|
關(guān)于我們
 書單推薦 新書推薦 |
大數(shù)據(jù)云服務(wù)技術(shù)架構(gòu)與實(shí)踐 
定 價(jià)：49.5 元 叢書名：大數(shù)據(jù)技術(shù)與應(yīng)用專業(yè)規(guī)劃教材
9 7 4 8 5 7 4 3 6 0 0 2 1 
本書是從大數(shù)據(jù)和云計(jì)算相結(jié)合的視角，系統(tǒng)地介紹大數(shù)據(jù)云架構(gòu)技術(shù)與實(shí)踐的專業(yè)圖書，全書分為五篇19章，分別介紹大數(shù)據(jù)云計(jì)算的概論、關(guān)鍵技術(shù)、體系架構(gòu)、云架構(gòu)實(shí)踐與編程和安全。本書層次清晰，結(jié)構(gòu)合理，主要內(nèi)容包括大數(shù)據(jù)云計(jì)算關(guān)系、大數(shù)據(jù)應(yīng)用價(jià)值、分布式計(jì)算、NoSQL數(shù)據(jù)庫、機(jī)器學(xué)習(xí)、虛擬化、Docker容器、Web 2.0、綠色數(shù)據(jù)中心、基礎(chǔ)設(shè)計(jì)即服務(wù)（IaaS）、平臺(tái)即服務(wù)（PaaS）、軟件即服務(wù)（SaaS）、容器即服務(wù)（CaaS）、大數(shù)據(jù)云架構(gòu)搭建、Spark大數(shù)據(jù)編程、大數(shù)據(jù)和云計(jì)算面臨的安全威脅、保障大數(shù)據(jù)安全、應(yīng)用大數(shù)據(jù)保障安全等。
本書可作為高年級(jí)本科生和研究生教材，也可作為廣大科學(xué)技術(shù)人員和計(jì)算機(jī)愛好者的參考書。
作者著眼于大數(shù)據(jù)和云計(jì)算有機(jī)結(jié)合的視角，從理論探索和應(yīng)用實(shí)踐兩個(gè)方面來撰寫本書，適合對(duì)大數(shù)據(jù)和云計(jì)算具有初步認(rèn)識(shí)并希望對(duì)大數(shù)據(jù)云架構(gòu)進(jìn)行深入、全面了解，并進(jìn)行關(guān)實(shí)踐的計(jì)算機(jī)信息相關(guān)專業(yè)高年級(jí)本科生使用，同時(shí)本書也將成為廣大專業(yè)工程技術(shù)人員不可缺少的參考資料。
前言 移動(dòng)互聯(lián)網(wǎng)、電子商務(wù)及社交媒體的快速發(fā)展使得人類需要面臨的數(shù)據(jù)量呈指數(shù)增長(zhǎng)。根據(jù)IDC《數(shù)字宇宙》(Digital Universe)研究報(bào)告顯示，2020年全球新建和復(fù)制的信息量將超過40ZB，是當(dāng)前的10倍;而中國的數(shù)據(jù)量則會(huì)在2020年超過8ZB，比當(dāng)前增長(zhǎng)20倍。數(shù)據(jù)量的飛速增長(zhǎng)帶來了大數(shù)據(jù)技術(shù)的發(fā)展和服務(wù)市場(chǎng)的繁榮，同時(shí)在學(xué)術(shù)界，關(guān)于大數(shù)據(jù)的科研工作如火如荼，越來越多的學(xué)者投入到大數(shù)據(jù)云計(jì)算研究之中，相關(guān)文獻(xiàn)呈指數(shù)增長(zhǎng)。不斷積累的大數(shù)據(jù)包含著很多在小數(shù)據(jù)量時(shí)不具備的深度知識(shí)和價(jià)值，帶來巨大的技術(shù)創(chuàng)新與商業(yè)機(jī)遇。大數(shù)據(jù)分析挖掘?qū)樾袠I(yè)/企業(yè)帶來巨大的商業(yè)價(jià)值，實(shí)現(xiàn)各種高附加值的增值服務(wù)，進(jìn)一步提升行業(yè)/企業(yè)的經(jīng)濟(jì)效益和社會(huì)效益。談到大數(shù)據(jù)，不可避免地要提及云計(jì)算，云計(jì)算結(jié)合大數(shù)據(jù)，這是時(shí)代發(fā)展的必然趨勢(shì)。有人把云計(jì)算和大數(shù)據(jù)比作是一個(gè)硬幣的兩面。云計(jì)算是大數(shù)據(jù)的IT基礎(chǔ)和平臺(tái)，而大數(shù)據(jù)是云計(jì)算范疇內(nèi)最重要、最關(guān)鍵的應(yīng)用。大數(shù)據(jù)必然架構(gòu)在云上才能高效運(yùn)作并對(duì)外服務(wù)，兩者之間缺一不可，相輔相成，相互促進(jìn)。大數(shù)據(jù)云計(jì)算正在快速發(fā)展，相關(guān)技術(shù)熱點(diǎn)也呈現(xiàn)百花齊放的局面，業(yè)界各大廠商紛紛制定相應(yīng)的戰(zhàn)略，新的概念、觀點(diǎn)和產(chǎn)品不斷涌現(xiàn)。大數(shù)據(jù)和云計(jì)算作為新一代IT技術(shù)變革的核心，必將成為廣大學(xué)生、科技工作者構(gòu)建自身IT核心競(jìng)爭(zhēng)能力的戰(zhàn)略機(jī)遇。因而作為高層次IT人才，學(xué)習(xí)大數(shù)據(jù)和云計(jì)算知識(shí)，掌握相關(guān)技術(shù)迫在眉睫。然而，大數(shù)據(jù)和云計(jì)算密切相關(guān)，當(dāng)前國內(nèi)外相關(guān)的資料還相當(dāng)少，缺乏比較系統(tǒng)完整的論述。目前在我國急需要一本教材能夠全面而又系統(tǒng)地講解大數(shù)據(jù)和云計(jì)算，普及大數(shù)據(jù)和云計(jì)算知識(shí)，推廣云計(jì)算中大數(shù)據(jù)的應(yīng)用，解決大數(shù)據(jù)架構(gòu)的實(shí)際問題，進(jìn)而培養(yǎng)高層次大數(shù)據(jù)人才。在這樣的背景下，作者著眼于大數(shù)據(jù)和云計(jì)算有機(jī)結(jié)合的視角，從理論探索和應(yīng)用實(shí)踐兩個(gè)方面來撰寫本書，適合對(duì)大數(shù)據(jù)和云計(jì)算具有初步認(rèn)識(shí)并希望對(duì)大數(shù)據(jù)云架構(gòu)進(jìn)行深入、全面了解，并進(jìn)行實(shí)踐的計(jì)算機(jī)信息相關(guān)專業(yè)高年級(jí)本科生使用，同時(shí)本書也將成為廣大專業(yè)工程技術(shù)人員不可缺少的參考資料。本書分為5篇19章，第1~第3章為大數(shù)據(jù)云計(jì)算概論篇，第4~第10章為大數(shù)據(jù)云計(jì)算關(guān)鍵技術(shù)篇，第11~第14章為云計(jì)算架構(gòu)篇，第15和第16章為大數(shù)據(jù)云架構(gòu)實(shí)踐與編程篇，第17~第19章為大數(shù)據(jù)安全篇。各章內(nèi)容如下：第1章大數(shù)據(jù)概述，介紹大數(shù)據(jù)產(chǎn)生背景，大數(shù)據(jù)發(fā)展歷程，大數(shù)據(jù)概念和特點(diǎn)，大數(shù)據(jù)應(yīng)用場(chǎng)景，大數(shù)據(jù)研究展望等內(nèi)容。第2章大數(shù)據(jù)和云計(jì)算，介紹大數(shù)據(jù)和云計(jì)算的關(guān)系，云計(jì)算的概念，云計(jì)算的由來，云計(jì)算類型，云計(jì)算的商業(yè)模式。第3章大數(shù)據(jù)應(yīng)用價(jià)值，介紹大數(shù)據(jù)的應(yīng)用價(jià)值，數(shù)據(jù)的生成、分析、存儲(chǔ)、分享、檢索、消費(fèi)都在大數(shù)據(jù)的生態(tài)系統(tǒng)中進(jìn)行，應(yīng)用大數(shù)據(jù)技術(shù)，讓數(shù)據(jù)參與決策，發(fā)掘找到大數(shù)據(jù)真正有效的價(jià)值，進(jìn)而改變?nèi)藗兊奈磥�，革新生活模式，產(chǎn)生社會(huì)變革。第4章分布式計(jì)算框架，介紹構(gòu)成大數(shù)據(jù)云計(jì)算的主要關(guān)鍵技術(shù)分布式計(jì)算技術(shù)，以及Hadoop、Spark、Flink等分布式大數(shù)據(jù)計(jì)算框架。第5章NoSQL數(shù)據(jù)庫，介紹NoSQL(NoSQL = Not Only SQL)，這是一項(xiàng)全新的數(shù)據(jù)庫技術(shù)，然后引出分布式數(shù)據(jù)庫的重要理論CAP，最后介紹HBase。第6章機(jī)器學(xué)習(xí)，介紹機(jī)器學(xué)習(xí)的概念、分類和發(fā)展歷程，簡(jiǎn)要介紹多種機(jī)器學(xué)習(xí)算法。第7章虛擬化，介紹構(gòu)成云計(jì)算的主要關(guān)鍵技術(shù)虛擬技術(shù)，它整合多種計(jì)算資源，實(shí)現(xiàn)架構(gòu)動(dòng)態(tài)化，并達(dá)到集中管理和動(dòng)態(tài)使用物理資源及虛擬資源，以提高系統(tǒng)結(jié)構(gòu)的彈性和靈活性，降低成本、改進(jìn)服務(wù)、減少管理風(fēng)險(xiǎn)等目標(biāo)。第8章Docker容器，介紹Docker容器相關(guān)的概念、優(yōu)勢(shì)、由來和實(shí)現(xiàn)原理。第9章Web 2．0，介紹構(gòu)成云計(jì)算主要的關(guān)鍵技術(shù)Web 2．0，是因特網(wǎng)的一次理念和思想體系的升級(jí)換代，由原來自上而下的由少數(shù)資源控制者集中控制主導(dǎo)的因特網(wǎng)體系轉(zhuǎn)變?yōu)樽韵露系挠蓮V大用戶集體智慧和力量主導(dǎo)的因特網(wǎng)體系。第10章綠色數(shù)據(jù)中心，介紹構(gòu)成云計(jì)算的主要關(guān)鍵技術(shù)綠色數(shù)據(jù)中心，是指數(shù)據(jù)機(jī)房中的IT系統(tǒng)、機(jī)械、照明和電氣等能取得最大化的能源效率和最小化的環(huán)境影響。第11章基礎(chǔ)設(shè)施即服務(wù)，介紹云計(jì)算環(huán)境中的IaaS(Infrastructure as a Service)，分析Amazon公司的IaaS案例。第12章平臺(tái)即服務(wù)，介紹云計(jì)算環(huán)境中的PaaS(Platform as a Service)，分析Google App Engine和Windows Azure Platform的PaaS案例。第13章軟件即服務(wù)，介紹云計(jì)算環(huán)境中的SaaS(Software as a Service),分析Salesforce的SaaS案例。第14章容器即服務(wù)，介紹云計(jì)算環(huán)境中的CaaS(Container as a Service),闡述Kubernetes和Mesos容器調(diào)度框架，分析互聯(lián)網(wǎng)公司SAE容器云和互聯(lián)網(wǎng)公司去哪網(wǎng)容器云。第15章大數(shù)據(jù)云架構(gòu)搭建，介紹分布式的Hadoop與Spark集群搭建和基于Docker容器的Spark大數(shù)據(jù)云架構(gòu)。第16章Spark大數(shù)據(jù)編程，介紹使用Intellij IDEA構(gòu)建Spark開發(fā)環(huán)境，并列舉應(yīng)用Spark計(jì)算框架的WordCount和基于Spark Streaming股票趨勢(shì)預(yù)測(cè)案例。第17章大數(shù)據(jù)云計(jì)算面臨的安全威脅，介紹大數(shù)據(jù)云計(jì)算面臨的各種安全威脅，闡述不同行業(yè)大數(shù)據(jù)安全的需求，指出大數(shù)據(jù)安全應(yīng)該包括保障大數(shù)據(jù)安全和大數(shù)據(jù)用于安全兩個(gè)層面的含義。第18章保障大數(shù)據(jù)安全，介紹保障大數(shù)據(jù)安全的相關(guān)技術(shù)和相關(guān)實(shí)踐。第19章應(yīng)用大數(shù)據(jù)保障安全，介紹應(yīng)用大數(shù)據(jù)保障安全，包括大數(shù)據(jù)安全檢測(cè)及應(yīng)用，安全大數(shù)據(jù)，基于大數(shù)據(jù)的網(wǎng)絡(luò)態(tài)勢(shì)感知和視頻監(jiān)控?cái)?shù)據(jù)的安全應(yīng)用等方面內(nèi)容。在本書最后給出了相關(guān)的參考文獻(xiàn)，有興趣的讀者可以進(jìn)一步閱讀。此外，關(guān)于虛擬化技術(shù)，作者認(rèn)為普通虛擬化和容器虛擬化是完全不同的兩種技術(shù)，大數(shù)據(jù)云平臺(tái)多采用容器架構(gòu)，所以Docker容器技術(shù)作為本書獨(dú)立一章，并且在第4篇詳細(xì)介紹基于Docker容器的大數(shù)據(jù)云架構(gòu)實(shí)踐。在方興未艾的大數(shù)據(jù)云計(jì)算時(shí)代，統(tǒng)一的標(biāo)準(zhǔn)和解決方案還未成形，不同人在不同背景下的需求和觀點(diǎn)是不一樣的，我們花費(fèi)一年多的時(shí)間努力編著本書，希望能提供比較深入的見解，每一個(gè)對(duì)大數(shù)據(jù)和云計(jì)算感興趣的讀者都能學(xué)有所得。更進(jìn)一步，大數(shù)據(jù)和云計(jì)算是新一代IT技術(shù)變革的核心，是中國建立自己IT體系的戰(zhàn)略機(jī)遇，閱讀本書，期待讀者既能從宏觀角度更全面地認(rèn)識(shí)大數(shù)據(jù)云架構(gòu)，同時(shí)也能從微觀技術(shù)實(shí)踐角度接觸大數(shù)據(jù)和云計(jì)算，更深入地學(xué)習(xí)和掌握大數(shù)據(jù)和云計(jì)算知識(shí)。本書適合于從頭至尾閱讀，也可以按照喜好和關(guān)注點(diǎn)挑選獨(dú)立的章節(jié)閱讀。希望本書的介紹能加深讀者對(duì)云計(jì)算的理解。由于編者水平有限，書中不妥之處在所難免，懇請(qǐng)讀者批評(píng)指正。編者2016年5月 目錄 第1篇大數(shù)據(jù)云計(jì)算概論 第1章大數(shù)據(jù)概述 1.1大數(shù)據(jù)產(chǎn)生與發(fā)展 1.1.1大數(shù)據(jù)產(chǎn)生背景 1.1.2大數(shù)據(jù)發(fā)展歷程 1.1.3當(dāng)前大數(shù)據(jù) 1.2大數(shù)據(jù)概念與特征 1.2.1大數(shù)據(jù)概念 1.2.2大數(shù)據(jù)的特點(diǎn) 1.3大數(shù)據(jù)應(yīng)用 1.3.1企業(yè)內(nèi)部大數(shù)據(jù)應(yīng)用 1.3.2物聯(lián)網(wǎng)大數(shù)據(jù)應(yīng)用 1.3.3面向在線社交網(wǎng)絡(luò)大數(shù)據(jù)的應(yīng)用 1.3.4醫(yī)療健康大數(shù)據(jù)應(yīng)用 1.3.5群智感知 1.3.6智能電網(wǎng) 1.4大數(shù)據(jù)的研究與展望 1.5本章小結(jié) 第2章大數(shù)據(jù)和云計(jì)算 2.1大數(shù)據(jù)和云計(jì)算的關(guān)系 2.1.1大數(shù)據(jù)和云計(jì)算關(guān)系概述 2.1.2云計(jì)算是大數(shù)據(jù)處理的基礎(chǔ) 2.1.3大數(shù)據(jù)是云計(jì)算的延伸 2.2云計(jì)算概念 2.2.1云的興起 2.2.2云計(jì)算的定義及其特點(diǎn) 2.2.3云計(jì)算名稱的來歷 2.3云計(jì)算類型 2.3.1基礎(chǔ)設(shè)施類 2.3.2平臺(tái)類 2.3.3應(yīng)用類 2.3.4以所有權(quán)劃分云計(jì)算系統(tǒng)類型 2.4云計(jì)算商業(yè)模式 2.4.1商業(yè)模式是云計(jì)算的基石 2.4.2云計(jì)算的市場(chǎng)規(guī)模 2.4.3云計(jì)算商業(yè)模式分析 2.5本章小結(jié) 第3章大數(shù)據(jù)應(yīng)用價(jià)值 3.1大數(shù)據(jù)在電子商務(wù)中的應(yīng)用 3.1.1大數(shù)據(jù)是電子商務(wù)發(fā)展要素 3.1.2電子商務(wù)大數(shù)據(jù)的實(shí)用措施 3.1.3電子商務(wù)大數(shù)據(jù)的轉(zhuǎn)型路徑 3.2大數(shù)據(jù)在金融的應(yīng)用 3.2.1大數(shù)據(jù)金融的提出 3.2.2大數(shù)據(jù)金融的功能 3.2.3大數(shù)據(jù)金融的挑戰(zhàn) 3.2.4大數(shù)據(jù)金融創(chuàng)新 3.3大數(shù)據(jù)在媒體的應(yīng)用 3.3.1傳統(tǒng)媒體的不足 3.3.2大數(shù)據(jù)驅(qū)動(dòng)傳統(tǒng)媒體的升級(jí) 3.3.3大數(shù)據(jù)引領(lǐng)新媒體發(fā)展 3.4大數(shù)據(jù)在醫(yī)療上的應(yīng)用 3.4.1大數(shù)據(jù)改進(jìn)臨床決策支持系統(tǒng) 3.4.2大數(shù)據(jù)助推醫(yī)療產(chǎn)品研發(fā) 3.4.3大數(shù)據(jù)催生新醫(yī)療服務(wù)模式 3.5大數(shù)據(jù)在教育上的應(yīng)用 3.5.1大數(shù)據(jù)教育與傳統(tǒng)教育的優(yōu)勢(shì) 3.5.2大數(shù)據(jù)教學(xué)模式的不斷改善 3.5.3教育大數(shù)據(jù)市場(chǎng)的廣闊前景 3.5.4大數(shù)據(jù)變革教育應(yīng)用的實(shí)踐措施 3.6本章小結(jié) 第2篇大數(shù)據(jù)云計(jì)算關(guān)鍵技術(shù) 第4章分布式計(jì)算框架 4.1分布式計(jì)算基本概念 4.1.1分布式計(jì)算與并行計(jì)算 4.1.2分布式計(jì)算和并行計(jì)算的比較 4.2Hadoop系統(tǒng)介紹 4.2.1Hadoop發(fā)展歷程 4.2.2Hadoop使用場(chǎng)景和特點(diǎn) 4.2.3Hadoop項(xiàng)目組成 4.3分布式文件系統(tǒng) 4.3.1分布式文件系統(tǒng)概述 4.3.2HDFS架構(gòu) 4.3.3HDFS設(shè)計(jì)特點(diǎn) 4.4MapReduce計(jì)算模型 4.4.1MapReduce概述 4.4.2MapReduce應(yīng)用實(shí)例 4.4.3MapReduce實(shí)現(xiàn)和架構(gòu) 4.5分布式協(xié)同控制 4.5.1常見分布式并發(fā)控制方法 4.5.2Google Chubby并發(fā)鎖 4.6Spark計(jì)算框架 4.6.1Spark簡(jiǎn)介 4.6.2Spark生態(tài)系統(tǒng) 4.7Flink計(jì)算框架 4.7.1Flink簡(jiǎn)介 4.7.2Flink中的調(diào)度簡(jiǎn)述 4.7.3Flink的生態(tài)圈 4.8本章小結(jié) 第5章NoSQL數(shù)據(jù)庫 5.1NoSQL數(shù)據(jù)庫概述 5.1.1NoSQL數(shù)據(jù)庫的4大分類 5.1.2數(shù)據(jù)庫系統(tǒng)CAP理論和BASE理論 5.1.3NoSQL的共同特征 5.2Hbase數(shù)據(jù)庫 5.2.1HBase簡(jiǎn)介 5.2.2HBase訪問接口 5.2.3HBase數(shù)據(jù)模型 5.2.4MapReduce on HBase 5.2.5HBase系統(tǒng)架構(gòu) 5.3本章小結(jié) 第6章機(jī)器學(xué)習(xí) 6.1機(jī)器學(xué)習(xí)概述 6.1.1機(jī)器學(xué)習(xí)分類 6.1.2機(jī)器學(xué)習(xí)發(fā)展歷程 6.2機(jī)器學(xué)習(xí)常用的算法 6.2.1回歸算法 6.2.2基于實(shí)例的算法 6.2.3正則化方法 6.2.4決策樹算法 6.2.5貝葉斯方法 6.2.6基于核的算法 6.2.7聚類算法 6.2.8關(guān)聯(lián)規(guī)則學(xué)習(xí) 6.2.9遺傳算法 6.2.10人工神經(jīng)網(wǎng)絡(luò) 6.2.11深度學(xué)習(xí) 6.2.12降低維度算法 6.2.13集成算法 6.3本章小結(jié) 第7章虛擬化 7.1虛擬化概述 7.1.1虛擬化發(fā)展歷史 7.1.2虛擬化技術(shù)的發(fā)展熱點(diǎn)和趨勢(shì) 7.1.3虛擬化技術(shù)的概念 7.2虛擬化的分類 7.2.1從實(shí)現(xiàn)的層次劃分 7.2.2從應(yīng)用的領(lǐng)域劃分 7.3應(yīng)用虛擬化 7.3.1應(yīng)用虛擬化的使用特點(diǎn) 7.3.2應(yīng)用虛擬化的優(yōu)勢(shì) 7.3.3應(yīng)用虛擬化要考慮的問題 7.4桌面虛擬化 7.4.1桌面虛擬化優(yōu)勢(shì) 7.4.2桌面虛擬化使用條件 7.5服務(wù)器虛擬化 7.5.1服務(wù)器虛擬化架構(gòu) 7.5.2CPU虛擬化 7.5.3內(nèi)存虛擬化 7.5.4I/O虛擬化 7.6網(wǎng)絡(luò)虛擬化 7.6.1傳統(tǒng)網(wǎng)絡(luò)虛擬化技術(shù) 7.6.2主機(jī)網(wǎng)絡(luò)虛擬化 7.6.3網(wǎng)絡(luò)設(shè)備虛擬化 7.7存儲(chǔ)虛擬化 7.7.1存儲(chǔ)虛擬化概述 7.7.2按照不同層次劃分存儲(chǔ)虛擬化 7.7.3按照實(shí)現(xiàn)方式不同劃分存儲(chǔ)虛擬化 7.8本章小結(jié) 第8章Docker容器 8．1Docker容器概述 8．1．1Docker容器的由來 8．1．2Docker定義 8．1．3Docker的優(yōu)勢(shì) 8．2Docker的原理 8．2．1Linux Namespace(ns) 8．2．2Control Groups(cgroups) 8．2．3Linux容器(LXC) 8．2．4AUFS 8．2．5Grsec 8．3Docker技術(shù)發(fā)展與應(yīng)用 8．3．1Docker解決的問題 8．3．2Docker的未來發(fā)展 8．3．3Docker技術(shù)的局限 8．4本章小結(jié) 第9章Web 2．0 9．1Web 2．0產(chǎn)生背景和定義 9．1．1Web 2．0產(chǎn)生背景 9．1．2Web 2．0的概念 9．1．3Web 2．0和Web 1．0比較 9．1．4Web 2．0特征 9．2Web 2．0應(yīng)用產(chǎn)品 9．2．1Web 2．0主要應(yīng)用產(chǎn)品 9．2．2主要產(chǎn)品的區(qū)別 9．3Web 2．0相關(guān)技術(shù) 9．3．1Web 2．0的設(shè)計(jì)模式 9．3．2Web標(biāo)準(zhǔn) 9．3．3向Web標(biāo)準(zhǔn)過渡 9．4本章小結(jié) 第10章綠色數(shù)據(jù)中心 10．1綠色數(shù)據(jù)中心概述 10．1．1云數(shù)據(jù)中心發(fā)展階段 10．1．2綠色數(shù)據(jù)中心架構(gòu) 10．1．3云數(shù)據(jù)中心需要整合的資源 10．2數(shù)據(jù)中心管理和維護(hù) 10．2．1實(shí)現(xiàn)端到端、大容量、可視化的基礎(chǔ)設(shè)施整合 10．2．2實(shí)現(xiàn)虛擬化、自動(dòng)化的管理 10．2．3實(shí)現(xiàn)面向業(yè)務(wù)的應(yīng)用管理和流量分析 10．3本章小結(jié) 第3篇云計(jì)算架構(gòu) 第11章基礎(chǔ)設(shè)施即服務(wù) 11．1IaaS概述 11．1．1IaaS的定義 11．1．2IaaS提供服務(wù)的方法 11．1．3IaaS云的特征 11．1．4IaaS和虛擬化的關(guān)系 11．2IaaS技術(shù)架構(gòu) 11．2．1資源層 11．2．2虛擬化層 11．2．3管理層 11．2．4服務(wù)層 11．3IaaS云計(jì)算管理 11．3．1自動(dòng)化部署 11．3．2彈性能力提供技術(shù) 11．3．3資源監(jiān)控 11．3．4資源調(diào)度 11．3．5業(yè)務(wù)管理和計(jì)費(fèi)度量 11．4Amazon云計(jì)算案例 11．4．1概述 11．4．2Amazon S3 11．4．3Amazon Simple DB 11．4．4Amazon RDS 11．4．5Amazon SQS 11．4．6Amazon EC2 11．5本章小結(jié) 第12章平臺(tái)即服務(wù) 12．1PaaS概述 12．1．1PaaS的由來 12．1．2PaaS的概念 12．1．3PaaS模式的開發(fā) 12．1．4PaaS推進(jìn)SaaS時(shí)代 12．2PaaS架構(gòu) 12．2．1PaaS的功能 12．2．2多租戶彈性是PaaS的核心特性 12．2．3PaaS架構(gòu)的核心意義 12．2．4PaaS改變未來軟件開發(fā)和維護(hù)模式 12．3Google的云計(jì)算平臺(tái) 12．3．1設(shè)計(jì)理念 12．3．2構(gòu)成部分 12．3．3App Engine服務(wù) 12．4Windows Azure平臺(tái) 12．4．1Windows Azure操作系統(tǒng) 12．4．2SQL Azure 12．4．3．NET服務(wù) 12．4．4Live服務(wù) 12．4．5Windows Azure Platform的用途 12．5本章小結(jié) 第13章軟件即服務(wù) 13．1SaaS概述 13．1．1SaaS的由來 13．1．2SaaS的概念 13．1．3SaaS與傳統(tǒng)軟件的區(qū)別 13．1．4SaaS模式應(yīng)用于信息化優(yōu)勢(shì) 13．1．5SaaS成熟度模型 13．2模式及實(shí)現(xiàn) 13．2．1SaaS商務(wù)模式 13．2．2SaaS平臺(tái)架構(gòu) 13．2．3SaaS服務(wù)平臺(tái)的主要功能 13．2．4SaaS服務(wù)平臺(tái)關(guān)鍵技術(shù) 13．3Salesforce云計(jì)算案例 13．3．1Salesforce云計(jì)算產(chǎn)品組成 13．3．2Salesforce云計(jì)算特點(diǎn) 13．4本章小結(jié) 第14章容器即服務(wù) 14．1容器云服務(wù) 14．1．1云平臺(tái)架構(gòu)層次 14．1．2容器云 14．1．3容器云的特點(diǎn) 14．2Kubernetes應(yīng)用部署 14．2．1Kubernetes架構(gòu) 14．2．2Kubernetes模型 14．2．3內(nèi)部使用者的服務(wù)發(fā)現(xiàn) 14．2．4外部訪問Service 14．3Mesos應(yīng)用 14．3．1Mesos體系結(jié)構(gòu)和工作流 14．3．2Mesos流程 14．3．3Mesos資源分配 14．3．4Mesos優(yōu)勢(shì) 14．4基于Kubernetes打造SAE容器云 14．4．1Kubernetes 的好處 14．4．2容器云網(wǎng)絡(luò) 14．4．3容器云存儲(chǔ) 14．5基于Mesos去哪兒網(wǎng)容器云 14．5．1背景 14．5．2應(yīng)用Mesos構(gòu)建容器云 14．5．3云環(huán)境構(gòu)建 14．6本章小結(jié) 第4篇大數(shù)據(jù)云架構(gòu)實(shí)踐與編程 第15章大數(shù)據(jù)云架構(gòu)搭建 15．1分布式Hadoop與Spark集群搭建 15．1．1Hadoop集群構(gòu)建 15．1．2Spark集群構(gòu)建 15．2基于Docker大數(shù)據(jù)云架構(gòu) 15．2．1簡(jiǎn)介 15．2．2Docker和Weave搭建 15．2．3Hadoop集群鏡像搭建 15．2．4集群部署與啟動(dòng) 15．2．5基于Ambari管理平臺(tái)的鏡像搭建 15．2．6桌面系統(tǒng)XFCE搭建 15．3本章小結(jié) 第16章Spark大數(shù)據(jù)編程 16．1Spark應(yīng)用開發(fā)環(huán)境配置 16．1．1使用Intellij開發(fā)Spark程序 16．1．2使用Spark Shell開發(fā)運(yùn)行Spark程序 16．2Spark大數(shù)據(jù)編程 16．2．1WordCount 16．2．2股票趨勢(shì)預(yù)測(cè) 16．3本章小結(jié) 第5篇大數(shù)據(jù)安全 第17章大數(shù)據(jù)云計(jì)算面臨的安全威脅 17．1大數(shù)據(jù)云計(jì)算的安全問題 17．1．1大數(shù)據(jù)基礎(chǔ)設(shè)施安全威脅 17．1．2大數(shù)據(jù)存儲(chǔ)安全威脅 17．1．3大數(shù)據(jù)云架構(gòu)網(wǎng)絡(luò)安全威脅 17．1．4大數(shù)據(jù)帶來隱私問題 17．1．5針對(duì)大數(shù)據(jù)的高級(jí)持續(xù)性攻擊 17．1．6其他安全威脅 17．2不同領(lǐng)域大數(shù)據(jù)的安全需求 17．2．1因特網(wǎng)行業(yè) 17．2．2電信行業(yè) 17．2．3金融行業(yè) 17．2．4醫(yī)療行業(yè) 17．2．5政府組織 17．3大數(shù)據(jù)安全內(nèi)涵 17．3．1保障大數(shù)據(jù)安全 17．3．2大數(shù)據(jù)用于安全領(lǐng)域 17．4大數(shù)據(jù)安全研究方向 17．4．1大數(shù)據(jù)安全保障技術(shù) 17．4．2大數(shù)據(jù)安全應(yīng)用技術(shù) 17．5本章小結(jié) 第18章保障大數(shù)據(jù)安全 18．1大數(shù)據(jù)安全的關(guān)鍵技術(shù) 18．1．1非關(guān)系數(shù)據(jù)庫安全策略 18．1．2防范APT攻擊 18．2大數(shù)據(jù)安全保障實(shí)踐 18．2．1大數(shù)據(jù)采集與存儲(chǔ)的安全防護(hù) 18．2．2大數(shù)據(jù)挖掘與應(yīng)用的安全防護(hù) 18．2．3大數(shù)據(jù)安全審計(jì) 18．2．4大數(shù)據(jù)安全評(píng)估與安全管理 18．2．5數(shù)據(jù)中心的安全保障 18．3本章小結(jié) 第19章應(yīng)用大數(shù)據(jù)保障安全 19．1大數(shù)據(jù)安全檢測(cè)及應(yīng)用 19．1．1安全檢測(cè)與大數(shù)據(jù)的融合 19．1．2用戶上網(wǎng)流量數(shù)據(jù)的挖掘與分析 19．2安全大數(shù)據(jù) 19．2．1數(shù)據(jù)挖掘方法 19．2．2挖掘目標(biāo)及評(píng)估 19．3基于大數(shù)據(jù)的網(wǎng)絡(luò)態(tài)勢(shì)感知 19．3．1態(tài)勢(shì)感知定義 19．3．2網(wǎng)絡(luò)態(tài)勢(shì)感知 19．3．3基于流量數(shù)據(jù)的網(wǎng)絡(luò)安全感知 19．3．4基于大數(shù)據(jù)分析的網(wǎng)絡(luò)優(yōu)化 19．3．5網(wǎng)絡(luò)安全感知應(yīng)用實(shí)踐 19．4視頻監(jiān)控?cái)?shù)據(jù)的安全應(yīng)用 19．4．1視頻監(jiān)控?cái)?shù)據(jù)的處理需求 19．4．2視頻監(jiān)控?cái)?shù)據(jù)挖掘技術(shù) 19．4．3海量視頻監(jiān)控?cái)?shù)據(jù)的分析與處理 19．5本章小結(jié) 參考文獻(xiàn)
你還可能感興趣
我要評(píng)論
|
