1.Python零基础，轻松学会数据分析与挖掘2.编码、分析、挖掘，数据分析全流程一次搞定3.微课视频，扫码即可观看，重点难点逐个击破本书适于统计学、数学、经济学、金融学、管理学以及相关理工科专业的本科生、研究生使用，也能够提高从事数据咨询、研究或分析等人士的专业水平和技能。

全书共12章，内容包括OpenStack云计算基础、单节点云平台一体化部署、基础环境、API与客户端、Keystone身份服务、Glance镜像服务、Nova计算服务、Neutron网络服务、Cinder块存储服务、Swift对象存储服务、Temetry计量与监控服务和Heat编排服务，以及多节点OpenStack云平台。

本书详细介绍了一个大数据应用案例——电信用户行为分析，案例涉及数据预处理、数据存储与管理、数据分析和数据可视化等流程，涵盖Linux、MySQL、Hadoop、Spark、IntelliJIDEA、Spring等系统和软件的安装与使用方法。案例采用的编程语言是Scala和Java。

本书详细介绍了一个大数据应用案例——电影推荐系统（Scala版），案例涉及数据预处理、数据存储与管理、数据分析和数据可视化等流程，涵盖Linux、MySQL、Hadoop、Spark、IntelliJIDEA、Spring等系统和软件的安装与使用方法。案例采用的编程语言是Scala和Java。

本书以“认识大数据技术，理解大数据案例；提升大数据素养，服务大数据战略”为编写目标，全面系统地讲述了大数据所涉及的国家政策、经济、产业链和技术发展。主要内容包括信息技术的发展现状、大数据时代到来的成因、大数据发展现状、大数据技术概况、典型案例解析、贵州省大数据产业发展概况、国家大数据政策解读、大数据人才培养、大数据的标准和大数据安全等内容。

本书全面介绍了OpenStack和Hadoop的部署、管理和高可用相关知识。全书共9章，包括OpenStack入门体验、OpenStack常见模块详解、OpenStack云平台管理、搭建OpenStack多节点的企业私有云平台、OpenStackHA部署、Hadoop基础、HBase部署与使用、部署CDH，以及容器与云平台实战等内容。每章最后都提供了本章作业，用于读者巩固对本章理论知识的理解。 通过学习本书，读者可以

本书全面介绍了Docker及Docker组合Kubernetes、TiDB等高级服务的部署、管理和高可用相关知识。全书共13章，包括Docker基本管理、Docker镜像管理、Docker高级管理、Docker私有仓库部署和管理、Docker安全管理、Docker日志管理、Kubernetes-Docker集群、DockerSwarm基础、DockerSwarm集群管理、Docker构建和Web应用部署、Docker

本书将大数据技术生态圈主流技术框架的应用与发展、搭建Hadoop大数据分布式系统集群平台、大数据分布式文件系统HDFS（HadoopDistributedFileSystem）、大数据分布式并行计算框架MapReduce、大数据汽车销售数据统计分析项目5大模块分为11章内容进行阐述。具体分布情况如下：第1章是大数据概论，介绍大数据的发展背景及基本概念；第2章是搭建Hadoop分布式集群；第3～6章是HDFS分布式文件

Hadoop是一个分布式系统的基础架构，支持对大量数据进行分布式处理，能以高效、可靠的方式完成数据处理。本书围绕Hadoop生态圈技术进行讲解，主要包括Hadoop环境配置、Hadoop分布式文件系统（HDFS）、Hadoop分布式计算框架MapReduce、Hadoop资源调度框架YARN与Hadoop新特性、Hadoop分布式数据库HBase、Oozie工作流调度系统等内容。 本书以Linux操作系统为平台，紧密

本书介绍了云计算的基本概念、原理及实际应用，分为基础篇、技术篇、应用篇和实践篇4篇。主要内容包括：绪论、云计算架构及其标准化情况、云存储、云服务、虚拟化、云桌面、云安全、云计算主流解决方案、云计算与移动互联网、云计算与物联网、高性能计算、虚拟化技术、分布式文件系统和逻辑卷管理、管理等内容。

《大数据分析与挖掘》主要内容包括：第1章绪论、第2章数据特征分析与预处理、第3章关联规则挖掘、第4章分类算法、第5章聚类算法、第6章分布式大数据流挖掘、第7章综合案例基于华为技术与设备。本书可作为高等院校数据科学与大数据技术、计算机科学与技术等相关专业的本科生教材。

本书主要内容包括：第1章初识Hadoop、第2章Hadoop基础、第3章Hadoop开发环境配置与搭建、第4章Hadoop分布式文件系统（HDFS）、第5章资源管理器（Yarn）、第6章MapReduce基础程序设计、第7章MapReduce程序设计、第8章分布式数据库HBase、第9章分布式数据仓库Hive、第10章项目测试与发布

本书对统称为NoSQL的分布式非关系型数据库原理和使用方法进行介绍。 第一章，首先介绍NoSQL数据库的起源背景和设计理念，以及相关技术概念。其次介绍了大数据技术体系，以及NoSQL在该技术体系的地位和作用。 第二章首先回顾关系型数据库的主要机制，以及NoSQL数据库的常见技术原理，以及NoSQL的常见存储模式。 第三章对Hadoop工具进行介绍，重点介绍HDFS的技术原理和基本使用方法。 第四章介绍HBase的基本

本书系统地讲解了云计算的知识框架，包括云计算的三大认识角度（商业模式、计算范式、实现方式）、四个关键技术（计算、存储、网络、安全）、四种开发运维维度（云原生应用、云操作系统、云端软件、云运维），以及三大应用场景（云桌面、开发云、大数据与人工智能）。 本书在大部分的章中安排了一个或多个基于开源软件的实训内容，以帮助读者更有效地动手实践，包括GitHub、Hadoop、OpenStack、KVM、Docker、Ceph、

本书系统、全面地介绍了大数据技术的基础知识，期望学生通过对本书的学习和实践了解大数据技术的概貌，掌握Hadoop生态圈大数据技术中*为基础和关键的知识。主要内容包括大数据概述、大数据软件技术基础、大数据存储技术、MapReduce分布式编程、数据采集与预处理、数据仓库与联机分析技术、数据挖掘与分析技术、Spark分布式内存计算框架、数据可视化技术、大数据安全。

本书以Scala作为开发Spark应用程序的编程语言，系统介绍了Spark编程的基础知识。全书共7章，内容包括大数据技术概述、Spark的设计与运行原理、Spark环境搭建和使用方法、RDD编程、SparkSQL、SparkStreaming、SparkMLlib等。

本书以Scala作为开发Spark应用程序的编程语言，系统介绍了Spark编程的基础知识。全书共8章，内容包括大数据技术概述、Scala语言基础、Spark的设计与运行原理、Spark环境搭建和使用方法、RDD编程、SparkSQL、SparkStreaming、SparkMLlib等。

本书是为初学者学习R语言基础以及在数据科学中的应用而编写的。全书内容包括三个部分，分别介绍了R语言的编程基础知识，数据处理、可视化和统计分析的实用技术，以及在机器学习、神经网络和深度学习中的具体应用。读者可以通过本书了解和体验R语言的风格特点和强大功能。本书中所有程序均在R3.4.3环境下调试通过。

大数据技术让我们以一种前所未有的方式，对海量数据进行分析，从中获得有巨大价值的产品和服务，最终形成变革之力。本书围绕Hadoop和Spark两个主流大数据技术进行讲解，主要内容包括Hadoop环境配置、Hadoop分布式文件系统（HDFS）、Hadoop分布式计算框架MapReduce、Hadoop资源调度框架YARN与Hadoop新特性、Hadoop分布式数据库HBase、数据仓库Hive、大数据离线处理辅助系统、

（1）概念篇：介绍当前紧密关联的*IT领域技术云计算、大数据和物联网。 （2）大数据存储与管理篇：介绍分布式数据存储的概念、原理和技术，包括HDFS、HBase、NoSQL数据库、云数据库。 （3）大数据处理与分析篇：介绍MapReduce分布式编程框架、基于内存的分布式计算框架Spark、图计算、流计算、数据可视化。 （4）大数据应用篇：介绍基于大数据技术的推荐系统。

本书首先介绍了云计算与大数据的简史、发展历程，讨论了当前大数据所要解决的5大问题，然后对面向云计算与大数据的体系架构搭建进行全面剖析，给读者讲述在云与大数据的时代做什么、怎么做才是对的，然后结合业界的具体实践讲解了2个平台建设的案例，一个是大数据平台的搭建，一个是混合云平台的搭建。