大數據正在改變人們的生活、社會的運行方式以及各行業的競爭生態，是提升政府治理水平和企業競爭力的核心要素。然而，政府和企業如何才能抓住大數據帶來的寶貴機遇，改善公共服務、激發商業創新？推進大數據應用的進程對現有技術框架、管理機制、評價體系又有哪些新的要求？
針對這一系列問題，《大數據與智慧社會》一書做出了系統的回答。《大數據與智慧社會：數據驅動變革、構建未來世界》從全局出發，對大數據的基本內涵進行了系統描述，概括了大數據的前世今生，揭示了其哲學本質；以技術為主線，深刻剖析了大數據的技術框架，預測了大數據的技術發展趨勢；理論與實踐相結合，形成大數據系統評價標準；選取大數據在生活、政務、交通、醫療、金融領域落地應用的實戰案例，進行深入分析和解讀，以期為我國的政府治理、經濟發展、企業創新提供有效的指導和幫助。
大數據與云計算、可視化技術、數據挖掘技術、系統評價標準；大數據對日常生活中的食、住、行、游、購有哪些影響？大數據在政務、交通、醫療、金融等領域有哪些重大作為？如何造就智慧社會？這本書的兩位作者，一位是智慧城市領域專家，一位是大數據領域專家，二位結合各自的專長，共同打造了這本精品力作。工業和信息化部原副部長楊學山、中國工程院院士倪光南傾情作序！中國科學院微電子研究所所長葉甜春、井通網絡科技有限公司執行董事兼總經理武源文、雪松控股CIO徐斌、Gartner全球高管合伙人趙光等多位行業專家聯合推薦！
張克平
江蘇省無錫市信息化和無線電管理局局長、北京郵電大學兼職教授、清華大學客座教授、2016中國智慧城市百城會首任執行會長，長期致力于無錫物聯網和智慧城市建設并取得突出成績，曾先后榮獲“2009年中國創意策劃領袖人物”“2010年中國物聯網十大人物”“2011年中國城市信息化領軍人物”“2011-2012年度推動中國云計算產業發展突出貢獻人物”“2016中國智慧城市建設領軍人物”等稱號，以及“2012年中國物聯網產業杰出貢獻獎”“2013-2015年中國智慧城市推進杰出貢獻獎”等獎項。
陳曙東
中科院微電子研究所百人計劃研究員、博士生導師，長期從事分布式計算、數據挖掘領域的應用技術研究，主持了多項國家、省部級、歐盟等科技專項，發表學術論文40余篇，擁有專利與軟件著作權20多項，入選國家、北京市大數據與云計算領域專家庫。
第1章 大數據概述 1
1.1 什么是大數據 2
1.1.1 大數據的定義和特征 2
1.1.2 大數據的發展歷程 6
1.1.3 大數據的來源 11
1.2 大數據的哲學本質 12
1.2.1 大數據與世界觀 13
1.2.2 大數據與認識論 14
1.2.3 大數據與方法論 15
1.2.4 大數據與價值觀 18
1.3 大數據技術框架 19
1.3.1 大數據處理系統綜述 19
1.3.2 大數據平臺基礎 20
1.3.3 大數據存儲系統 22
1.3.4 大數據計算模型 23
1.4 大數據發展趨勢 26
1.4.1 大數據的技術發展趨勢 26
1.4.2 大數據的應用發展趨勢 30
第2章 大數據的云計算基礎 33
2.1 虛擬化技術 34
2.1.1 虛擬化的概念 34
2.1.2 虛擬化技術分類 35
2.1.3 虛擬化解決方案 36
2.1.4 虛擬化技術與大數據 39
2.2 OpenStack 技術 40
2.2.1 OpenStack 概述 40
2.2.2 OpenStack 歷史 41
2.2.3 OpenStack 系統架構 41
2.2.4 OpenStack 的優勢和劣勢 44
2.2.5 虛擬化與OpenStack 技術比較 46
2.3 IaaS 平臺建設 47
2.3.1 IaaS 平臺介紹 47
2.3.2 IaaS 云平臺的種類 49
2.3.3 IaaS 平臺設計 51
2.3.4 IaaS 平臺解決方案 53
2.3.5 IaaS 平臺搭建 55
第3章 Hadoop 基礎組件 57
3.1 Hadoop 概述 58
3.1.1 Hadoop 簡介 58
3.1.2 Hadoop 系統架構 59
3.1.3 Hadoop 的優勢與不足 60
3.1.4 Hadoop 的適用場景 63
3.1.5 Hadoop 的商業模式 64
3.2 Hadoop 分布式文件系統HDFS 65
3.2.1 HDFS 的設計目標 65
3.2.2 HDFS 的基本架構 67
3.2.3 HDFS 的特點 68
3.2.4 HDFS 的優勢與缺點 70
3.3 Hadoop 分布式計算框架MapReduce 72
3.3.1 MapReduce 簡介 72
3.3.2 MapReduce 的運行流程 73
3.3.3 MapReduce 與DataFlow 比較 75
3.4 Hadoop 統一資源管理框架YARN 76
3.4.1 YARN 架構簡介 76
3.4.2 YARN 架構框架 77
3.4.3 YARN 與舊MapReduce 框架對比 79
3.4.4 YARN 與Mesos 框架對比 79
3.5 Hadoop 分布式集群管理系統ZooKeeper 81
3.5.1 ZooKeeper 簡介 81
3.5.2 ZooKeeper 總體架構 82
3.5.3 ZooKeeper 的運行模式 84
3.5.4 ZooKeeper 的設計要點 85
3.5.5 ZooKeeper 的使用 87
第4章 Hadoop 其他常用組件 89
4.1 Hadoop 數據倉庫工具Hive 90
4.1.1 Hive 簡介 90
4.1.2 Hive 架構設計 91
4.1.3 Hive 部署模式 92
4.1.4 Hive 與關系型數據庫比較 94
4.2 Hadoop 分布式數據庫HBase 97
4.2.1 HBase 簡介 97
4.2.2 HBase 體系架構 97
4.2.3 HBase 性能分析 99
4.2.4 HBase 容錯機制 101
4.3 Hadoop 實時流式處理引擎Storm-YARN 102
4.3.1 流式處理概述 102
4.3.2 Storm 簡介 103
4.3.3 Storm 架構 105
4.3.4 Storm 與Spark Streaming 比較 106
4.4 Hadoop 交互式查詢引擎 Impala 108
4.4.1 Impala 簡介 108
4.4.2 Impala 架構分析 109
4.4.3 Impala 與Hive 比較 110
第5章 Spark 內存計算框架 113
5.1 內存計算與Spark 114
5.1.1 內存計算概念 114
5.1.2 內存計算分類 116
5.1.3 Spark 與內存數據處理系統 118
5.2 Spark 概述 119
5.2.1 Spark 架構 119
5.2.2 Spark 的RDD 模型 121
5.2.3 Spark 與Hadoop 的性能對比 121
5.3 Spark 核心組件介紹 122
5.3.1 Spark SQL 122
5.3.2 Spark MLlib 123
5.3.3 Spark GraphX 123
5.3.4 Spark Streaming 124
5.4 Spark 集群管理 125
5.4.1 Spark 部署方式 125
5.4.2 Spark 資源調度 126
5.4.3 Spark 任務調度 127
第6章 大數據可視化技術 129
6.1 數據可視化的基本概念 131
6.2 數據可視化的發展趨勢 132
6.3 數據可視化應用與設計 135
第7章 數據挖掘技術 139
7.1 什么是數據挖掘 140
7.2 數據挖掘的流程 142
7.3 數據挖掘典型算法 143
7.4 數據挖掘與大數據 151
第8章 大數據系統評價標準 153
8.1 大數據系統評價概述 154
8.1.1 信息時代的“云大物移” 154
8.1.2 大數據項目失敗的常見原因 155
8.2 評價指標選取原則 157
8.3 大數據系統評價標準 159
8.3.1 通用評價要素 159
8.3.2 專有評價要素 160
8.4 大數據系統定位 161
8.4.1 與企業戰略相匹配 161
8.4.2 與企業架構相匹配 162
8.4.3 與企業需求相匹配 162
8.5 大數據價值評估模型 164
8.6 大數據質量評價 165
8.6.1 數據流程視角 165
8.6.2 數據技術視角 167
8.6.3 數據管理視角 168
8.7 大數據安全評價 169
第9章 大數據在生活中的應用 173
9.1 食：食品安全 174
案例：阿里巴巴大數據協助食品安全風險控制 175
9.2 ?。褐悄芗揖?176
案例：無錫市智能家居 177
9.3 行：智能交通 177
案例：深圳市智能綜合交通運行指揮中心 180
9.4 游：智慧旅游 180
案例：無錫市智慧旅游立體化營銷體系 181
9.5 購：電商營銷 183
案例：京東大數據營銷 185
第10章 大數據在政務領域的應用 187
10.1 條塊分割拖累政務發展 188
10.2 數據統籌助力決策參考 190
案例：佛山市南海區數據統籌 192
10.3 服務整合創新社會管理 193
案例：無錫市智慧城管系統 194
10.4 資源整合強化公共服務 196
案例：無錫市政務服務平臺 197
10.5 數據公開輔助政府監督 200
案例：上海市利用大數據實現市場監管 201
第11章 大數據在交通領域的應用 203
11.1 頻繁擁堵造就城市頑疾 204
11.2 客流分析改進公交線路設計 205
案例：北京市大數據路線優化 206
11.3 多源數據輔助交通調查 206
案例：上海市綜合交通特征分析 208
11.4 整合信息優化資源配置 210
案例：無錫市智慧交通信息工程 211
11.5 智能數據釋難一公里 213
案例：共享單車便捷出行 214
第12章 大數據在醫療領域的應用 215
12.1 醫療數據挖掘行業價值 217
案例：無錫市智慧健康工程 218
12.2 海量數據助推遠程醫療 221
案例：中日醫院基于大數據讓遠程醫療、分級診療深入臨床一線 222
12.3 移動醫療緩解資源緊缺 223
案例：春雨掌上醫生 224
12.4 健康數據實現精準醫療 226
案例：微軟亞洲研究院利用大數據推動癌癥精準醫療 226
第13章 大數據在金融領域的應用 229
13.1 交易數據飽含金融商機 231
13.2 智能分析防范金融欺詐 232
案例：天下無賊反信息詐騙聯盟 235
13.3 征信預測改善金融風控 236
案例：ZestFinance 公司 237
13.4 “互聯網 ”催生金融產品 239
案例：螞蟻金服 239
參考文獻 241
在大數據時代，數據科學幫助我們從數據中認識到人類社會的復雜行為模式。掌握數據知識，培養數據思維，需要進行系統的學習。我相信，這本《大數據與智慧社會》能夠幫助讀者從技術、思維等維度學數據知識，系統培養對大數據的認知。 ——葉甜春中國科學院微電子研究所所長 人類社會的發展在信息技術的推動下愈發智能。數據是信息的載體，也是智能的基礎，本書對智慧社會的精彩講解直指大數據本源。 ——武源文井通網絡科技有限公司執行董事、總經理 未來的社會和企業都是數據化的存在，我們對數據的利用也從獲取信息發展到產生知識和智慧。本書對大數據的技術和大數據的應用等多方面進行了的分解和闡述，幫助讀者獲得了解大數據生態的視野，值得大家仔細閱讀。 ——徐斌雪松控股CIO、《大數據管理》作者 《大數據與智慧社會》能讓你從相關知識的碎片中找到尋找已久的整體思路。從大數據的概念、歷史、技術、應用及案例等不同的角度，你都能從書中找到想知道的內容。如果你想聚焦到某一個焦點，這本書也能為你提供一些線索。 ——趙光Gartner全球高管合伙人 未來，大數據將使大量異質性企業相互依存，形成再生、互生乃至共生的價值循環體系；將融合業務、技術，形成產業合作體系；將跨越地域、層級、部門、組織，形成社會協同體系?！洞髷祿c智慧社會》這本書給我們認識未來產業生態帶來了啟發。 ——趙國棟中關村大數據產業聯盟秘書長 本書作者作為業內知名專家，在不遺余力地推動大數據產業的發展。這本書的出版是他們對大數據產業的又一貢獻。書中系統地描述了大數據的概念、技術、思維等重要問題，特別是在生活、政務、醫療、金融等領域的具體應用案例為我們打開了思路，啟發了我們的思維。 ——張涵誠中關村大數據交易產業聯盟副秘書長
貨物已經收到，很喜歡，物流超級快。點贊。
朋友推薦買的，翻了翻內容確實不錯！
不錯，內容新穎，視野打開了，受益頗豐
專家推薦，內容充實，不僅結合了專業知識和應用，而且有許多指導案例，推薦~
大數據時代，社會如何智慧化，很想知道。希望這本書能提供指導。
這本書講了數據科學的一些基礎知識，同時也講了一些比較專業的工具，還講了很多行業的案例，可以借鑒
工信部原副部長楊學山、中國工程院院士倪光南等知名專家作序推薦、大數據領域大咖聯袂推薦的書，份量足足的。期待從這本解析智慧社會的實戰書中找到大數據的本源。
書里講了好多案例，很有借鑒意義，可以了解一下大數據產業的具體發展。還有這些推薦人，不是見過就是經常聽說，楊學山是工信部退休的老領導，倪光南也是一位很厲害的老院士，在很多大型的活動上經常見他們演講，可以獲得不少新知識。
