8.1 流计算概述 • 8.1.1 静态数据和流数据 • 8.1.2 批量计算和实时计算 • 8.1.3 流计算概念 • 8.1.4 流计算与Hadoop • 8.1.5 流计算框架 8.2 流计算处理流程 • 8.2.1 概述 • 8.2.2 数据实时采集 • 8.2.3 数据实时计算 • 8.2.4 实时查询服务 8.3 流计算应用 8.4 流计算开源框架 – Storm • 8.4.1 Storm简介 • 8.4.2 Storm的特点 • 8.4.3 Storm设计思想 • 8.4.4 Storm框架设计 8.5 Spark Streaming 8.5.1 Spark Streaming设计 8.5.2 Spark Streaming与Storm的对比 8.6 Samza 8.6.1 基本概念 8.6.2 系统架构 8.7 Storm、Spark Streaming和Samza的应用场景 8.8 Storm编程实践 8.8.1 编写Storm程序 8.8.2 安装Storm的基本过程 8.8.3 运行Storm程序

该章主要介绍数据通信技术的基本概念、数据编码技术、数据通信方式、数据传输介质、多路复用技术、数据交换技术、差错控制技术等。初步了解数据通信的基本技术。重点难点：数据的四种传输方式；数据的三种编码技术；多路复用技术；数据的三种交换技术；差错控制技术

1.1数据库技术的基本概念 1.2数据库技术的发展 1.2.1人工管理 1.2.2文件管理 1.2.3数据库技术 1.3数据库系统的结构 1.3.1数据模式 1.3.2三级模式结构 1.3.3数据库系统的二级映像技术及作用 1.4数据库系统的组成 1.5概念模型 1.5.1信息的三种世界 1.5.2概念模型及其表示 1.6数据模型 1.6.1数据模型的概述

8.1 流计算概述 8.2 流计算处理流程 8.3 流计算应用 8.4 流计算开源框架 – Storm 8.5 Spark Streaming 8.6 Samza 8.7 Storm、Spark Streaming和Samza的应用场景 8.8 Storm编程实践

8.1 流计算概述 8.2 流计算处理流程 8.3 流计算应用 8.4 流计算开源框架 – Storm 8.5 Spark Streaming 8.6 Samza 8.7 Storm、Spark Streaming和Samza的应用场景 8.8 Storm编程实践

• 7.1 图计算简介 • 7.2 Pregel简介 • 7.3 Pregel图计算模型 • 7.4 Pregel的C++ API • 7.5 Pregel的体系结构 • 7.6 Pregel的应用实例 • 7.7 Pregel和MapReduce实现PageRank算法的对比 • 7.8 Hama的安装和使用

• 9.1 Spark概述 • 9.2 Spark生态系统 • 9.3 Spark运行架构 • 9.4 Spark SQL • 9.5 Spark的部署和应用方式 • 9.6 Spark编程实践

1. IO system • What do you know already? • IOPS, bandwidth, latency & blocksize • media and their characteristics • cache & IO optimisation strategies • how to debug IO problems 2. Redundancy Technology • Parity for RAID technology 3. Cloud Storage Technology • Scalability, Hashing, Indexing,, Deduplication

• 7.1 概述 • 7.2 MapReduce体系结构 • 7.3 MapReduce工作流程 • 7.4 实例分析：WordCount • 7.5 MapReduce的具体应用 • 7.6 MapReduce编程实践

• 7.1 概述 • 7.2 MapReduce体系结构 • 7.3 MapReduce工作流程 • 7.4 实例分析：WordCount • 7.5 MapReduce的具体应用 • 7.6 MapReduce编程实践