正版新书 开电子发票
-
作者:
史晓东著
-
出版社:
中国经济出版社
-
ISBN:
9787513666251
-
出版时间:
2021-09
-
装帧:
平装
-
开本:
16开
-
ISBN:
9787513666251
-
出版时间:
2021-09
售价
￥
40.00
5.9折
定价
￥68.00
品相
全新
上书时间2024-01-11
卖家超过10天未登录
手机购买
![]()
微信扫码访问
-
-
商品描述：
-
作者简介
史晓东，博士，毕业于华中科技大学计算机体系结构专业，现工作于河南财经政法大学电子商务与物流管理学院，教研室副主任。主要研究方向包括：大数据存储、大数据挖掘与机器学习。先后在国内外重要期刊和国际会议发表论文十余篇，主持教育部和河南省重点研发与推广专项(科技攻关)等省部级项目2项，主持河南省高等学校重点科研项目1项，参与国家“973”计划项目1项，参与国家自然科学基金和社会科学基金项目多项，作为主要人员参与河南省重点研发与推广专项(科技攻关)4项，参与专著与教材撰写共4项。
目录
1 大数据概述 1
1.1 大数据概述 2
1.2 大数据相关概念 4
1.3 大数据处理 8
1.4 大数据相关技术 10
1.4.1 物联网技术 10
1.4.2 云技术 11
1.4.3 移动互联技术 13
1.4.4 人工智能技术 15
1.5 大数据应用 16
2 大数据存储 21
2.1 高性能存储技术 21
2.1.1 存储介质 22
2.1.2 并行存储技术 36
2.1.3 缓存技术 48
2.1.4 预取技术 57
2.1.5 高速数据通道技术 63
2.2 云计算与云存储技术 64
2.2.1 云计算 65
2.2.2 云存储 75
3 大数据环境下高性能预取加权图模型 80
3.1 大数据存储系统中的顺序访问模式 81
3.1.1 顺序访问流长度信息的使用 84
3.1.2 不断增加的顺序访问 87
3.2 加权图模型 89
3.2.1 加权图的构建方法 91
3.2.2 及时更新加权图模型 96
3.3 模型有效性评估 99
3.3.1 基于加权图模型的预取算法 99
3.3.2 实验结果 100
3.3.3 模型敏感性研究 102
3.4 本章小结 104
4 多层存储系统中自适应顺序预取技术 105
4.1 第二层(底层)缓存特点 106
4.2 第二层缓存的管理 109
4.3 不同层级缓存下的顺序预取算法 114
4.4 自适应顺序预取 116
4.4.1 活动时间点缺失的评估 116
4.4.2 预测预取请求的精确度 119
4.4.3 自适应顺序预取算法及其实现 120
4.5 实验结果与性能分析 125
4.5.1 实验设置及其方法 126
4.5.2 顺序预取算法性能评估 127
4.5.3 页面活动时间点缺失评估的准确性 131
4.5.4 不同缓存管理算法下的顺序预取 134
4.6 本章小结 136
5 分布式大数据存储中条带化预取技术 138
5.1 并行磁盘系统的访问特点 139
5.2 预取算法及空间局部性 144
5.2.1 各种预取算法 144
5.2.2 空间局部性 147
5.3 基于空间局部性的条带化预取算法 148
5.3.1 确认预取数据区域 149
5.3.2 LSP算法描述 152
5.3.3 算法实现过程中的问题 155
5.4 性能评估 157
5.4.1 实验结果 158
5.4.2 不同配置下的预取性能 161
5.4.3 关于预取磁盘独立性的探讨 164
5.5 本章小结 167
6 面向存储并行性的缓存管理算法 169
6.1 并行磁盘系统缓存管理中的问题 169
6.2 并行磁盘系统中的并行性 172
6.2.1 并行性挖掘 172
6.2.2 说明示例 173
6.2.3 PCAR算法中的挑战 175
6.3 基于并行性缓存管理算法 176
6.3.1 如何形成并行队列以及顺序段 177
6.3.2 PCAR缓存替换算法 179
6.4 性能评估 182
6.4.1 不同日志下的实验结果 182
6.4.2 不同系统配置下的性能 185
6.5 本章小结 187
7 面向轨迹大数据的高性能大数据压缩技术 188
7.1 轨迹大数据概述 189
7.1.1 轨迹大数据问题定义 191
7.1.2 大数据管理 193
7.2 轨迹大数据压缩 195
7.2.1 轨迹大数据压缩国内外研究现状 195
7.2.2 基于SPARK的轨迹大数据压缩框架 200
7.3 时、空融合的轨迹大数据压缩 208
7.3.1 轨迹分解 209
7.3.2 空间路径压缩 211
7.3.3 时间序列压缩 217
7.4 实验与验证 221
7.5 本章小结 227
8 高性能轨迹大数据访问与检索 228
8.1 轨迹大数据研究现状 231
8.2 TSE高性能轨迹大数据检索 243
8.2.1 问题与挑战 244
8.2.2 问题模型与符号定义 246
8.2.3 基于路段的相似性度量 248
8.2.4 轻量级边与顶点索引 250
8.2.5 面向相似性搜索的剪枝技术 252
8.2.6 实验与验证 255
8.3 TSE检索并行优化 262
8.4 本章小结 271
参考文献/ 272
索 引/ 304
内容摘要
1大数据概述大数据的浪潮正涌向人类社会，涉及人们经济、生活的方方面面，在不以人的意志为转移的时代浪潮中，我们必须主动且深人去了解大数据、学习大数据并应用大数据，才能在新时代中立足。大数据最终将会如同互联网社交和在线支付一样成为人们生活中不可分割的一部分，而大数据处理也必将成为新时代信息人才所必备的基本素质和基础技能。大数据技术正在飞速发展，大数据应用日趋繁盛，作为保障这一趋势的基石——高性能大数据存储与访问管理变得日益重要。因此，了解大数据及其存储的基本概念，研究提高大数据存储和访问性能与管理效率的相关方法与模型，对于大数据的发展具有重要的意义。高性能大数据存储与管理是大数据应用和大数据挖掘的基础，要了解其技术特征与研究领域，首先要对大数据本身进行了解。为此，本章论述了大数据的基本概念、大数据特征及大数据应用等方面的内容。1.1大数据概述“大数据”一词如果仅从数据量角度来讨论，则具有很大的模糊空间。因为在此之前，它给人的印象是“数据量很小”，这让人们遇到了定义大小的问题。那么，拥有多少数据才可以被称为“大数据”？这个问题可能水远没有答案。以往，关系型数据库技术也可以用于处理大量的数据，因此大数据的概念不能仅仅局限于“大”。在大数据时代之前，数据产生的速度并不快，变化也不频繁，用户一旦定义了数据仓库，该数据就会被存储并使用很多年。因此，关系数据库技术在组织和企业应用方面始终处于领先地位，但是，随着大数据时代的发展，数据的结构和特性打破了上述定律。从传感器到智能手机，世界被各式各样的数码设备包围。就像一辆出租车，其系统包含数个传感器来显示它的性能、位置、速度等信息，出租车一旦开始运行，传感器就会不断地反馈有关运动和旅途中的各种信息。例如，安装在汽车和其他交通工具上的GPS，在每一时刻都会产生大量的数据，同时，其他的诸如红绿灯信号、道路拥堵情况等交通细节信息和诸如交通摄像头、马路噪声侦测等信息感知技术也在不断涌现和发展。这些信息感知技术在应用场景中会产生诸如交通指令、车辆、人员移动、道路状况等相关的海量数据，这些数据类型繁杂，包括视频、音频及文字等。人们面对如此复杂、海量的数据难以作出有效的决策，需要借助大数据相关技术。……
精彩内容
大数据需要满足基本的3V特性，即数据容量大(价值密度较低)、数据类型繁杂和时效性要求高。大容量和低价值密度特性决定了存储系统在通过分布式架构提升存储能力的同时也要格外注重数据存储的性价比，具有较低单位数据量存储价格的磁盘类设备仍旧极具竞争力。较高的时效性要求和大数据类型繁杂特性则对存储系统的高性能和适应性方面提出了更大的挑战，也预示着存储级别大数据管理在存储系统性能提升过程中的地位愈加重要。总体而言，自人类进入大数据时代，大数据存储在高性能研究领域正发生着深刻的变革，主要体现在两个大的方面：一方面是存储系统基础设施本身的性能提升，主要包括存储介质和存储体系结构的进化与改善，以及紧密依附于具体介质和架构的缓存管理、预取等核心存储技术的优化。存储系统基础设施的高性能优化体现出一种通用性和底层依赖性的特征，其核心是面向底层存储设备和存储系统的，缺乏对大数据本身结构优化的相关研究。另一方面则从大数据本身及其管理出发，研究提升存储系统性能和效率的模型与方法，由于此类研究更具针对性，其涉及的大数据种类繁多、应用类型广泛，为此本书采用具有典型大数据特征的轨迹大数据作为研究对象，并从轨迹大数据压缩和轨迹大数据检索(访问)两个与存储性能直接相关的方面出发，研究了云架构下高性能轨迹大数据压缩框架和时空融合检索算法。通过相关研究，本书构建了大数据背景下高性能存储系统与管理技术的核心研究内容体系，并给出了相应的典型研究成果，为高性能大数据存储系统的研究领域和研究方向提供了有益的借鉴。
![]()
孔网啦啦啦啦啦纺织女工火锅店第三课
开播时间：09月02日 10:30
即将开播，去预约
直播中，去观看
占位居中
