内容简介

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。

作品目录

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