| 據(jù)時代關(guān)系數(shù)據(jù)庫的挑戰(zhàn)與應(yīng)對 |
- 現(xiàn)代數(shù)據(jù)管理技術(shù)綜述
- 關(guān)系數(shù)據(jù)庫技術(shù)的核心特征
- 主流關(guān)系數(shù)據(jù)庫的挑戰(zhàn)
- 改進(jìn)型關(guān)系數(shù)據(jù)庫
|
| 大數(shù)據(jù)技術(shù)綜述 |
- 大數(shù)據(jù)概念澄清
- 大數(shù)據(jù)技術(shù)家族
- NoSQL技術(shù)綜述
- 最早的NoSQL---BDB
- Hadoop之Hbase與Facebook之Cassandra
- MongoDB與CouchDB
- Memcached與Redis
- 圖形數(shù)據(jù)庫Neo4j
- MapReduce
- 關(guān)系數(shù)據(jù)庫聯(lián)邦
- 海量分布式文件系統(tǒng)
- 大數(shù)據(jù)技術(shù)理論基礎(chǔ)
|
| Hadoop實用教程 |
- Hadoop技術(shù)概論
- Hadoop體系架構(gòu)總論
- HDFS-工作原理與架構(gòu)
- 平民化的分布式計算MapReduce
- MapReduce工作原理與架構(gòu)
- Hadoop數(shù)據(jù)倉庫-Hive
- Hadoop NoSQL數(shù)據(jù)庫-HBase
- 工作流調(diào)度-Ooize
- 分布式協(xié)調(diào)系統(tǒng)--Zookeeper
- Hadoop部署
- Hadoop版本介紹與選擇
- Hadoop部署實踐
- Hadoop安裝文件構(gòu)成與配置體系
- 機器硬件建議配置
- 系統(tǒng)環(huán)境配置
- 基本參數(shù)配置與說明
- 進(jìn)程分布規(guī)劃與啟動
- 分布式文件系統(tǒng)HDFS實用教程
- HDFS操作
- HDFS編程—文件讀寫
- HDFS數(shù)據(jù)壓縮
- HDFS技術(shù)要點 M
- MapReduce實用教程
- MapReduce原理與架構(gòu)
- MapReduce編程方法
- MapReduce實用技術(shù)要點
- MapReduce排序與關(guān)聯(lián)
- MapReduce工作流
- MapReduce調(diào)優(yōu)
- MapReduce2.0-YARN
- YARN的原理
- YARN設(shè)計架構(gòu)
- YARN工作流程
- YARN與MapReduce1.0比較
- MapReduce實例講解
- 普通實例
- 高級實例
- MapReduce高級數(shù)據(jù)分析（時間允許時）
- Hadoop數(shù)據(jù)倉庫Hive
- Hive編程
- Hive環(huán)境部署與搭建
- Hive工作機制
- Hive語法與實踐
- 其它ZooKeeper，Sqoop，Chukwa，Avro……
|
| Hadoop技術(shù)分析 |
- Hadoop MapReduce技術(shù)解析
- 關(guān)于效率
- 關(guān)于擴展性
- 關(guān)于可靠性與可用性
- 關(guān)于與關(guān)系數(shù)據(jù)庫
- 關(guān)于適用的數(shù)據(jù)類型
- 關(guān)于數(shù)據(jù)存儲與管理
- Hadoop與關(guān)系數(shù)據(jù)庫
- MapReduce與關(guān)系數(shù)據(jù)庫
- Hive與MPP關(guān)系數(shù)據(jù)庫
|
| NoSQL實用教程 |
- NoSQL理論基礎(chǔ)---CAP與BASE深入分析
- NoSQL實用教程
- HBase實用教程
- HBase原理
- HBase實用安裝部署要點
- HBase數(shù)據(jù)模型
- HBase索引與關(guān)聯(lián)的實現(xiàn)
- HBase使用
- HBase性能調(diào)優(yōu)
- HBase高級設(shè)計教程---如何真正用好HBase
- HBase與關(guān)系數(shù)據(jù)庫結(jié)合
- NoSQL設(shè)計實例
- HBase實現(xiàn)全屬性查詢
- HBase實現(xiàn)時間序列數(shù)據(jù)管理
- HBase與MapReduce結(jié)合示例
- Facebook Cassandra介紹
- MongoDB介紹
- 圖數(shù)據(jù)庫Neo4J介紹
|
| NoSQL技術(shù)分析 |
- NoSQL技術(shù)手段總結(jié)
- 水平分割
- 數(shù)據(jù)副本與讀寫一致性
- In-Memory架構(gòu)
- MVCC
- 列存儲
- COW
- NoSQL技術(shù)解析
- 關(guān)于水平擴展性
- 關(guān)于模式自由
- NoSQL與關(guān)系數(shù)據(jù)庫
- 理論原則分析
- 邏輯模型分析
- 物理模型分析
- 索引、事務(wù)與關(guān)聯(lián)
- 使用場景定位
- 企業(yè)數(shù)據(jù)體系定位
|
| Spark教程 |
- Spark組成與體系架構(gòu)
- Spark原理
- Spark與Hadoop
- Scala簡介
- Spark技術(shù)流程
|
| 超越Hadoop |
- Hadoop技術(shù)體系的不足與尷尬
- 新技術(shù)介紹
- 互聯(lián)網(wǎng)技術(shù)體系介紹
- 數(shù)據(jù)管理技術(shù)發(fā)展趨勢分析
|
| 大數(shù)據(jù)技術(shù)實踐分享 |
- 海量數(shù)據(jù)處理架構(gòu)設(shè)計
- 大數(shù)據(jù)驅(qū)動與企業(yè)業(yè)務(wù)/運營
- 實踐中的企業(yè)大數(shù)據(jù)分析技術(shù)流程
- 采集---各種方法的比較
- 存儲---原始數(shù)據(jù)與業(yè)務(wù)數(shù)據(jù)提取
- 模型---Web分析指標(biāo)體系
- 分析---大數(shù)據(jù)分析方法
- 行動---個性化推薦
- 大數(shù)據(jù)與企業(yè)交易
- 大數(shù)據(jù)與企業(yè)交互
- 自已設(shè)計大數(shù)據(jù)技術(shù)體系
|
| 大數(shù)據(jù)與企業(yè)新一代數(shù)據(jù)體系建設(shè) |
- 傳統(tǒng)的以關(guān)系數(shù)據(jù)庫為主的企業(yè)數(shù)據(jù)架構(gòu)
- 大數(shù)據(jù)時代的新一代企業(yè)數(shù)據(jù)邏輯架構(gòu)
- 數(shù)據(jù)分類
- 數(shù)據(jù)分布
- 數(shù)據(jù)流轉(zhuǎn)
- 數(shù)據(jù)集成
- 數(shù)據(jù)交換
- 數(shù)據(jù)分析
- 應(yīng)用展示
- 新一代企業(yè)數(shù)據(jù)技術(shù)架構(gòu)
- 新一代企業(yè)數(shù)據(jù)架構(gòu)中Hadoop/NoSQL與關(guān)系數(shù)據(jù)庫的相互配合
- 典型場景示例?
|
