第1部分　大數據概論
第1章　大數據與雲計算 2
1.1 雲計算概論 3
1.2 大數據概論 4
1.2.1 現代數據管理需求分析 4
1.2.2 大數據的引入 9
1.2.3 大數據的定義與特徵 10
1.2.4 大數據與互聯網 12
1.2.5 大數據戰略、大數據與大數據技術 14
1.3 大數據的技術實現—雲計算 15
1.4 本章小結 16
第2章　關係數據庫的挑戰與應對 17
2.1 關係數據庫技術的核心特徵 18
2.2 主流關係數據庫的挑戰 22
2.2.1 經典DBMS的挑戰 22
2.2.2 Shared Disk 23
2.2.3 Shared Nothing 24
2.3 改進型關係數據庫 26
2.3.1 技術改進 26
2.3.2 主要産品代錶 30
2.4 本章小結 40
第3章　非SQL技術簡介 41
3.1 大數據技術傢族 42
3.1.1 NoSQL 42
3.1.2 關係數據庫聯邦NewSQL 42
3.1.3 分布式海量文件管理 43
3.1.4 Map Reduce 43
3.2 分與閤—雲計算的兩種技術路綫 44
3.3 本章小結 44
第 2部分　“分”為雲—數據切分
第4章　NoSQL 46
4.1 NoSQL的引入 47
4.1.1 概念詮釋與特徵分析 47
4.1.2 NoSQL的本質 50
4.2 NoSQL傢族 52
4.2.1 NoSQL産品目錄與分類 52
4.2.2 Hadoop之HBase 54
4.2.3 Facebook之Cassandra 58
4.2.4 MongoDB與CouchDB 61
4.2.5 Oracle NoSQL DB 63
4.2.6 Memcached與Redis 65
4.2.7 圖數據庫Neo4J 65
4.2.8 其他NoSQL數據庫 67
4.2.9 問題與疑惑 67
4.3 NoSQL技術探研 68
4.3.1 NoSQL理論基礎 68
4.3.2 NoSQL技術手段 75
4.3.3 NoSQL技術解析 83
4.4 NoSQL與關係數據庫 88
4.5 本章小結 89
第5章　NewSQL—關係數據庫聯邦 90
5.1 數據庫聯邦的引入 91
5.1.1 企業業務數據管理麵臨的問題 91
5.1.2 垂直分庫 92
5.1.3 水平分錶 93
5.1.4 讀寫分離 95
5.1.5 聯邦的引入 97
5.2 “聯邦”的設計與實踐 99
5.2.1 企業級“聯邦”架構設計 99
5.2.2 公共基礎服務設計 103
5.2.3 聯邦的元數據庫 106
5.2.4 聯邦的應用實踐 107
5.3 “聯邦”技術分析 108
5.3.1 關於“垂直分庫” 108
5.3.2 如何“水平分錶” 110
5.3.3 關於“讀寫分離” 112
5.3.4 基本方法—分布與聚閤 114
5.3.5 關於分布式事務 116
5.3.6 關聯操作 117
5.3.7 冗餘策略 119
5.3.8 異步解耦策略 120
5.3.9 使用緩存 122
5.3.10 其他問題 123
5.4 數據庫聯邦、NoSQL與主流關係數據庫 124
5.4.1 技術與應用—八仙過海，各顯神通 124
5.4.2 互聯網的神話 126
5.5 本章小結 128
第6章　文件係統聯邦 129
6.1 問題的引入 130
6.1.1 關於幾個數據概念的澄清 130
6.1.2 文件數據管理的睏難 131
6.1.3 文件係統聯邦的引入 133
6.2 典型開源技術介紹 135
6.2.1 MogileFS 135
6.2.2 FastDFS 136
6.2.3 MogileFS與FastDFS的對比 138
6.3 技術分析 139
6.4 本章小結 140
第7章　平民化的分布計算—MapReduce 141
7.1 分布式計算概述 142
7.1.1 幾個概念的澄清 142
7.1.2 分布式計算技術綜述 143
7.1.3 MapReduce的引入 147
7.2 MapReduce技術介紹 148
7.2.1 設計思想 148
7.2.2 MapReduce框架介紹 152
7.3 MapReduce技術分析 160
7.3.1 關於效率 160
7.3.2 關於擴展性 162
7.3.3 關於可靠性與可用性 163
7.3.4 關於MapReduce與關係數據庫 164
7.3.5 關於適用的數據類型 167
7.3.6 關於數據存儲與管理 168
7.4 MapReduce的應用實踐 169
7.5 本章小結 170
第8章　後Hadoop時代 171
8.1 Hadoop體係及其睏惑 172
8.2 Google的新三駕馬車 173
8.2.1 新一代搜索引擎Caffeine 173
8.2.2 大規模圖處理係統Pregel 174
8.2.3 Dremel—秒級實現PB級數據分析 175
8.3 Symphony MapReduce 181
8.4 後Hadoop時代即將來臨 181
8.5 本章小結 183
第9章　InfiniData—一種關係型雲數據庫的設計與實踐 184
9.1 現代企業數據管理需求再分析 185
9.1.1 新的企業數據需求—海量關係數據管理 185
9.1.2 技術分析 187
9.2 關係型雲數據庫架構設計 188
9.2.1 關係型雲數據庫的引入 188
9.2.2 技術架構設計 189
9.3 雲存儲層 192
9.3.1 邏輯架構 193
9.3.2 物理架構 194
9.3.3 關係模型雲存儲元 196
9.4 雲計算層 198
9.4.1 MapReduce雲計算引擎 198
9.4.2 集群式雲計算引擎 200
9.4.3 兩種引擎的比較 201
9.5 雲存儲索引層 202
9.5.1 存儲索引的管理 202
9.5.2 索引雲運行時動態創建 203
9.6 技術分析 203
9.7 本章小結 205
第3部分　雲計算的分與閤
第10章　閤為“雲”—數據整閤 208
10.1 數據整閤的需求分析 209
10.2 存儲整閤雲 210
10.3 數據庫整閤雲 211
10.4 本章小結 213
第11章　關於分與閤的討論 214
11.1 睏惑—分與閤，孰是孰非？ 215
11.2 分為技，閤為神 216
11.3 分為雨，閤為雲—大數據雲 217
11.4 數據管理技術發展趨勢總結 219
11.4.1 數據管理物理基礎設施發展趨勢 219
11.4.2 數據管理軟基礎設施發展趨勢 220
11.5 本章小結 221
第12章　企業大數據技術體係與雲計算數據基礎設施 222
12.1 現代企業數據管理需求再分析 223
12.2 新一代企業數據體係建設 225
12.2.1 新一代企業數據體係建設的定義與內容 225
12.2.2 新一代企業數據分類體係 228
12.2.3 新一代企業數據分布與流轉規劃 230
12.3 大數據技術在企業數據架構中的定位 234
12.3.1 技術規劃戰略 234
12.3.2 大數據技術架構規劃 235
12.3.3 典型場景—電子渠道綫上行為分析 238
12.4 雲計算數據基礎設施概念的引入 240
12.5 本章小結 242
後記—超越技術 243
參考文獻 245
· · · · · · (收起)