科技 类型
可以朗读 语音朗读
137千字 字数
2022-08-01 发行日期
展开全部

主编推荐语

21世纪数据爆发，云原生数据服务助力企业数字化转型，降本增效。

内容简介

21世纪，互联网行业的爆发开启了全球数据量急剧增加的新时代，数据已经成为驱动企业数字化转型的核心力量。整个数据行业的技术能力不断提升，从数据库到数据仓库，再到开源大数据，都在经济社会中发挥着极其重要的作用。近年来，新兴数据技术与云计算相互辅助，共同发展，诞生了一系列云原生数据服务，让企业能够突破传统模式的局限，专注于业务，降本增效。本书以全球前沿的云原生服务为基础，详细展现了如何将数据存储、数据引入、批量数据处理、实时数据处理、数据仓库、数据可视化和机器学习等核心要素综合起来，逐步构建起一个高效的大数据服务平台。

目录

  • 封面
  • 前折页
  • 内容简介
  • 前言
  • 第1章 数字化转型与数据技术
  • 1.1 数字化转型
  • 1.2 基于数据进行数字化转型
  • 1.3 数据仓库
  • 1.4 大数据
  • 1.5 数据湖
  • 1.6 云计算中数据技术的演进
  • 1.7 本书目标
  • 第2章 数据存储
  • 2.1 数据存储的发展与趋势
  • 2.1.1 集中式文件系统
  • 2.1.2 网络文件系统
  • 2.1.3 分布式文件系统
  • 2.1.4 云原生存储
  • 2.2 Azure Blob对象存储
  • 2.2.1 数据冗余策略
  • 2.2.2 分层存储
  • 2.2.3 兼容HDFS的WASB文件系统
  • 2.3 创建存储账号
  • 2.3.1 订阅
  • 2.3.2 资源组
  • 2.3.3 存储账号
  • 2.4 Azure数据湖存储
  • 2.4.1 分层命名空间
  • 2.4.2 兼容HDFS的ABFS文件系统
  • 2.5 创建数据湖存储
  • 2.6 基于HDFS访问数据湖存储
  • 2.7 在HDInsight中访问数据湖存储
  • 2.8 本章小结
  • 第3章 数据引入
  • 3.1 什么是数据引入
  • 3.2 数据引入面临的挑战
  • 3.3 数据引入工具
  • 3.4 数据工厂
  • 3.4.1 什么是数据工厂
  • 3.4.2 创建数据工厂
  • 3.4.3 数据工厂的主要组件
  • 3.5 引入数据
  • 3.5.1 数据复制
  • 3.5.2 管道设计
  • 3.5.3 参数化
  • 3.5.4 监控
  • 3.6 本章小结
  • 第4章 批量数据处理
  • 4.1 数据处理概述
  • 4.2 数据处理引擎
  • 4.2.1 MapReduce
  • 4.2.2 Spark
  • 4.3 Databricks
  • 4.4 使用Databricks处理批量数据
  • 4.5 Databricks的特性
  • 4.5.1 依赖库管理
  • 4.5.2 Databricks文件系统（DBFS）
  • 4.5.3 密钥管理
  • 4.5.4 Delta Lake
  • 4.6 使用数据工厂处理批量数据
  • 4.6.1 设计Data Flow
  • 4.6.2 Data Flow的设计模式
  • 4.6.3 如何选择Data Flow与Databricks
  • 4.7 本章小结
  • 第5章 实时数据处理
  • 5.1 什么是实时数据处理
  • 5.2 消息队列
  • 5.3 Kafka的使用
  • 5.3.1 创建虚拟网络
  • 5.3.2 创建Kafka集群
  • 5.3.3 配置IP Advertising
  • 5.3.4 生产者发送数据
  • 5.4 实时数据处理引擎
  • 5.5 使用Spark Structured Streaming处理实时数据
  • 5.5.1 连通Kafka与Databricks
  • 5.5.2 在Databricks中处理数据
  • 5.5.3 使用Cosmos DB保存数据
  • 5.6 Event Hub
  • 5.7 本章小结
  • 第6章 数据仓库
  • 6.1 什么是数据仓库
  • 6.2 云原生数据仓库
  • 6.3 Synapse Analytics
  • 6.3.1 什么是Synapse Analytics
  • 6.3.2 Synapse SQL的架构
  • 6.3.3 创建Synapse工作区
  • 6.3.4 创建SQL池
  • 6.3.5 连接SQL池
  • 6.4 数据加载
  • 6.4.1 数据加载方式
  • 6.4.2 使用COPY导入数据
  • 6.5 Synapse SQL的资源和负荷管理
  • 6.5.1 资源类
  • 6.5.2 并发槽
  • 6.5.3 最大并发查询数
  • 6.5.4 工作负荷组
  • 6.5.5 工作负荷分类器
  • 6.6 数据仓库发展趋势
  • 6.6.1 挑战
  • 6.6.2 趋势
  • 6.7 Synapse Analytics的高级特性
  • 6.7.1 Synapse工作室
  • 6.7.2 数据中心
  • 6.7.3 无服务器SQL池
  • 6.7.4 托管Spark
  • 6.8 本章小结
  • 第7章 数据可视化
  • 7.1 数据可视化概述
  • 7.2 数据可视化工具
  • 7.3 Power BI
  • 7.3.1 什么是Power BI
  • 7.3.2 Power BI的构件
  • 7.3.3 使用Power BI Desktop
  • 7.3.4 使用Power BI服务
  • 7.4 本章小结
  • 第8章 机器学习
  • 8.1 机器学习概述
  • 8.1.1 算法类型
  • 8.1.2 业务场景
  • 8.2 机器学习的流程
  • 8.3 机器学习的挑战与云原生平台的优势
  • 8.4 云原生机器学习平台
  • 8.4.1 创建工作区
  • 8.4.2 创建数据存储库
  • 8.4.3 创建数据集
  • 8.4.4 创建计算资源
  • 8.5 机器学习设计器
  • 8.6 自动化机器学习
  • 8.7 本章小结
  • 参考文献
  • 反侵权盗版声明
  • 封底
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。