大数据领域专家力作,专注大数据

2023-10-11 02:40

本文主要是介绍大数据领域专家力作,专注大数据,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

大数据丛书

大数据日知录:架构与算法(大数据领域专家力作,专注大数据架构和算法,全面梳理大数据相关技术

张俊林 著  

ISBN 978-7-121-24153-6

20149月出版

定价:69.00

404

16

编辑推荐

这是一本心血之作,历时3年,质量上乘。

从架构与算法的角度,比较全面地分门别类梳理了大数据相关技术。

本书内容紧跟技术前沿,讲解深入浅出,适合大数据领域所有技术人员。

书中还列有作者优选的高质量文献,能为读者节省选择的时间,绝对值得一读。

内容提要

大数据是当前最为流行的热点概念之一,其已由技术名词衍生到对很多行业产生颠覆性影响的社会现象,作为最明确的技术发展趋势之一,基于大数据的各种新型产品必将会对每个人的日常生活产生日益重要的影响。

《大数据日知录:架构与算法》从架构与算法角度全面梳理了大数据存储与处理的相关技术。大数据技术具有涉及的知识点异常众多且正处于快速演进发展过程中等特点,其技术点包括底层的硬件体系结构、相关的基础理论、大规模数据存储系统、分布式架构设计、各种不同应用场景下的差异化系统设计思路、机器学习与数据挖掘并行算法以及层出不穷的新架构、新系统等。《大数据日知录:架构与算法》对众多纷繁芜杂的相关技术文献和系统进行了择优汰劣并系统性地对相关知识分门别类地进行整理和介绍,将大数据相关技术分为大数据基础理论、大数据系统体系结构、大数据存储,以及包含批处理、流式计算、交互式数据分析、图数据库、并行机器学习的架构与算法以及增量计算等技术分支在内的大数据处理等几个大的方向。通过这种体系化的知识梳理与讲解,相信对于读者整体和系统地了解、吸收和掌握相关的优秀技术有极大的帮助与促进作用。

《大数据日知录:架构与算法》的读者对象包括对NoSQL 系统及大数据处理感兴趣的所有技术人员,以及有志于投身到大数据处理方向从事架构师、算法工程师、数据科学家等相关职业的在校本科生及研究生。

目录

0 章 当谈论大数据时我们在谈什么................ 1

0.1 大数据是什么.......................... 2

0.2 大数据之翼:技术范型转换......................................... 4

0.3 大数据商业炼金术................................ 6

0.4 “大数据”在路上................................................... 7

1 章 数据分片与路由.............................................. 9

1.1 抽象模型.......................................................10

1.2 哈希分片(Hash Partition ..............................11

1.2.1 Round Robin....................................11

1.2.2 虚拟桶(Virtual Buckets ..........................12

1.2.3 一致性哈希(Consistent Hashing ...........................13

1.3 范围分片(Range Partition ......................................18

参考文献......................................19

2 章 数据复制与一致性................................................20

2.1 基本原则与设计理念............................21

2.1.1 原教旨CAP 主义..............................................21

2.1.2 CAP 重装上阵(CAP Reloaded.............................23

2.1.3 ACID 原则...............................................24

2.1.4 BASE 原则.................................................24

2.1.5 CAP/ACID/BASE 三者的关系...........................25

2.1.6 幂等性(Idempotent........................................26

2.2 一致性模型分类.................................................26

2.2.1 强一致性............................................27

2.2.2 最终一致性........................................28

2.2.3 因果一致性.............................28

2.2.4 “读你所写”一致性....................................29

2.2.5 会话一致性....................................29

2.2.6 单调读一致性..............................................30

2.2.7 单调写一致性.....................................................30

2.3 副本更新策略...........................30

2.3.1 同时更新..........................................30

2.3.2 主从式更新.....................................31

2.3.3 任意节点更新......................................32

2.4 一致性协议...........................................................32

2.4.1 两阶段提交协议(Two-Phrase Commit2PC..........................33

2.4.2 向量时钟(Vector Clock ..............................38

2.4.3 RWN 协议.................................................40

2.4.4 Paxos 协议.............................................42

2.4.5 Raft 协议.............................................45

参考文献................................................49

3 章 大数据常用的算法与数据结构....................................51

3.1 布隆过滤器(Bloom Filter ............................51

3.1.1 基本原理.............................................52

3.1.2 误判率及相关计算..........................................52

3.1.3 改进:计数Bloom Filter....................................53

3.1.4 应用............................................54

3.2 SkipList............................................55

3.3 LSM ........................................58

3.4 Merkle 哈希树(Merkle Hash Tree .............................62

3.4.1 Merkle 树基本原理..................................................62

3.4.2 Dynamo 中的应用.........................................63

3.4.3 比特币中的应用..................................................63

3.5 Snappy LZSS 算法..........................................65

3.5.1 LZSS 算法.............................................65

3.5.2 Snappy..........................................67

3.6 Cuckoo 哈希(Cuckoo Hashing ..................................67

3.6.1 基本原理...............................................68

3.6.2 应用:SILT 存储系统.........................................68

参考文献...................................................70

4 章 集群资源管理与调度.......................................71

4.1 资源管理抽象模型...................................72

4.1.1 概念模型....................................72

4.1.2 通用架构...............................................73

4.2 调度系统设计的基本问题.....................................74

4.2.1 资源异质性与工作负载异质性............................74

4.2.2 数据局部性(Data Locality ........................................75

4.2.3 抢占式调度与非抢占式调度...................................75

4.2.4 资源分配粒度(Allocation Granularity .............76

4.2.5 饿死(Starvation)与死锁(Dead Lock)问题...........................76

4.2.6 资源隔离方法........................................77

4.3 资源管理与调度系统范型.............................77

4.3.1 集中式调度器(Monolithic Scheduler.......................78

4.3.2 两级调度器(Two-Level Scheduler .........................79

4.3.3 状态共享调度器(Shared-State Scheduler ....................79

4.4 资源调度策略...............................................81

4.4.1 FIFO 调度策略..........................................81

4.4.2 公平调度器(Fair Scheduler......................81

4.4.3 能力调度器(Capacity Scheduler ..........................82

4.4.4 延迟调度策略(Delay Scheduling............................82

4.4.5 主资源公平调度策略(Dominant Resource Fair Scheduling.............82

4.5 Mesos .................................84

4.6 YARN......................................87

参考文献..............................................90

5 章 分布式协调系统...................................91

5.1 Chubby 锁服务...............................92

5.1.1 系统架构........................................93

5.1.2 数据模型..................................94

5.1.3 会话与KeepAlive 机制...............................95

5.1.4 客户端缓存.......................................95

5.2 ZooKeeper ................................96

5.2.1 体系结构...........................................96

5.2.2 数据模型(Data Model .............................97

5.2.3 API ...............................98

5.2.4 ZooKeeper 的典型应用场景..................................98

5.2.5 ZooKeeper 的实际应用.......................................103

参考文献...................................104

6 章 分布式通信..............................106

6.1 序列化与远程过程调用框架..................................107

6.1.1 Protocol Buffer Thrift .....................108

6.1.2 Avro...............................109

6.2 消息队列.....................................110

6.2.1 常见的消息队列系统......................................110

6.2.2 Kafka .......................111

6.3 应用层多播通信(Application-Level Multi-Broadcast........114

6.3.1 概述...............................114

6.3.2 Gossip 协议...........................115

参考文献..........................118

7 章 数据通道.........................................120

7.1 Log 数据收集.................................120

7.1.1 Chukwa........................121

7.1.2 Scribe......................122

7.2 数据总线......................................123

7.2.1 Databus............................125

7.2.2 Wormhole .......................127

7.3 数据导入/导出...........................................128

参考文献.............................129

8 章 分布式文件系统....................................131

8.1 Google 文件系统(GFS .................................132

8.1.1 GFS 设计原则...........................................132

8.1.2 GFS 整体架构..............................133

8.1.3 GFS 主控服务器..................................134

8.1.4 系统交互行为.................................136

8.1.5 Colossus ........................137

8.2 HDFS ..........................138

8.2.1 HDFS 整体架构.................................139

8.2.2 HA 方案..............................140

8.2.3 NameNode 联盟........................143

8.3 HayStack 存储系统....................................145

8.3.1 HayStack 整体架构.................................146

8.3.2 目录服务..................................147

8.3.3 HayStack 缓存...........................................148

8.3.4 HayStack 存储系统的实现...............................148

8.4 文件存储布局.........................................150

8.4.1 行式存储........................................151

8.4.2 列式存储...........................................151

8.4.3 混合式存储........................................156

8.5 纠删码(Erasure Code.............................158

8.5.1 Reed-Solomon 编码...............................159

8.5.2 LRC 编码.....................................164

8.5.3 HDFS-RAID 架构.........................166

参考文献.....................................166

9 章 内存KV 数据库...................................168

9.1 RAMCloud ..............................169

9.1.1 RAMCloud 整体架构................................169

9.1.2 数据副本管理与数据恢复................................170

9.2 Redis....................................172

9.3 MemBase ...............................173

参考文献................................................175

10 章 列式数据库...........................................176

10.1 BigTable....................................177

10.1.1 BigTable 的数据模型..........................177

10.1.2 BigTable 的整体结构................................178

10.1.3 BigTable 的管理数据.............................179

10.1.4 主控服务器(Master Server......................181

10.1.5 子表服务器(Tablet Server ....................182

10.2 PNUTS 存储系统........................................186

10.2.1 PNUTS 的整体架构..............................186

10.2.2 存储单元...............................187

10.2.3 子表控制器与数据路由器..................................187

10.2.4 雅虎消息代理.............................188

10.2.5 数据一致性.........................................189

10.3 MegaStore..................................................190

10.3.1 实体群组切分......................191

10.3.2 数据模型........................................192

10.3.3 数据读/写与备份.................................193

10.4 Spanner .........................................194

10.4.1 SpanServer 软件栈.........................................195

10.4.2 数据模型.........................................196

10.4.3 TrueTime ...........................................196

参考文献..............................................197

11 章 大规模批处理系统...................................199

11.1 MapReduce 计算模型与架构................................200

11.1.1 计算模型.......................................201

11.1.2 系统架构......................................203

11.1.3 MapReduce 计算的特点及不足......................................206

11.2 MapReduce 计算模式...........................206

11.2.1 求和模式(Summarization Pattern................207

11.2.2 过滤模式(Filtering Pattern ................208

11.2.3 组织数据模式(Data Organization Pattern .....................210

11.2.4 Join 模式(Join Pattern......................212

11.3 DAG 计算模型..........................................214

11.3.1 DAG 计算系统的三层结构............................214

11.3.2 Dryad .......................................215

11.3.3 FlumeJava Tez ........................................217

参考文献...........................................218

12 章 流式计算........................................219

12.1 流式计算系统架构....................................222

12.1.1 主从架构............................................222

12.1.2 P2P 架构.....................................................223

12.1.3 Samza 架构..........................................224

12.2 DAG 拓扑结构..........................................224

12.2.1 计算节点.....................................................225

12.2.2 数据流..............................................226

12.2.3 拓扑结构..................................226

12.3 送达保证(Delivery Guarantees..............................229

12.3.1 Storm 的送达保证机制.................................230

12.3.2 MillWheel 的“恰好送达一次”机制...........................233

12.4 状态持久化...........................................234

12.4.1 容错的三种模式....................................234

12.4.2 Storm 的状态持久化.......................................236

12.4.3 MillWheel Samza 的状态持久化......................237

参考文献............................................238

13 章 交互式数据分析...................................240

13.1 Hive 系数据仓库.................................242

13.1.1 Hive .....................................242

13.1.2 StingerInitiative ................................250

13.2 Shark 系数据仓库..................................251

13.2.1 Shark 架构.........................................252

13.2.2 部分DAG 执行引擎(PDE ........................253

13.2.3 数据共同分片.........................................254

13.3 Dremel 系数据仓库...................................254

13.3.1 Dremel...........................255

13.3.2 PowerDrill ..........................258

13.3.3 Impala.................................261

13.3.4 Presto...............................264

13.4 混合系数据仓库......................................265

参考文献.................................269

14 章 图数据库:架构与算法................................271

14.1 在线查询类图数据库...........................272

14.1.1 三层结构.........................272

14.1.2 TAO 图数据库.................................273

14.2 常见图挖掘问题..........................................277

14.2.1 PageRank 计算.......................................278

14.2.2 单源最短路径(Single Source Shortest Path ..................278

14.2.3 二部图最大匹配.............................279

14.3 离线挖掘数据分片..............................................279

14.3.1 切边法(Edge-Cut......................................280

14.3.2 切点法(Vertex-Cut...............................282

14.4 离线挖掘计算模型...................................284

14.4.1 以节点为中心的编程模型..........................284

14.4.2 GAS 编程模型...........................................285

14.4.3 同步执行模型.....................................286

14.4.4 异步执行模型...................................290

14.5 离线挖掘图数据库.................................292

14.5.1 Pregel..........................292

14.5.2 Giraph...............................299

14.5.3 GraphChi ............................301

14.5.4 PowerGraph.......................307

参考文献.......................................311

15 章 机器学习:范型与架构.........................................313

15.1 分布式机器学习...........................................314

15.1.1 机器学习简介.............................................314

15.1.2 数据并行VS.模型并行.....................................316

15.2 分布式机器学习范型.....................317

15.2.1 三种范型...................................318

15.2.2 MapReduce 迭代计算模型........................319

15.2.3 BSP 计算模型...................................321

15.2.4 SSP 模型............................323

15.3 分布式机器学习架构...................................324

15.3.1 MapReduce 系列..................................325

15.3.2 Spark MLBase ..........................................327

15.3.3 参数服务器(Parameter Server.............332

参考文献................................................335

16 章 机器学习:分布式算法...............................337

16.1 计算广告:逻辑回归.......................................338

16.1.1 逻辑回归(Logistic RegressionLR.............................338

16.1.2 并行随机梯度下降(Parallel Stochastic Gradient Descent............341

16.1.3 批学习并行逻辑回归..................................341

16.2 推荐系统:矩阵分解................................................344

16.2.1 矩阵分解方法.......................................344

16.2.2 ALS-WR 算法............................................346

16.2.3 并行版ALS-WR 算法..............................347

16.3 搜索引擎:机器学习排序................................347

16.3.1 机器学习排序简介.................................348

16.3.2 LambdaMART.................................349

16.3.3 分布式LambdaMART........................................351

16.4 自然语言处理:文档相似性计算.......................................352

16.5 社交挖掘:谱聚类.................................355

16.5.1 社交挖掘实例...............................355

16.5.2 谱聚类....................................356

16.5.3 并行版谱聚类..........................................358

16.6 深度学习:DistBelief .............................................358

16.6.1 深度学习简介........................................359

16.6.2 DistBelief.....................360

参考文献.........................................364

17 章 增量计算..........................................366

17.1 增量计算模式...........................367

17.1.1 两种计算模式...............................367

17.1.2 Hadoop 平台下增量计算的一般模式.............................368

17.2 Percolator................................370

17.2.1 事务支持..........................................371

17.2.2 “观察/通知”体系结构...........................373

17.3 Kineograph ............................374

17.3.1 整体架构.........................................375

17.3.2 增量计算机制....................................375

17.4 DryadInc ....................................376

参考文献..............................................................377

附录A 硬件体系结构及常用性能指标......................................378

附录B 大数据必读文献....................................380

作者简介

张俊林是技术书籍《这就是搜索引擎:核心技术详解》(该书荣获全国第十二届输出版优秀图书奖)的作者,目前担任畅捷通智能平台总监。在此之前,张俊林曾经在阿里巴巴搜索技术中心、百度商务搜索部凤巢广告平台以及新浪微博搜索部及数据系统部担任资深技术专家,新浪微博技术委员会成员,负责算法策略方向。他还曾是智能信息聚合网站“玩聚网”的联合创始人之一。他的研发兴趣集中在:搜索技术、推荐系统、社交挖掘、自然语言处理与大数据算法架构等方面,并在以上领域有多年工业界实践经验。

张俊林本科毕业于天津大学管理学院,1999年至2004年在中科院软件所直接攻读博士学位,研究方向是信息检索理论与自然语言处理,就学期间曾在ACL/COLING/IJCNLP等国际顶级会议发表多篇学术论文,另外,他在此期间领导设计的搜索系统曾在美国国防部DARPA主持的TREC第二届高精度检索系统评测中在17支国际高水平研究团队激烈竞争中胜出,并取得综合排名第一名的优异成绩。

媒体评论

我和俊林接触不多但神交已久,几年前我看过他一本搜索方面的技术书籍,觉得写得相当不错,从此俊林的书都是必然要收藏的。看了这本书,感觉和上一本一样出色。和其他介绍大数据技术的书相比,这本书的涉及面相当广,覆盖了当前大数据技术(分布式计算、大规模文件系统、NoSQL数据库、常用数据结构和算法、批处理和流式计算、图数据库、分布式机器学习等)的方方面面。实在且实用,我想是这本书最大的特点,诚挚推荐对大数据技术感兴趣的读者阅读。

  王斌

中国科学院信息工程研究所研究员、博士生导师

《大数据》《信息检索导论》译者

本书区别于市场上已有的众多大数据概念类书籍,重点讲述了解决大数据问题的算法与架构,全书逻辑清晰,重点突出,讲述复杂算法时图文并茂,可以看出作者将实际工作经验结合理论,在本书上花了很多心血,相信能帮助从事大数据工作的所有工程技术人员。

                                                                       张栋

原百度科学家,凤巢系统架构师;原Google研究员,机器学习专家

此书内容跨度很大,可称为大数据领域“从入门到精通”的教科书,非常全面且系统化。人人都在谈论大数据,但事实上并没有人告诉大家大数据到底是什么、涵盖哪些方面,而此书可以给出答案。 

  刘子正

新浪微博平台及大数据总经理

这是一本大数据技术的百科全书——从大数据的存储结构、内容管理,讲到集群任务调度、分布式数据通信、流行的各类新式数据库的介绍,还有基于机器学习技术的大数据实现以及大数据挖掘应用范例等内容,既包罗万象,又深入浅出。俊林的这本心血之作,是大数据研发人员绝好的技术向导。

 陈运文

盛大文学首席数据官

大数据已成为上到国家领导人,下到媒体会议必谈话题,但大数据的应用时代才刚刚开始,各大互联网公司都奇缺熟悉Hadoop、分布式系统开发和数据分析挖掘的人才,张俊林这本书全面展示了大数据相关的技术,理论算法和实践,有广度有深度,对于希望掌握大数据技术的开发者是必备利器。

  蒋涛

CSDN总裁、《程序员》杂志创始人

前言

像移动互联网、O2O、可穿戴设备等概念一样,“大数据”从甫一提出到飓风般席卷并风靡全球,从最初的技术名词到形成渗透各行各业的社会现象,所耗时间仅几年而已,其兴也勃焉。

那么,大数据是否会像很多曾经火热现在已难觅踪迹的流行概念一样,将来某日,人们静心抬眼,发现风已去而水波不兴,徒留夕阳下波光粼粼的涟漪,让人不禁哀叹其亡也忽焉?

本书的背景

目前看仿佛有此迹象,当一个概念火爆到从街头随便抓一个路人,他都能跟你滔滔不绝地侃侃而谈;当一个新名词铺天盖地而来,让你熟悉到再见一次就要吐的程度,这些确实是典型的泡沫将破的征兆。目前业已出现越来越多的质疑声音,在这种狂热的氛围下,理性的质疑是最难能可贵的,毕竟大数据归根结底是少数派的游戏,而现状好像是人人都处于大数据进行时的状态,这让其看上去显得不甚理性。

但是,从社会发展趋势的角度,很明显大数据会是目前肉眼可及的视野范围里能看到的最大趋势之一。从传统IT 业到互联网、互联网到移动互联网,从以智能手机和Pad 为主要终端载体的移动互联网到可穿戴设备的移动互联网,然后再到万物互联的物联网,这一定是不可违抗的发展规律和前进方向。伴随着这个趋势必然有越来越多、形态越来越丰富的超量数据不断产生,而大数据明显是由此衍生出来的明确且必然的发展趋势。

所以,归根结底,大数据概念是个短期内炒得过热,但是从长期来看炒得不足的领域。再过十年如果回望现在,也许会发现:我们今天正在巍峨群山的山脚徘徊,试图找出一条通往山顶的羊肠小道,如此而已。我们当然不能盲目跟风不断追逐切换热点,但是忽视趋势的力量同样也不是一个理性的选择。

本书的内容

以上所述是本书诞生的大背景,目前市面上陆陆续续已经有不少讲大数据的书,有面向大众的概念普及类图书,也有讲解大数据技术的书,本书属于第二类,专注于与大数据处理有关的架构与算法,我相信这是一本比较全面地分门别类梳理大数据技术的书籍。从大约2010 年年底起我开始关注并收集整理这方面的技术资料,当然那时还没有听说过大数据的概念,现在的所谓大数据已经是后来的事情了。最初引起我关注的是与NoSQL 相关的技术,尤其是Google 和亚马逊的一系列相关工作,当时隐约地觉得这是一种新的技术发展趋势,甚至是一次技术范型的大转换,所以逐步开始投入越来越多的精力到其中,这包括将相关技术资料分门别类地进行收集、阅读和整理,利用业余时间开始一章一节地慢慢写本书,以及在实际工作中尽可能地应用这些技术和系统等若干方面。

本书的写作

断断续续完成本书花了大约3 年左右的时间,和最初预估的时间还是比较吻合的,这一方面是由于我可投入的时间本身就不多,但是还是希望能够写出一本高质量的技术书籍,所以不得不慢工出细活;另外一方面是由于大数据处理作为一个新领域,其涉及的方方面面的技术点实在太多,而且正处于快速的发展过程中。这个领域是我接触过的领域中知识涵盖面最广的,从底层的硬件开始,到涉及基础理论、大规模数据存储系统、分布式架构设计、各种不同适用场景下的差异化系统设计思路、机器学习与数据挖掘并行算法、层出不穷的新架构和新系统等,说无所不包有些夸张但是所需掌握知识点之多确实是很少见的。而且因为其处于快速发展的过程当中,所以各种技术纷繁芜杂,并无一个成熟的知识分类体系可供参考,需要不断梳理相关知识点之间的相互区别和联系并进行分门别类,如何将纷杂多样的技术梳理成清晰合理的章节内容曾让我头疼不已,当然发展到目前,整个大数据技术体系脉络已经日渐明晰,我相信参考本书目录可以清晰地发现这一点。另外一个阻碍是可参考的资料和系统多而杂,且质量良莠不齐,需要从中汰劣余优,尽可能选出有代表性及有发展潜力的理论、方案和系统,这也是很耗费精力的过程,尽管本书每章后只列出了很少一部分参考资料,但是实际参考的文献与系统要数倍于此,只列出精华部分是为了缩短读者选择高质量文献的过程。

十几年前当我还在中国科学院读书的时候,就对互联网的蓬勃发展及其对生活和工作各方面的影响感慨不已。当时最直观的感受是最新的国际会议论文很容易获得,往往是会议一开完就能从网上下载到感兴趣的文献,有时候会议没开有些作者就把论文先放在网上供人参考。觉得有了互联网这么强大的全球范围信息便捷分享工具,尽管当时国内科研水平不算高,在最好的国际顶级会议发表论文还是较难的事情,但是随着互联网的普及,科研水准应该能够获得极为快速长足的发展,因为从追踪最新技术进展的角度看大家的起跑线是一样的,而中国人多的优势慢慢应该能够发挥出来。

事实上也是如此,最近几年各种国际顶级会议中,中国人发表的论文比例越来越高可以证明这一点,而很明显这个趋势还会进一步加快。之所以提这个,是因为大数据相关技术研发道理其实也是一样的,尽管目前国内在这方面的实力和国外相比还有很大的差距,优秀的系统和技术方案往往都是Google、亚马逊、FacebookLinkedin 等这些国际知名互联网公司提出的,国内工业界的技术水准大部分还仅仅停留在能把开源的大数据系统应用起来解决手头碰到的问题这个阶段,但是我相信在不远的将来,国内会逐步涌现出具有国际水准的大数据系统与解决方案,其中的道理与上面所举的学术进步的例子是一样的。目前大部分优秀系统是开源的,相关技术文献也很容易找到,作为有进取心的技术人员,现在所缺乏的不是没有可参考的学习资料,相反是资料太多但良莠不齐反而让很多人无所适从,不知该如何下手。国内的技术人员只要肯下功夫、会下功夫,有好的职业发展环境和高的自我期许及技术理想,假以时日,越来越多的世界级水准的大数据处理系统出自中国人之手是完全可以指日可待的。我期望本书对于这些技术人员在全面了解吸收并掌握大数据处理的优秀技术过程中,能贡献绵薄之力。沈利也参与了本书的部分编写工作。

致谢

感谢我的妻子、岳父、岳母,以及爸爸、妈妈,尽管历时3 年才得以完成本书,但是若是没有你们的全身心支持,这本书2020 年也无法面世。

对了,还有我的女儿,亲爱的雪晴,从蹒跚迈出人生第一步,到咿咿呀呀说出第一句话,我总是想起,小小的你,迷茫地站在这遍布新奇的世界里,东张西望时无助的样子,这总是令人心疼。

你无数人生的第一次带给我太多欢乐,而我陪你的时间又太少太少。每次听到你用小手咚咚敲着书房紧闭的门,这经常让我感到惶惑,不知道这么狠心对你是对还是错,但是又不得不狠下心来。我相信将来一定会后悔没有给你更多的时间,把你介绍给这色彩斑斓而残酷的世界,嘱咐它在今后的日子里能善待你一些。我多想陪你直到你白发苍苍的岁月:在初秋的午后阳光下,看到你坐在院中的婆娑树影里,给你的儿孙讲故事,浅笑依然,仿似今天。我可以清楚地想象那时的场景,清晰得就像一切就发生在眼前。虽然我深切地知道这是永不可实现的奢望,但这个梦想会永远放在我心里,就像你清澈的目光和纯真的笑容一样。

时间是我们的朋友,也是我们的敌人,希望你们能够原谅我。

张俊林

2014 3 月于北京

 

这篇关于大数据领域专家力作,专注大数据的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/184935

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者