登入帳戶　 |　訂單查詢　 |　購物車/收銀台( 0 )　|　在線留言板　 |　付款方式　 |　聯絡我們　 |　運費計算　 |　幫助中心　|　 加入書簽
	全部範圍 - 圖書 - 　- 中文簡體書(大陸書) - 　- 英文書（原版） - - 音碟 - 　- 音樂 - 　- 影視 - - 雜誌 - 全文 精確	會員登入 新註冊 |　新用戶登記

HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類閱讀雜誌

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / EMS，時效：出貨後2-3日

新書推薦： 《 儿童心理画：孩子的画会说话，孩子的画这样读 》 售價：NT$ 386.0 《 朱雀：唐代的南方意向 》 售價：NT$ 498.0 《 海外中国研究·古代中华观念的形成 》 售價：NT$ 437.0 《 街头官僚：公共服务中的个人困境（公共行政与公共管理经典译丛；“十二五”国家重点图书出版规划项目） 》 售價：NT$ 493.0 《 芯片战争：世界最关键技术的争夺战 》 售價：NT$ 717.0 《 唐代玄宗肃宗之际的中枢政局 》 售價：NT$ 420.0 《 游戏改变未来 》 售價：NT$ 783.0 《 能源与动力工程测试技术（穆林） 》 售價：NT$ 442.0

建議一齊購買： + NT$ 324 《 工业大数据：工业4.0时代的工业转型与价值创造 》 + NT$ 564 《 架构大数据——大数据技术及算法解析 》 + NT$ 573 《 大数据预测：需求驱动与供应链变革 》 + NT$ 407 《 颠覆大数据分析：基于Storm、Spark等Hadoop替代技术的实时应用 》 + NT$ 490 《 大数据分析：数据驱动的企业绩效优化、过程管理和运营决策（世界顶尖数据分析研究组织成员撰写 企业级数据分析战略、技术、实施和管理的权威指南） 》 + NT$ 496 《 Oracle大数据解决方案（大数据应用与技术丛书） 》 內容簡介： Microsoft强大的大数据平台Windows Azure HDInsight和Hortonworks Data Platform for Windows改变了企业处理、存储和管理数据的方式。Microsoft的大数据解决方案套件被设计用于与公司现有的数据基础设施以及SQL Server、Hadoop等产品进行无缝集成，使客户不必中断工作流或关键流程即可实施这些方案。假如需要设计和实施全面部署的大数据解决方案的详明规划蓝图，《微软大数据解决方案》一书无疑是最佳选择。 主要内容 ◆ 使用Windows Azure HDInsight、Hortonworks Data Platform for Windows和开源工具将大数据解决方案集成到企业中 ◆ 在企业内部存储、管理、分析和共享大数据 ◆ 安装和配置Hortonworks Data Platform for Windows ◆ 学习大数据与SQL Server及Hadoop的整合 ◆ 使用Microsoft和Hadoop BI工具呈现数据 ◆ 为企业创建和执行综合性大数据战略 ◆ 直接获取Microsoft大数据产品团队的最前沿研究成果 關於作者： Adam Jorgensen是Pragmatic Works总裁兼PASS执行副总裁，拥有丰富的数据仓库、分析和NoSQL体系架构经验。 James Rowland-Jones是Big Bang Data公司的首席顾问，专门研究利用SQL Server并行数据仓库和Hadoop生态环境的大数据仓库解决方案。 John Welch是Pragmatic Works软件开发部副总裁，带领团队开发BI套件以及SQL Server数据产品和相关技术。 Dan Clark是Pragmatic Works资深BI顾问，已撰写多本.NET编程和BI开发书籍，发表了多篇论文。 Christopher Price是Microsoft资深顾问，主要研究ETL、数据整合、数据质量、MDM、SSAS、SharePoint以及其他大数据相关技术。 Brian Mitchell是Microsoft Big Data Center of Expertise的首席架构师，专门研究DWBI解决方案。 目錄： 目 录 第I部分 大数据的含义 第1章 行业需求与解决方案 3 1.1 何谓“大”数据 3 1.2 Hadoop简史 4 1.2.1 Google 4 1.2.2 Nutch 5 1.3 Hadoop的概念 5 1.3.1 衍生品和分发版 6 1.3.2 Hadoop分发版 7 1.3.3 Hadoop生态系统的核心 8 1.3.4 Hadoop中的重要Apache项目 10 1.3.5 Hadoop的未来 14 1.4 本章小结 14 第2章 Microsoft大数据解决方法 15 2.1 “优质组合”的故事 15 2.2 生态系统中的竞争 16 2.2.1 SQL on Hadoop现状 16 2.2.2 Hortonworks和Stinger 16 2.2.3 Cloudera和Impala 18 2.2.4 Microsoft对Hadoop中SQL应用的贡献 20 2.3 Hadoop的部署 20 2.3.1 部署要素 20 2.3.2 部署拓扑结构 23 2.3.3 部署计分卡 26 2.4 本章小结 28 第II部分 使用Microsoft建立大数据 第3章 配置首个大数据环境 31 3.1 入门 31 3.2 开始安装 32 3.3 安装过程 32 3.3.1 本地安装：单节点安装 32 3.3.2 HDInsight服务：云端安装 40 3.3.3 Windows Azure存储管理器选项 41 3.4 验证新集群 43 3.4.1 登录HDInsight服务 43 3.4.2 通过日志验证HDP功能 44 3.5 常见的安装后任务 45 3.5.1 加载首个文件 45 3.5.2 验证Hive和Pig 46 3.6 本章小结 50 第III部分 存储并管理大数据 第4章 HDFS、Hive、HBase和HCatalog 53 4.1 探讨HDFS 53 4.1.1 HDFS体系结构阐述 54 4.1.2 与HDFS交互 57 4.2 探讨Hive：Hadoop数据仓库平台 59 4.2.1 设计、构建和加载表 60 4.2.2 查询数据 61 4.2.3 配置Hive ODBC驱动程序 61 4.3 探讨HCatalog：HDFS表和元数据管理 62 4.4 探索HBase：面向列的HDFS数据库 63 4.4.1 面向列的数据库 63 4.4.2 定义和填充HBase表 65 4.4.3 使用查询操作 66 4.5 本章小结 66 第5章 HDFS的数据存储与管理 67 5.1 了解HDFS基本原理 67 5.1.1 HDFS体系结构 68 5.1.2 名称节点和数据节点 69 5.1.3 数据复制 71 5.2 使用常用命令与HDFS进行交互 72 5.2.1 使用HDFS的界面 72 5.2.2 文件处理命令 74 5.2.3 HDFS的管理功能 76 5.3 在HDFS中移动和组织数据 78 5.3.1 在HDFS中移动数据 78 5.3.2 实现便于管理的数据结构 79 5.3.3 重新平衡数据 79 5.4 本章小结 80 第6章 添加Hive结构 81 6.1 理解Hive的作用和角色 82 6.1.1 为非结构化数据提供结构 82 6.1.2 启用数据访问与转换 88 6.1.3 鉴别Hive与传统RDBMS系统 88 6.1.4 使用Hive 89 6.2 创建和查询基本表 90 6.2.1 创建数据库 90 6.2.2 创建表 91 6.2.3 添加和删除数据 94 6.2.4 查询表 95 6.3 使用Hive的高级数据结构 97 6.3.1 设置分区表 97 6.3.2 加载分区表 99 6.3.3 使用视图 100 6.3.4 创建表索引 100 6.4 本章小结 101 第7章 使用HBase和HCatalog来扩展功能 103 7.1 使用HBase 104 7.1.1 创建HBase表 104 7.1.2 将数据加载到HBase表 106 7.1.3 执行快速查找 107 7.1.4 加载和查询HBase 108 7.2 使用HCatalog管理数据 109 7.2.1 使用HCatalog和Hive 109 7.2.2 定义数据结构 110 7.2.3 建立索引 111 7.3 创建分区 111 7.4 HCatalog与Pig和Hive的集成 113 7.5 使用HBase或Hive作为数据仓库 116 7.6 本章小结 117 第IV部分 使用大数据 第8章 使用SSIS、Pig和Sqoop 进行有效的大数据ETL 121 8.1 结合大数据与SQL Server工具获取更优解决方案 122 8.1.1 为何要移动数据 122 8.1.2 在Hadoop和SQL Server之间移动数据 123 8.2 使用SSIS和Hive 123 8.3 配置包 128 8.3.1 将数据加载到Hadoop 131 8.3.2 从SSIS获得最佳性能 132 8.4 使用Sqoop转移数据 132 8.4.1 从SQL Server复制数据 133 8.4.2 将数据复制到SQL Server 135 8.5 使用Pig移动数据 135 8.5.1 使用Pig转换数据 136 8.5.2 同时使用Pig和SSIS 138 8.6 选择正确的工具 139 8.6.1 何时使用SSIS 139 8.6.2 何时使用Pig 139 8.6.3 何时使用Sqoop 139 8.7 本章小结 140 第9章 使用Pig和Hive进行数据研究和高级数据清理 141 9.1 了解Pig 141 9.1.1 使用Pig的时机 142 9.1.2 利用内置函数 142 9.1.3 执行用户自定义函数 143 9.1.4 使用UDF 144 9.1.5 为Pig创建专属UDF 151 9.2 使用Hive 153 9.2.1 使用Hive进行数据分析 153 9.2.2 Hive函数类型 154 9.2.3 使用map-reduce脚本扩展Hive 155 9.2.4 创建自定义map-reduce脚本 158 9.2.5 为Hive创建专属UFD 159 9.3 本章小结 161 第V部分 大数据与SQL Server的整合 第10章 数据仓库与Hadoop整合 165 10.1 行业状况 166 10.2 传统数据仓库架构面临的挑战 166 10.2.1 技术制约 167 10.2.2 业务挑战 171 10.3 Hadoop在数据仓库市场上的影响 173 10.3.1 保持一切 173 10.3.2 代码优先模式延后 174 10.3.3 塑造价值 175 10.3.4 计算问题 176 10.4 介绍并行数据仓库 176 10.4.1 何谓PDW 177 10.4.2 PDW为什么重要 178 10.4.3 PDW的工作方式 180 10.5 Polybase项目 188 10.5.1 Polybase架构 188 10.5.2 当今Polybase的商业案例 199 10.5.3 预测Polybase的未来 201 10.6 本章小结 204 第11章 使用Windows BI呈现大数据 205 11.1 工具生态系统 205 11.1.1 Excel 206 11.1.2 PowerPivot 206 11.1.3 Power View 207 11.1.4 Power Map 207 11.1.5 报表服务 208 11.2 使用PowerPivot的自助式大数据 210 11.2.1 设置ODBC驱动程序 210 11.2.2 加载数据 211 11.2.3 更新模型 217 11.2.4 添加度量标准 218 11.2.5 创建数据透视表 218 11.3 使用Power View加速大数据探索 220 11.4 使用Power Map的快速空间探索 224 11.5 本章小结 225 第12章 大数据分析 227 12.1 数据科学、数据挖掘与预测分析 227 12.1.1 数据挖掘 227 12.1.2 预测分析 228 12.2 Mahout介绍 229 12.3 构建一个推荐引擎 230 12.3.1 开始 231 12.3.2 运行用户到用户推荐作业 232 12.3.3 运行项目到项目推荐作业 234 12.4 本章小结 235 第13章 大数据与云 237 13.1 定义云 237 13.2 探索大数据云提供商 238 13.2.1 Amazon 238 13.2.2 Microsoft 239 13.3 在云端设置大数据沙盒 239 13.3.1 开始使用Amazon EMR 240 13.3.2 开始使用HDInsight 244 13.4 在云端存储数据 251 13.4.1 存储数据 251 13.4.2 上传数据 252 13.4.3 探索大数据存储工具 252 13.4.4 整合云端数据 254 13.4.5 其他云端数据源 255 13.5 本章小结 255 第14章 现实生活中的大数据 257 14.1 常见行业分析 257 14.1.1 电信 257 14.1.2 能源 258 14.1.3 零售 258 14.1.4 数据服务 259 14.1.5 IT托管优化 259 14.1.6 市场社会情绪 260 14.2 运营分析 260 14.2.1 快速失败 260 14.2.2 一个新的技术生态系统 260 14.2.3 用户受众 262 14.3 本章小结 264 第VI部分 继续向前发展大数据 第15章 创建和执行大数据计划 267 15.1 获得赞助方和利益相关方的认同 267 15.1.1 问题定义 268 15.1.2 范围管理 269 15.1.3 利益相关方的期望 270 15.1.4 定义成功的标准 270 15.2 确定技术上的挑战 271 15.2.1 环境的挑战 271 15.2.2 技能的挑战 272 15.3 确定运营上的挑战 273 15.3.1 制定设置配置计划 273 15.3.2 制定运行维护计划 274 15.4 更进一步 275 15.4.1 交付到运营 276 15.4.2 部署之后 276 15.5 本章小结 276 第16章 运营的大数据管理 279 16.1 混合型大数据环境：云端与本地解决方案协同工作 279 16.2 使用云计算和本地解决方案的动态数据集成 280 16.3 大数据的集成思想 281 16.4 大数据环境中的备份和高可用性 283 16.4.1 高可用性 283 16.4.2 灾难恢复 285 16.5 大数据解决方案的管理 286 16.6 创建运营分析 286 16.6.1 HDP系统中心运营管理器 287 16.6.2 安装Ambari SCOM管理软件包 288 16.6.3 使用Ambari SCOM管理软件包进行监控 296 16.7 本章小结 300

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式	香港用户　 |　台灣用户　|　海外用户
megBook.com.tw
Copyright (C) 2013 - 2024 （香港）大書城有限公司　All Rights Reserved.