云計算大數據處理

第1章 大數據挑戰(zhàn)
1．1 當前面臨的大數據挑戰(zhàn)
1．1．1 大數據急劇膨脹
1．1．2 大數據智能分析
1．1．3 大數據深度挖掘
1．1．4 業(yè)務與技術脫節(jié)
1．2 大數據催生云計算
1．2．1 云計算不是偶然
1．2．2 云計算帶來挑戰(zhàn)與機遇
1．2．3 云計算對大數據的意義
1．2．4 云計算未來展望
1．3 大數據存儲
1．3．1 存儲僅是第一步
1．3．2 行存儲還是列存儲
1．3．3 PB級大數據存儲
1．3．4 大數據存儲的未來
1．4 大數據處理
1．4．1 大數據處理的瓶頸
1．4．2 大數據處理的需求
1．4．3 大數據處理技術決定未來
1．4．4 大數據處理解決方案
第2章 當前的大數據處理系統(tǒng)
2．1 開源大數據處理平臺
2．1．1 Hadoop
2．1．2 MapReduce
2．2 NoSQL數據庫
2．2．1 Google BigTable 的開源JAVA實現：HBase
2．2．2 純分布式數據庫：Cassandra
2．2．3 NoSQL數據庫的應用場景
2．3 數據倉庫平臺
2．3．1 Hive
第3章 數據立方簡介
3．1 數據立方產生背景
3．2 相關技術
3．2．1 云計算中的大數據處理技術－－MapReduce
3．2．2 并行數據庫技術
3．2．3 云計算與數據庫相結合的技術
3．3 新一代EB級云計算數據庫－－數據立方
3．3．1 數據立方的體系架構
3．3．2 數據立方與Hadoop的關系
第4章 數據立方及配套環(huán)境的安裝
4．1 安裝流程
4．2 操作系統(tǒng)的安裝
4．2．1 CentOS6．3的安裝
4．2．2 安裝JDK
4．2．3 配置SSH
4．3 HADOOP的安裝
4．3．1 Hadoop的版本
4．3．2 HDFS的配置安裝
4．3．3 MapReduce的配置安裝
4．4 數據立方的配置安裝
4．4．1 安裝mysql-connector
4．4．2 編輯數據立方的配置文件
4．4．3 數據立方的啟動
4．5 監(jiān)控工具GANGLIA的安裝
4．5．1安裝依賴
4．5．2 安裝ganglia
4．5．3 配置ganglia
4．6 數據導入工具SQOOP的安裝
4．6．1 安裝前提
4．6．2 安裝步驟
第5章 hello word數據立方快速入門
5．1 智慧交通數據處理實例
5．1．1 智慧交通數據處理實例背景
5．1．2 建表
5．1．3 數據入庫
5．1．4 數據查詢
5．2 編程實現
5．2．1 JAVA開發(fā)包
5．2．2 示例
5．3 總結

第6章 數據立方開發(fā)
6．1 開發(fā)說明
6．2 數據立方SQL規(guī)范
6．2．1 數據定義與數據操作語言
6．2．2 數據查詢語言
6．3 數據入庫接口開發(fā)
6．3．1 單條多條記錄入庫JAVA開發(fā)包
6．3．2 開發(fā)說明
6．3．3 示例
6．4 數據查詢接口開發(fā)
6．4．1 JAVA開發(fā)包
6．4．2 接口介紹
6．4．3 示例
6．5 數據導入工具SQOOP的使用
6．5．1 SQOOP命令
6．5．2 SQOOP命令的使用
第7章 數據立方的維護
7．1 HDFS的維護
7．1．1 HDFS的dfsadmin命令
7．1．2 HDFS的balancer工具
7．2 SHELL的使用
7．2．1數據立方SHELL說明
7．2．2數據定義與數據操作的shell
7．2．3數據查詢的shell
7．3 數據立方的常見問題及其解決方法
7．3．1 啟動時的常見問題
7．4 Sqoop的常見問題及其解決方法
7．4．1 Mysql的用戶問題
7．4．2 Mysql的權限問題
7．4．3 Mysql的path問題
7．4．4 Mysql的path問題
7．5 數據立方管理系統(tǒng)
第8章 數據立方的可靠性
8．1 Hadoop的可靠性
8．1．1 HDFS中NameNode單點問題
8．1．2 HDFS數據塊副本機制
8．1．3 HDFS心跳機制
8．1．4 HDFS負載均衡
8．1．5 MapReduce容錯
8．2 Hadoop的SecondaryNameNode機制
8．2．1磁盤鏡像與日志文件
8．2．2 SecondaryNameNode更新鏡像的流程
8．3 Avatar機制
8．3．1 系統(tǒng)架構
8．3．2 Avatar元數據同步機制
8．3．3 故障切換過程
8．3．4 Avatar運行流程
8．3．5 Avatar故障切換流程
8．4 Avatar實戰(zhàn)
8．4．1 實驗環(huán)境
8．4．2 編譯Avatar
8．4．3 Avatar安裝和配置
8．5 數據立方可靠性
8．5．1 數據立方的可靠性
8．5．2 數據立方的工作流程
8．5．3 數據立方的可靠性
第9章 數據統(tǒng)計分析實例--供電信息采集系統(tǒng)
9．1 客戶需求分析
9．1．1 測試過程及數據量描述
9．1．2 測試過程分解及效率統(tǒng)計
9．2 數據表設計
9．3 查詢語句設計與結果展現
9．4 查詢優(yōu)化
9．4．1 存儲方面的優(yōu)化
9．4．2 內存方面的優(yōu)化
9．5 性能測試結果
9．5．1 數據下載解壓及標記
9．5．2 數據解析入庫
9．5．3 數據計算流程
9．5．4 數據導入ORACLE數據庫
9．5．5 查詢總時長統(tǒng)計
第10章 在線數據檢索實例--移動信令分析云平臺
10．1 需求分析
10．2 數據表設計
10．2．1 CDR數據文件的檢測與索引創(chuàng)建任務調度
10．2．2 從HDFS讀取數據并創(chuàng)建索引
10．2．3 查詢CDR信息
10．3 查詢語句設計與結果展現
10．3．1 CDR文件檢測和索引創(chuàng)建任務調度程序
10．3．2 讀取CDR數據和索引創(chuàng)建處理
10．3．3 CDR查詢
10．4 查詢優(yōu)化
10．5 性能測試結果
第11章 實時數據處理實例-地震數據
11．1 需求分析
11．2 數據表分析
11．3 查詢語句設計與結果展現
11．4 查詢優(yōu)化
11．4．1 存儲方面的優(yōu)化
11．4．2 計算方面的優(yōu)化
11．5 性能測試結果
11．5．1 單機模擬集群測試
11．5．2 字段測試
11．5．3 排序測試
11．5．4 隨機讀取測試