云計算與大數據
出版時間:
2021-12
版次:
1
ISBN:
9787121423406
定價:
98.00
裝幀:
平裝
開本:
16開
頁數:
404頁
-
云計算和大數據已經被譽為21世紀發展的科技新動力，云計算與大數據有機結合，為電子商務、電子政務、在線金融、智能制造、智慧城市等各個領域提供強有力的支持，推動著新經濟時代的發展。本書共16章，分為云計算篇、大數據篇、平臺篇。云計算篇主要介紹云計算的一般性概念、原理和相關機制；大數據篇重點介紹大數據的基本概念、關鍵技術和典型應用。平臺篇重點介紹云計算與大數據的相關平臺。 徐小龍，南京郵電大學計算機學院教授，博士生導師。\"通信與信息系統專業”博士，\"電子科學與技術”博士后流動站博士后（出站），國家卓越工程師計劃專業負責人。2011年獲得國家留學基金委資助赴英國從事博士后研究，一直從事分布式計算、移動計算、物聯網、信息網絡與信息安全等技術領域的教學和科研工作。 目 錄
第1篇 云計算篇 （1）
第1章 云計算概覽 （3）
1．1 云計算的定義與特征 （3）
1．1．1 云計算的定義 （3）
1．1．2 云計算的產生與發展 （5）
1．1．3 云計算的典型特征 （6）
1．2 云計算的體系架構與關鍵技術 （7）
1．2．1 云計算的體系架構 （7）
1．2．2 云計算的關鍵技術 （8）
1．3 云計算數據中心 （9）
1．3．1 數據中心定義 （9）
1．3．2 數據中心構成 （10）
1．3．3 典型的數據中心 （10）
1．4 云計算與其他技術 （11）
1．4．1 云計算與大數據 （11）
1．4．2 云計算與區塊鏈 （13）
1．4．3 云計算與病毒防御 （14）
1．4．4 云計算與邊緣計算 （15）
1．5 本章小結 （16）
本章參考文獻 （16）
第2章 虛擬化與容器技術 （19）
2．1 虛擬化概述 （19）
2．1．1 虛擬化技術的定義 （19）
2．1．2 虛擬化技術的產生與發展 （20）
2．1．3 虛擬化技術的特征與優勢 （20）
2．1．4 虛擬化技術的類型 （21）
2．2 虛擬化關鍵技術 （21）
2．2．1 服務器虛擬化 （21）
2．2．2 存儲虛擬化 （23）
2．2．3 網絡虛擬化 （24）
2．2．4 應用程序虛擬化 （25）
2．2．5 桌面虛擬化 （25）
2．2．6 虛擬機遷移 （25）
2．3 典型虛擬化軟件 （27）
2．3．1 Xen （27）
2．3．2 VMware的vSphere （27）
2．3．3 Microsoft的Hyper-V （29）
2．3．4 Linux的KVM （29）
2．4 容器技術 （31）
2．4．1 容器技術的定義與優勢 （31）
2．4．2 Docker的核心組件 （32）
2．4．3 Docker的安裝 （35）
2．4．4 Docker的調度工具 （37）
2．4．5 Docker的作用 （38）
2．5 本章小結 （38）
本章參考文獻 （38）
第3章 云存儲 （41）
3．1 云存儲的基本概念 （41）
3．1．1 數據存儲需求 （41）
3．1．2 云存儲的定義 （42）
3．1．3 云存儲系統的體系架構 （42）
3．1．4 云存儲系統的網絡架構 （43）
3．1．5 云存儲系統的主要優勢 （43）
3．2 云存儲的關鍵技術 （44）
3．2．1 分布式存儲 （44）
3．2．2 數據副本技術 （47）
3．2．3 數據備份技術 （50）
3．2．4 數據一致性技術 （50）
3．3 典型的云存儲服務S3 （52）
3．3．1 AWS中的S3簡介 （52）
3．3．2 S3基本數據結構 （52）
3．3．3 S3的性能優勢 （53）
3．4 典型的云存儲服務平臺 （53）
3．4．1 iCloud （53）
3．4．2 百度網盤 （54）
3．5 本章小結 （55）
本章參考文獻 （55）
第4章 云計算系統監管 （57）
4．1 云計算系統的資源監管體系 （57）
4．1．1 云計算系統的資源監管對象 （57）
4．1．2 云計算系統的資源監管目標 （58）
4．1．3 云計算系統的資源監管架構 （58）
4．2 云計算系統的資源監測 （59）
4．2．1 云計算系統資源監測的挑戰 （59）
4．2．2 云計算系統資源監測的目標 （60）
4．2．3 云計算系統資源監測的架構 （60）
4．2．4 監測數據采集 （62）
4．2．5 分布式協同監測模型 （64）
4．3 云計算系統的任務調度 （69）
4．3．1 任務調度的概念 （69）
4．3．2 任務調度的原則 （70）
4．3．3 任務調度的算法 （70）
4．3．4 任務調度的模型 （71）
4．4 云計算系統的網絡監管 （73）
4．4．1 網絡監管的概念 （73）
4．4．2 網絡監管的功能 （73）
4．4．3 云數據中心網絡 （75）
4．4．4 網絡流量的調度 （79）
4．5 云資源監管系統 （83）
4．5．1 云資源監管系統的架構 （83）
4．5．2 云資源監管系統的實現 （84）
4．5．3 常用的云資源監管系統 （91）
4．6 本章小結 （94）
本章參考文獻 （94）
第5章 云計算安全 （97）
5．1 云計算安全問題分析 （97）
5．1．1 云計算安全現狀 （97）
5．1．2 云計算安全問題來源 （98）
5．1．3 云計算安全問題分類 （98）
5．2 云計算安全保障技術 （99）
5．2．1 云計算安全目標 （99）
5．2．2 身份認證機制 （100）
5．2．3 訪問控制機制 （102）
5．2．4 租戶隔離技術 （103）
5．2．5 數據加密技術 （104）
5．2．6 數據完整性驗證 （106）
5．2．7 云計算審計與安全溯源 （108）
5．3 云計算安全服務體系 （109）
5．3．1 云計算安全服務體系的架構 （109）
5．3．2 AWS的云安全模塊 （112）
5．3．3 Azure的云安全模塊 （112）
5．3．4 BlueCloud的云安全模塊 （112）
5．4 本章小結 （113）
本章參考文獻 （113）
第6章 云計算節能技術 （115）
6．1 云數據中心的能耗 （115）
6．1．1 云數據中心的規模 （115）
6．1．2 云數據中心的能耗現狀 （115）
6．1．3 云數據中心的能耗組成 （116）
6．2 云數據中心的能效評價體系 （118）
6．2．1 云數據中心的能效評價標準 （118）
6．2．2 云數據中心的能效評價指標 （119）
6．3 綠色云計算節能技術 （121）
6．3．1 綠色計算與綠色云計算 （121）
6．3．2 節能優化技術 （122）
6．3．3 綠色云計算模型 （124）
6．4 節能的云數據管理 （128）
6．4．1 云數據模型 （128）
6．4．2 有序數據聚集 （128）
6．4．3 重復數據刪除 （129）
6．5 本章小結 （134）
本章參考文獻 （134）
第2篇 大數據篇 （137）
第7章 大數據概覽 （139）
7．1 大數據的基本概念 （139）
7．1．1 DIKW體系 （139）
7．1．2 大數據時代 （141）
7．1．3 大數據的定義 （142）
7．1．4 大數據的特征 （143）
7．2 大數據技術及平臺 （144）
7．2．1 大數據的生命周期 （144）
7．2．2 大數據的關鍵技術 （144）
7．2．3 大數據平臺 （145）
7．3 數據思維與大數據價值 （151）
7．3．1 數據思維 （151）
7．3．2 大數據的價值 （152）
7．3．3 大數據的重點應用領域 （152）
7．4 典型的大數據 （154）
7．4．1 網絡百科大數據 （154）
7．4．2 醫療健康大數據 （158）
7．4．3 災害大數據 （159）
7．4．4 制造業大數據 （160）
7．5 本章小結 （162）
本章參考文獻 （162）
第8章 大數據采集 （165）
8．1 數據采集概述 （165）
8．1．1 數據采集的概念 （165）
8．1．2 數據采集的性能要求 （165）
8．1．3 傳統數據采集和大數據采集 （166）
8．2 數據采集的工具 （166）
8．2．1 網絡數據采集 （166）
8．2．2 感知設備數據采集 （168）
8．2．3 系統日志采集 （169）
8．3 分布式數據采集 （170）
8．3．1 分布式數據采集系統 （170）
8．3．2 分布式數據采集系統的架構 （171）
8．4 定向數據采集 （173）
8．4．1 定向數據采集的基本工作原理 （173）
8．4．2 定向數據采集算法 （174）
8．4．3 定向數據采集系統的發展 （175）
8．5 網絡數據采集系統 （175）
8．5．1 基于網絡的地震數據采集 （175）
8．5．2 網絡數據采集系統的架構 （176）
8．5．3 網絡數據采集系統的功能模塊 （178）
8．5．4 網絡數據采集系統的界面展示 （180）
8．6 本章小結 （182）
本章參考文獻 （182）
第9章 大數據處理 （183）
9．1 大數據預處理 （183）
9．1．1 數據預處理概述 （183）
9．1．2 數據清洗 （184）
9．1．3 數據集成 （187）
9．1．4 數據轉換 （189）
9．1．5 數據歸約 （190）
9．2 數據處理任務 （190）
9．2．1 數據處理概述 （190）
9．2．2 分類任務 （191）
9．2．3 聚類任務 （192）
9．2．4 關聯分析任務 （193）
9．3 數據處理方法 （193）
9．3．1 數據挖掘 （193）
9．3．2 機器學習 （200）
9．3．3 深度學習 （202）
9．4 大數據處理架構 （211）
9．4．1 集中式處理架構 （211）
9．4．2 分布式處理架構 （212）
9．5 本章小結 （212）
本章參考文獻 （213）
第10章 大數據應用 （217）
10．1 生物電大數據 （217）
10．1．1 生物電信號概述 （217）
10．1．2 基于腦電數據的疲勞監測方法 （219）
10．1．3 基于腦電數據的疲勞監測系統 （225）
10．2 軌跡大數據 （226）
10．2．1 軌跡大數據概述 （226）
10．2．2 基于軌跡大數據的路徑規劃方法 （229）
10．2．3 基于軌跡大數據的路徑規劃系統 （236）
10．3 文本大數據 （237）
10．3．1 文本大數據概述 （237）
10．3．2 基于文本大數據的問題分類方法 （242）
10．3．3 基于文本大數據的智能問答系統 （246）
10．4 圖像大數據 （249）
10．4．1 圖像大數據概述 （249）
10．4．2 基于圖像大數據的目標檢測方法 （250）
10．4．3 面向自動駕駛的目標檢測系統 （255）
10．5 本章小結 （259）
本章參考文獻 （259）
第11章 大數據隱私保護 （265）
11．1 隱私保護問題分析 （265）
11．1．1 數據隱私保護現狀 （265）
11．1．2 數據隱私問題來源 （266）
11．1．3 數據隱私保護目標 （266）
11．2 隱私保護關鍵技術 （266）
11．2．1 隱私保護技術概述 （266）
11．2．2 匿名技術 （267）
11．2．3 加密技術 （271）
11．2．4 失真技術 （273）
11．2．5 數據銷毀技術 （276）
11．3 差分隱私保護機制 （279）
11．3．1 本地化差分隱私技術 （279）
11．3．2 中心化差分隱私保護實踐 （281）
11．4 軌跡大數據的隱私保護 （283）
11．4．1 基于差分隱私的軌跡大數據泛化機制 （283）
11．4．2 軌跡大數據應用管理系統及隱私數據保護模塊 （284）
11．5 本章小結 （288）
本章參考文獻 （288）
第3篇 平臺篇 （291）
第12章 商用云計算平臺 （293）
12．1 Amazon云計算平臺 （293）
12．1．1 系統簡介 （293）
12．1．2 分布式文件系統Dynamo （293）
12．1．3 彈性計算云EC2 （295）
12．2 Microsoft云計算平臺 （297）
12．2．1 系統簡介 （297）
12．2．2 服務組件 （298）
12．2．3 Azure Kubernetes服務 （300）
12．2．4 Azure Cosmos DB （300）
12．2．5 Azure存儲 （301）
12．3 阿里云計算平臺 （301）
12．3．1 系統簡介 （301）
12．3．2 彈性計算 （302）
12．3．3 存儲 （304）
12．3．4 數據庫 （305）
12．4 本章小結 （306）
本章參考文獻 （306）
第13章 云操作系統OpenStack （307）
13．1 操作系統概覽 （307）
13．1．1 操作系統基本概念 （307）
13．1．2 新型操作系統 （308）
13．1．3 云操作系統 （310）
13．2 OpenStack簡介 （311）
13．2．1 來源背景 （311）
13．2．2 版本演變 （311）
13．3 OpenStack的體系架構與核心組件 （312）
13．3．1 OpenStack的體系架構 （312）
13．3．2 OpenStack的核心組件 （313）
13．4 OpenStack的安裝與部署 （321）
13．4．1 OpenStack代碼、SDK和相關工具的獲取 （321）
13．4．2 OpenStack對安裝環境的要求 （322）
13．4．3 OpenStack的安裝過程 （322）
13．4．4 OpenStack的部署配置 （326）
13．5 本章小結 （331）
本章參考文獻 （331）
第14章 云仿真平臺CloudSim （333）
14．1 仿真平臺概覽 （333）
14．1．1 仿真的基本概念 （333）
14．1．2 云仿真平臺介紹 （334）
14．2 CloudSim簡介 （335）
14．3 CloudSim架構與核心類 （336）
14．3．1 體系架構 （336）
14．3．2 核心類介紹 （336）
14．4 CloudSim的安裝與部署 （337）
14．4．1 CloudSim安裝包的獲取 （337）
14．4．2 CloudSim對安裝環境的要求 （338）
14．4．3 CloudSim的安裝過程 （338）
14．4．4 CloudSim實例的運行 （339）
14．5 本章小結 （346）
本章參考文獻 （346）
第15章 分布式大數據處理平臺Hadoop （347）
15．1 分布式系統概覽 （347）
15．1．1 分布式系統的基本概念 （347）
15．1．2 典型分布式系統 （348）
15．1．3 分布式系統特點 （348）
15．2 Hadoop簡介 （348）
15．2．1 來源背景 （348）
15．2．2 版本演變 （350）
15．3 Hadoop架構和核心組件 （351）
15．3．1 體系架構 （351）
15．3．2 HDFS （352）
15．3．3 MapReduce （356）
15．3．4 Yarn （358）
15．3．5 HBase （359）
15．4 Hadoop的安裝與部署 （362）
15．4．1 Hadoop安裝包的獲取 （362）
15．4．2 Hadoop對安裝環境的要求 （362）
15．4．3 Hadoop的安裝流程 （363）
15．4．4 Hadoop的部署配置 （364）
15．4．5 Hadoop實例的運行 （366）
15．5 本章小結 （367）
本章參考文獻 （367）
第16章 分布式內存計算平臺Spark （369）
16．1 內存計算概覽 （369）
16．1．1 內存計算的基本概念 （369）
16．1．2 典型的內存計算平臺 （369）
16．2 Spark簡介 （370）
16．2．1 來源背景 （370）
16．2．2 Spark版本演變 （370）
16．2．3 Spark與Hadoop聯系 （371）
16．3 Spark的架構與核心組件 （371）
16．3．1 Spark的架構 （371）
16．3．2 彈性分布式數據集 （373）
16．3．3 數據分析棧 （374）
16．3．4 函數式編程語言 （382）
16．4 Spark安裝與部署 （383）
16．4．1 Spark安裝包的獲取 （383）
16．4．2 Spark對安裝環境的要求 （384）
16．4．3 Spark的安裝過程 （384）
16．4．4 Spark的部署配置 （385）
16．4．5 Spark實例的運行 （386）
16．5 本章小結 （387）
本章參考文獻 （388）
-
內容簡介:
云計算和大數據已經被譽為21世紀發展的科技新動力，云計算與大數據有機結合，為電子商務、電子政務、在線金融、智能制造、智慧城市等各個領域提供強有力的支持，推動著新經濟時代的發展。本書共16章，分為云計算篇、大數據篇、平臺篇。云計算篇主要介紹云計算的一般性概念、原理和相關機制；大數據篇重點介紹大數據的基本概念、關鍵技術和典型應用。平臺篇重點介紹云計算與大數據的相關平臺。
-
作者簡介:
徐小龍，南京郵電大學計算機學院教授，博士生導師。\"通信與信息系統專業”博士，\"電子科學與技術”博士后流動站博士后（出站），國家卓越工程師計劃專業負責人。2011年獲得國家留學基金委資助赴英國從事博士后研究，一直從事分布式計算、移動計算、物聯網、信息網絡與信息安全等技術領域的教學和科研工作。
-
目錄:
目 錄
第1篇 云計算篇 （1）
第1章 云計算概覽 （3）
1．1 云計算的定義與特征 （3）
1．1．1 云計算的定義 （3）
1．1．2 云計算的產生與發展 （5）
1．1．3 云計算的典型特征 （6）
1．2 云計算的體系架構與關鍵技術 （7）
1．2．1 云計算的體系架構 （7）
1．2．2 云計算的關鍵技術 （8）
1．3 云計算數據中心 （9）
1．3．1 數據中心定義 （9）
1．3．2 數據中心構成 （10）
1．3．3 典型的數據中心 （10）
1．4 云計算與其他技術 （11）
1．4．1 云計算與大數據 （11）
1．4．2 云計算與區塊鏈 （13）
1．4．3 云計算與病毒防御 （14）
1．4．4 云計算與邊緣計算 （15）
1．5 本章小結 （16）
本章參考文獻 （16）
第2章 虛擬化與容器技術 （19）
2．1 虛擬化概述 （19）
2．1．1 虛擬化技術的定義 （19）
2．1．2 虛擬化技術的產生與發展 （20）
2．1．3 虛擬化技術的特征與優勢 （20）
2．1．4 虛擬化技術的類型 （21）
2．2 虛擬化關鍵技術 （21）
2．2．1 服務器虛擬化 （21）
2．2．2 存儲虛擬化 （23）
2．2．3 網絡虛擬化 （24）
2．2．4 應用程序虛擬化 （25）
2．2．5 桌面虛擬化 （25）
2．2．6 虛擬機遷移 （25）
2．3 典型虛擬化軟件 （27）
2．3．1 Xen （27）
2．3．2 VMware的vSphere （27）
2．3．3 Microsoft的Hyper-V （29）
2．3．4 Linux的KVM （29）
2．4 容器技術 （31）
2．4．1 容器技術的定義與優勢 （31）
2．4．2 Docker的核心組件 （32）
2．4．3 Docker的安裝 （35）
2．4．4 Docker的調度工具 （37）
2．4．5 Docker的作用 （38）
2．5 本章小結 （38）
本章參考文獻 （38）
第3章 云存儲 （41）
3．1 云存儲的基本概念 （41）
3．1．1 數據存儲需求 （41）
3．1．2 云存儲的定義 （42）
3．1．3 云存儲系統的體系架構 （42）
3．1．4 云存儲系統的網絡架構 （43）
3．1．5 云存儲系統的主要優勢 （43）
3．2 云存儲的關鍵技術 （44）
3．2．1 分布式存儲 （44）
3．2．2 數據副本技術 （47）
3．2．3 數據備份技術 （50）
3．2．4 數據一致性技術 （50）
3．3 典型的云存儲服務S3 （52）
3．3．1 AWS中的S3簡介 （52）
3．3．2 S3基本數據結構 （52）
3．3．3 S3的性能優勢 （53）
3．4 典型的云存儲服務平臺 （53）
3．4．1 iCloud （53）
3．4．2 百度網盤 （54）
3．5 本章小結 （55）
本章參考文獻 （55）
第4章 云計算系統監管 （57）
4．1 云計算系統的資源監管體系 （57）
4．1．1 云計算系統的資源監管對象 （57）
4．1．2 云計算系統的資源監管目標 （58）
4．1．3 云計算系統的資源監管架構 （58）
4．2 云計算系統的資源監測 （59）
4．2．1 云計算系統資源監測的挑戰 （59）
4．2．2 云計算系統資源監測的目標 （60）
4．2．3 云計算系統資源監測的架構 （60）
4．2．4 監測數據采集 （62）
4．2．5 分布式協同監測模型 （64）
4．3 云計算系統的任務調度 （69）
4．3．1 任務調度的概念 （69）
4．3．2 任務調度的原則 （70）
4．3．3 任務調度的算法 （70）
4．3．4 任務調度的模型 （71）
4．4 云計算系統的網絡監管 （73）
4．4．1 網絡監管的概念 （73）
4．4．2 網絡監管的功能 （73）
4．4．3 云數據中心網絡 （75）
4．4．4 網絡流量的調度 （79）
4．5 云資源監管系統 （83）
4．5．1 云資源監管系統的架構 （83）
4．5．2 云資源監管系統的實現 （84）
4．5．3 常用的云資源監管系統 （91）
4．6 本章小結 （94）
本章參考文獻 （94）
第5章 云計算安全 （97）
5．1 云計算安全問題分析 （97）
5．1．1 云計算安全現狀 （97）
5．1．2 云計算安全問題來源 （98）
5．1．3 云計算安全問題分類 （98）
5．2 云計算安全保障技術 （99）
5．2．1 云計算安全目標 （99）
5．2．2 身份認證機制 （100）
5．2．3 訪問控制機制 （102）
5．2．4 租戶隔離技術 （103）
5．2．5 數據加密技術 （104）
5．2．6 數據完整性驗證 （106）
5．2．7 云計算審計與安全溯源 （108）
5．3 云計算安全服務體系 （109）
5．3．1 云計算安全服務體系的架構 （109）
5．3．2 AWS的云安全模塊 （112）
5．3．3 Azure的云安全模塊 （112）
5．3．4 BlueCloud的云安全模塊 （112）
5．4 本章小結 （113）
本章參考文獻 （113）
第6章 云計算節能技術 （115）
6．1 云數據中心的能耗 （115）
6．1．1 云數據中心的規模 （115）
6．1．2 云數據中心的能耗現狀 （115）
6．1．3 云數據中心的能耗組成 （116）
6．2 云數據中心的能效評價體系 （118）
6．2．1 云數據中心的能效評價標準 （118）
6．2．2 云數據中心的能效評價指標 （119）
6．3 綠色云計算節能技術 （121）
6．3．1 綠色計算與綠色云計算 （121）
6．3．2 節能優化技術 （122）
6．3．3 綠色云計算模型 （124）
6．4 節能的云數據管理 （128）
6．4．1 云數據模型 （128）
6．4．2 有序數據聚集 （128）
6．4．3 重復數據刪除 （129）
6．5 本章小結 （134）
本章參考文獻 （134）
第2篇 大數據篇 （137）
第7章 大數據概覽 （139）
7．1 大數據的基本概念 （139）
7．1．1 DIKW體系 （139）
7．1．2 大數據時代 （141）
7．1．3 大數據的定義 （142）
7．1．4 大數據的特征 （143）
7．2 大數據技術及平臺 （144）
7．2．1 大數據的生命周期 （144）
7．2．2 大數據的關鍵技術 （144）
7．2．3 大數據平臺 （145）
7．3 數據思維與大數據價值 （151）
7．3．1 數據思維 （151）
7．3．2 大數據的價值 （152）
7．3．3 大數據的重點應用領域 （152）
7．4 典型的大數據 （154）
7．4．1 網絡百科大數據 （154）
7．4．2 醫療健康大數據 （158）
7．4．3 災害大數據 （159）
7．4．4 制造業大數據 （160）
7．5 本章小結 （162）
本章參考文獻 （162）
第8章 大數據采集 （165）
8．1 數據采集概述 （165）
8．1．1 數據采集的概念 （165）
8．1．2 數據采集的性能要求 （165）
8．1．3 傳統數據采集和大數據采集 （166）
8．2 數據采集的工具 （166）
8．2．1 網絡數據采集 （166）
8．2．2 感知設備數據采集 （168）
8．2．3 系統日志采集 （169）
8．3 分布式數據采集 （170）
8．3．1 分布式數據采集系統 （170）
8．3．2 分布式數據采集系統的架構 （171）
8．4 定向數據采集 （173）
8．4．1 定向數據采集的基本工作原理 （173）
8．4．2 定向數據采集算法 （174）
8．4．3 定向數據采集系統的發展 （175）
8．5 網絡數據采集系統 （175）
8．5．1 基于網絡的地震數據采集 （175）
8．5．2 網絡數據采集系統的架構 （176）
8．5．3 網絡數據采集系統的功能模塊 （178）
8．5．4 網絡數據采集系統的界面展示 （180）
8．6 本章小結 （182）
本章參考文獻 （182）
第9章 大數據處理 （183）
9．1 大數據預處理 （183）
9．1．1 數據預處理概述 （183）
9．1．2 數據清洗 （184）
9．1．3 數據集成 （187）
9．1．4 數據轉換 （189）
9．1．5 數據歸約 （190）
9．2 數據處理任務 （190）
9．2．1 數據處理概述 （190）
9．2．2 分類任務 （191）
9．2．3 聚類任務 （192）
9．2．4 關聯分析任務 （193）
9．3 數據處理方法 （193）
9．3．1 數據挖掘 （193）
9．3．2 機器學習 （200）
9．3．3 深度學習 （202）
9．4 大數據處理架構 （211）
9．4．1 集中式處理架構 （211）
9．4．2 分布式處理架構 （212）
9．5 本章小結 （212）
本章參考文獻 （213）
第10章 大數據應用 （217）
10．1 生物電大數據 （217）
10．1．1 生物電信號概述 （217）
10．1．2 基于腦電數據的疲勞監測方法 （219）
10．1．3 基于腦電數據的疲勞監測系統 （225）
10．2 軌跡大數據 （226）
10．2．1 軌跡大數據概述 （226）
10．2．2 基于軌跡大數據的路徑規劃方法 （229）
10．2．3 基于軌跡大數據的路徑規劃系統 （236）
10．3 文本大數據 （237）
10．3．1 文本大數據概述 （237）
10．3．2 基于文本大數據的問題分類方法 （242）
10．3．3 基于文本大數據的智能問答系統 （246）
10．4 圖像大數據 （249）
10．4．1 圖像大數據概述 （249）
10．4．2 基于圖像大數據的目標檢測方法 （250）
10．4．3 面向自動駕駛的目標檢測系統 （255）
10．5 本章小結 （259）
本章參考文獻 （259）
第11章 大數據隱私保護 （265）
11．1 隱私保護問題分析 （265）
11．1．1 數據隱私保護現狀 （265）
11．1．2 數據隱私問題來源 （266）
11．1．3 數據隱私保護目標 （266）
11．2 隱私保護關鍵技術 （266）
11．2．1 隱私保護技術概述 （266）
11．2．2 匿名技術 （267）
11．2．3 加密技術 （271）
11．2．4 失真技術 （273）
11．2．5 數據銷毀技術 （276）
11．3 差分隱私保護機制 （279）
11．3．1 本地化差分隱私技術 （279）
11．3．2 中心化差分隱私保護實踐 （281）
11．4 軌跡大數據的隱私保護 （283）
11．4．1 基于差分隱私的軌跡大數據泛化機制 （283）
11．4．2 軌跡大數據應用管理系統及隱私數據保護模塊 （284）
11．5 本章小結 （288）
本章參考文獻 （288）
第3篇 平臺篇 （291）
第12章 商用云計算平臺 （293）
12．1 Amazon云計算平臺 （293）
12．1．1 系統簡介 （293）
12．1．2 分布式文件系統Dynamo （293）
12．1．3 彈性計算云EC2 （295）
12．2 Microsoft云計算平臺 （297）
12．2．1 系統簡介 （297）
12．2．2 服務組件 （298）
12．2．3 Azure Kubernetes服務 （300）
12．2．4 Azure Cosmos DB （300）
12．2．5 Azure存儲 （301）
12．3 阿里云計算平臺 （301）
12．3．1 系統簡介 （301）
12．3．2 彈性計算 （302）
12．3．3 存儲 （304）
12．3．4 數據庫 （305）
12．4 本章小結 （306）
本章參考文獻 （306）
第13章 云操作系統OpenStack （307）
13．1 操作系統概覽 （307）
13．1．1 操作系統基本概念 （307）
13．1．2 新型操作系統 （308）
13．1．3 云操作系統 （310）
13．2 OpenStack簡介 （311）
13．2．1 來源背景 （311）
13．2．2 版本演變 （311）
13．3 OpenStack的體系架構與核心組件 （312）
13．3．1 OpenStack的體系架構 （312）
13．3．2 OpenStack的核心組件 （313）
13．4 OpenStack的安裝與部署 （321）
13．4．1 OpenStack代碼、SDK和相關工具的獲取 （321）
13．4．2 OpenStack對安裝環境的要求 （322）
13．4．3 OpenStack的安裝過程 （322）
13．4．4 OpenStack的部署配置 （326）
13．5 本章小結 （331）
本章參考文獻 （331）
第14章 云仿真平臺CloudSim （333）
14．1 仿真平臺概覽 （333）
14．1．1 仿真的基本概念 （333）
14．1．2 云仿真平臺介紹 （334）
14．2 CloudSim簡介 （335）
14．3 CloudSim架構與核心類 （336）
14．3．1 體系架構 （336）
14．3．2 核心類介紹 （336）
14．4 CloudSim的安裝與部署 （337）
14．4．1 CloudSim安裝包的獲取 （337）
14．4．2 CloudSim對安裝環境的要求 （338）
14．4．3 CloudSim的安裝過程 （338）
14．4．4 CloudSim實例的運行 （339）
14．5 本章小結 （346）
本章參考文獻 （346）
第15章 分布式大數據處理平臺Hadoop （347）
15．1 分布式系統概覽 （347）
15．1．1 分布式系統的基本概念 （347）
15．1．2 典型分布式系統 （348）
15．1．3 分布式系統特點 （348）
15．2 Hadoop簡介 （348）
15．2．1 來源背景 （348）
15．2．2 版本演變 （350）
15．3 Hadoop架構和核心組件 （351）
15．3．1 體系架構 （351）
15．3．2 HDFS （352）
15．3．3 MapReduce （356）
15．3．4 Yarn （358）
15．3．5 HBase （359）
15．4 Hadoop的安裝與部署 （362）
15．4．1 Hadoop安裝包的獲取 （362）
15．4．2 Hadoop對安裝環境的要求 （362）
15．4．3 Hadoop的安裝流程 （363）
15．4．4 Hadoop的部署配置 （364）
15．4．5 Hadoop實例的運行 （366）
15．5 本章小結 （367）
本章參考文獻 （367）
第16章 分布式內存計算平臺Spark （369）
16．1 內存計算概覽 （369）
16．1．1 內存計算的基本概念 （369）
16．1．2 典型的內存計算平臺 （369）
16．2 Spark簡介 （370）
16．2．1 來源背景 （370）
16．2．2 Spark版本演變 （370）
16．2．3 Spark與Hadoop聯系 （371）
16．3 Spark的架構與核心組件 （371）
16．3．1 Spark的架構 （371）
16．3．2 彈性分布式數據集 （373）
16．3．3 數據分析棧 （374）
16．3．4 函數式編程語言 （382）
16．4 Spark安裝與部署 （383）
16．4．1 Spark安裝包的獲取 （383）
16．4．2 Spark對安裝環境的要求 （384）
16．4．3 Spark的安裝過程 （384）
16．4．4 Spark的部署配置 （385）
16．4．5 Spark實例的運行 （386）
16．5 本章小結 （387）
本章參考文獻 （388）
查看詳情
-
全新
江蘇省南京市
平均發貨12小時
成功完成率73.1%
-
全新
北京市豐臺區
平均發貨17小時
成功完成率90.68%
-
全新
江蘇省蘇州市
平均發貨8小時
成功完成率94.52%
-
全新
江蘇省南京市
平均發貨12小時
成功完成率73.1%
-
全新
河北省保定市
平均發貨25小時
成功完成率80.19%
-
全新
天津市西青區
平均發貨7小時
成功完成率93.8%
-
全新
河北省保定市
平均發貨24小時
成功完成率86.16%
-
全新
湖北省武漢市
平均發貨28小時
成功完成率46.62%
-
云計算與大數據
本店所售圖書，保證正版新書，有個別圖片和實書封面不一樣，以實書封面為準，有需要確定的可以聯系客服。我店不能開發票。當天下單第二天發貨。
全新
四川省成都市
平均發貨23小時
成功完成率71.67%
-
全新
河北省廊坊市
平均發貨20小時
成功完成率80.01%
-
全新
廣東省廣州市
平均發貨22小時
成功完成率69.29%
-
全新
北京市豐臺區
平均發貨25小時
成功完成率63.62%
-
正版新書 云計算與大數據
9787121423406 全新書籍，七天無理由退貨，星期六星期天上班，不休息,如果商品名稱和圖片不符時,以商品名稱為準
全新
河北省保定市
平均發貨13小時
成功完成率83.53%
-
全新
河北省保定市
平均發貨13小時
成功完成率84.16%
-
全新
河北省保定市
平均發貨20小時
成功完成率72.79%
-
云計算與大數據
本店所有圖書均為正版新書，庫存書，可支持七天無理由退貨，有個別商品名稱和圖片不對應，尤其是套書的圖片看定價，一般實書都是一本，麻煩親以商品名稱為準購買，我們配貨發貨只核對書號和商品名稱，請客戶下單是認真核對，或咨詢客服！
全新
河北省保定市
平均發貨29小時
成功完成率65.55%
-
全新
四川省成都市
平均發貨14小時
成功完成率86.57%
-
全新
北京市通州區
平均發貨4小時
成功完成率87.53%
-
全新
北京市朝陽區
平均發貨15小時
成功完成率72.73%
-
全新
北京市房山區
平均發貨21小時
成功完成率67.72%
-
全新
廣東省廣州市
平均發貨22小時
成功完成率69.29%
-
云計算與大數據
信息自動采集,可能會出現圖片與書名不一致情況,請確認后再下單
全新
北京市通州區
平均發貨14小時
成功完成率79.04%
-
全新
廣東省廣州市
平均發貨23小時
成功完成率69.8%
-
全新
山西省太原市
平均發貨28小時
成功完成率63.13%
-
云計算與大數據
正版書籍，圖片為自動匹配，有所誤差，以書名和實際收貨為準
全新
山東省青島市
平均發貨22小時
成功完成率83.39%
-
全新
廣東省廣州市
平均發貨23小時
成功完成率64.68%
-
全新
廣東省廣州市
平均發貨14小時
成功完成率52.99%
-
全新
-
全新
北京市豐臺區
平均發貨19小時
成功完成率72.9%
-
全新
四川省成都市
平均發貨16小時
成功完成率65.62%
-
全新
山東省臨沂市
平均發貨37小時
成功完成率48.92%
-
全新
四川省成都市
平均發貨16小時
成功完成率65.62%
-
全新
四川省成都市
平均發貨29小時
成功完成率39.97%
-
全新
山東省臨沂市
平均發貨33小時
成功完成率39.01%
-
全新
江蘇省宿遷市
平均發貨3小時
成功完成率83.92%
-
全新
河北省保定市
平均發貨25小時
成功完成率69.91%
-
全新
河北省保定市
平均發貨17小時
成功完成率78.44%
-
全新
北京市豐臺區
平均發貨9小時
成功完成率72.83%
-
云計算與大數據
正版全新圖書，喜歡可下單，若后悔了，發貨前可申請退款，發貨后除非是質量存在問題，否責一概不支持退款退貨。
全新
廣西欽州市
平均發貨12小時
成功完成率61.97%
-
全新
江蘇省南京市
平均發貨3小時
成功完成率87.14%
-
全新
湖南省長沙市
平均發貨18小時
成功完成率76.55%
-
全新
天津市河北區
平均發貨44小時
成功完成率61.61%
-
全新
北京市朝陽區
平均發貨11小時
成功完成率74.38%
-
云計算與大數據
正版全新圖書，喜歡可下單，若后悔了，發貨前可申請退款，發貨后除非是質量存在問題，否責一概不支持退款退貨。
全新
山西省運城市
平均發貨12小時
成功完成率72.78%
-
全新
北京市朝陽區
平均發貨6小時
成功完成率79.81%
-
云計算與大數據
全新正版書籍，系統批量采集（圖片為標準圖，僅供參考。以標題為準，不了解的可以詢問客服。）
全新
天津市南開區
平均發貨12小時
成功完成率70.37%
-
全新
天津市河北區
平均發貨28小時
成功完成率65.31%
-
全新
山東省濰坊市
平均發貨10小時
成功完成率69.45%
-
全新
天津市西青區
平均發貨9小時
成功完成率87.67%
-
云計算與大數據
全新正版書籍，系統批量采集（圖片為標準圖，僅供參考。以標題為準，不了解的可以詢問客服。）
全新
北京市豐臺區
平均發貨9小時
成功完成率75.86%
实拍会所推油54分钟免费观看
占位居中
