第1篇 缘起与发展趋势篇__eol__第1章 物联网与产业发展 3__eol__1.1 物联网产业的发展 3__eol__1.1.1 传感器与智能硬件 4__eol__1.1.2 物联网服务平台 5__eol__1.1.3 工业4.0与CPS 6__eol__1.2 物联网与大数据 7__eol__1.3 物联网产业的挑战与机遇 9__eol__1.3.1 物联网产业面临的挑战 9__eol__1.3.2 物联网操作系统与数据库 10__eol__1.3.3 物联网大数据处理与应用 11__eol__第2章 大数据处理技术的发展 12__eol__2.1 大数据存储和管理技术 12__eol__2.1.1 面向大数据的文件系统 13__eol__2.1.2 面向大数据的数据库系统 15__eol__2.2 大数据计算技术 18__eol__2.2.1 批处理计算模式 19__eol__2.2.2 交互式查询计算模式 20__eol__2.2.3 流处理计算模式 21__eol__2.2.4 大数据实时处理架构：Lambda及Kappa 23__eol__2.3 大数据分析技术 25__eol__2.3.1 传统结构化数据分析 26__eol__2.3.2 文本数据分析 26__eol__2.3.3 多媒体数据分析 27__eol__2.3.4 社交网络数据分析 27__eol__2.3.5 物联网传感数据分析 28__eol__2.3.6 大数据分析技术的发展趋势 28__eol__第2篇 技术解析篇__eol__第3章 物联网大数据技术体系 31__eol__3.1 物联网中的大数据挑战 31__eol__3.1.1 互联网大数据的特征 31__eol__3.1.2 物联网大数据的特征 34__eol__3.2 技术体系 37__eol__3.2.1 感知数据采集与传输 37__eol__3.2.2 感知数据管理与实时计算 41__eol__3.2.3 物联网平台与大数据中心 42__eol__第4章 感知数据特性与模型 43__eol__4.1 感知数据的特性分析 43__eol__4.1.1 常用的感知数据类型 43__eol__4.1.2 感知数据的主要特征 45__eol__4.2 感知数据的表示与组织 48__eol__4.2.1 物联网数据模型 48__eol__4.2.2 时态对象模型 49__eol__4.3 感知数据库的定位与特征 51__eol__4.3.1 感知数据库的定位 51__eol__4.3.2 感知数据库的特征 51__eol__4.4 感知数据库与传统数据库 52__eol__4.4.1 感知数据库与关系数据库 52__eol__4.4.2 感知数据库与实时数据库 53__eol__4.4.3 感知数据库与工厂历史数据库 53__eol__4.4.4 感知数据库与流数据处理系统 54__eol__第5章 感知数据库系统 55__eol__5.1 感知数据库的总体设计 55__eol__5.1.1 总体设计的主要原则 55__eol__5.1.2 感知数据库的设计框架 56__eol__5.2 感知数据库的分布部署体系 60__eol__5.2.1 系统的集群部署模式 60__eol__5.2.2 多层级的系统部署体系 62__eol__5.2.3 服务分布部署体系 64__eol__5.3 感知数据库中的关键技术 65__eol__5.3.1 智能设备及传感器接口技术 65__eol__5.3.2 流数据实时在线处理技术 66__eol__5.3.3 事件驱动的高效处理机制 67__eol__5.3.4 感知数据的压缩存储技术 72__eol__第6章 实时事务调度处理技术 77__eol__6.1 常见事务特性分析 77__eol__6.1.1 感知事务 78__eol__6.1.2 触发事务 78__eol__6.1.3 用户事务 79__eol__6.2 事务调度与并发控制 79__eol__6.2.1 事务的调度方法 79__eol__6.2.2 并发控制策略 80__eol__6.3 服务器与操作系统 81__eol__6.3.1 服务器体系结构与发展 81__eol__6.3.2 操作系统的多任务机制 84__eol__6.4 事务的执行框架与模式 87__eol__6.4.1 通用系统模型与调度方法 88__eol__6.4.2 事务调度处理框架的设计模式 88__eol__6.5 系统框架的分析与性能优化 91__eol__第7章 物联网大数据存储与管理 94__eol__7.1 云文件系统的关键技术 96__eol__7.1.1 HDFS的目标和基本假设条件 96__eol__7.1.2 HDFS体系结构 97__eol__7.1.3 性能保障 99__eol__7.2 NoSQL数据库关键技术 103__eol__7.2.1 NoSQL数据库概述 103__eol__7.2.2 基于NoSQL数据库的物联网大数据存储与管理 115__eol__第8章 物联网大数据计算与分析 120__eol__8.1 物联网大数据批处理计算 120__eol__8.1.1 MapReduce的设计思想 121__eol__8.1.2 MapReduce的工作机制 123__eol__8.1.3 MapReduce在物联网大数据中的应用 125__eol__8.2 物联网大数据交互式查询 127__eol__8.2.1 原生SQL on HBase 127__eol__8.2.2 SQL on Hadoop 129__eol__8.2.3 基于HBase的交互式查询 130__eol__8.3 物联网大数据流计算 131__eol__8.3.1 流计算的需求特点 131__eol__8.3.2 流数据基本概念 132__eol__8.3.3 流数据查询操作 137__eol__8.3.4 流数据定制化服务 138__eol__8.3.5 评测基准 141__eol__8.3.6 Spark Streaming及其在物联网大数据中的应用 142__eol__8.4 物联网大数据分析 146__eol__8.4.1 物联网大数据OLAP多维分析 146__eol__8.4.2 物联网大数据深层次分析 152__eol__第3篇 产品研发篇__eol__第9章 物联网网关CubeOne 169__eol__9.1 工业物联网网关 169__eol__9.1.1 CubeOne产品概述 169__eol__9.1.2 CubeOne的功能特点 170__eol__9.1.3 CubeOne的应用领域 172__eol__9.2 无线传感器网络网关 172__eol__9.2.1 无线传感器网络概述 172__eol__9.2.2 ZigBee-WiFi网关 174__eol__9.2.3 ZigBee网络应用案例 176__eol__第10章 ChinDB感知数据库系统 179__eol__10.1 ChinDB系统概述 179__eol__10.2 ChinDB系统组成与功能特点 180__eol__10.3 ChinDB系统的数据组织管理 182__eol__10.3.1 标签点及其属性 182__eol__10.3.2 标签点的组织方式 183__eol__10.3.3 关系数据管理 184__eol__10.3.4 历史数据管理 184__eol__10.4 ECA规则与实时计算 185__eol__10.5 ChinDB的高可用方案 186__eol__10.5.1 高可用概述及模式分类 186__eol__10.5.2 ChinDB高可用的部署模式 187__eol__10.6 物联网应用平台 189__eol__10.6.1 物联网应用平台概述 189__eol__10.6.2 物联网应用平台主要特点 190__eol__10.6.3 应用案例 191__eol__第11章 DeCloud物联网大数据云平台 196__eol__11.1 DeCloud组成 196__eol__11.1.1 软件概述 196__eol__11.1.2 通信服务 198__eol__11.1.3 计算服务 200__eol__11.1.4 大规模NoSQL存储服务 201__eol__11.1.5 数据发布/订阅服务 202__eol__11.2 DeCloud在智能交通领域的应用 203__eol__11.3 DeCloud在教育物联网云服务平台中的应用 207__eol__11.4 DeCloud在电厂设备故障预警中的应用 209__eol__11.5 DeCloud在电梯安全监控中的应用 212__eol__11.6 DeCloud在高精度位置服务中的应用 215__eol__第4篇 编程实践篇__eol__第12章 基于Kafka进行物联网大数据实时采集的编程实践 221__eol__12.1 相关准备知识 221__eol__12.1.1 分布式消息队列Kafka回顾 221__eol__12.1.2 Kafka生产者消