国产第1页_91在线亚洲_中文字幕成人_99久久久久久_五月宗合网_久久久久国产一区二区三区四区

讀書月攻略拿走直接抄！
歡迎光臨中圖網 請 | 注冊
> >>
云計算與大數據技術(第2版·微課視頻·題庫版)

包郵 云計算與大數據技術(第2版·微課視頻·題庫版)

出版社：清華大學出版社出版時間：2023-07-01
開本： 其他 頁數： 416
本類榜單：教材銷量榜
中 圖 價:¥54.0(7.7折) 定價  ¥69.8 登錄后可看到會員價
加入購物車 收藏
開年大促， 全場包郵
?新疆、西藏除外
本類五星書更多>

云計算與大數據技術(第2版·微課視頻·題庫版) 版權信息

云計算與大數據技術(第2版·微課視頻·題庫版) 本書特色

本書注重云計算與大數據基本概念的講解,以案例的方式梳理知識脈絡和要點,提供綜合云計算實驗案例及豐富的配套資源。

云計算與大數據技術(第2版·微課視頻·題庫版) 內容簡介

本書在闡述云計算和大數據關系的基礎上，介紹了云計算和大數據的基本概念、技術及應用。全書內容分為三部分。**部分為云計算理論與技術，第1~5章講述云計算的概念和原理，包括云計算的概論、基礎、機制、虛擬化和應用。第二部分為大數據理論與技術，第6~9章講述大數據概述及基礎，包括大數據概念和發展背景、大數據系統架構概述、分布式通信與協同、大數據存儲； 第10~15章講述大數據處理，包括分布式處理、Hadoop MapReduce解析、Spark解析、流計算、集群資源管理與調度、機器學習。第三部分為綜合實踐，第16~22章由多個實驗和案例組成。 本書結合實際應用及實踐過程來講解相關概念、原理和技術，實用性較強，適合作為本科院校計算機、軟件工程、云計算、大數據及信息管理等相關專業的教材，也適合計算機愛好者閱讀和參考。

云計算與大數據技術(第2版·微課視頻·題庫版) 目錄

**部分云計算理論與技術 第1章云計算概論 1.1什么是云計算 1.2云計算的產生背景 1.3云計算的發展歷史 1.4如何學好云計算 1.5小結 習題 第2章云計算基礎 2.1分布式計算 2.2云計算的基本概念 2.3分布式計算和云計算的區別與聯系 2.4云計算的關鍵技術 2.4.1分布式海量數據存儲 2.4.2虛擬化技術 2.4.3云管理平臺技術 2.4.4并行編程技術 2.4.5數據管理技術 2.5云交付模型 2.5.1SaaS 2.5.2PaaS 2.5.3IaaS 2.5.4基本云交付模型的比較 2.6云部署模式 2.6.1公有云 2.6.2私有云 2.6.3混合云 2.7云計算的優勢與挑戰 2.8典型的云應用 2.8.1云存儲 2.8.2云服務 2.8.3云物聯 2.9云計算與大數據 2.10小結 習題 第3章云計算機制 3.1云基礎設施機制 3.1.1虛擬網絡邊界 3.1.2虛擬服務器 3.1.3云存儲設備 3.1.4就緒環境 3.2云管理機制 3.2.1遠程管理系統 3.2.2資源池化管理 3.2.3服務等級協議管理系統 3.2.4計費管理系統 3.2.5資源備份 3.2.6云監控 3.2.7自動化運維 3.2.8服務模板管理 3.2.9云CMDB及流程管理 3.2.10服務目錄管理 3.2.11租戶及用戶管理 3.2.12容量規劃及管理 3.3特殊云機制 3.3.1自動伸縮監聽器 3.3.2負載均衡器 3.3.3故障轉移系統 3.3.4資源集群 3.3.5多設備代理 3.3.6狀態管理數據庫 3.4小結 習題 第4章虛擬化 4.1虛擬化簡介 4.1.1什么是虛擬化 4.1.2虛擬化的發展歷史 4.1.3虛擬化帶來的好處 4.2虛擬化的分類 4.2.1服務器虛擬化 4.2.2網絡虛擬化 4.2.3存儲虛擬化 4.2.4應用虛擬化 4.2.5技術比較 4.3系統虛擬化 4.4虛擬化與云計算 4.5開源技術 4.5.1Xen 4.5.2KVM 4.5.3OpenVZ 4.6虛擬化未來的發展趨勢 4.7小結 習題 第5章云計算的應用 5.1概述 5.2亞馬遜公司的彈性計算云 5.2.1開放的服務 5.2.2靈活的工作模式 5.2.3帶來的好處 5.3Microsoft Azure 5.3.1簡介 5.3.2Microsoft Azure的架構 5.3.3Microsoft Azure服務平臺 5.3.4開發步驟 5.4谷歌公司的云計算平臺與應用 5.4.1MapReduce分布式編程環境 5.4.2分布式大規模數據庫管理系統BigTable 5.4.3谷歌的云應用 5.5阿里云 5.5.1簡介 5.5.2阿里云的主要產品 5.6IBM公司的藍云云計算平臺 5.6.1藍云云計算平臺中的虛擬化 5.6.2藍云云計算平臺中的存儲結構 5.7清華大學的透明計算平臺 5.8小結 習題 第二部分大數據理論與技術 第6章大數據概念和發展背景 6.1什么是大數據 6.2大數據的特點 6.3大數據的發展 6.4大數據的應用 6.5小結 習題 第7章大數據系統架構概述 7.1總體架構概述 7.1.1總體架構設計原則 7.1.2總體架構參考模型 7.2運行架構概述 7.2.1物理架構 7.2.2集成架構 7.2.3安全架構 7.3主流大數據系統廠商 7.3.1Cloudera 7.3.2Hortonworks 7.3.3亞馬遜 7.3.4谷歌 7.3.5微軟 7.3.6阿里云數加平臺 7.4小結 習題 第8章分布式通信與協同 8.1數據編碼傳輸 8.1.1數據編碼概述 8.1.2LZSS算法 8.1.3Snappy壓縮庫 8.2分布式通信系統 8.2.1遠程過程調用 8.2.2消息隊列 8.2.3應用層多播通信 8.2.4Hadoop IPC應用 8.3分布式協同系統 8.3.1Chubby鎖服務 8.3.2ZooKeeper 8.3.3ZooKeeper在HDFS高可用中使用 8.4小結 習題 第9章大數據存儲 9.1大數據存儲技術的發展 9.2海量數據存儲的關鍵技術 9.2.1數據分片與路由 9.2.2數據復制與一致性 9.3重要數據結構和算法 9.3.1Bloom Filter 9.3.2LSM樹 9.3.3Merkle哈希樹 9.3.4Cuckoo哈希 9.4分布式文件系統 9.4.1文件存儲格式 9.4.2GFS 9.4.3HDFS 9.5分布式數據庫NoSQL 9.5.1NoSQL數據庫概述 9.5.2KV數據庫 9.5.3列式數據庫 9.5.4圖數據庫 9.5.5文檔數據庫 9.6HBase數據庫搭建與使用 9.6.1HBase偽分布式運行 9.6.2HBase分布式運行 9.7大數據存儲技術的趨勢 9.8小結 習題 第10章分布式處理 10.1CPU多核和POSIX Thread 10.2MPI并行計算框架 10.3Hadoop MapReduce 10.4Spark 10.5數據處理技術的發展 10.6小結 習題 第11章Hadoop MapReduce解析 11.1Hadoop MapReduce架構 11.2Hadoop MapReduce與高性能計算、網格計算的區別 11.3MapReduce工作機制 11.3.1Map 11.3.2Reduce 11.3.3Combine 11.3.4Shuffle 11.3.5Speculative Task 11.3.6任務容錯 11.4應用案例 11.4.1WordCount 11.4.2WordMean 11.4.3Grep 11.5MapReduce的缺陷與不足 11.6小結 習題 第12章Spark解析 12.1Spark RDD 12.2Spark與MapReduce對比 12.3Spark工作機制 12.3.1DAG工作圖 12.3.2Partition 12.3.3Lineage容錯方法 12.3.4內存管理 12.3.5數據持久化 12.4數據讀取 12.4.1HDFS 12.4.2Amazon S3 12.4.3HBase 12.5應用案例 12.5.1日志挖掘 12.5.2判別西瓜好壞 12.6Spark的發展趨勢 12.7小結 習題 第13章流計算 13.1流計算概述 13.2流計算與批處理系統對比 13.3Storm流計算系統 13.4Samza流計算系統 13.5集群日志文件實時分析 13.6流計算的發展趨勢 13.7小結 習題 第14章集群資源管理與調度 14.1集群資源統一管理系統 14.1.1集群資源管理概述 14.1.2Apache YARN 14.1.3Apache Mesos 14.1.4Google Omega 14.2資源管理模型 14.2.1基于slot的資源表示模型 14.2.2基于*大*小公平原則的資源分配模型 14.3資源調度策略 14.3.1調度策略概述 14.3.2Capacity Scheduler調度 14.3.3Fair Scheduler調度 14.4YARN上運行計算框架 14.4.1MapReduce on YARN 14.4.2Spark on YARN 14.4.3YARN程序設計 14.5小結 習題 第15章機器學習 15．1機器學習概述 15．1．1關鍵術語 15．1．2機器學習的分類 15．1．3機器學習的模型構造過程 15．2監督學習 15．2．1線性回歸 15．2．2邏輯斯特回歸 15．2．3*小近鄰法 15．2．4線性判別分析法 15．2．5樸素貝葉斯分類算法 15．2．6決策樹分類算法
15．2．7支持向量機分類算法 15．3非監督學習 15．3．1劃分式聚類方法 15．3．2層次化聚類方法 15．3．3基于密度的聚類方法 15．4強化學習 15．4．1強化學習VS監督學習和非監督學習 15．4．2強化學習問題描述 15．4．3強化學習問題分類 15．5神經網絡和深度學習 15．5．1感知器模型 15．5．2前饋神經網絡 15．5．3卷積神經網絡 15．5．4其他類型結構的神經網絡 15．6案例： 銀行貸款用戶篩選 15.7小結 習題 第三部分綜 合 實 踐 第16章實驗： AWS 16.1實驗一： 創建一個EC2實例 16.2實驗二： 創建一個彈性高可用的博客 16.3實驗三： 使用S3來實現靜態網站 16.4實驗四： AWS關系型數據庫入門 16.5實驗五： AWS大數據系列平臺 16.6實驗六： AWS計算存儲網絡基礎入門 16.7實驗七： AWS上的Kubernetes創建、管理及DevOps 第17章實驗： 阿里云 17.1實驗一： 創建阿里云服務器 17.2實驗二： 配置SSH遠程連接 17.3實驗三： 安裝Python環境 17.4實驗四： 部署并啟動Django服務 第18章實驗： Docker 18.1Docker的核心概念 18.2實驗一： Docker的安裝 18.3實驗二： 容器操作 18.4實驗三： 搭建一個Docker應用棧 18.5實驗四： 實現私有云 第19章實驗： Hadoop、HDFS、MapReduce、Spark 19.1Hadoop 19.1.1實驗一： 構建虛擬機網絡 19.1.2實驗二： 大數據環境安裝 19．2HDFS 19．2．1實驗一： 文件創建與讀/寫 19．2．2實驗二： 文件上傳 19．2．3實驗三： 文件下載 19．2．4實驗四： 使用字符流讀取數據 19．2．5實驗五： 刪除文件 19．2．6實驗六： 刪除文件夾 19．2．7實驗七： 自定義數據輸入流 19．3MapReduce 19．3．1實驗一： 合并去重 19．3．2實驗二： PageRank算法 19．4Spark 19．4．1實驗一： 安裝Spark 19．4．2實驗二： 使用Spark Shell編寫代碼 19．4．3實驗三： 使用Java編寫Spark應用程序 第20章案例： 基于Docker的云計算服務平臺搭建 20．1方案介紹 20．1．1云平臺總體架構 20．1．2網絡架構 20．1．3集群架構 20．1．4性能監控 20．1．5Docker架構 20．1．6鏡像架構 20．2系統分析 20．2．1優點 20．2．2局限性 20．2．3應用場景 20．3門戶界面 20．3．1注冊 20．3．2登錄 20．3．3用戶主界面 20．3．4管理員界面 20．4服務器Docker配置 第21章案例： 使用Spark實現數據統計分析及性能優化 21.1系統架構 21.1.1總體方案 21.1.2詳細設計 21.1.3優化設計 21.2具體實現 21.2.1數據獲取 21.2.2數據可視化 21.3性能優化 21.3.1讀取優化 21.3.2查詢優化 21.3.3Spark參數級優化 第22章實驗： 基于OpenStack和Hadoop的大數據分析 22.1實驗一： OpenStack安裝準備 22.2實驗二： OpenStack在線安裝 22.3實驗三： 初始化OpenStack中的環境 22.4實驗四： 搭建OpenStack中的虛擬機 22.5實驗五： 大數據分析案例 參考文獻
展開全部
商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網
在線客服
主站蜘蛛池模板： 777久久婷婷成人综合色 | 欧美久久久久久 | 国产老熟妇精品观看 | 伊人一伊人色综合网 | 亚洲精品成人网久久久久久 | 国产福利一区二区精品免费 | 婷婷精品国产亚洲av麻豆不片 | 男人黄女人色视频在线观看 | 欧美日韩第二页 | 白丝爆浆18禁一区二区三区 | 99视频在线免费 | 国产精品-区区久久久狼 | 亚洲色欲综合一区二区三区 | 久久se精品动漫一区二区三区 | 亚洲精品入口一区二区在线播放 | 一级特黄网站 | 精品人妻少妇一区二区三区 | 亚洲精品视频一区 | 日韩精品成人免费观看 | 麻豆果冻传媒精品国产av | 九九视频在线免费观看 | 久久九| 人妻av无码系列一区二区三区 | 91在线精品亚洲一区二区 | 久久综合丝袜日本网 | 国产综合久久久久影院 | 精品三区| 欧美日韩三区 | 特级一级毛片视频免费观看 | h片在线观看 | 日韩欧美一区二区三区免费看 | 天天鲁天天爱天天鲁天天 | 欧美日韩精品一区二区在线播放 | 99蜜桃在线观看免费视频网站 | 在线免费a视频 | 国产黄视频在线观看 | 色九九视频 | 无码无套少妇毛多18pxxxx | 国产精品国产三级国产aⅴ下载 | 七次郎最新首页在线视频 | 国产亚洲精品久久久久久小说 |