《雲計算與大數據概論》是2017年8月西安電子科技大學出版社出版的一本圖書，作者是青島英谷教育科技股份有限公司。
基本介紹
- 中文名：雲計算與大數據概論
- 出版時間：2017年8月
- ISBN：978-7-5606-4609-1
- 作者：青島英谷教育科技股份有限公司
圖書簡介,內容簡介,目錄,
圖書簡介
雲計算與大數據概論
作 者：青島英谷教育科技股份有限公司
書代號：490100
I S B N：978-7-5606-4609-1
出版日期：2017年8月
印刷日期：2017年8月
內容簡介
本書從雲平台和大數據的概念出發，以當前國內外雲平台和大數據的發展現狀為背景，詳細介紹了雲計算技術、雲計算平台、大數據技術、Hadoop開發平台、MapReduce套用、Pig簡介、HBase簡介、雲計算與大數據安全等知識。
目錄
第1章 雲計算與大數據概述1
1.1 雲計算和大數據的概念2
1.1.1 雲計算概述2
1.1.2 雲計算的特點和優勢3
1.1.3 大數據概述7
1.1.4 大數據的特點與作用9
1.2 雲計算與大數據發展現狀11
1.2.1 國外雲計算發展現狀11
1.2.2 我國雲計算發展現狀13
1.2.3 國外大數據發展現狀16
1.2.4 我國大數據發展現狀17
1.3 雲計算的分類18
1.3.1 私有雲、公有雲和混合雲18
1.3.2 IaaS、PaaS、SaaS、DaaS19
1.4 主流雲計算和大數據供應商21
1.4.1 Amazon雲計算21
1.4.2 IBM雲計算21
1.4.3 Google雲計算22
1.4.4 微軟雲計算22
1.4.5 阿里巴巴雲服務22
1.4.6 百度開放雲23
1.4.7 騰訊雲平台24
1.5 雲計算與大數據的關係26
本章小結27
本章練習28
第2章 雲計算技術29
2.1 虛擬化技術30
2.1.1 虛擬化技術發展史30
2.1.2 虛擬化技術的概念31
2.1.3 虛擬化的技術實現32
2.1.4 虛擬化的套用領域35
2.2 分散式技術42
2.2.1 分散式檔案系統43
2.2.2 分散式資料庫系統46
2.2.3 分散式計算47
本章小結47
本章練習48
第3章 雲計算平台49
3.1 Google雲平台50
3.1.1 Google雲計算平台體系結構50
3.1.2 Google雲計算平台核心技術51
3.1.3 Google App Engine55
3.2 Amazon雲平台56
3.2.1 存儲架構Dynamo57
3.2.2 彈性計算雲(EC2)57
3.2.3 簡單存儲服務(S3)59
3.2.4 簡單佇列服務(SQS)60
3.2.5 其他AWS(Amazon Web Services)61
3.3 微軟Windows Azure平台62
3.3.1 平台定位62
3.3.2 計算服務63
3.3.3 數據存儲服務64
3.3.4 其他服務65
3.4 阿里雲服務平台65
3.4.1 計算服務65
3.4.2 數據存儲服務66
3.4.3 數據分析服務66
3.4.4 其他服務 67
3.5 百度開發者雲服務 67
3.5.1 計算服務 67
3.5.2 數據存儲服務 68
3.5.3 數據分析服務 68
3.5.4 其他服務 68
3.6 騰訊雲服務平台 69
3.6.1 計算服務 69
3.6.2 數據存儲服務 70
3.6.3 數據分析服務 70
3.6.4 其他服務 71
本章小結 71
本章練習 72
第4章 大數據技術 73
4.1 大數據套用系統架構 74
4.1.1 大數據套用系統架構原則 74
4.1.2 Apache大數據套用系統架構模型 74
4.1.3 企業大數據套用系統架構模型 77
4.2 大數據關鍵技術 79
4.2.1 數據收集技術 79
4.2.2 數據預處理技術 79
4.2.3 數據存儲技術 79
4.2.4 數據處理技術 81
4.2.5 數據挖掘技術 82
4.2.6 數據分析與數據可視化技術 90
4.2.7 大數據安全 95
4.3 主流大數據服務 98
4.3.1 Google的技術與產品研發 98
4.3.2 微軟的HDInsight 99
4.3.3 IBM的InfoSphere 99
4.4 開源大數據平台 99
4.4.1 Hadoop系統架構 100
4.4.2 Storm流計算系統 100
4.4.3 Spark疊代計算框架 101
4.4.4 其他產品 101
本章小結 101
本章練習 102
第5章 Hadoop開發平台 103
5.1 Hadoop的發展史 104
5.2 Hadoop的功能與作用 105
5.3 Hadoop的基本組成 107
5.3.1 HDFS(Hadoop分散式
檔案系統) 107
5.3.2 MapReduce(分散式計算框架) 117
5.3.3 YARN(集群資源管理器) 117
5.3.4 ZooKeeper(分散式協作服務) 120
5.3.5 HBase(分散式NoSQL資料庫) 122
5.3.6 Hive(資料庫管理工具) 122
5.3.7 Pig(高層次抽象腳本語言) 122
5.3.8 Avro 123
5.3.9 Sqoop 123
本章小結 123
本章練習 124
第6章 MapReduce套用 125
6.1 分散式並行編程：編程方式的變革 126
6.2 MapReduce模型概述 126
6.3 工作組件 127
6.4 MapReduce工作流程 129
6.4.1 工作流程概述 129
6.4.2 MapReduce各個執行階段 130
6.4.3 Shuffle過程詳解 134
6.5 並行計算的實現 138
6.5.1 數據分布存儲 138
6.5.2 分散式並行計算 138
6.5.3 本地計算 139
6.5.4 任務粒度 140
6.5.5 Partition 140
6.5.6 Combine 140
6.5.7 Reduce任務 140
6.6 實例分析：WordCount 140
6.6.1 設計思路 141
6.6.2 程式原始碼 142
6.6.3 程式解讀 144
6.6.4 使用Hadoop運行程式 147
6.7 MapReduce新框架YARN 149
6.7.1 原Hadoop MapReduce
框架的問題 149
6.7.2 Hadoop YARN框架的原理及
運作機制 151
6.7.3 新舊Hadoop MapReduce
框架對比 152
本章小結 153
本章練習 154
第7章 Pig簡介 155
7.1 Pig概述 156
7.2 Pig的用途 156
7.3 Pig的設計思想 156
7.4 Pig的運行模式 157
7.5 Pig Latin 159
7.5.1 基礎知識 159
7.5.2 讀寫和檢測操作符 160
7.5.3 數據類型和schema 162
7.5.4 表達式和函式 163
7.5.5 關係型運算符 165
7.5.6 執行最佳化 170
7.5.7 用戶定義函式 171
7.6 Pig腳本 174
7.6.1 注釋 174
7.6.2 參數替換 174
本章小結 175
本章練習 176
第8章 HBase簡介 177
8.1 HBase的概念和作用 178
8.2 HBase使用場景和成功案例 178
8.2.1 網際網路搜尋功能 179
8.2.2 抓取增量數據 180
8.2.3 內容服務 181
8.2.4 信息交換 182
8.3 HBase和傳統關係型資料庫的
對比分析 183
8.4 HBase數據模型 184
8.4.1 數據模型的相關概念 184
8.4.2 概念視圖 185
8.4.3 物理視圖 186
8.4.4 物理存儲 186
8.5 HBase組成架構 187
8.5.1 HRegion 189
8.5.2 HMaster 189
8.5.3 ZooKeeper 190
8.6 HBase的安裝和運行 190
8.6.1 安裝HBase 190
8.6.2 運行HBase 193
8.6.3 HBase Shell 194
8.7 HBase的訪問接口 197
8.7.1 HBase Java API介紹 197
8.7.2 HBase Java API程式示例 202
本章小結 211
本章練習 212
第9章 雲計算與大數據安全 213
9.1 雲計算安全 214
9.1.1 雲計算面臨的安全威脅 214
9.1.2 雲計算安全相關解決方案 216
9.2 大數據安全 217
9.2.1 大數據面臨的安全問題 218
9.2.2 不同領域的大數據安全需求 218
9.2.3 大數據安全問題解決方案 220
本章小結 221
本章練習 221
