挑戰大數據價格－台灣活動

挑戰大數據

網上鄉民一致推薦都說挑戰大數據，它的評價很高，在網路上很夯，人氣蠻不錯！

在書店看了挑戰大數據，內容精彩、愛不釋手，我就有一股衝動想要趕快入手。

我看的時候令我深陷其中、欲罷不能，看完還讓我回味無窮!

但是雪兒說買東西前要多比較，叫我google一下挑戰大數據。

發現樂天購物網要比百貨公司更有競爭力，line給小雅看她也說這售價真的蠻合理的。

想要購買挑戰大數據的人可以和我一樣到樂天購物網購買喔!！

挑戰大數據該商品熱烈促銷中。為避免買不到，欲購從速！

如此超讚的便宜而且又非常的優惠，網路價格隨時會異動，請以網購平台資料為準！

到貨的速度還滿快的，一拿到挑戰大數據之後，我覺得品質優良性能卓越、物超所值拉！

網購的好處就是超方便，隨時都能買，挑選機會多，經常有特價商品，多比較不吃虧唷！

挑戰大數據有可能會被橫掃一空，入手要快！

商品訊息功能:

商品訊息描述:

作者：陸嘉恒

出版社：佳魁

出版日：1040323

ISBN：9789863791270

語言：中文繁體

裝訂方式：平裝

內容簡介

◎NoSQL 不是產品，而是一個當紅的概念，為雲端時代不間斷資料的儲存基礎

◎NoSQL 不是 No SQL，而是 Not Only SQL，不但保留了 SQL 的高邏輯性，更加上了分散式架構的強項

◎傳統關聯式資料庫(SQL)已存在30年，再面對全球每年100億顆硬碟的增長量已完全無法承載負擔

◎使用 NoSQL，用成千上萬的廉價 PC，就能保存及處理大數據，隨時擴充，不怕電腦當機

◎介紹全球目前當紅的各個 NoSQL，Cassendra (Facebook 使用)、BigTable(Google使用)、Redis(Flickr及新浪使用)

面對全球每年將近100億顆資料的成長，大數據的資料處理早已成為顯學。隨著大數據的概念興起，各行各業也面臨到保存各種資料的難題。資料的保存不只是保存而已，還必須成為資料倉儲(Data Warehouse)、資料分析、全文檢索、行為預測等功能的基礎。在傳統的關聯式資料庫(Oracle、MySQL、SQL Server)已老態龍鍾，或是需要高成本的伺服器來執行時，NoSQL 類的資料挾其水平擴充性(Scale out)，使用一般PC就可擴充其功能的優勢，逐漸成為全球新寵。NoSQL 這個新興的觀念，已成為雲端時代的基本知識，本書可讓你快速上手大數據及 NoSQL，幫你成為雲端時代最性感行業(Sexiest Industry)的一員！

適合：對資料庫知識有一定了解者、或有較好的程式設計基礎和閱讀程式的能力、有一定Linux作業系統的基礎知識者

作者簡介

譯者介紹

前言

01 概論

1.1 引子

1.2 巨量資料挑戰

1.3 巨量資料的儲存和管理

1.3.1 平行資料庫

1.3.2 NoSQL資料管理系統

1.3.3 NewSQL資料管理系統

1.3.4 雲端資料管理

1.4 巨量資料的處理和分析

1.5 小結

參考文獻

02 資料一致性理論

2.1 CAP理論

2.2 資料一致性模型

2.3 ACID與BASE

2.4 資料一致性實現技術

2.4.1 Quorum系統NRW策略

2.4.2 兩階段傳送協定

2.4.3 時間戳記策略

2.4.4 Paxos

2.4.5 向量時鐘

2.5 小結

參考文獻

03資料儲存模型

3.1 總論

3.2 鍵值儲存

3.2.1 Redis

3.2.2 Dynamo

3.3 列式儲存

3.3.1 Bigtable

3.3.2 Cassandra與HBase

3.4 文件儲存

3.4.1 MongoDB

3.4.2 CouchDB

3.5 圖形儲存

3.5.1 Neo4j

3.5.2 GraphDB

3.6 小結

參考文獻

04 資料分區與放置策略

4.1 分區的意義

4.1.1 為什麼要分區

4.1.2 分區的優點

4.2 範圍分區

4.3 列表分區

4.4 雜湊分區

4.5 三種分區的比較

4.6 放置策略

4.6.1 一致性雜湊演算法

4.6.2 容錯性與可擴充性分析

4.6.3 虛擬節點

4.7 小結

參考文獻

05 巨量資料處理方法

5.1 MapReduce簡介

5.2 MapReduce資料流程

5.3 MapReduce資料處理

5.3.1 傳送作業

5.3.2 初始化作業

5.3.3 分配工作

5.3.4 執行工作

5.3.5 更新工作執行進度和狀態

5.3.6 完成作業

5.4 Dryad簡介

5.4.1 DFS Cosmos介紹

5.4.2 Dryad執行引擎

5.4.3 DryadLINQ解釋引擎

5.4.4 DryadLINQ程式設計

5.5 Dryad資料處理步驟

5.6 MapReduce vs Dryad

5.7...

自序／導讀

推薦序

你知道自己一天產生多少資料嗎？是的，你的活動和古時候的人沒什麼兩樣，當然你可以走的比古時候的人遠，因為有了高科技的交通工具，也因為高科技的影音及娛樂，你的日常生活也比古時候的人更豐富，但不管如何，還是脫離不了食衣住行育樂。

但你和古時候人最大的不同，就是他的一天過完就沒了，但你的一天卻產生了大量的「數位」資料。古時候的人頂多寫日記，這篇日記在以文字檔為主的資料庫中可能佔的空間接近0。但你我呢？

就不要說照相攝影打卡這麼主動產生的資料了。你的上網記錄(IP、網站、停留時間、在頁面上駐點的位置)；你的行動記錄(GPS位置經緯度、行車記錄器的影像、到達處附近的景點、餐廳、銀行....)。你的購買記錄(金額、時間、消費種類、發生地點...)。全世界70億人每天活動的資料，早就因為數位化及網路普及的關係，點點滴滴都以位元的方式存入「某個」儲存空間了。

根據Google前執行長史密特的說法，人類在2003年之後，每年產生的資料量，是人類歷史活動的總合至前一年的資料。換句話說，每年產生出有用沒用資料的數量是成指數成長的，如此一來，資料「放在哪」、「放得下」、「不會掉」，這三點非常重要！

我們早就習慣雲端時代了，東西只要「放在雲端上」就好了。但從硬體的角度來看，資料還是放硬碟、光碟，資料的存取還是「電腦」，這些基本的硬體設備幾十年來除了容量速度之外，原理還是沒什麼變，那我們要怎麼樣利用「軟體」的技術，將這些硬體重新排列組合，來應付每天產生2.5EB(2012年時的統計) 的資料呢？

以每年產生10ZB(2.5EB x 365天)，又以指數方式成長的速度來看，人類的資料量在2020年前會到達YB等級，什麼是YB？

這麼說吧，以目前大家常用的硬碟為1TB，那麼10ZB就是100億顆這個容量的硬碟，而且是每年100億顆。100顆硬碟有多少呢？可以繞地球 4000圈！這麼多硬碟，這麼多資料，還要備份，還要隨時可存取，還要從這麼多資料中找出有意義的資訊，這件事怎麼看，都是人類有史以來最大的工程！怎麼辦呢？

這本書有你想知道的所有答案。

胡嘉璽