大数据导论（第2版） / 高等院校数据科学与大数据专业“互联网+”创新规划教材
定价：￥39.00
作者： 王道平，崔鸿飞，葛根哈斯主编
出版时间：2025-01
最新印次日期：2025-2
出版社：北京大学出版社
- 北京大学出版社
- 9787301352205
- 2版
- 575281
- 49269154-8
- 16开
- 2025-01
- 工学
- 计算机类
- 数据科学与大数据技术
- 本科
作者简介
内容简介
本书紧跟大数据技术的最新发展、重视基础知识体系，系统地介绍了大数据技术与应用的基本概念和思维方式，详细阐述了大数据的采集、存储、处理、分析和可视化等相关内容，并结合了最新的技术应用案例，讲述了大数据在金融、互联网、生物医学等领域的应用以及大数据环境下的隐私和安全问题。
本书既可以作为高等院校大数据、计算机科学与技术、软件工程及相关专业课程的教材，也可以供系统分析师、系统架构师、软件开发工程师、项目经理及对大数据技术感兴趣的读者阅读和参考。
本书既可以作为高等院校大数据、计算机科学与技术、软件工程及相关专业课程的教材，也可以供系统分析师、系统架构师、软件开发工程师、项目经理及对大数据技术感兴趣的读者阅读和参考。
目录
目 录
第1章 大数据概述1
1.1 大数据的背景1
1.1.1 互联网的四次浪潮2
1.1.2 大数据的变革思维2
1.2 大数据简介3
1.2.1 大数据的概念3
1.2.2 大数据的特征4
1.2.3 大数据的结构类型5
1.2.4 大数据的关键技术6
1.2.5 大数据的核心产业链7
1.3 大数据的发展和应用9
1.3.1 大数据的发展态势9
1.3.2 我国大数据发展面临的问题与
挑战11
1.3.3 大数据的应用13
小结14
习题14
第2章 大数据的采集和预处理16
2.1 大数据的采集16
2.1.1 大数据的采集来源17
2.1.2 大数据的采集方法18
2.1.3 大数据的采集平台20
2.2 大数据的预处理技术22
2.2.1 数据清洗22
2.2.2 数据集成23
2.2.3 数据变换24
2.2.4 数据归约24
2.3 数据仓库与ETL工具26
2.3.1 数据仓库的组成26
2.3.2 数据仓库的数据模型28
2.3.3 常用的ETL工具30
小结33
习题33
第3章 大数据存储35
3.1 传统存储36
3.1.1 硬盘36
3.1.2 直连式存储37
3.1.3 网络存储39
3.2 分布式存储42
3.2.1 存储结构42
3.2.2 系统架构43
3.2.3 典型系统44
3.3 云存储46
3.3.1 云存储的结构模型46
3.3.2 云存储的分类47
3.3.3 云存储的优势和劣势48
3.3.4 云存储的发展趋势49
小结51
习题51
第4章 大数据处理与计算53
4.1 Hadoop处理框架54
4.1.1 HDFS54
4.1.2 MapReduce55
4.1.3 YARN58
4.1.4 ZooKeeper60
4.2 Spark处理框架62
4.2.1 Scala62
4.2.2 Spark SQL64
4.2.3 Spark Streaming66
4.3 Storm开源流计算框架67
4.3.1 Storm的基本概念67
4.3.2 Spout和Bolt69
4.3.3 Topology69
小结71
习题71
第5章 大数据分析73
5.1 大数据分析的类型73
5.1.1 描述性分析74
5.1.2 探索性分析75
5.1.3 验证性分析75
5.2 大数据分析的方法76
5.2.1 回归分析76
5.2.2 关联分析77
5.2.3 分类82
5.2.4 聚类84
5.3 大数据分析的工具87
5.3.1 Excel87
5.3.2 R88
5.3.3 RapidMiner89
5.3.4 KNIME90
5.3.5 Weka91
小结93
习题94
第6章 大数据可视化96
6.1 大数据可视化概述97
6.1.1 大数据可视化的概念97
6.1.2 可视化的起源97
6.1.3 大数据可视化的作用98
6.2 大数据可视化的技术99
6.2.1 基于图形的可视化技术99
6.2.2 基于平行坐标法的
可视化技术106
6.2.3 其他大数据可视化技术107
6.3 大数据可视化的工具107
6.3.1 入门级工具107
6.3.2 信息图表工具108
6.3.3 地图工具108
6.3.4 时间线工具108
6.3.5 高级分析工具109
6.4 大数据可视化的发展109
6.4.1 大数据可视化面临的挑战109
6.4.2 大数据可视化的发展方向110
6.4.3 大数据可视化未来的应用111
小结112
习题113
第7章 大数据应用115
7.1 大数据在金融领域的应用115
7.1.1 大数据与客户管理116
7.1.2 大数据与风险管控119
7.1.3 大数据与运营优化121
7.2 大数据在互联网领域的应用122
7.2.1 大数据与电子商务122
7.2.2 大数据与社交媒体126
7.2.3 大数据与零售行业128
7.3 大数据在生物医学领域的应用129
7.3.1 大数据与流行病预测129
7.3.2 大数据与智慧医疗132
7.3.3 大数据与生物信息学134
7.4 大数据在其他领域的应用135
7.4.1 大数据与智慧物流136
7.4.2 大数据与汽车行业137
7.4.3 大数据与公共管理141
7.4.4 大数据与教育行业145
小结147
习题148
第8章 大数据隐私与安全150
8.1 大数据面临的隐私与安全问题151
8.1.1 大数据隐私与安全的定义151
8.1.2 影响大数据隐私与安全的
主要因素152
8.1.3 大数据隐私与安全问题的
分类153
8.2 大数据隐私与安全的防护策略156
8.2.1 存储安全策略157
8.2.2 应用安全策略158
8.2.3 管理安全策略159
8.3 大数据隐私与安全的防护技术162
8.3.1 数据采集与存储安全技术162
8.3.2 数据挖掘安全技术166
8.3.3 数据发布安全技术167
8.3.4 防范APT技术168
小结172
习题173
参考文献175
第1章 大数据概述1
1.1 大数据的背景1
1.1.1 互联网的四次浪潮2
1.1.2 大数据的变革思维2
1.2 大数据简介3
1.2.1 大数据的概念3
1.2.2 大数据的特征4
1.2.3 大数据的结构类型5
1.2.4 大数据的关键技术6
1.2.5 大数据的核心产业链7
1.3 大数据的发展和应用9
1.3.1 大数据的发展态势9
1.3.2 我国大数据发展面临的问题与
挑战11
1.3.3 大数据的应用13
小结14
习题14
第2章 大数据的采集和预处理16
2.1 大数据的采集16
2.1.1 大数据的采集来源17
2.1.2 大数据的采集方法18
2.1.3 大数据的采集平台20
2.2 大数据的预处理技术22
2.2.1 数据清洗22
2.2.2 数据集成23
2.2.3 数据变换24
2.2.4 数据归约24
2.3 数据仓库与ETL工具26
2.3.1 数据仓库的组成26
2.3.2 数据仓库的数据模型28
2.3.3 常用的ETL工具30
小结33
习题33
第3章 大数据存储35
3.1 传统存储36
3.1.1 硬盘36
3.1.2 直连式存储37
3.1.3 网络存储39
3.2 分布式存储42
3.2.1 存储结构42
3.2.2 系统架构43
3.2.3 典型系统44
3.3 云存储46
3.3.1 云存储的结构模型46
3.3.2 云存储的分类47
3.3.3 云存储的优势和劣势48
3.3.4 云存储的发展趋势49
小结51
习题51
第4章 大数据处理与计算53
4.1 Hadoop处理框架54
4.1.1 HDFS54
4.1.2 MapReduce55
4.1.3 YARN58
4.1.4 ZooKeeper60
4.2 Spark处理框架62
4.2.1 Scala62
4.2.2 Spark SQL64
4.2.3 Spark Streaming66
4.3 Storm开源流计算框架67
4.3.1 Storm的基本概念67
4.3.2 Spout和Bolt69
4.3.3 Topology69
小结71
习题71
第5章 大数据分析73
5.1 大数据分析的类型73
5.1.1 描述性分析74
5.1.2 探索性分析75
5.1.3 验证性分析75
5.2 大数据分析的方法76
5.2.1 回归分析76
5.2.2 关联分析77
5.2.3 分类82
5.2.4 聚类84
5.3 大数据分析的工具87
5.3.1 Excel87
5.3.2 R88
5.3.3 RapidMiner89
5.3.4 KNIME90
5.3.5 Weka91
小结93
习题94
第6章 大数据可视化96
6.1 大数据可视化概述97
6.1.1 大数据可视化的概念97
6.1.2 可视化的起源97
6.1.3 大数据可视化的作用98
6.2 大数据可视化的技术99
6.2.1 基于图形的可视化技术99
6.2.2 基于平行坐标法的
可视化技术106
6.2.3 其他大数据可视化技术107
6.3 大数据可视化的工具107
6.3.1 入门级工具107
6.3.2 信息图表工具108
6.3.3 地图工具108
6.3.4 时间线工具108
6.3.5 高级分析工具109
6.4 大数据可视化的发展109
6.4.1 大数据可视化面临的挑战109
6.4.2 大数据可视化的发展方向110
6.4.3 大数据可视化未来的应用111
小结112
习题113
第7章 大数据应用115
7.1 大数据在金融领域的应用115
7.1.1 大数据与客户管理116
7.1.2 大数据与风险管控119
7.1.3 大数据与运营优化121
7.2 大数据在互联网领域的应用122
7.2.1 大数据与电子商务122
7.2.2 大数据与社交媒体126
7.2.3 大数据与零售行业128
7.3 大数据在生物医学领域的应用129
7.3.1 大数据与流行病预测129
7.3.2 大数据与智慧医疗132
7.3.3 大数据与生物信息学134
7.4 大数据在其他领域的应用135
7.4.1 大数据与智慧物流136
7.4.2 大数据与汽车行业137
7.4.3 大数据与公共管理141
7.4.4 大数据与教育行业145
小结147
习题148
第8章 大数据隐私与安全150
8.1 大数据面临的隐私与安全问题151
8.1.1 大数据隐私与安全的定义151
8.1.2 影响大数据隐私与安全的
主要因素152
8.1.3 大数据隐私与安全问题的
分类153
8.2 大数据隐私与安全的防护策略156
8.2.1 存储安全策略157
8.2.2 应用安全策略158
8.2.3 管理安全策略159
8.3 大数据隐私与安全的防护技术162
8.3.1 数据采集与存储安全技术162
8.3.2 数据挖掘安全技术166
8.3.3 数据发布安全技术167
8.3.4 防范APT技术168
小结172
习题173
参考文献175
