大數(shù)據(jù)管理概論

叢書前言
前言
作者簡介
第1章　概述 1
1.1　大數(shù)據(jù)的基本概念 1
1.2　大數(shù)據(jù)的演變過程 2
1.3　大數(shù)據(jù)應用 4
1.4　大數(shù)據(jù)的處理模式 6
1.4.1　批處理 7
1.4.2　流處理 8
1.5　大數(shù)據(jù)管理的關鍵技術(shù) 9
1.5.1　大數(shù)據(jù)融合 9
1.5.2　大數(shù)據(jù)分析 10
1.5.3　大數(shù)據(jù)隱私 11
1.5.4　大數(shù)據(jù)能耗 12
1.5.5　大數(shù)據(jù)處理與硬件的協(xié)同 13
1.6　小結(jié) 15
第2章　大數(shù)據(jù)融合 16
2.1　引言 16
2.2　大數(shù)據(jù)融合的概念 17
2.2.1　大數(shù)據(jù)融合需求的獨特性 18
2.2.2　大數(shù)據(jù)融合對象的獨特性 20
2.3　大數(shù)據(jù)融合的方法論 23
2.3.1　數(shù)據(jù)庫視角下的融合 23
2.3.2　認知計算和人工智能視角下的融合 25
2.3.3　兩種融合方式的對比分析 28
2.3.4　大數(shù)據(jù)融合范式 30
2.4　數(shù)據(jù)融合技術(shù) 32
2.4.1　模式/本體對齊 32
2.4.2　實體鏈接 33
2.4.3　沖突解決 34
2.4.4　知識庫自適應發(fā)展 35
2.5　知識融合技術(shù) 36
2.5.1　知識抽象與建模 36
2.5.2　關系推演 37
2.5.3　深度知識發(fā)現(xiàn) 38
2.5.4　普適機理的剖析和歸納 39
2.6　大數(shù)據(jù)融合的驅(qū)動樞紐 40
2.6.1　智能晶格 40
2.6.2　遷移學習 40
2.6.3　數(shù)據(jù)溯源 41
2.6.4　D&2V處理 42
2.7　小結(jié) 43
第3章　大數(shù)據(jù)存儲 44
3.1　引言 44
3.2　大數(shù)據(jù)存儲與管理方法 46
3.2.1　基于PCM的主存架構(gòu) 47
3.2.2　基于閃存的主存擴展架構(gòu) 47
3.2.3　基于多存儲介質(zhì)的分層存儲架構(gòu) 48
3.2.4　分布式存儲與緩存架構(gòu) 49
3.3　基于新型存儲的大數(shù)據(jù)管理 50
3.3.1　存儲管理 50
3.3.2　索引管理 51
3.3.3　查詢處理 52
3.3.4　事務處理 53
3.3.5　大數(shù)據(jù)分析 53
3.4　大數(shù)據(jù)處理與存儲一體化技術(shù) 54
3.4.1　一體化架構(gòu)中的大數(shù)據(jù)存儲 55
3.4.2　一體化架構(gòu)中的大數(shù)據(jù)處理 56
3.4.3　一體化架構(gòu)面臨的挑戰(zhàn) 57
3.5　小結(jié) 58
第4章　大數(shù)據(jù)分析 60
4.1　引言 60
4.1.1　傳統(tǒng)的數(shù)據(jù)分析技術(shù) 60
4.1.2　大數(shù)據(jù)的分析技術(shù) 62
4.2　大數(shù)據(jù)的實時分析 64
4.2.1　實時分析的背景和概念 64
4.2.2　實時分析技術(shù) 66
4.3　大數(shù)據(jù)的交互式分析 70
4.3.1　交互式分析的背景和概念 70
4.3.2　交互式分析技術(shù) 71
4.4　云在線聚集 74
4.4.1　云在線聚集技術(shù)的背景和概念 74
4.4.2　云在線聚集的關鍵技術(shù) 77
4.5　大數(shù)據(jù)的智能分析 81
4.5.1　大數(shù)據(jù)分析中的計算智能 81
4.5.2　智能分析的主要技術(shù) 82
4.6　小結(jié) 84
第5章　大數(shù)據(jù)隱私 85
5.1　引言 85
5.1.1　大數(shù)據(jù)的類型 86
5.1.2　隱私特征與類別 87
5.1.3　大數(shù)據(jù)的隱私風險 88
5.2　隱私保護技術(shù) 91
5.2.1　匿名化技術(shù) 91
5.2.2　數(shù)據(jù)加密技術(shù) 92
5.2.3　差分隱私技術(shù) 93
5.2.4　隱私信息檢索技術(shù) 94
5.3　隱私保護技術(shù)的應用 94
5.3.1　位置大數(shù)據(jù)中的隱私保護 95
5.3.2　數(shù)據(jù)發(fā)布和分析中的隱私保護 97
5.3.3　互聯(lián)網(wǎng)搜索中的隱私保護 101
5.3.4　云計算中的隱私保護 103
5.4　大數(shù)據(jù)隱私管理 107
5.4.1　隱私管理的目標 107
5.4.2　主動式隱私管理框架 108
5.5　小結(jié) 110
第6章　大數(shù)據(jù)管理系統(tǒng) 111
6.1　引言 111
6.2　云計算：大數(shù)據(jù)的基礎平臺與支撐技術(shù) 112
6.3　批數(shù)據(jù)與流數(shù)據(jù)管理系統(tǒng) 116
6.3.1　批數(shù)據(jù)管理系統(tǒng) 118
6.3.2　流數(shù)據(jù)管理系統(tǒng) 119
6.3.3　混合處理系統(tǒng) 120
6.4　SQL、NoSQL與NewSQL系統(tǒng) 121
6.4.1　SQL類數(shù)據(jù)庫 123
6.4.2　NoSQL類數(shù)據(jù)庫 125
6.4.3　NewSQL類數(shù)據(jù)庫 128
6.5　小結(jié) 129
第7章　基于大數(shù)據(jù)的交叉學科研究 131
7.1　引言 131
7.2　在線用戶行為演化研究 133
7.2.1　在線用戶行為大數(shù)據(jù) 133
7.2.2　在線用戶行為演化 134
7.3　在線用戶興趣長程演化 135
7.3.1　理論與方法 136
7.3.2　在線用戶興趣演化分析 137
7.4　在線用戶集體注意力流 141
7.4.1　注意力流網(wǎng)絡 142
7.4.2　注意力流網(wǎng)絡中的異速標度律 143
7.4.3　注意力流的應用：Web站點排名 144
7.5　在線用戶集體注意力流的普適模式 146
7.5.1　異速標度律 147
7.5.2　耗散律 149
7.5.3　引力律 150
7.5.4　Heaps律 151
7.6　小結(jié) 152
附錄　大數(shù)據(jù)思考 154
附錄A　大數(shù)據(jù)與小數(shù)據(jù) 154
附錄B　數(shù)據(jù)的起源 158
附錄C　大數(shù)據(jù)時代的信息系統(tǒng) 161
附錄D　數(shù)據(jù)庫（DB）與大數(shù)據(jù)（BD） 163
附錄E　大數(shù)據(jù)多學科交叉研究 166
附錄F　創(chuàng)新數(shù)據(jù)管理研究2.0 168
附錄G　面向移動計算與云計算的數(shù)據(jù)管理 170
附錄H　大數(shù)據(jù)時代的到來：數(shù)據(jù)空間與閃存數(shù)據(jù)庫研究 172
附錄I　隱私保護研究 175
附錄J　網(wǎng)絡與移動數(shù)據(jù)管理研究 176
附錄K　大數(shù)據(jù)管理基石：Web數(shù)據(jù)管理 178
附錄L　大數(shù)據(jù)管理基石：數(shù)據(jù)集成 181
附錄M　從數(shù)據(jù)庫大師看數(shù)據(jù)庫發(fā)展 182
參考文獻 185