大数据技术与应用实践指南（第2版）

大数据技术原理与应用 复习要点 第一章 绪论 大数据概念及特征 大数据发展历程与应用领域 大数据关键技术 第二章 大数据处理架构Hadoop Hadoop生态系统组件 分布式文件系统HDFS 分布式计算框架MapReduce 资源管理系统YARN 第三章 分布式数据库HBase HBase数据模型与架构 HBase读写流程 HBase应用场景 第四章 NoSQL数据库 NoSQL数据库概述 键值数据库Redis 文档数据库MongoDB 图数据库Neo4j 第五章 流数据处理技术 流数据处理概述 流数据处理框架Storm 流数据处理框架Spark Streaming 第六章 大数据分析与挖掘 大数据分析方法 机器学习算法 数据挖掘流程 第七章 大数据可视化 大数据可视化技术 可视化工具与平台 可视化设计原则 第八章 大数据安全与隐私保护 大数据安全威胁与挑战 数据安全技术 隐私保护技术 第九章 大数据应用案例 智慧城市 精准医疗 智慧交通 第十章 大数据发展趋势 大数据技术发展方向 大数据应用前景 大数据伦理与治理

BigData技术原理与应用(第2版) 本资源深入探讨了大数据技术的核心理论及其广泛应用。内容涵盖了大数据概念的阐释、存储方案的设计、处理方法的比较、分析技术的解读以及实际应用案例的解析。

深入掌握 MongoDB 大数据处理 本书紧跟 MongoDB 最新发展，涵盖了版本 2.2 的聚合框架和版本 2.4 的哈希索引等重要特性。由 10gen 的 David Hows 携手资深 MongoDB 开发者 Peter Membrey 和 Eelco Plugge 共同撰写，分享其宝贵经验和专业知识，助您成为 MongoDB 专家。

《数据挖掘：实用机器学习工具与技术》第二版，由Morgan Kaufmann出版社于2005年出版，是一本探讨机器学习和数据挖掘应用的经典书籍。

摩根考夫曼出版的数据挖掘权威指南，提供机器学习工具和技术，帮助挖掘大量数据中的见解。

大数据技术简介及应用 大数据平台搭建及管理 大数据分析技术及应用

SQL技术完全手册(第2版)详细介绍了SQL命令和语句的使用方法、关系数据库的建立和管理、强大查询的执行及性能调优，还涵盖了安全政策的实现、DDL语句和API的应用、集成XML和Java脚本等技术。此外，还介绍了内存数据库、流数据库和嵌入式数据库的应用，全面探讨了SQL技术的使用和发展。

《Hadoop权威指南》（第2版）由清华大学出版社于2010年出版，作者是怀特，由曾大聃和周傲英翻译。 这本书以Hadoop的起源为起点，逐步深入，将理论与实践相结合，全面解读Hadoop这一处理海量数据集的强大工具。

MySQL 权威指南（第 2 版） 本书深入浅出地讲解了 MySQL 数据库的各项功能，涵盖了数据库设计、SQL 语法、数据查询、数据操作、事务管理、安全管理、性能优化等方面，是学习和使用 MySQL 数据库的必备参考书。