大數(shù)據(jù)正在改變?nèi)藗兊纳睢⑸鐣倪\行方式以及各行業(yè)的競爭生態(tài)，是提升政府治理水平和企業(yè)競爭力的核心要素。然而，政府和企業(yè)如何才能抓住大數(shù)據(jù)帶來的寶貴機遇，改善公共服務(wù)、激發(fā)商業(yè)創(chuàng)新？推進大數(shù)據(jù)應(yīng)用的進程對現(xiàn)有技術(shù)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(shù)據(jù)與智慧社會》一書做出了系統(tǒng)的回答。《大數(shù)據(jù)與智慧社會：數(shù)據(jù)驅(qū)動變革、構(gòu)建未來世界》從全局出發(fā)，對大數(shù)據(jù)的基本內(nèi)涵進行了系統(tǒng)描述，概括了大數(shù)據(jù)的前世今生，揭示了其哲學(xué)本質(zhì)；以技術(shù)為主線，深刻剖析了大數(shù)據(jù)的技術(shù)框架，預(yù)測了大數(shù)據(jù)的技術(shù)發(fā)展趨勢；理論與實踐相結(jié)合，形成大數(shù)據(jù)系統(tǒng)評價標準；選取大數(shù)據(jù)在生活、政務(wù)、交通、醫(yī)療、金融領(lǐng)域落地應(yīng)用的實戰(zhàn)案例，進行深入分析和解讀，以期為我國的政府治理、經(jīng)濟發(fā)展、企業(yè)創(chuàng)新提供有效的指導(dǎo)和幫助。
大數(shù)據(jù)與云計算、可視化技術(shù)、數(shù)據(jù)挖掘技術(shù)、系統(tǒng)評價標準；大數(shù)據(jù)對日常生活中的食、住、行、游、購有哪些影響？大數(shù)據(jù)在政務(wù)、交通、醫(yī)療、金融等領(lǐng)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(lǐng)域?qū)＜遥晃皇谴髷?shù)據(jù)領(lǐng)域?qū)＜遥唤Y(jié)合各自的專長，共同打造了這本精品力作。工業(yè)和信息化部原副部長楊學(xué)山、中國工程院院士倪光南傾情作序！中國科學(xué)院微電子研究所所長葉甜春、井通網(wǎng)絡(luò)科技有限公司執(zhí)行董事兼總經(jīng)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(yè)專家聯(lián)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(xué)兼職教授、清華大學(xué)客座教授、2016中國智慧城市百城會首任執(zhí)行會長，長期致力于無錫物聯(lián)網(wǎng)和智慧城市建設(shè)并取得突出成績，曾先后榮獲“2009年中國創(chuàng)意策劃領(lǐng)袖人物”“2010年中國物聯(lián)網(wǎng)十大人物”“2011年中國城市信息化領(lǐng)軍人物”“2011-2012年度推動中國云計算產(chǎn)業(yè)發(fā)展突出貢獻人物”“2016中國智慧城市建設(shè)領(lǐng)軍人物”等稱號，以及“2012年中國物聯(lián)網(wǎng)產(chǎn)業(yè)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(dǎo)師，長期從事分布式計算、數(shù)據(jù)挖掘領(lǐng)域的應(yīng)用技術(shù)研究，主持了多項國家、省部級、歐盟等科技專項，發(fā)表學(xué)術(shù)論文40余篇，擁有專利與軟件著作權(quán)20多項，入選國家、北京市大數(shù)據(jù)與云計算領(lǐng)域?qū)＜規(guī)臁?/p>
第1章 大數(shù)據(jù)概述 1
1.1 什么是大數(shù)據(jù) 2
1.1.1 大數(shù)據(jù)的定義和特征 2
1.1.2 大數(shù)據(jù)的發(fā)展歷程 6
1.1.3 大數(shù)據(jù)的來源 11
1.2 大數(shù)據(jù)的哲學(xué)本質(zhì) 12
1.2.1 大數(shù)據(jù)與世界觀 13
1.2.2 大數(shù)據(jù)與認識論 14
1.2.3 大數(shù)據(jù)與方法論 15
1.2.4 大數(shù)據(jù)與價值觀 18
1.3 大數(shù)據(jù)技術(shù)框架 19
1.3.1 大數(shù)據(jù)處理系統(tǒng)綜述 19
1.3.2 大數(shù)據(jù)平臺基礎(chǔ) 20
1.3.3 大數(shù)據(jù)存儲系統(tǒng) 22
1.3.4 大數(shù)據(jù)計算模型 23
1.4 大數(shù)據(jù)發(fā)展趨勢 26
1.4.1 大數(shù)據(jù)的技術(shù)發(fā)展趨勢 26
1.4.2 大數(shù)據(jù)的應(yīng)用發(fā)展趨勢 30
第2章 大數(shù)據(jù)的云計算基礎(chǔ) 33
2.1 虛擬化技術(shù) 34
2.1.1 虛擬化的概念 34
2.1.2 虛擬化技術(shù)分類 35
2.1.3 虛擬化解決方案 36
2.1.4 虛擬化技術(shù)與大數(shù)據(jù) 39
2.2 OpenStack 技術(shù) 40
2.2.1 OpenStack 概述 40
2.2.2 OpenStack 歷史 41
2.2.3 OpenStack 系統(tǒng)架構(gòu) 41
2.2.4 OpenStack 的優(yōu)勢和劣勢 44
2.2.5 虛擬化與OpenStack 技術(shù)比較 46
2.3 IaaS 平臺建設(shè) 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(shè)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(chǔ)組件 57
3.1 Hadoop 概述 58
3.1.1 Hadoop 簡介 58
3.1.2 Hadoop 系統(tǒng)架構(gòu) 59
3.1.3 Hadoop 的優(yōu)勢與不足 60
3.1.4 Hadoop 的適用場景 63
3.1.5 Hadoop 的商業(yè)模式 64
3.2 Hadoop 分布式文件系統(tǒng)HDFS 65
3.2.1 HDFS 的設(shè)計目標 65
3.2.2 HDFS 的基本架構(gòu) 67
3.2.3 HDFS 的特點 68
3.2.4 HDFS 的優(yōu)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(tǒng)一資源管理框架YARN 76
3.4.1 YARN 架構(gòu)簡介 76
3.4.2 YARN 架構(gòu)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(tǒng)ZooKeeper 81
3.5.1 ZooKeeper 簡介 81
3.5.2 ZooKeeper 總體架構(gòu) 82
3.5.3 ZooKeeper 的運行模式 84
3.5.4 ZooKeeper 的設(shè)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(shù)據(jù)倉庫工具Hive 90
4.1.1 Hive 簡介 90
4.1.2 Hive 架構(gòu)設(shè)計 91
4.1.3 Hive 部署模式 92
4.1.4 Hive 與關(guān)系型數(shù)據(jù)庫比較 94
4.2 Hadoop 分布式數(shù)據(jù)庫HBase 97
4.2.1 HBase 簡介 97
4.2.2 HBase 體系架構(gòu) 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(gòu) 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(gòu)分析 109
4.4.3 Impala 與Hive 比較 110
第5章 Spark 內(nèi)存計算框架 113
5.1 內(nèi)存計算與Spark 114
5.1.1 內(nèi)存計算概念 114
5.1.2 內(nèi)存計算分類 116
5.1.3 Spark 與內(nèi)存數(shù)據(jù)處理系統(tǒng) 118
5.2 Spark 概述 119
5.2.1 Spark 架構(gòu) 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(diào)度 126
5.4.3 Spark 任務(wù)調(diào)度 127
第6章 大數(shù)據(jù)可視化技術(shù) 129
6.1 數(shù)據(jù)可視化的基本概念 131
6.2 數(shù)據(jù)可視化的發(fā)展趨勢 132
6.3 數(shù)據(jù)可視化應(yīng)用與設(shè)計 135
第7章 數(shù)據(jù)挖掘技術(shù) 139
7.1 什么是數(shù)據(jù)挖掘 140
7.2 數(shù)據(jù)挖掘的流程 142
7.3 數(shù)據(jù)挖掘典型算法 143
7.4 數(shù)據(jù)挖掘與大數(shù)據(jù) 151
第8章 大數(shù)據(jù)系統(tǒng)評價標準 153
8.1 大數(shù)據(jù)系統(tǒng)評價概述 154
8.1.1 信息時代的“云大物移” 154
8.1.2 大數(shù)據(jù)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(shù)據(jù)系統(tǒng)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(shù)據(jù)系統(tǒng)定位 161
8.4.1 與企業(yè)戰(zhàn)略相匹配 161
8.4.2 與企業(yè)架構(gòu)相匹配 162
8.4.3 與企業(yè)需求相匹配 162
8.5 大數(shù)據(jù)價值評估模型 164
8.6 大數(shù)據(jù)質(zhì)量評價 165
8.6.1 數(shù)據(jù)流程視角 165
8.6.2 數(shù)據(jù)技術(shù)視角 167
8.6.3 數(shù)據(jù)管理視角 168
8.7 大數(shù)據(jù)安全評價 169
第9章 大數(shù)據(jù)在生活中的應(yīng)用 173
9.1 食：食品安全 174
案例：阿里巴巴大數(shù)據(jù)協(xié)助食品安全風險控制 175
9.2 住：智能家居 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(shù)據(jù)營銷 185
第10章 大數(shù)據(jù)在政務(wù)領(lǐng)域的應(yīng)用 187
10.1 條塊分割拖累政務(wù)發(fā)展 188
10.2 數(shù)據(jù)統(tǒng)籌助力決策參考 190
案例：佛山市南海區(qū)數(shù)據(jù)統(tǒng)籌 192
10.3 服務(wù)整合創(chuàng)新社會管理 193
案例：無錫市智慧城管系統(tǒng) 194
10.4 資源整合強化公共服務(wù) 196
案例：無錫市政務(wù)服務(wù)平臺 197
10.5 數(shù)據(jù)公開輔助政府監(jiān)督 200
案例：上海市利用大數(shù)據(jù)實現(xiàn)市場監(jiān)管 201
第11章 大數(shù)據(jù)在交通領(lǐng)域的應(yīng)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(shè)計 205
案例：北京市大數(shù)據(jù)路線優(yōu)化 206
11.3 多源數(shù)據(jù)輔助交通調(diào)查 206
案例：上海市綜合交通特征分析 208
11.4 整合信息優(yōu)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(shù)據(jù)釋難一公里 213
案例：共享單車便捷出行 214
第12章 大數(shù)據(jù)在醫(yī)療領(lǐng)域的應(yīng)用 215
12.1 醫(yī)療數(shù)據(jù)挖掘行業(yè)價值 217
案例：無錫市智慧健康工程 218
12.2 海量數(shù)據(jù)助推遠程醫(yī)療 221
案例：中日醫(yī)院基于大數(shù)據(jù)讓遠程醫(yī)療、分級診療深入臨床一線 222
12.3 移動醫(yī)療緩解資源緊缺 223
案例：春雨掌上醫(yī)生 224
12.4 健康數(shù)據(jù)實現(xiàn)精準醫(yī)療 226
案例：微軟亞洲研究院利用大數(shù)據(jù)推動癌癥精準醫(yī)療 226
第13章 大數(shù)據(jù)在金融領(lǐng)域的應(yīng)用 229
13.1 交易數(shù)據(jù)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(lián)盟 235
13.3 征信預(yù)測改善金融風控 236
案例：ZestFinance 公司 237
13.4 “互聯(lián)網(wǎng) ”催生金融產(chǎn)品 239
案例：螞蟻金服 239
參考文獻 241
在大數(shù)據(jù)時代，數(shù)據(jù)科學(xué)幫助我們從數(shù)據(jù)中認識到人類社會的復(fù)雜行為模式。掌握數(shù)據(jù)知識，培養(yǎng)數(shù)據(jù)思維，需要進行系統(tǒng)的學(xué)習(xí)。我相信，這本《大數(shù)據(jù)與智慧社會》能夠幫助讀者從技術(shù)、思維等維度學(xué)數(shù)據(jù)知識，系統(tǒng)培養(yǎng)對大數(shù)據(jù)的認知。 ——葉甜春中國科學(xué)院微電子研究所所長 人類社會的發(fā)展在信息技術(shù)的推動下愈發(fā)智能。數(shù)據(jù)是信息的載體，也是智能的基礎(chǔ)，本書對智慧社會的精彩講解直指大數(shù)據(jù)本源。 ——武源文井通網(wǎng)絡(luò)科技有限公司執(zhí)行董事、總經(jīng)理 未來的社會和企業(yè)都是數(shù)據(jù)化的存在，我們對數(shù)據(jù)的利用也從獲取信息發(fā)展到產(chǎn)生知識和智慧。本書對大數(shù)據(jù)的技術(shù)和大數(shù)據(jù)的應(yīng)用等多方面進行了的分解和闡述，幫助讀者獲得了解大數(shù)據(jù)生態(tài)的視野，值得大家仔細閱讀。 ——徐斌雪松控股CIO、《大數(shù)據(jù)管理》作者 《大數(shù)據(jù)與智慧社會》能讓你從相關(guān)知識的碎片中找到尋找已久的整體思路。從大數(shù)據(jù)的概念、歷史、技術(shù)、應(yīng)用及案例等不同的角度，你都能從書中找到想知道的內(nèi)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(shù)據(jù)將使大量異質(zhì)性企業(yè)相互依存，形成再生、互生乃至共生的價值循環(huán)體系；將融合業(yè)務(wù)、技術(shù)，形成產(chǎn)業(yè)合作體系；將跨越地域、層級、部門、組織，形成社會協(xié)同體系。《大數(shù)據(jù)與智慧社會》這本書給我們認識未來產(chǎn)業(yè)生態(tài)帶來了啟發(fā)。 ——趙國棟中關(guān)村大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟秘書長 本書作者作為業(yè)內(nèi)知名專家，在不遺余力地推動大數(shù)據(jù)產(chǎn)業(yè)的發(fā)展。這本書的出版是他們對大數(shù)據(jù)產(chǎn)業(yè)的又一貢獻。書中系統(tǒng)地描述了大數(shù)據(jù)的概念、技術(shù)、思維等重要問題，特別是在生活、政務(wù)、醫(yī)療、金融等領(lǐng)域的具體應(yīng)用案例為我們打開了思路，啟發(fā)了我們的思維。 ——張涵誠中關(guān)村大數(shù)據(jù)交易產(chǎn)業(yè)聯(lián)盟副秘書長
貨物已經(jīng)收到，很喜歡，物流超級快。點贊。
朋友推薦買的，翻了翻內(nèi)容確實不錯！
不錯，內(nèi)容新穎，視野打開了，受益頗豐
專家推薦，內(nèi)容充實，不僅結(jié)合了專業(yè)知識和應(yīng)用，而且有許多指導(dǎo)案例，推薦~
大數(shù)據(jù)時代，社會如何智慧化，很想知道。希望這本書能提供指導(dǎo)。
這本書講了數(shù)據(jù)科學(xué)的一些基礎(chǔ)知識，同時也講了一些比較專業(yè)的工具，還講了很多行業(yè)的案例，可以借鑒
工信部原副部長楊學(xué)山、中國工程院院士倪光南等知名專家作序推薦、大數(shù)據(jù)領(lǐng)域大咖聯(lián)袂推薦的書，份量足足的。期待從這本解析智慧社會的實戰(zhàn)書中找到大數(shù)據(jù)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(shù)據(jù)產(chǎn)業(yè)的具體發(fā)展。還有這些推薦人，不是見過就是經(jīng)常聽說，楊學(xué)山是工信部退休的老領(lǐng)導(dǎo)，倪光南也是一位很厲害的老院士，在很多大型的活動上經(jīng)常見他們演講，可以獲得不少新知識。
