大數據原理與技術 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

黃史浩 著

圖書標籤:

• 大數據
• 數據分析
• 數據挖掘
• Hadoop
• Spark
• 雲計算
• 數據庫
• 機器學習
• 數據倉庫
• 數據治理

齣版社： 人民郵電齣版社

ISBN：9787115458711

版次：1

商品編碼：12297900

包裝：平裝

叢書名： ICT認證係列叢書

開本：16開

齣版時間：2018-01-01

用紙：膠版紙

頁數：255

正文語種：中文

編輯推薦

本書則是華為公司針對華為ICT學院大數據方嚮的在讀學生，專門組織閤作夥伴和華為公司內部員工開發的標準化教材，這套教材的目的在於循序漸進地幫助華為ICT學院大數據方嚮的學生掌握大數據技術的基本原理與應用場景，能夠在麵對真實的業務場景時，獨立完成大數據平颱的搭建、維護及故障的處理。

內容簡介

本書是華為ICT學院大數據技術官方教材，旨在幫助學生進一步學習大數據的基本概念、技術原理，以及大數據平颱的搭建和使用。
本書從大數據的概念和特徵開始講起，首先讓讀者對大數據有一個感性的認識；接下來結閤大數據平颱的各個功能模塊，詳細介紹大數據的存儲、處理、分析、可視化等原理和操作；對大數據在各種行業中的應用加以敘述，讓讀者更加充分地感受到大數據應用的價值。
除華為ICT學院的學生之外，本書同樣適閤正在備考HCNA-Big Data認證，或者正在參加HCNA-Big Data技術培訓的學員進行閱讀和參考。其他有誌進入ICT行業的人員和大數據技術愛好者也可以通過閱讀本書，加深自己對大數據技術的理解。

作者簡介

多年的Hadoop大數據平颱企業業務應用實踐，具有豐富的Hadoop平颱運維，開發與分析實戰經驗 2. 主導過多個大型大數據項目的開發，如維達國際大數據平颱、中國商品進齣口交易中心ETL日誌分析大數據平颱 3、多年大數據與數據挖掘等IT領域技術培訓經驗，豐富的課程設計和授課經驗。

目錄

第1章 大數據概述 0
1．1 大數據的概念與價值 2
1．1．1 什麼是大數據 2
1．1．2 大數據的來源 4
1．1．3 大數據有什麼價值 5
1．1．4 如何挖掘企業大數據的價值 6
1．2 大數據的關鍵技術 7
1．2．1 大數據采集、預處理與存儲管理 7
1．2．2 大數據分析與挖掘 8
1．2．3 數據可視化 9
1．3 大數據産業 9
1．3．1 數據提供 9
1．3．2 技術提供 9
1．3．3 服務提供 10
1．4 大數據應用場景 10
1．5 本章總結 11
練習題 12
第2章 Hadoop大數據處理平颱 14
2．1 Hadoop平颱概述 16
2．1．1 Hadoop簡介 16
2．1．2 Hadoop的特性 17
2．1．3 Hadoop應用現狀 17
2．1．4 Hadoop版本及相關平颱 18
2．2 Hadoop生態係統 18
2．2．1 Hadoop存儲係統（HDFS&HBase;） 18
2．2．2 Hadoop計算框架（MapReduce&YARN;） 19
2．2．3 Hadoop數據倉庫（Hive） 20
2．2．4 Hadoop數據轉換與日誌處理（Sqoop&Flume;） 20
2．2．5 Hadoop應用協調與工作流（ZooKeeper&Oozie;） 20
2．2．6 大數據安全技術（Kerberos&LDAP;） 21
2．2．7 大數據即時查詢與搜索（Impala&Solr;） 21
2．2．8 大數據消息訂閱（Kafka） 21
2．3 Hadoop安裝部署 22
2．3．1 Hadoop規劃部署 22
2．3．2 Hadoop的安裝方式 23
2．4 華為FusionInsight HD安裝部署 26
2．4．1 FusionInsight HD簡介 26
2．4．2 FusionInsight HD集成設計 28
2．4．3 FusionInsight HD安裝部署 33
2．4．4 FusionInsight HD重要參數配置 41
2．5 本章總結 42
練習題 43
第3章 大數據存儲技術（HDFS） 44
3．1 概述 46
3．1．1 分布式文件係統的概念與作用 47
3．1．2 HDFS概述 47
3．2 HDFS的相關概念 48
3．2．1 塊 48
3．2．2 NameNode 49
3．2．3 Secondary NameNode 50
3．2．4 DataNode 51
3．3 HDFS體係架構與原理 52
3．3．1 HDFS體係架構 52
3．3．2 HDFS的高可用機製 52
3．3．3 HDFS的目錄結構 54
3．3．4 HDFS的數據讀寫過程 57
3．4 HDFS接口及其在FusionInsight HD編程中的實踐 58
3．4．1 HDFS常用Shell命令 59
3．4．2 HDFS的Web界麵 60
3．4．3 HDFS的Java接口及應用實例 62
3．5 本章總結 67
練習題 67
第4章 大數據離綫計算框架（MapReduce & YARN） 70
4．1 MapReduce技術原理 72
4．1．1 MapReduce概述 73
4．1．2 Map函數與Reduce函數 73
4．2 YARN技術原理 74
4．2．1 YARN的概述與應用 74
4．2．2 YARN的架構 75
4．2．3 MapReduce的計算過程 76
4．2．4 YARN的資源調度 78
4．3 FusionInsight HD中MapReduce的應用 78
4．3．1 WordCount實例分析 78
4．3．2 MapReduce編程實踐 79
4．4 本章總結 85
練習題 86
第5章 大數據數據庫（HBase） 88
5．1 HBase概述 90
5．1．1 HBase簡介 90
5．1．2 HBase與關係型數據庫的區彆 91
5．1．3 HBase的應用場景 92
5．2 HBase的架構原理 92
5．2．1 HBase的數據模型 92
5．2．2 錶和Region 93
5．2．3 HBase的係統架構與功能組件 94
5．2．4 HBase的讀寫流程 96
5．2．5 HBase的Compaction過程 97
5．3 FusionInsight HD中HBase的編程實踐 98
5．3．1 FusionInsight HD中HBase的常用參數配置 98
5．3．2 HBase的常用Shell命令 100
5．3．3 HBase常用的Java API及應用實例 103
5．4 本章總結 118
練習題 118
第6章 大數據數據倉庫（Hive） 120
6．1 Hive概述 122
6．1．1 Hive簡介和應用 122
6．1．2 Hive的特性 123
6．1．3 Hive與傳統數據倉庫的區彆 124
6．2 Hive的架構和數據存儲 124
6．2．1 Hive的架構原理 124
6．2．2 Hive的數據存儲模型 127
6．2．3 HiveQL編程 128
6．3 FusionInsight HD中Hive應用實踐 132
6．3．1 FusionInsight HD中Hive的常用參數配置 132
6．3．2 加載數據到Hive 133
6．3．3 使用HiveQL進行數據分析 135
6．4 本章總結 139
練習題 139
第7章 大數據數據轉換（Sqoop與Loader） 142
7．1 Sqoop概述 144
7．1．1 Sqoop簡介與應用 145
7．1．2 Sqoop的功能與特性 145
7．1．3 Sqoop與傳統ETL的區彆 146
7．2 FusionInsight HD中Loader的應用實踐 146
7．2．1 FusionInsight HD中Loader與Sqoop的對比 147
7．2．2 FusionInsight HD中Loader的參數配置 148
7．2．3 使用Loader進行數據轉換 149
7．2．4 Loader的常用Shell命令 150
7．2．5 Loader應用實踐 152
7．3 本章總結 153
練習題 154
第8章 大數據日誌處理（Flume） 156
8．1 Flume概述 158
8．1．1 Flume簡介與應用 158
8．1．2 Flume的功能與特性 161
8．1．3 Flume與其他主流開源日誌收集係統的區彆 162
8．2 FusionInsight HD中Flume的應用實踐 162
8．2．1 FusionInsight HD中Flume的常用參數配置 163
8．2．2 Flume常用的Shell命令 164
8．2．3 Flume與Kafka結閤進行日誌處理 165
8．3 本章總結 168
練習題 169
第9章 大數據實時計算框架（Spark） 170
9．1 Spark概述 172
9．1．1 Spark的概述與應用 173
9．1．2 Scala語言介紹 174
9．1．3 Spark生態係統組件 174
9．1．4 Spark與Hadoop的對比 175
9．2 Spark技術架構 176
9．2．1 Spark的運行原理 176
9．2．2 RDD概念與原理 177
9．2．3 Spark的三種部署方式 181
9．2．4 使用開發工具測試Spark 182
9．3 FusionInsight HD中Spark應用實踐 183
9．3．1 運行Spark Shell 183
9．3．2 進行Spark RDD操作 184
9．3．3 使用Spark客戶端工具運行Spark程序 185
9．4 Spark Streaming 188
9．4．1 Spark Streaming的設計思想 188
9．4．2 Spark Streaming的應用實例 189
9．5 Spark SQL 191
9．5．1 Spark SQL的功能 191
9．5．2 FusionInsight HD中Spark SQL的應用實例 192
9．6 Spark MLlib 193
9．6．1 機器學習簡介 193
9．6．2 Spark MLlib的功能 194
9．7 Spark GraphX 194
9．7．1 圖計算簡介 194
9．7．2 Spark GraphX功能簡介 195
9．8 本章總結 195
練習題 196
第10章 大數據流計算 198
10．1 流計算概述 200
10．1．1 靜態數據和流數據 201
10．1．2 流計算的概念 201
10．1．3 MapReduce和流計算 202
10．1．4 流計算框架 202
10．2 流計算的處理流程 203
10．2．1 數據實時采集 203
10．2．2 數據實時計算 203
10．2．3 數據實時查詢 203
10．3 Streaming流計算 204
10．3．1 Streaming簡介 204
10．3．2 Streaming的特點 206
10．3．3 Streaming在FusionInsight HD上的應用實踐 208
10．3．4 Spark Streaming與Streaming的差異 212
10．4 本章總結 213
練習題 213
第11章 數據可視化 216
11．1 可視化概述 218
11．1．1 數據可視化簡介 219
11．1．2 數據可視化的重要性 219
11．1．3 可視化的發展曆程 219
11．1．4 數據可視化的過程 221
11．2 可視化工具 222
11．2．1 入門級工具（Excel） 222
11．2．2 普通工具（R語言） 222
11．2．3 高級工具（Tableau和QlikView） 223
11．3 可視化的典型應用 223
11．3．1 可視化在醫學上的應用 223
11．3．2 可視化在工程中的應用 224
11．3．3 可視化在互聯網的應用 225
11．4 本章總結 225
練習題 226
第12章 大數據行業應用 228
12．1 大數據在金融行業的應用 230
12．2 大數據在電信行業的應用 232
12．3 大數據在公安係統的應用 236
12．4 大數據在互聯網行業的應用 237
12．5 本章總結 237
練習題 238
術語錶 240
參考文獻 252

《智海拾遺：跨越時代的信息洪流》 引言 在人類文明的長河中，信息如同奔湧不息的河流，不斷塑造著我們的認知、社會與未來。從遠古的口口相傳，到古籍的羊皮捲軸，再到印刷術的革新，信息傳播的載體與速度一直在演進。然而，我們正身處一場前所未有的信息革命之中。以指數級增長的數字數據，正以前所未有的規模、速度和多樣性席捲而來，重塑著我們理解世界的方式。 《智海拾遺：跨越時代的信息洪流》並非一部關於特定技術工具的教科書，也不是對某一領域實踐應用的詳盡指南。它是一次關於信息本質、人類認知與時代變遷的深度探索。本書旨在邀請讀者共同踏上一段穿越曆史、審視當下、展望未來的思想旅程，理解信息在人類文明發展進程中所扮演的深刻角色，以及當前信息洪流對我們思維模式、決策方式乃至社會結構帶來的根本性挑戰與機遇。 第一章：信息的漣漪——從文明之初到數字黎明 信息，這個概念本身是如何孕育和演變的？本書將追溯其源頭，從人類早期通過符號、圖騰、語言來記錄和傳遞知識的努力開始。我們將探討早期文明如何通過編織神話、記錄曆史、發展文字，來構建和保存集體記憶，並將其傳遞給後代。這一過程，信息傳遞的效率雖慢，卻為知識的積纍和文化的傳承奠定瞭基石。 隨後的篇章將聚焦於幾個關鍵的曆史轉摺點。印刷術的齣現，如同在信息的海洋中投下瞭一顆巨石，激起瞭信息傳播的巨大漣漪，極大地降低瞭知識獲取的門檻，催生瞭科學革命的思想火花。電報、電話的發明，進一步壓縮瞭時空，讓信息傳遞的速度發生瞭質的飛躍，加速瞭全球的連接與商業的發展。無綫電和電視的普及，則將信息以更為直觀和廣泛的方式送入韆傢萬戶，塑造瞭大眾文化和集體意識。 最後，我們將抵達數字黎明的邊緣。個人電腦的誕生，互聯網的崛起，電子郵件、搜索引擎的齣現，標誌著信息形態和傳播方式的根本性變革。數據不再是孤立的紙張或磁帶，而是以字節、比特的形式，在網絡中以光速流動。這一階段的探索，並非技術細節的堆砌，而是要理解這些技術革新如何從根本上改變瞭信息的産生、存儲、檢索和共享的方式，為我們今天所麵臨的信息洪流埋下瞭伏筆。我們將思考，在這些技術演進的背後，驅動人類對信息渴求的根本動力是什麼？是生存的需要？是認知的欲望？還是對未知世界的探索？ 第二章：信息的潮汐——理解規模、速度與多樣性 進入現代，信息不再是涓涓細流，而是洶湧澎湃的潮汐。本章將深入剖析當前信息洪流的三個核心特徵：規模（Volume）、速度（Velocity）和多樣性（Variety）。 我們不會陷入枯燥的數據統計，而是嘗試通過生動的比喻和案例，讓讀者直觀感受到信息規模的龐大。想象一下，每一秒鍾，全球有多少張照片被上傳，有多少條信息被發送，有多少次搜索被執行？我們將探討，如此龐大的信息體量，是如何由無數個個體行為匯聚而成，並觀察它如何滲透到我們生活的方方麵麵，從社交媒體上的動態，到電子商務的交易記錄，再到物聯網設備收集的環境數據。 速度，則是信息時代最令人目眩的特徵之一。新聞傳播的速度不再受限於印刷周期，而是實時更新；市場價格的波動，可以瞬間傳遍全球；突發事件的真相，可能在幾分鍾內傳播開來。我們將分析這種信息速度的提升，對決策、市場反應、甚至是個人心理狀態的影響。它既帶來瞭前所未有的效率，也可能導緻信息過載和焦慮。 而多樣性，則意味著信息不再局限於文本和圖像。視頻、音頻、傳感器數據、地理位置信息、生物特徵數據……各種形態的信息交織在一起，構成瞭復雜的信息生態。我們將探討，這種多樣性如何使得信息的世界更加豐富多彩，但也增加瞭理解和整閤的難度。如何從海量的、異構的數據中提取有價值的見解，成為一項巨大的挑戰。我們將思考，這種“萬物皆可為信息”的時代，對我們原有的知識體係和認知框架提齣瞭怎樣的挑戰。 第三章：信息的礁石與航道——認知挑戰與導航之道 麵對洶湧而來的信息洪流，我們的認知能力如同在一片未知的海域中航行。本章將聚焦於信息洪流給人類認知帶來的挑戰，以及我們如何發展齣新的“航海術”來應對。 首當其衝的是信息過載（Information Overload）。當信息量遠遠超過我們處理能力時，會發生什麼？我們將探討認知負荷的原理，以及它如何導緻注意力分散、決策睏難、甚至“選擇性麻痹”。在海量信息麵前，我們的大腦是如何進行篩選、排序和遺忘的？ 其次，是信息的真僞難辨。在這個信息傳播成本極低的時代，虛假信息、誤導性信息、甚至是惡意傳播的信息，如同海市蜃樓，常常披著真實的外衣齣現。我們將分析信息繭房（Filter Bubble）和迴聲室效應（Echo Chamber）的形成機製，探討算法推薦如何可能加劇信息的片麵性和極端化。如何培養批判性思維，學會辨彆信息源的可靠性，成為個體獨立思考的關鍵。 我們還將探討信息的“熵”增效應。即信息在傳遞過程中，伴隨著噪聲、失真和丟失，其有序性會逐漸降低。如何對抗這種“熵”增，保持信息的準確性和完整性？這涉及到信息的組織、驗證和歸檔。 最後，我們將轉嚮“導航之道”。這並非教授具體的工具，而是探討思維模式的轉變。我們將強調主動學習、終身學習的重要性，以及培養元認知能力——認識自己認知過程的能力。學會提問，學會質疑，學會建立自己的信息過濾機製，以及與他人進行開放和建設性的交流，都是在這片信息海洋中保持清醒和前行的重要航道。我們還將思考，在信息爆炸的時代，如何從“被動接受信息”轉嚮“主動構建知識”。 第四章：信息的波濤與島嶼——社會結構與文明演進 信息的潮汐，不僅改變著個體的認知，更在重塑著社會結構和文明的形態。本章將從宏觀視角，審視信息洪流對社會産生的深遠影響。 我們將探討信息如何賦能（Empowerment）和連接（Connection）。社交媒體和即時通訊工具，極大地降低瞭人們溝通和組織成本，使得個體能夠更便捷地錶達訴求，形成社群，甚至推動社會變革。互聯網打破瞭地域限製，促進瞭跨文化的交流和理解。 然而，信息洪流也可能帶來新的挑戰和分裂。數字鴻溝（Digital Divide）依然存在，不同地區、不同群體在信息獲取和使用能力上的差異，可能加劇社會不平等。信息的高度集中和掌控，也可能帶來權力失衡的風險。我們將探討，在信息爆炸的時代，如何平衡效率與公平，如何防止信息成為加劇社會撕裂的工具。 我們還將關注信息對經濟、政治、文化等領域的影響。例如，信息驅動的商業模式如何顛覆傳統行業；信息透明度如何影響政府治理和公民參與；文化産品如何通過數字渠道以前所未有的速度傳播和演變。 最後，本書將展望信息洪流下的文明演進。我們正站在一個曆史性的十字路口，信息作為一種強大的力量，正在驅動著人類社會嚮何處去？是走嚮一個更加互聯互通、知識共享的“全球村”？還是在信息的喧囂中迷失方嚮，陷入新的睏境？《智海拾遺》並非提供明確的答案，而是希望通過對信息本質的深刻洞察，激發讀者獨立思考，共同探索信息時代人類文明的未來航嚮。 結語 《智海拾遺：跨越時代的信息洪流》是一部關於理解的著作。它不教你如何“處理”大數據，而是幫助你理解“大數據”這個現象背後，信息本身在人類文明中所扮演的永恒角色，以及我們當前所處的這個信息洪流時代，對我們每一個人的意義。它是一次邀請，邀請你在信息的潮汐中，找尋自己的錨點，認清前方的航道，最終抵達更加智慧的彼岸。

評分☆☆☆☆☆

這本書的排版和裝幀質量也值得稱贊，這對於長時間閱讀技術書籍來說非常重要。紙張的觸感舒適，字體大小適中，沒有那種廉價書籍特有的刺鼻油墨味，長時間閱讀下來眼睛也不會感到明顯的疲勞。更重要的是，作者在章節間的邏輯銜接處理得非常自然流暢，知識點的鋪墊和過渡都做得恰到好處。比如，在前麵對批處理模型有瞭紮實的基礎後，作者纔引入流處理的概念，使得讀者能夠自然地理解為何需要這種新的處理範式。很多技術書籍的弱點在於知識點的堆砌，讀完後感覺知識點都記住瞭，但彼此之間缺乏聯係，無法形成體係。但在這本書裏，你會清晰地看到，從底層的數據存儲到上層的計算框架，再到更上層的應用模式，所有的技術棧都是圍繞著“高效、可靠地處理大規模數據”這一核心目標構建起來的，它們之間互相印證，構成瞭一個邏輯自洽的技術生態係統。這種結構化的知識呈現方式，極大地提升瞭學習效率，也鞏固瞭我的係統思維能力。

評分☆☆☆☆☆

這本《大數據原理與技術》的封麵設計得非常有現代感，深邃的藍色調配上跳躍的數據流光影，一下子就抓住瞭我的眼球。我本來對這個領域抱持著一種既好奇又畏懼的心態，覺得它離我的日常工作和生活似乎有點遙遠，充斥著各種高深的算法和復雜的架構圖。然而，當我翻開第一章，就被作者清晰的邏輯和由淺入深的講解方式所吸引。它不像某些教科書那樣，上來就是一堆晦澀難懂的數學公式和專業術語，而是非常貼心地從“為什麼我們需要大數據”這個宏觀的角度切入，逐步剖析瞭數據爆炸時代的背景，以及傳統存儲和計算方案的局限性。閱讀過程中，我感覺自己像是在攀登一座設計精良的知識階梯，每一步都有堅實的颱階作為支撐，讓我能夠穩健地嚮上探索。尤其是一些關於數據采集和預處理的章節，作者用瞭非常生動的案例，比如電商平颱的實時推薦係統，把抽象的概念具象化瞭，讓我切實感受到瞭“大數據”在現實世界中的巨大能量和應用潛力。對於初學者來說，這本書的入門體驗絕對是頂級的，它成功地消除瞭我對技術壁壘的心理恐懼，點燃瞭我深入學習的熱情。

評分☆☆☆☆☆

說實話，我買這本書是抱著試一試的心態的，因為我更偏嚮於從開源社區的文檔和博客中學習前沿技術，傳統教材總給我一種滯後感。然而，這本書的內容更新速度和前瞻性遠遠超齣瞭我的預期。它沒有停留在對經典技術的羅列上，而是花瞭相當大的篇幅去探討瞭流式計算框架（如Spark Streaming/Flink）的演進，以及如何應對實時數據處理中的狀態管理和容錯機製這些棘手問題。作者對於分布式事務和數據一緻性問題的討論，簡直是教科書級彆的嚴謹和深刻，讓我對CAP理論有瞭全新的認識。閱讀到討論NoSQL數據庫選型的那一章時，我立刻迴想起前段時間團隊內部關於選擇Cassandra還是MongoDB的爭論，書中的分析角度非常全麵，從數據模型到最終一緻性保證，為我提供瞭非常清晰的決策框架。這種對復雜工程問題的深刻洞察力，使得這本書的價值超越瞭一般的教材，更像是一份資深架構師的經驗總結匯編。它不僅教我“如何做”，更教我“為何要這樣做”，這纔是真正的內功心法。

評分☆☆☆☆☆

我是一名非計算機專業的管理者，需要對我們公司的大數據戰略方嚮有一個宏觀的把控，但又不想陷入過多的代碼細節。因此，我尋找的是一本能夠幫助我理解技術全貌、掌握核心概念和評估技術選型的書籍。這本書恰好滿足瞭我的需求。它在描述底層技術時，總是能及時地跳齣來，用管理者能理解的語言解釋這些技術對業務價值的支撐。例如，在解釋數據治理和元數據管理的重要性時，作者強調的不是工具的使用，而是數據資産的有效性、閤規性和可信賴性，這些都是我作為決策者最關心的問題。書中對數據安全和隱私保護的探討，也緊扣當前全球監管的趨勢，提供瞭很有價值的視角。它讓我明白瞭，大數據技術絕不僅僅是技術部門的事情，它已經滲透到企業的核心競爭力中，是驅動業務創新的引擎。這本書成功地架起瞭技術部門與管理層之間的溝通橋梁，讓我能夠用更專業的語言參與到技術決策的討論中，而不是僅僅停留在“聽懂瞭”的層麵，而是能夠理解其背後的戰略意義。

評分☆☆☆☆☆

我是在一個項目需求驅動下不得不接觸大數據技術的，時間緊、任務重，急需一本能夠快速上手、理論與實踐結閤緊密的參考書。坦白說，市麵上很多書籍要麼過於偏重理論的數學推導，讀起來極其枯燥，要麼就是純粹的工具手冊，缺少對底層原理的係統性闡述，讓人知其然而不知其所以然。幸運的是，這本書在中間找到瞭一個絕妙的平衡點。它對Hadoop生態係統的各個組件，比如HDFS、MapReduce的原理，講解得極其到位，不僅描述瞭它們“是什麼”，更深入剖析瞭“為什麼這樣設計”，以及在特定場景下如何權衡性能和資源消耗。我尤其欣賞其中關於數據倉庫和數據湖架構對比的那一節，作者沒有簡單地站隊，而是客觀地分析瞭各自的適用場景和演進趨勢，這對於我們架構師做決策至關重要。書中的代碼示例和僞代碼都經過瞭精心打磨，注釋詳盡，我可以直接在自己的Linux環境中復現並進行修改測試，這種即學即用的感覺，極大地提高瞭我的工作效率。對於有一定技術基礎，想係統化提升大數據實戰能力的工程師來說，這本書無疑是一本可以隨時翻閱的“工具箱+思想寶典”。

評分☆☆☆☆☆

書不錯，可惜丟瞭

評分☆☆☆☆☆

不錯不錯不錯不錯不錯不錯不錯不錯

評分☆☆☆☆☆

還沒看

評分☆☆☆☆☆

不錯

評分☆☆☆☆☆

(???`?´?)??=???? ?

評分☆☆☆☆☆

這本書實在是爛。。

評分☆☆☆☆☆

很好的一本書

評分☆☆☆☆☆

！！！！！！！！！！！！！！！！！！！！！！！！！！

評分☆☆☆☆☆

還沒看