《大数据架构和算法实现之路》内容简介

本书介绍了一些主流技术在商业项目中的应用，包括机器学习中的分类、聚类和线性回归，搜索引擎，推荐系统，用户行为跟踪，架构设计的基本理念及常用的消息和缓存机制。在这个过程中，我们有机会实践R、Mahout、Solr、Elasticsearch、Hadoop、HBase、Hive、Flume、Kafka、Storm等系统。如前所述，本书最大的特色就是，从商业需求出发演变到合理的技术方案和实现，因此根据不同的应用场景、不同的数据集合、不同的进阶难度，我们为读者提供了反复温习和加深印象的机会。
本书选取了电子商务的平台，通过分享大量实践才能积累的宝贵经验和重点代码，最大程度地弥补业务需求和技术方案之间的空白。与此同时，针对频繁升级的开源软件，我也采用了2016年年底到2017年年初最新的版本。因此，部分代码甚至可作为中小公司创业起步的参考模板。这有利于技术人员针对不同的业务需求，规划更为合理的技术方案。

作品目录

推荐序
前言
引子
第一篇
支持高效的运营
第1章：方案设计和技术选型：分类
1.1、分类的基本概念
1.2、分类任务的处理流程
1.3、算法：朴素贝叶斯和K最近邻
1.4、分类效果评估
1.5、相关软件：R和Mahout
1.6、案例实践
1.7、更多的思考
第2章：方案设计和技术选型：聚类
2.1、聚类的基本概念
2.2、算法：K均值和层次型聚类
2.3、聚类的效果评估
2.4、案例实践
第3章：方案设计和技术选型：因变量连续的回归分析
3.1、线性回归的基本概念
3.2、案例实践
第二篇
为顾客发现喜欢的商品：基础篇
第4章：方案设计和技术选型：搜索
4.1、搜索引擎的基本概念
4.2、搜索引擎的评估
4.3、为什么不是数据库
4.4、系统框架
4.5、常见的搜索引擎实现
4.6、案例实践
第三篇
为顾客发现喜欢的商品：高级篇
第5章：方案设计和技术选型：NoSQL和搜索的整合
5.1、问题分析
5.2、HBase简介
5.3、结合HBase和搜索引擎
5.4、案例实践
第6章：方案设计和技术选型：查询分类和搜索的整合
6.1、问题分析
6.2、结合分类器和搜索引擎
6.3、案例实践
第7章：方案设计和技术选型：个性化搜索
7.1、问题分析
7.2、结合用户画像和搜索引擎
7.3、案例实践
第8章：方案设计和技术选型：搜索分片
8.1、问题分析
8.2、利用搜索的分片机制
8.3、案例实践
第9章：方案设计和技术选型：搜索提示
9.1、问题分析
9.2、案例实践：基础方案
9.3、改进方案
9.4、案例实践：改进方案
第10章：方案设计和技术选型：推荐
10.1、推荐系统的基本概念
10.2、推荐的核心要素
10.3、推荐系统的分类
10.4、混合模型
10.5、系统架构
10.6、Mahout中的推荐算法
10.7、电商常见的推荐系统方案
10.8、案例实践
第四篇
获取数据，跟踪效果
第11章：方案设计和技术选型：行为跟踪
11.1、基本概念
11.2、使用谷歌分析
11.3、自行设计之Flume、HDFS和Hive的整合
11.4、自行设计之Flume、Kafka和Storm的整合
11.5、案例实践
11.6、更多的思考
后记

热门书摘

Mahout可以将数据切分成很多小块，通过Hadoop的HDFS存储，通过Map-Reduce来计算。