本书共分为三部分。理论篇重点介绍大数据时代下数据处理的基本理论及相关处理技术,并引入NoSQL数据库;系统篇主要介绍了各种类型NoSQL数据库的基本知识;应用篇对国内外几家知名公司在利用NoSQL数据库处理海量数据方面的实践做了阐述。
本书对大数据时代面临的挑战,以及NoSQL数据库的基本知识做了清晰的阐述,有助于读者整理思路,了解需求,并更有针对性、有选择地深入学习相关知识。
第1章 概论 1
1.1 引子 2
1.2 大数据挑战 3
1.3 大数据的存储和管理 5
1.3.1 并行数据库 5
1.3.2 NoSQL数据管理系统 6
1.3.3 NewSQL数据管理系统 8
1.3.4 云数据管理 11
1.4 大数据的处理和分析 11
1.5 小结 13
参考文献 13
理 论 篇
第2章 数据一致性理论 16
2.1 CAP理论 17
2.2 数据一致性模型 21
2.3 ACID与BASE 22
2.4 数据一致性实现技术 23
2.4.1 Quorum系统NRW策略 23
2.4.2 两阶段提交协议 24
2.4.3 时间戳策略 27
2.4.4 Paxos 30
2.4.5 向量时钟 38
2.5 小结 43
参考文献 43
第3章 数据存储模型 45
3.1 总论 46
3.2 键值存储 48
3.2.1 Redis 49
3.2.2 Dynamo 49
3.3 列式存储 50
3.3.1 Bigtable 51
3.3.2 Cassandra与HBase 51
3.4 文档存储 52
3.4.1 MongoDB 53
3.4.2 CouchDB 53
3.5 图形存储 54
3.5.1 Neo4j 55
3.5.2 GraphDB 55
3.6 本章小结 56
参考文献 56
第4章 数据分区与放置策略 58
4.1 分区的意义 59
4.1.1 为什么要分区 59
4.1.2 分区的优点 60
4.2 范围分区 61
4.3 列表分区 62
4.4 哈希分区 63
4.5 三种分区的比较 64
4.6 放置策略 64
4.6.1 一致性哈希算法 65
4.6.2 容错性与可扩展性分析 66
4.6.3 虚拟节点 68
4.7 小结 69
参考文献 69
第5章 海量数据处理方法 70
5.1 MapReduce简介 71
5.2 MapReduce数据流 72
5.3 MapReduce数据处理 75
5.3.1 提交作业 76
5.3.2 初始化作业 78
5.3.3 分配任务 78
5.3.4 执行任务 79
5.3.5 更新任务执行进度和状态 80
5.3.6 完成作业 81
5.4 Dryad简介 81
5.4.1 DFS Cosmos介绍 82
5.4.2 Dryad执行引擎 84
5.4.3 DryadLINQ解释引擎 86
5.4.4 DryadLINQ编程 88
5.5 Dryad数据处理步骤 90
5.6 MapReduce vs Dryad 92
5.7 小结 94
参考文献 95
第6章 数据复制与容错技术 96
6.1 海量数据复制的作用和代价 97
6.2 海量数据复制的策略 97
6.2.1 Dynamo的数据库复制策略 97
6.2.2 CouchDB的复制策略 99
6.2.3 PNUTS的复制策略 99
6.3 海量数据的故障发现与处理 101
6.3.1 Dynamo的数据库的故障发现与处理 101
6.3.2 CouchDB的故障发现与处理 103
6.3.3 PNUTS的故障发现与处理 103
6.4 小结 104
参考文献 104
第7章 数据压缩技术 105
7.1 数据压缩原理 106
7.1.1 数据压缩的定义 106
7.1.2 数据为什么可以压缩 107
7.1.3 数据压缩分类 107
7.2 传统压缩技术[1] 108
7.2.1 霍夫曼编码 108
7.2.2 LZ77算法 109
7.3 海量数据带来的3V挑战 112
7.4 Oracle混合列压缩 113
7.4.1 仓库压缩 114
7.4.2 存档压缩 114
7.5 Google数据压缩技术 115
7.5.1 寻找长的重复串 115
7.5.2 压缩算法 116
7.6 Hadoop压缩技术 118
7.6.1 LZO简介 118
7.6.2 LZO原理[5] 119
7.7 小结 121
参考文献 121
第8章 缓存技术 122
8.1 分布式缓存简介 123
8.1.1 分布式缓存的产生 123
8.1.2 分布式缓存的应用 123
8.1.3 分布式缓存的性能 124
8.1.4 衡量可用性的标准 125
8.2 分布式缓存的内部机制 125
8.2.1 生命期机制 126
8.2.2 一致性机制 126
8.2.3 直读与直写机制 129
8.2.4 查询机制 130
8.2.5 事件触发机制 130
8.3 分布式缓存的拓扑结构 130
8.3.1 复制式拓扑 131
8.3.2 分割式拓扑 131
8.3.3 客户端缓存拓扑 131
8.4 小结 132
参考文献 132
系 统 篇
第9章 key-value数据库 134
9.1 key-value模型综述 134
9.2 Redis 135
9.2.1 Redis概述 135
9.2.2 Redis下载与安装 135
9.2.3 Redis入门操作 136
9.2.4 Redis在业内的应用 143
9.3 Voldemort 143
9.3.1 Voldemort概述 143
9.3.2 Voldemort下载与安装 144
9.3.3 Voldemort配置 145
9.3.4 Voldemort开发介绍[3] 147
9.4 小结 149
参考文献 149
第10章 Column-Oriented数据库 150
10.1 Column-Oriented数据库简介 151
10.2 Bigtable数据库 151
10.2.1 Bigtable数据库简介 151
10.2.2 Bigtable数据模型 152
10.2.3 Bigtable基础架构 154
10.3 Hypertable数据库 157
10.3.1 Hypertable简介 157
10.3.2 Hypertable安装 157
10.3.3 Hypertable架构 163
10.3.4 基本概念和原理 164
10.3.5 Hypertable的查询 168
10.4 Cassandra数据库 175
10.4.1 Cassandra简介 175
10.4.2 Cassandra配置 175
10.4.3 Cassandra数据库的连接 177
10.4.4 Cassandra集群机制 180
10.4.5 Cassandra的读/写机制 182
10.5 小结 183
参考文献 183
第11章 文档数据库 185
11.1 文档数据库简介 186
11.2 CouchDB数据库 186
11.2.1 CouchDB简介 186
11.2.2 CouchDB安装 188
11.2.3 CouchDB入门 189
11.2.4 CouchDB查询 200
11.2.5 CouchDB的存储结构 207
11.2.6 SQL和CouchDB 209
11.2.7 分布式环境中的CouchDB 210
11.3 MongoDB数据库 211
11.3.1 MongoDB简介 211
11.3.2 MongoDB的安装 212
11.3.3 MongoDB入门 215
11.3.4 MongoDB索引 224
11.3.5 SQL与MongoDB 226
11.3.6 MapReduce与MongoDB 229
11.3.7 MongoDB与CouchDB对比 234
11.4 小结 236
参考文献 237
第12章 图存数据库 238
12.1 图存数据库的由来及基本概念 239
12.1.1 图存数据库的由来 239
12.1.2 图存数据库的基本概念 239
12.2 Neo4j图存数据库 240
12.2.1 Neo4j简介 240
12.2.2 Neo4j使用教程 241
12.2.3 分布式Neo4j——Neo4j HA 251
12.2.4 Neo4j工作机制及优缺点浅析 256
12.3 GraphDB 258
12.3.1 GraphDB简介 258
12.3.2 GraphDB的整体架构 260
12.3.3 GraphDB的数据模型 264
12.3.4 GraphDB的安装 266
12.3.5 GraphDB的使用 268
12.4 OrientDB 276
12.4.1 背景 276
12.4.2 OrientDB是什么 276
12.4.3 OrientDB的原理及相关技术 277
12.4.4 Windows下OrientDB的安装与使用 282
12.4.5 相关Web应用 286
12.5 三种图存数据库的比较 288
12.5.1 特征矩阵 288
12.5.2 分布式模式及应用比较 289
12.6 小结 289
参考文献 290
第13章 基于Hadoop的数据管理系统 291
13.1 Hadoop简介 292
13.2 HBase 293
13.2.1 HBase体系结构 293
13.2.2 HBase数据模型 297
13.2.3 HBase的安装和使用 298
13.2.4 HBase与RDBMS 303
13.3 Pig 304
13.3.1 Pigr的安装和使用 304
13.3.2 Pig Latin语言 306
13.3.3 Pig实例 311
13.4 Hive 315
13.4.1 Hive的数据存储 316
13.4.2 Hive的元数据存储 316
13.4.3 安装Hive 317
13.4.4 HiveQL简介 318
13.4.5 Hive的网络接口(WebUI) 328
13.4.6 Hive的JDBC接口 328
13.5 小结 330
参考文献 331
第14章 NewSQL数据库 332
14.1 NewSQL数据库简介 333
14.2 MySQL Cluster 333
14.2.1 概述 334
14.2.2 MySQL Cluster的层次结构 336
14.2.3 MySQL Cluster的优势和应用 337
14.2.4 海量数据处理中的sharding技术 339
14.2.5 单机环境下MySQL Cluster的安装 343
14.2.6 MySQL Cluster的分布式安装与配置指导 348
14.3 VoltDB 350
14.3.1 传统关系数据库与VoltDB 351
14.3.2 VoltDB的安装与配置 351
14.3.3 VoltDB组件 354
14.3.4 Hello World 355
14.3.5 使用Generate脚本 361
14.3.6 Eclipse集成开发 362
14.4 小结 365
参考文献 365
第15章 分布式缓存系统 366
15.1 Memcached缓存技术 367
15.1.1 背景介绍 367
15.1.2 Memcached缓存技术的特点 368
15.1.3 Memcached安装[3] 374
15.1.4 Memcached中的数据操作 375
15.1.5 Memcached的使用 376
15.2 Microsoft Velocity分布式缓存系统 378
15.2.1 Microsoft Velocity简介 378
15.2.2 数据分类 379
15.2.3 Velocity核心概念 380
15.2.4 Velocity安装 382
15.2.5 一个简单的Velocity客户端应用 385
15.2.6 扩展型和可用性 387
15.3 小结 388
参考文献 388
应 用 篇
第16章 企业应用 392
16.1 Instagram 393
16.1.1 Instagram如何应对数据的急剧增长 395
16.1.2 Instagram的数据分片策略 398
16.2 Facebook对Hadoop以及HBase的应用 400
16.2.1 工作负载类型 401
16.2.2 为什么采用Apache Hadoop和HBase 403
16.2.3 实时HDFS 405
16.2.4 Hadoop HBase的实现 409
16.3 淘宝大数据解决之道 411
16.3.1 淘宝数据分析 412
16.3.2 淘宝大数据挑战 413
16.3.3 淘宝OceanBase数据库 414
16.3.4 淘宝将来的工作 422
16.4 小结 423
参考文献 423
《互联网没有记忆》内容简介:写在泥板、石碑、莎草纸、手抄本上的记忆可以保存数千年。写在网络上的记忆平均存在的时长只有100天。
《国际课程及择校升学指南》内容简介:近年来,留学正走向低龄化甚至超低龄化,国际学校和国际课程的需求也随之急速上升。面对众多
《简笔画5000例,一本就够(动物篇)》内容简介:简笔画几乎是每个人孩提时代绘画生涯的开始。简单的线条,可爱的形状,总是能释放
《历史何其相似》内容简介:《历史何其相似》就是把历史上已经上演过,而今天依然在不断播放的镜头聚集起来,展现在世人的面前。你
《锁相环:设计、仿真与应用》(第5版)(翻译版)第1章是简短的引言,介绍锁相环领域的情况。第2章安排涉及混合信号锁相环的理论,设
本书是DSL领域的丰碑之作,由世界级软件开发大师和软件开发“教父”MartinFowler历时多年写作而成,ThoughtWorks中国翻译。全面详
Python是一种解释型、面向对象、动态数据类型的高级程序设计语言。Python可以用于很多的领域,从科学计算到游戏开发。《Python编
《一切随缘》内容简介:日本上市仅仅三个月,便创下百万本的销售奇迹 至今累计销售超过150万本! 2019年日本各大书店畅销总榜第一名
《历史不会终结》内容简介:无论国际风云如何变幻,马克思主义者始终相信:资本主导的逻辑必然导致西方困局。如今这一困局正以新的
《空间信息网络传输协议》内容简介:本书系统、全面地介绍了空间信息网络的特点及其对传输协议造成的影响;重点介绍和讨论了空间信
《法国通史》内容简介:本书系《世界历史文化丛书》之一种书。法兰西人的习性经久不变,以至于在两三千年前人们为其勾画的肖像中,
《通信系统》(第4版)对通信系统的基础理论和关键环节进行了深入分析,力图让学生在讨论中领会通信的精髓。全书首先给出通信系统的
《科学的极致:漫谈人工智能》内容简介:集智俱乐部是一个从事学术研究、享受科学乐趣的探索者组成的团体,倡导以平等开放的态度、
《物联网与智慧养老》内容简介:本书深入剖析当今我国人口老龄化与产业发展,从老龄化发展背景和智慧养老入手,结合物联网技术支撑
《许倬云说美国:一个不断变化的现代西方文明》内容简介:客居美国六十余载,华人史学大家许倬云分享自己的亲身经历,以历史学、社
《炉边诗话》内容简介:本作品是作者写于上世纪80年代的一部解读古诗的集子,写在冬天,室内有一只取暖的炉子,故为此名。颇有于炉
《这个世界就分两种人》内容简介:本书为作者数年来撰写的各类杂文、散文和论说文的合集。文章不长,却极有锐度,往往令读者掩卷深
ThedefinitivehistoryofDARPA,theDefenseAdvancedResearchProjectAgency,fromtheautho...
《荀玉根讲策略:少即是多》内容简介:海通证券首席经济学家兼首席策略分析师荀玉根博士拥有14年宏观策略研究经验,是新财富、水晶
《王羲之传本墨迹》内容简介:书圣王羲之真迹早已不存。流传至今的是王羲之真迹的古勾摹本和临写本。古勾摹本是依照原本墨迹双勾填