AC19 大数据文档摘要

本页汇总 H:\My Drive\Transfer\AC19-大数据 中的 6 本大数据分析相关图书,共约 1,994 页。内容覆盖 Spark 开发、Spark 内核与调优、Spark SQL、商业智能与数据仓库、社交大数据挖掘以及 SAS 案例分析。

书目一览

书名 作者 / 来源 篇幅 核心主题
Spark 大数据实例开发教程 王家林、徐香玉 等 341 页 Spark 入门、RDD、Spark SQL、Spark Streaming、Tachyon 实战
Spark 内核机制解析及性能调优 王家林、段智华 等 354 页 RDD 内部机制、部署、调度、Executor、存储、Shuffle、Tungsten、性能调优
Spark SQL 大数据实例开发教程 王家林、祝茂农 等 264 页 DataFrame、多数据源、Parquet、内置/窗口函数、UDF/UDAF、Thrift Server
商业智能深入浅出(第 2 版) 王飞、刘国峰 481 页 BI 理论、数据仓库、ETL、OLAP、可视化、行业案例、Cognos/Informatica
社交大数据挖掘 [日] 石川博 编著,郎为民 等译 189 页 社交大数据概念、假设与挖掘方法、Web/媒体挖掘、可扩展性与异常检测
SAS 开发经典案例解析 杨池然 等 365 页 SAS 语法、数据步/过程步、函数/宏、统计分析、Oracle 交互、ODS、行业案例

分册摘要

1. Spark 大数据实例开发教程

  • 面向 Spark 初学者的实战型教材,以实例驱动讲解 Spark 生态。
  • 内容依次覆盖 Spark 简介与生态、RDD 编程与案例、Spark SQL 与 DataFrame、Spark Streaming 流处理,以及 Tachyon 内存文件系统实战。
  • 附录补充 Spark 1.4 新特性,适合作为从零上手的开发参考。

2. Spark 内核机制解析及性能调优

  • 深入源代码层面解析 Spark 内核,是三本 Spark 图书中偏底层与进阶的一本。
  • 核心章节包括 RDD 功能与运行机制、Deploy 部署模式、Scheduler 调度器、Executor、Storage 存储模块、Shuffle 机制与 Project Tungsten。
  • 最后一章聚焦生产环境性能调优、故障定位与排除,适合有分布式经验的开发者和运维人员。

3. Spark SQL 大数据实例开发教程

  • 企业级视角讲解 Spark SQL,全书 8 章,从基础到综合案例。
  • 重点包括 DataFrame 原理与操作、多种数据源读写、Parquet 列式存储、内置函数与窗口函数、UDF/UDAF、Thrift Server。
  • 定位为 Spark SQL 入门与提高教材,也可作为开发过程中的案头手册。

4. 商业智能深入浅出(第 2 版)

  • 覆盖范围最广的一本,将商业智能与大数据结合,按理论篇、项目篇、工具篇、实践篇组织。
  • 理论部分包括 BI 概述、数据仓库、数据挖掘与分析、ETL、OLAP、数据可视化、大数据与元数据。
  • 项目与案例部分涉及需求定义、模型建立、数据仓库应用、大数据架构规划,以及金融、电力行业案例;工具篇讲解 Cognos 与 Informatica 的安装、配置与实例。

5. 社交大数据挖掘

  • 聚焦社交媒体场景下的大数据,而不是泛泛介绍大数据技术。
  • 全书 14 章分三部分:社交大数据基本概念;假设定义、关联规则、聚类、分类、预测等挖掘方法;Web 结构/内容/日志挖掘、媒体挖掘、可扩展性与异常检测。
  • 强调以假设驱动的方式从社交数据中发现模式,兼具入门可读性与工程参考价值。

6. SAS 开发经典案例解析

  • 以案例为主线讲解 SAS 实际应用,全书 12 章,分基础篇、提高篇、综合实战篇。
  • 基础部分包括 SAS 架构、编程语法、数据步、过程步、函数与宏;提高部分包括统计分析、与 Oracle 交互、ODS 输出。
  • 综合案例包括信用卡管理系统、SAS 模型开发与高级应用技巧,适合作为实践教材和参考书。

整体观察与阅读建议

  • 能力栈互补:Spark 系列提供分布式计算与 SQL 分析能力,商业智能图书提供数据架构与项目方法论,SAS 与社交挖掘图书补足统计分析和挖掘视角。
  • Spark 三本形成递进路径:先用《实例开发教程》上手,再用《内核机制解析及性能调优》理解底层,最后用《Spark SQL》专精 SQL 场景。
  • 业务落地导向:商业智能与 SAS 两本都强调行业案例、需求定义和项目流程,适合将数据平台能力与业务分析衔接起来。
  • 时代背景:这些资料主要出版于 2013—2018 年,涉及 Spark 1.x/早期版本;学习时需结合当前版本差异。

摘要基于上述 PDF 的可提取文本整理;页码与章节以原书为准。