第1章 大数据概述

1.1 什么是大数据

1.1.1 大数据的定义和特征

1.1.2 大数据的发展历程

1.1.3 大数据的来源

1.2 大数据的哲学本质

1.2.1 大数据与世界观

1.2.2 大数据与认识论

1.2.3 大数据与方法论

1.2.4 大数据与价值观

1.3 大数据技术框架

1.3.1 大数据处理系统综述

1.3.2 大数据平台基础

1.3.3 大数据存储系统

1.3.4 大数据计算模型

1.4 大数据发展趋势

1.4.1 大数据的技术发展趋势

1.4.2 大数据的应用发展趋势

第2章 大数据的云计算基础

2.1 虚拟化技术

2.1.1 虚拟化的概念

2.1.2 虚拟化技术分类

2.1.3 虚拟化解决方案

2.1.4 虚拟化技术与大数据

2.2 OpenStack技术

2.2.1 OpenStack概述

2.2.2 OpenStack历史

2.2.3 OpenStack系统架构

2.2.4 OpenStack的优势和劣势

2.2.5 虚拟化与OpenStack技术比较

2.3 IaaS平台建设

2.3.1 IaaS平台介绍

2.3.2 IaaS云平台的种类

2.3.3 IaaS平台设计

2.3.4 IaaS平台解决方案

2.3.5 IaaS平台搭建

第3章 Hadoop基础组件

3.1 Hadoop概述

3.1.1 Hadoop简介

3.1.2 Hadoop系统架构

3.1.3 Hadoop的优势与不足

3.1.4 Hadoop的适用场景

3.1.5 Hadoop的商业模式

3.2 Hadoop分布式文件系统HDFS

3.2.1 HDFS的设计目标

3.2.2 HDFS的基本架构

3.2.3 HDFS的特点

3.2.4 HDFS的优势与缺点

3.3 Hadoop分布式计算框架MapReduce

3.3.1 MapReduce简介

3.3.2 MapReduce的运行流程

3.3.3 MapReduce与DataFlow比较

3.4 Hadoop统一资源管理框架YARN

3.4.1 YARN架构简介

3.4.2 YARN架构框架

3.4.3 YARN与旧MapReduce框架对比

3.4.4 YARN与Mesos框架对比

3.5 Hadoop分布式集群管理系统ZooKeeper

3.5.1 ZooKeeper简介

3.5.2 ZooKeeper总体架构

3.5.3 ZooKeeper的运行模式

3.5.4 ZooKeeper的设计要点

3.5.5 ZooKeeper的使用

第4章 Hadoop其他常用组件

4.1 Hadoop数据仓库工具Hive

4.1.1 Hive简介

4.1.2 Hive架构设计

4.1.3 Hive部署模式

4.1.4 Hive与关系型数据库比较

4.2 Hadoop分布式数据库HBase

4.2.1 HBase简介

4.2.2 HBase体系架构

4.2.3 HBase 性能分析

4.2.4 HBase容错机制

4.3 Hadoop实时流式处理引擎Storm-YARN

4.3.1 流式处理概述

4.3.2 Storm简介

4.3.3 Storm架构

4.3.4 Storm与Spark Streaming比较

4.4 Hadoop交互式查询引擎Impala

4.4.1 Impala简介

4.4.2 Impala架构分析

4.4.3 Impala与Hive比较

第5章 Spark内存计算框架

5.1 内存计算与Spark

5.1.1 内存计算概念

5.1.2 内存计算分类

5.1.3 Spark与内存数据处理系统

5.2 Spark概述

5.2.1 Spark架构

5.2.2 Spark的RDD模型

5.2.3 Spark与Hadoop的性能对比

5.3 Spark核心组件介绍

5.3.1 Spark SQL

5.3.2 Spark MLlib

5.3.3 Spark GraphX

5.3.4 Spark Streaming

5.4 Spark集群管理

5.4.1 Spark部署方式

5.4.2 Spark资源调度

5.4.3 Spark任务调度

第6章 大数据可视化技术

6.1 数据可视化的基本概念

6.2 数据可视化的发展趋势

6.3 数据可视化应用与设计

第7章 数据挖掘技术

7.1 什么是数据挖掘

7.2 数据挖掘的流程

7.3 数据挖掘典型算法

7.4 数据挖掘与大数据

第8章 大数据系统评价标准

8.1 大数据系统评价概述

8.1.1 信息时代的“云大物移”

8.1.2 大数据项目失败的常见原因

8.2 评价指标选取原则

8.3 大数据系统评价标准

8.3.1 通用评价要素

8.3.2 专有评价要素

8.4 大数据系统定位

8.4.1 与企业战略相匹配

8.4.2 与企业架构相匹配

8.4.3 与企业需求相匹配

8.5 大数据价值评估模型

8.6 大数据质量评价

8.6.1 数据流程视角

8.6.2 数据技术视角

8.6.3 数据管理视角

8.7 大数据安全评价

第9章 大数据在生活中的应用

9.1 食：食品安全

案例：阿里巴巴大数据协助食品安全风险控制

9.2 住：智能家居

案例：无锡市智能家居

9.3 行：智能交通

案例：深圳市智能综合交通运行指挥中心

9.4 游：智慧旅游

案例：无锡市智慧旅游立体化营销体系

9.5 购：电商营销

案例：京东大数据营销

第10章 大数据在政务领域的应用

10.1 条块分割拖累政务发展

10.2 数据统筹助力决策参考

案例：佛山市南海区数据统筹

10.3 服务整合创新社会管理

案例：无锡市智慧城管系统

10.4 资源整合强化公共服务

案例：无锡市政务服务平台

10.5 数据公开辅助政府监督

案例：上海市利用大数据实现市场监管

第11章 大数据在交通领域的应用

11.1 频繁拥堵造就城市顽疾

11.2 客流分析改进公交线路设计

案例：北京市大数据路线优化

11.3 多源数据辅助交通调查

案例：上海市综合交通特征分析

11.4 整合信息优化资源配置

案例：无锡市智慧交通信息工程

11.5 智能数据释难最后一公里

案例：共享单车便捷出行

第12章 大数据在医疗领域的应用

12.1 医疗数据挖掘行业价值

案例：无锡市智慧健康工程

12.2 海量数据助推远程医疗

案例：中日医院基于大数据让远程医疗、分级诊疗深入临床一线

12.3 移动医疗缓解资源紧缺

案例：春雨掌上医生

12.4 健康数据实现精准医疗

案例：微软亚洲研究院利用大数据推动癌症精准医疗

第13章 大数据在金融领域的应用

13.1 交易数据饱含金融商机

13.2 智能分析防范金融欺诈

案例：天下无贼反信息诈骗联盟

13.3 征信预测改善金融风控

案例：ZestFinance公司

13.4 “互联网＋”催生金融产品

案例：蚂蚁金服

参考文献