新書推薦：
《
啟蒙運動（下）：自由之科學（2019年版）
》
售價：HK$
207.8
《
差異與重複：法國當代哲學巨擘德勒茲畢生代表作
》
售價：HK$
261.3
《
崩盤：金融海嘯十年後，從經濟危機到後真相政治的不穩定世界
》
售價：HK$
267.2
《
焦慮也沒關係！：與焦慮和平共存的生活法則
》
售價：HK$
112.8
《
無所事事的美好時光（TED Books系列）
》
售價：HK$
65.3
《
設計思考全攻略：概念X流程X工具X團隊，史丹佛最受歡迎的商業設計課一次就上手
》
售價：HK$
207.5
《
川本三郎的日本小鎮紀行：日本國民電影『男人真命苦』 之旅
》
售價：HK$
106.9
《
全球化的時代：無政府主義，與反殖民想像
》
售價：HK$
118.8
|
| 內容簡介： |
◎NoSQL不是產品，而是一個當紅的概念，為雲端時代不間斷資料的儲存基礎
◎NoSQL不是NoSQL，而是NotOnlySQL，不但保留了SQL的高邏輯性，更加上了分散式架構的強項
◎傳統關聯式資料庫SQL已存在30年，再面對全球每年100億顆硬碟的增長量已完全無法承載負擔
◎使用NoSQL，用成千上萬的廉價PC，就能保存及處理大數據，隨時擴充，不怕電腦當機
◎介紹全球目前當紅的各個NoSQL，CassendraFacebook使用、BigTableGoogle使用、RedisFlickr及新浪使用
面對全球每年將近100億顆資料的成長，大數據的資料處理早已成為顯學。隨著大數據的概念興起，各行各業也面臨到保存各種資料的難題。資料的保存不只是保存而已，還必須成為資料倉儲DataWarehouse、資料分析、全文檢索、行為預測等功能的基礎。在傳統的關聯式資料庫Oracle、MySQL、SQLServer已老態龍鍾，或是需要高成本的伺服器來執行時，NoSQL類的資料挾其水平擴充性Scaleout，使用一般PC就可擴充其功能的優勢，逐漸成為全球新寵。NoSQL這個新興的觀念，已成為雲端時代的基本知識，本書可讓你快速上手大數據及NoSQL，幫你成為雲端時代最性感行業SexiestIndustry的一員！
適合：對資料庫知識有一定了解者、或有較好的程式設計基礎和閱讀程式的能力、有一定Linux作業系統的基礎知識者
|
| 目錄：
|
前言
01概論
1.1引子
1.2巨量資料挑戰
1.3巨量資料的儲存和管理
1.3.1平行資料庫
1.3.2NoSQL資料管理系統
1.3.3NewSQL資料管理系統
1.3.4雲端資料管理
1.4巨量資料的處理和分析
1.5小結
參考文獻
02資料一致性理論
2.1CAP理論
2.2資料一致性模型
2.3ACID與BASE
2.4資料一致性實現技術
2.4.1Quorum系統NRW策略
2.4.2兩階段傳送協定
2.4.3時間戳記策略
2.4.4Paxos
2.4.5向量時鐘
2.5小結
參考文獻
03資料儲存模型
3.1總論
3.2鍵值儲存
3.2.1Redis
3.2.2Dynamo
3.3列式儲存
3.3.1Bigtable
3.3.2Cassandra與HBase
3.4文件儲存
3.4.1MongoDB
3.4.2CouchDB
3.5圖形儲存
3.5.1Neo4j
3.5.2GraphDB
3.6小結
參考文獻
04資料分區與放置策略
4.1分區的意義
4.1.1為什麼要分區
4.1.2分區的優點
4.2範圍分區
4.3列表分區
4.4雜湊分區
4.5三種分區的比較
4.6放置策略
4.6.1一致性雜湊演算法
4.6.2容錯性與可擴充性分析
4.6.3虛擬節點
4.7小結
參考文獻
05巨量資料處理方法
5.1MapReduce簡介
5.2MapReduce資料流程
5.3MapReduce資料處理
5.3.1傳送作業
5.3.2初始化作業
5.3.3分配工作
5.3.4執行工作
5.3.5更新工作執行進度和狀態
5.3.6完成作業
5.4Dryad簡介
5.4.1DFSCosmos介紹
5.4.2Dryad執行引擎
5.4.3DryadLINQ解釋引擎
5.4.4DryadLINQ程式設計
5.5Dryad資料處理步驟
5.6MapReducevsDryad
5.7小結
參考文獻
06資料複製與容錯技術
6.1巨量資料複製的作用和代價
6.2巨量資料複製的策略
6.2.1Dynamo的複寫原則
6.2.2CouchDB的複寫原則
6.2.3PNUTS的複寫原則
6.3巨量資料的故障發現與處理
6.3.1Dynamo的故障發現與處理
6.3.2CouchDB的故障發現與處理
6.3.3PNUTS的故障發現與處理
6.4小結
參考文獻
07資料壓縮技術
7.1資料壓縮原理
7.1.1資料壓縮的定義
7.1.2資料為什麼可以壓縮
7.1.3資料壓縮分類
7.2傳統壓縮技術[1]
7.2.1霍夫曼編碼
7.2.2LZ77演算法
7.3巨量資料帶來的3V挑戰
7.4Oracle混合列壓縮
7.4.1倉庫壓縮
7.4.2歸檔壓縮
7.5Google資料壓縮技術
7.5.1尋找長的重複串
7.5.2壓縮演算法
7.6Hadoop壓縮技術
7.6.1LZO簡介
7.6.2LZO原理[5]
7.7小結
參考文獻
08快取技術
8.1分散式快取簡介
8.1.1分散式快取的產生
8.1.2分散式快取的應用
8.1.3分散式快取的效能
8.1.4衡量可用性的標準
8.2分散式快取的內部機制
8.2.1生命期機制
8.2.2一致性機制
8.2.3直接讀取與直接寫入機制
8.2.4查詢機制
8.2.5事件觸發機制
8.3分散式快取的拓撲結構
8.3.1複製式拓撲
8.3.2分割式拓撲
8.3.3用戶端快取拓撲
8.4小結
參考文獻
09key-value資料庫
9.1key-value模型綜述
9.2Redis
9.2.1Redis概述
9.2.2Redis下載與安裝
9.2.3Redis入門操作
9.2.4Redis在業內的應用
9.3Voldemort
9.3.1Voldemort概述
9.3.2Voldemort下載與安裝
9.3.3Voldemort設定
9.3.4Voldemort開發介紹[3]
9.4小結
參考文獻
10Column-Oriented資料庫
10.1Column-Oriented資料庫簡介
10.2Bigtable資料庫
10.2.1Bigtable資料庫簡介
10.2.2Bigtable資料模型
10.2.3Bigtable基礎架構
10.3Hypertable資料庫
10.3.1Hypertable簡介
10.3.2Hypertable安裝
10.3.3Hypertable架構
10.3.4Hypertable中的基本概念和原理
10.3.5Hypertable的查詢
10.4Cassandra資料庫
10.4.1Cassandra簡介
10.4.2Cassandra設定
10.4.3Cassandra資料庫的連接
10.4.4Cassandra叢集機制
10.4.5Cassandra的讀寫機制
10.5小結
參考文獻
11文件資料庫
11.1文件資料庫簡介
11.2CouchDB資料庫
11.2.1CouchDB簡介
11.2.2CouchDB安裝
11.2.3CouchDB入門
11.2.4CouchDB查詢
11.2.5CouchDB的儲存結構
11.2.6SQL和CouchDB
11.2.7分散式環境中的CouchDB
11.3MongoDB資料庫
11.3.1MongoDB簡介
11.3.2MongoDB的安裝
11.3.3MongoDB入門
11.3.4MongoDB索引
11.3.5SQL與MongoDB
11.3.6MapReduce與MongoDB
11.3.7MongoDB與CouchDB比較
11.4小結
參考文獻
12圖型資料庫
12.1圖型資料庫的由來及基本概念
12.1.1圖型資料庫的由來
12.1.2圖型資料庫的基本概念
12.2Neo4j圖型資料庫
12.2.1Neo4j簡介
12.2.2Neo4j使用教學
12.2.3分散式Neo4j—Neo4jHA
12.2.4Neo4j工作機制及優缺點淺析
12.3GraphDB
12.3.1GraphDB簡介
12.3.2GraphDB的整體架構
12.3.3GraphDB的資料模型
12.3.4GraphDB的安裝
12.3.5GraphDB的使用
12.4OrientDB
12.4.1背景
12.4.2OrientDB是什麼
12.4.3OrientDB的原理及相關技術
12.4.4Windows下OrientDB的安裝與使用
12.4.5相關Web應用
12.5三種圖型資料庫的比較
12.5.1特徵比較表
12.5.2分散式模式及應用比較
12.6小結
參考文獻
13以Hadoop為基礎的資料管理系統
13.1Hadoop簡介
13.2HBase
13.2.1HBase系統結構
13.2.2HBase資料模型
13.2.3HBase的安裝和使用
13.2.4HBase與RDBMS
13.3Pig
13.3.1Pig的安裝和使用
13.3.2PigLatin語言
13.3.3Pig實例
13.4Hive
13.4.1Hive的資料儲存
13.4.2Hive的中繼資料儲存
13.4.3安裝Hive
13.4.4HiveQL簡介
13.4.5Hive的網路介面（WebUI）
13.4.6Hive的JDBC介面
13.5小結
參考文獻
14NewSQL資料庫
14.1NewSQL資料庫簡介
14.2MySQLCluster
14.2.1概述
14.2.2MySQLCluster的層次結構
14.2.3MySQLCluster的優勢和應用
14.2.4巨量資料處理中的sharding技術
14.2.5單機環境下MySQLCluster的安裝
14.2.6MySQLCluster的分散式安裝與設定指導
14.3VoltDB
14.3.1傳統關聯式資料庫與VoltDB
14.3.2VoltDB的安裝與設定
14.3.3VoltDB元件
14.3.4HelloWorld
14.3.5使用Generate指令稿
14.3.6Eclipse整合開發
14.4小結
參考文獻
15分散式快取系統
15.1Memcached快取技術
15.1.1背景介紹
15.1.2Memcached快取技術的特點
15.1.3Memcached安裝[3]
15.1.4Memcached中的資料操作
15.1.5Memcached的使用
15.2MicrosoftVelocity分散式快取系統
15.2.1MicrosoftVelocity簡介
15.2.2資料分類
15.2.3Velocity核心概念
15.2.4Velocity安裝
15.2.5一個簡單的Velocity用戶端應用
15.2.6擴充型和可用性
15.3小結
參考文獻
16企業應用
16.1Instagram
16.1.1Instagram如何應對資料的急劇增長
16.1.2Instagram的資料分割策略
16.2Facebook對Hadoop以及HBase的應用
16.2.1工作負載型態
16.2.2為什麼採用ApacheHadoop和HBase
16.2.3即時HDFS
16.2.4HadoopHBase的實現
16.3淘寶巨量資料解決之道
16.3.1淘寶資料分析
16.3.2淘寶巨量資料挑戰
16.3.3淘寶OceanBase資料庫
16.3.4淘寶將來的工作
16.4小結
參考文獻
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
