<內容簡介>

本書從架構、業務、技術三個維度深入淺出地介紹了大數據處理領域端到端的知識。

主要內容包括三部分：

◆第一部分從數據的產生、採集、計算、存儲、消費端到端的角度介紹大數據技術的起源、發展、關鍵技術點和未來趨勢，結合生動的業界最新產品，以及學術界最新的研究方向和成果，讓深奧的技術淺顯易懂。

◆第二部分從業務和技術角度介紹實際案例，讓讀者理解大數據的用途及技術的本質。

◆第三部分介紹大數據技術不是孤立的，講解如何與前沿的雲技術、深度學習、機器學習等相結合。

<作者簡介>

朱潔

2008年加入華為，具有8年大數據研發管理經驗，現任華為大數據服務首席規劃師。專註於大數據服務平臺建設、規劃和實踐應用，同時參與多項企業級大數據項目解決方案的規劃、設計和實施工作，在深化大數據行業落地方面有諸多實踐經驗，對解讀大數據垂直行業的技術創新與開發有諸多獨到的見解和心得。

羅華霖

2002年加入華為，華為大數據首席規劃師，主導完成華為大數據平臺DataSight和華為電信大數據解決方案SmartCare技術規劃和架構設計，支持電信運營商數字化戰略轉型，完成浙江移動、上海聯通、沙特STC等200+電信大數據解決方案項目落地。曾任華為軟交換首席設計師，華為大型電信大數據解決方案SmartCare首席架構師。

<章節目錄>

第一部分  大數據的本質

第1章  大數據是什麼

1.1大數據導論

1.1.1大數據簡史

1.1.2大數據現狀

1.1.3大數據與BI 

1.2企業數據資產

1.3大數據挑戰

1.3.1成本挑戰

1.3.2實時性挑戰

1.3.3安全挑戰

1.4小結

第2章  運營商大數據架構

2.1架構驅動的因素

2.2大數據平臺架構

2.3平臺發展趨勢

2.4小結

第3章   運營商大數據業務

3.1運營商常見的大數據業務

3.1.1SQM（運維質量管理）

3.1.2CSE（客戶體驗提升）

3.1.3MSS（市場運維支撐）

3.1.4DMP（數據管理平臺）

3.2小結

第二部  分大數據技術

第4章  數據獲取

4.1數據分類

4.2數據獲取組件

4.3探針

4.3.1探針原理

4.3.2探針的關鍵能力

4.4網頁採集

4.4.1網絡爬蟲

4.4.2簡單爬蟲Python代碼示例

4.5日誌收集

4.5.1Flume 

4.5.2其他日誌收集組件

4.6數據分發中間件

4.6.1數據分發中間件的作用

4.6.2Kafka架構和原理

4.7小結

第5章  流處理

5.1算子

5.2流的概念

5.3流的應用場景

5.3.1金融領域

5.3.2電信領域

5.4業界兩種典型的流引擎

5.4.1Storm 

5.4.2Spark Streaming 

5.4.3融合框架

5.5CEP 

5.5.1CEP是什麼

5.5.2CEP的架構

5.5.3Esper 

5.6實時結合機器學習

5.6.1Eagle的特點

5.6.2Eagle概覽

5.7小結

第6章  交互式分析

6.1交互式分析的概念

6.2MPPDB技術