheduler）81
4.4.3能力調度器（CapacityScheduler）82
4.4.4延遲調度策略（DelayScheduling）82
4.4.5主資源公平調度策略（DominantResourceFairScheduling）82
4.5Mesos84
4.6YARN87
參考文獻90
第5章分散式協調系統91
5.1Chubby鎖服務92
5.1.1系統架構93
5.1.2數據模型94
5.1.3會話與KeepAlive機制95
5.1.4客戶端快取95
5.2ZooKeeper96
5.2.1體系結構96
5.2.2數據模型（DataModel）97
5.2.3API98
5.2.4ZooKeeper的典型套用場景98
5.2.5ZooKeeper的實際套用103
參考文獻104
第6章分散式通信106
6.1序列化與遠程過程調用框架107
6.1.1ProtocolBuffer與Thrift108
6.1.2Avro109
6.2訊息佇列110
6.2.1常見的訊息佇列系統110
6.2.2Kafka111
6.3套用層多播通信（Application—LevelMulti—Broadcast）114
6.3.1概述114
6.3.2Gossip協定115
參考文獻118
第7章數據通道120
7.1Log數據收集120
7.1.1Chukwa121
7.1.2Scribe122
7.2數據匯流排123
7.2.1Databus125
7.2.2Wormhole127
7.3數據導入/導出128
參考文獻129
第8章分散式檔案系統131
8.1Google檔案系統（GFS）132
8.1.1GFS設計原則132
8.1.2GFS整體架構133
8.1.3GFS主控伺服器134
8.1.4系統互動行為136
8.1.5Colossus137
8.2HDFS138
8.2.1HDFS整體架構139
8.2.2HA方案140
8.2.3NameNode聯盟143
8.3HayStack存儲系統145
8.3.1HayStack整體架構146
8.3.2目錄服務147
8.3.3HayStack快取148
8.3.4HayStack存儲系統的實現148
8.4檔案存儲布局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（ErasureCode）158
8.5.1Reed—Solomon編碼159
8.5.2LRC編碼164
8.5.3HDFS—RAID架構166
參考文獻166
……
第9章記憶體KV資料庫168
第10章列式資料庫176
第11章大規模批處理系統199
第12章流式計算219
第13章互動式數據分析240
第14章圖資料庫：架構與算法271
第15章機器學習：范型與架構313
第16章機器學習：分散式算法337
第17章增量計算366
附錄A硬體體系結構及常用性能指標378
附錄B大數據必讀文獻380
