失效链接处理 |
大数据之路:阿里巴巴大数据实践 PDF 下载
转载自:http://download.csdn.net/download/guyuezhen/10160035
本站整理下载:
版权归出版社和原作者所有,链接已删除,请购买正版
用户下载说明:
电子版仅供预览,下载后24小时内务必删除,支持正版,喜欢的请购买正版书籍:
http://product.dangdang.com/25107115.html
相关截图:
资料简介: 在Alibaba集团内,数据人员面临的现实情况是:集团数据存储已经达到EB级别,部分单张表每天的数据记录数高达几千亿条;在2016年“双11购物狂欢节”的24小时中,支付金额达到了1207亿元人民币,支付峰值高达12万笔/秒,下单峰值达17.5万笔/秒,媒体直播大屏处理的总数据量高达百亿级别且所有数据都需要做到实时、准确地对外披露……巨大的信息量给数据采集、存储和计算都带来了极大的挑战。《大数据之路——Alibaba大数据实践》就是在此背景下完成的。本书中讲到的Alibaba大数据系统架构,就是为了满足不断变化的业务需求,同时实现系统的高度扩展性、灵活性以及数据展现的高性能而设计的。本书由Alibaba数据技术及产品部组织并完成写作,是Alibaba分享对大数据的认知,与生态伙伴共创数据智能的重要基石。相信本书中的实践和思考对同行会有很大的启发和借鉴意义。 资料目录: 第1章 总述 1 第1篇 数据技术篇 第2章 日志采集 8 2.1 浏览器的页面日志采集 8 2.1.1 页面浏览日志采集流程 9 2.1.2 页面交互日志采集 14 2.1.3 页面日志的服务器端清洗和预处理 15 2.2 无线客户端的日志采集 16 2.2.1 页面事件 17 2.2.2 控件点击及其他事件 18 2.2.3 特殊场景 19 2.2.4 H5 & Native日志统一 20 2.2.5 设备标识 22 2.2.6 日志传输 23 2.3 日志采集的挑战 24 2.3.1 典型场景 24 2.3.2 大促保障 26 第3章 数据同步 29 3.1 数据同步基础 29 3.1.1 直连同步 30 3.1.2 数据文件同步 30 3.1.3 数据库日志解析同步 31 3.2 阿里数据仓库的同步方式 35 3.2.1 批量数据同步 35 3.2.2 实时数据同步 37 3.3 数据同步遇到的问题与解决方案 39 3.3.1 分库分表的处理 39 3.3.2 高效同步和批量同步 41 3.3.3 增量与全量同步的合并 42 3.3.4 同步性能的处理 43 3.3.5 数据漂移的处理 45 第4章 离线数据开发 48 4.1 数据开发平台 48 4.1.1 统一计算平台 49 4.1.2 统一开发平台 53 4.2 任务调度系统 58 4.2.1 背景 58 4.2.2 介绍 59 4.2.3 特点及应用 65 第5章 实时技术 68 5.1 简介 69 5.2 流式技术架构 71 5.2.1 数据采集 72 5.2.2 数据处理 74 5.2.3 数据存储 78 5.2.4 数据服务 80 5.3 流式数据模型 80 5.3.1 数据分层 80 5.3.2 多流关联 83 5.3.3 维表使用 84 5.4 大促挑战&保障 86 5.4.1 大促特征 86 5.4.2 大促保障 88 第6章 数据服务 91 6.1 服务架构演进 91 6.1.1 DWSOA 92 6.1.2 OpenAPI 93 6.1.3 SmartDQ 94 6.1.4 统一的数据服务层 96 6.2 技术架构 97 6.2.1 SmartDQ 97 6.2.2 iPush 100 6.2.3 Lego 101 6.2.4 uTiming 102 6.3 最佳实践 103 6.3.1 性能 103 6.3.2 稳定性 111 第7章 数据挖掘 116 7.1 数据挖掘概述 116 7.2 数据挖掘算法平台 117 7.3 数据挖掘中台体系 119 7.3.1 挖掘数据中台 120 7.3.2 挖掘算法中台 122 7.4 数据挖掘案例 123 7.4.1 用户画像 123 7.4.2 互联网反作弊 125 第2篇 数据模型篇 第8章 大数据领域建模综述 130
8.1 为什么需要数据建模 130
8.2 关系数据库系统和数据仓库 131 8.3 从OLTP和OLAP系统的区别看模型方法论的选择 132 8.4 典型的数据仓库建模方法论 132 8.4.1 ER模型 132 8.4.2 维度模型 133 8.4.3 Data Vault模型 134 8.4.4 Anchor模型 135 8.5 阿里巴巴数据模型实践综述 136 第9章 阿里巴巴数据整合及管理体系 138 9.1 概述 138 9.1.1 定位及价值 139 9.1.2 体系架构 139 9.2 规范定义 140 9.2.1 名词术语 141 9.2.2 指标体系 141 9.3 模型设计 148 9.3.1 指导理论 148 9.3.2 模型层次 148 9.3.3 基本原则 150 9.4 模型实施 152 9.4.1 业界常用的模型实施过程 152 9.4.2 OneData实施过程 154 第10章 维度设计 159 10.1 维度设计基础 159 10.1.1 维度的基本概念 159 10.1.2 维度的基本设计方法 160 10.1.3 维度的层次结构 162 10.1.4 规范化和反规范化 163 10.1.5 一致性维度和交叉探查 165 10.2 维度设计高级主题 166 10.2.1 维度整合 166 10.2.2 水平拆分 169 10.2.3 垂直拆分 170 10.2.4 历史归档 171 10.3 维度变化 172 10.3.1 缓慢变化维 172 10.3.2 快照维表 174 10.3.3 极限存储 175 10.3.4 微型维度 178 10.4 特殊维度 180 10.4.1 递归层次 180 10.4.2 行为维度 184 10.4.3 多值维度 185 10.4.4 多值属性 187 10.4.5 杂项维度 188 第11章 事实表设计 190 11.1 事实表基础 190 11.1.1 事实表特性 190 11.1.2 事实表设计原则 191 11.1.3 事实表设计方法 193 11.2 事务事实表 196 11.2.1 设计过程 196 11.2.2 单事务事实表 200 11.2.3 多事务事实表 202 11.2.4 两种事实表对比 206 11.2.5 父子事实的处理方式 208 11.2.6 事实的设计准则 209 11.3 周期快照事实表 210 11.3.1 特性 211 11.3.2 实例 212 11.3.3 注意事项 217 11.4 累积快照事实表 218 11.4.1 设计过程 218 11.4.2 特点 221 11.4.3 特殊处理 223 11.4.4 物理实现 225 11.5 三种事实表的比较 227 11.6 无事实的事实表 228 11.7 聚集型事实表 228 11.7.1 聚集的基本原则 229 11.7.2 聚集的基本步骤 229 11.7.3 阿里公共汇总层 230 11.7.4 聚集补充说明 234 第3篇 数据管理篇 第12章 元数据 236 12.1 元数据概述 236 12.1.1 元数据定义 236 12.1.2 元数据价值 237 12.1.3 统一元数据体系建设 238 12.2 元数据应用 239 12.2.1 Data Profile 239 12.2.2 元数据门户 241 12.2.3 应用链路分析 241 12.2.4 数据建模 242 12.2.5 驱动ETL开发 243 第13章 计算管理 245 13.1 系统优化 245 13.1.1 HBO 246 13.1.2 CBO 249 13.2 任务优化 256 13.2.1 Map倾斜 257 13.2.2 Join倾斜 261 13.2.3 Reduce倾斜 269 第14章 存储和成本管理 275 14.1 数据压缩 275 14.2 数据重分布 276 14.3 存储治理项优化 277 14.4 生命周期管理 278 14.4.1 生命周期管理策略 278 14.4.2 通用的生命周期管理矩阵 280 14.5 数据成本计量 283 14.6 数据使用计费 284 第15章 数据质量 285 15.1 数据质量保障原则 285 15.2 数据质量方法概述 287 15.2.1 消费场景知晓 289 15.2.2 数据加工过程卡点校验 292 15.2.3 风险点监控 295 15.2.4 质量衡量 299 第4篇 数据应用篇 第16章 数据应用 304 16.1 生意参谋 305 16.1.1 背景概述 305 16.1.2 功能架构与技术能力 307 16.1.3 商家应用实践 310 16.2 对内数据产品平台 313 16.2.1 定位 313 16.2.2 产品建设历程 314 16.2.3 整体架构介绍 317 附录A 本书插图索引 320 |