本書使用通俗的語言將相關知識和技術分五大部分進行詳細介紹，能夠幫助讀者快速掌握云計算與大數(shù)據(jù)的知識、原理、架構和實戰(zhàn)技巧。本書的內容包括揭秘云計算、揭秘大數(shù)據(jù)、云計算與大數(shù)據(jù)體系架構剖析、云計算與大數(shù)據(jù)進階、大數(shù)據(jù)應用與云平臺實戰(zhàn)。書中大量的理論和實踐來自編寫團隊在云計算和大數(shù)據(jù)領域的科研成果和實戰(zhàn)經驗，這些經驗很好地將理論和實際應用進行了融合。 本書適合零基礎的讀者閱讀，也可作為高等院校大數(shù)據(jù)和云計算相關課程的教材，亦可作為從事大數(shù)據(jù)、云計算技術相關工作的專業(yè)人員的參考書。
1、Ultipa創(chuàng)辦人兼CTO孫宇熙先生領銜執(zhí)筆，詳解云計算和大數(shù)據(jù)的知識、原理、架構和實戰(zhàn)技巧，適合從零基礎開始學習的讀者閱讀。
2、贏圖團隊深耕云計算和大數(shù)據(jù)領域二十多年的凝練之作，講解豐富的理論和實踐經驗，針對實際應用場景給出大量案例分析，非常貼近實際。
3、文風幽默，內容通俗易懂，對初學者友好。通過本書，讀者不僅可以深入了解云計算和大數(shù)據(jù)的理論知識，還可以掌握實際應用場景下的解決方案，提高自己的實踐能力。
贏圖團隊是一支致力于構建世界上快速、直觀、易用的下一代實時圖數(shù)據(jù)庫的國際化的技術研發(fā)與推廣團隊。該團隊目前已獲得高密度并行圖計算、節(jié)點處理、高性能查詢語言及半結構化圖數(shù)據(jù) 處理、海量數(shù)據(jù)導入、裝置、設備及存儲介質、數(shù)據(jù)庫深度路徑搜索、動態(tài)圖剪枝過濾等30多項技術成果和專利，100%自研并擁有全部底層架構，研發(fā)成果已成功服務于多家大型央企、國有企業(yè)及全球500強企業(yè)。 團隊成員孫宇熙、劉思燕等畢業(yè)于哈佛大學商學院、清華大學等世界學府，以及來自于硅谷和全球100強企業(yè)，擁有豐富的海內外創(chuàng)業(yè)與技術工程經驗。
第 1章 揭秘云計算
1.1 云從哪里來
1.1.1 云計算科技史
1.1.2 業(yè)務需求推動IT發(fā)展
1.2 云的多重形態(tài)
1.2.1 云計算的多重服務模式
1.2.2 3種云的對比
1.2.3 云的形態(tài)并非一成不變
1.3 關于云計算效率的討論
1.3.1 公有云效率更高？
1.3.2 云計算優(yōu)化要論
1.4 業(yè)界如何建云
1.4.1 云計算最佳實踐5原則
1.4.2 云服務與產品的演進
1.4.3 開源
第 2章：揭秘大數(shù)據(jù)
2.1 大數(shù)據(jù)從何而來
2.1.1 大數(shù)據(jù)的催化劑
2.1.2 數(shù)據(jù)→大數(shù)據(jù)→快數(shù)據(jù)→深數(shù)據(jù)
2.1.3 大數(shù)據(jù)不只是Hadoop
2.2 大數(shù)據(jù)的5大原則
2.2.1 大數(shù)據(jù)的存儲
2.2.2 大數(shù)據(jù)管理與分析
2.2.3 大數(shù)據(jù)科學
2.2.4 大數(shù)據(jù)應用
2.3 大數(shù)據(jù)4大陣營
2.3.1 OLTP 陣營
2.3.2 OLAP 陣營
2.3.3 MPP 陣營
2.3.4 流數(shù)據(jù)處理陣營
第3章：云計算與大數(shù)據(jù)體系架構剖析
3.1 關于開源與閉源的探討
3.1.1 軟件在吃所有人的午餐
3.1.2 商品化硬件趨勢分析
3.1.3 硬件回歸
3.2 XaaS:一切即服務
3.2.1 軟件定義的必要性
3.2.2 軟件定義的數(shù)據(jù)中心
3.2.3 軟件定義的計算
3.2.4 軟件定義的存儲
3.2.5 軟件定義的網絡
3.2.6 資源管理、高可用與自動化
第4章：云計算與大數(shù)據(jù)進階
4.1 可擴展系統(tǒng)構建
4.1.1 可擴展數(shù)據(jù)庫
4.1.2 可擴展存儲系統(tǒng)
4.2 開源模式探討
4.2.1 開源業(yè)務模式
4.2.2 大數(shù)據(jù)開源案例
4.3 從SOA到MSA
第5章：大數(shù)據(jù)實踐應用
5.1 大數(shù)據(jù)應用實踐
5.1.1 基于開源架構的股票行情分析與預測
5.1.2 IMDG應用場景
5.1.3 VADL系統(tǒng)
5.1.4 Ultipa實時圖數(shù)據(jù)庫的應用場景剖析
5.2 云平臺與應用實踐
5.2.1 如何改造傳統(tǒng)應用為云應用？
5.2.2 探究業(yè)界云存儲平臺
書單推薦
