第1章 什么是大數(shù)據(jù) 1 1.1　人類信息文明的發(fā)展　1 1.2　大數(shù)據(jù)時(shí)代的來(lái)臨　2 1.2.1　信息技術(shù)的發(fā)展　3 1.2.2　數(shù)據(jù)產(chǎn)生方式的變革　5 1.3　大數(shù)據(jù)的主要特征　7 1.3.1　大數(shù)據(jù)的數(shù)據(jù)特征　8 1.3.2　大數(shù)據(jù)的技術(shù)特征　10 1.4　大數(shù)據(jù)的社會(huì)價(jià)值　11 習(xí)題　12 本章參考文獻(xiàn)　13 第2章　大數(shù)據(jù)技術(shù)基礎(chǔ)　14 2.1　計(jì)算機(jī)操作系統(tǒng)　14 2.1.1　什么是操作系統(tǒng)　14 2.1.2　Linux操作系統(tǒng)　16 2.2　編程語(yǔ)言　18 2.2.1　編程語(yǔ)言的發(fā)展與種類　18 2.2.2　Python語(yǔ)言　21 2.3　數(shù)據(jù)庫(kù)　23 2.3.1　SQL數(shù)據(jù)庫(kù)的發(fā)展與成熟　24 2.3.2　NoSQL數(shù)據(jù)庫(kù)及其特點(diǎn)　25 2.3.3　NoSQL數(shù)據(jù)庫(kù)的分類　27 2.3.4　NewSQL數(shù)據(jù)庫(kù)　30 2.4　算法　30 2.4.1　什么是算法　30 2.4.2　大數(shù)據(jù)時(shí)代的算法　32 2.5　大數(shù)據(jù)系統(tǒng)　33 2.5.1　Hadoop平臺(tái)　33 2.5.2　Spark平臺(tái)　35 2.6　大數(shù)據(jù)的數(shù)據(jù)類型　37 2.6.1　結(jié)構(gòu)化數(shù)據(jù)　38 2.6.2　半結(jié)構(gòu)化數(shù)據(jù)　38 2.6.3　非結(jié)構(gòu)化數(shù)據(jù)　39 2.7　大數(shù)據(jù)應(yīng)用的開發(fā)流程　40 2.8　數(shù)據(jù)科學(xué)算法的應(yīng)用流程　41 習(xí)題　42 本章參考文獻(xiàn)　43 第3章　數(shù)據(jù)采集與預(yù)處理　44 3.1　大數(shù)據(jù)的來(lái)源　44 3.1.1　傳統(tǒng)商業(yè)數(shù)據(jù)　45 3.1.2　互聯(lián)網(wǎng)數(shù)據(jù)　45 3.1.3　物聯(lián)網(wǎng)數(shù)據(jù)　46 3.2　數(shù)據(jù)的采集方法　47 3.2.1　系統(tǒng)日志的采集方法　47 3.2.2　網(wǎng)頁(yè)數(shù)據(jù)的采集方法　52 3.2.3　其他數(shù)據(jù)的采集方法　55 3.3　數(shù)據(jù)預(yù)處理　56 3.3.1　影響數(shù)據(jù)質(zhì)量的因素　56 3.3.2　數(shù)據(jù)預(yù)處理的目的　59 3.3.3　數(shù)據(jù)預(yù)處理的流程　60 習(xí)題　67 本章參考文獻(xiàn)　67 第4章　大數(shù)據(jù)存儲(chǔ)與管理　68 4.1　數(shù)據(jù)存儲(chǔ)概述　68 4.1.1　數(shù)據(jù)的存儲(chǔ)介質(zhì)　68 4.1.2　數(shù)據(jù)的存儲(chǔ)模式　72 4.2　大數(shù)據(jù)時(shí)代的存儲(chǔ)管理系統(tǒng)　76 4.2.1　文件系統(tǒng)　76 4.2.2　分布式文件系統(tǒng)　77 4.2.3　數(shù)據(jù)庫(kù)　80 4.2.4　鍵-值數(shù)據(jù)庫(kù)　82 4.2.5　分布式數(shù)據(jù)庫(kù)　82 4.2.6　關(guān)系型數(shù)據(jù)庫(kù)　84 4.2.7　數(shù)據(jù)倉(cāng)庫(kù)　85 4.2.8　文檔數(shù)據(jù)庫(kù)　87 4.2.9　圖形數(shù)據(jù)庫(kù)　89 4.2.10　云存儲(chǔ)　90 習(xí)題　93 本章參考文獻(xiàn)　93 第5章　大數(shù)據(jù)計(jì)算框架　94 5.1　計(jì)算框架　94 5.1.1　批處理框架　94 5.1.2　流式處理框架　95 5.1.3　交互式處理框架　96 5.2　MapReduce　96 5.2.1　MapReduce編程的特點(diǎn)　97 5.2.2　MapReduce的計(jì)算模型　97 5.2.3　MapReduce的資源管理框架　101 5.3　Spark　105 5.3.1　Spark的基本知識(shí)　105 5.3.2　Spark的生態(tài)系統(tǒng)　107 5.3.3　Spark的架構(gòu)與原理　109 5.3.4　Spark RDD的基本知識(shí)　111 習(xí)題　115 本章參考文獻(xiàn)　115 第6章　數(shù)據(jù)挖掘　116 6.1　什么是數(shù)據(jù)挖掘　116 6.2　數(shù)據(jù)挖掘的對(duì)象與價(jià)值　119 6.2.1　數(shù)據(jù)挖掘的對(duì)象　119 6.2.2　數(shù)據(jù)挖掘的價(jià)值　121 6.3　數(shù)據(jù)挖掘常用的技術(shù)　123 6.3.1　關(guān)聯(lián)分析　123 6.3.2　分類分析　126 6.3.3　聚類分析　129 6.4　數(shù)據(jù)挖掘常用的工具　132 6.4.1　RapidMiner　133 6.4.2　WEKA　133 6.4.3　Orange　134 6.4.4　R語(yǔ)言　134 6.4.5　Mining　135 6.5　數(shù)據(jù)挖掘的典型應(yīng)用　137 6.5.1　社交媒體領(lǐng)域的應(yīng)用　137 6.5.2　市場(chǎng)營(yíng)銷領(lǐng)域的應(yīng)用　137 6.5.3　科學(xué)研究領(lǐng)域的應(yīng)用　138 6.5.4　電信領(lǐng)域的應(yīng)用　138 6.5.5　教育領(lǐng)域的應(yīng)用　138 6.5.6　醫(yī)學(xué)領(lǐng)域的應(yīng)用　139 習(xí)題　140 本章參考文獻(xiàn)　140 第7章　數(shù)據(jù)可視化　141 7.1　什么是可視化　141 7.1.1　可視化的含義　141 7.1.2　可視化的發(fā)展歷程　142 7.1.3　可視化的作用　143 7.2　數(shù)據(jù)可視化及其分類　144 7.2.1　科學(xué)可視化　144 7.2.2　信息可視化　146 7.2.3　可視化分析學(xué)　147 7.3　數(shù)據(jù)可視化工具　147 7.3.1　入門級(jí)工具　148 7.3.2　信息圖表工具　149 7.3.3　地圖工具　152 7.3.4　高級(jí)分析工具　155 7.4　數(shù)據(jù)可視化案例　157 7.4.1　數(shù)字美食　157 7.4.2　空中的間諜　157 習(xí)題　158 本章參考文獻(xiàn)　158 第8章　大數(shù)據(jù)與云計(jì)算　160 8.1　什么是云計(jì)算　160 8.1.1　云計(jì)算的概念與特點(diǎn)　160 8.1.2　云計(jì)算的分類　162 8.1.3　云計(jì)算與分布式計(jì)算的區(qū)別　163 8.1.4　云計(jì)算的體系架構(gòu)　163 8.1.5　云計(jì)算需要解決的問(wèn)題　165 8.1.6　具有代表性的云計(jì)算廠商　166 8.2　大數(shù)據(jù)與云計(jì)算的關(guān)系　167 8.2.1　云計(jì)算將改變大數(shù)據(jù)分析　168 8.2.2　大數(shù)據(jù)與云計(jì)算的區(qū)別和 聯(lián)系　168 8.2.3　大數(shù)據(jù)與云計(jì)算未來(lái)的發(fā)展 方向和趨勢(shì)　169 8.2.4　大數(shù)據(jù)與云計(jì)算在生產(chǎn)生活中的 應(yīng)用　171 習(xí)題　173 本章參考文獻(xiàn)　174 第9章　大數(shù)據(jù)與人工智能　175 9.1　什么是人工智能　175 9.1.1　人工智能的發(fā)展歷史　176 9.1.2　人工智能的研究方向和方法　182 9.1.3　人工智能面臨的問(wèn)題　184 9.2　數(shù)據(jù)驅(qū)動(dòng)的智能時(shí)代　185 9.2.1　人工智能與大數(shù)據(jù)　185 9.2.2　產(chǎn)業(yè)戰(zhàn)略　187 習(xí)題　188 本章參考文獻(xiàn)　188