大数据时代关系数据库的挑战与应对 |
- 现代数据管理技术综述
- 关系数据库技术的核心特征
- 主流关系数据库的挑战
- 改进型关系数据库
|
大数据技术综述 |
- 大数据概念澄清
- 大数据技术家族
- NoSQL技术综述
- 最早的NoSQL---BDB
- Hadoop之Hbase与Facebook之Cassandra
- MongoDB与CouchDB
- Memcached与Redis
- 图形数据库Neo4j
- MapReduce
- 关系数据库联邦
- 海量分布式文件系统
- 大数据技术理论基础
|
Hadoop实用教程 |
- Hadoop技术概论
- Hadoop体系架构总论
- HDFS-工作原理与架构
- 平民化的分布式计算MapReduce
- MapReduce工作原理与架构
- Hadoop数据仓库-Hive
- Hadoop NoSQL数据库-HBase
- 工作流调度-Ooize
- 分布式协调系统--Zookeeper
- Hadoop部署
- Hadoop版本介绍与选择
- Hadoop部署实践
- Hadoop安装文件构成与配置体系
- 机器硬件建议配置
- 系统环境配置
- 基本参数配置与说明
- 进程分布规划与启动
- 分布式文件系统HDFS实用教程
- HDFS操作
- HDFS编程—文件读写
- HDFS数据压缩
- HDFS技术要点
M
- MapReduce实用教程
- MapReduce原理与架构
- MapReduce编程方法
- MapReduce实用技术要点
- MapReduce排序与关联
- MapReduce工作流
- MapReduce调优
- MapReduce2.0-YARN
- YARN的原理
- YARN设计架构
- YARN工作流程
- YARN与MapReduce1.0比较
- MapReduce实例讲解
- 普通实例
- 高级实例
- MapReduce高级数据分析(时间允许时)
- Hadoop数据仓库Hive
- Hive编程
- Hive环境部署与搭建
- Hive工作机制
- Hive语法与实践
- 其它ZooKeeper,Sqoop,Chukwa,Avro……
|
Hadoop技术分析 |
- Hadoop MapReduce技术解析
- 关于效率
- 关于扩展性
- 关于可靠性与可用性
- 关于与关系数据库
- 关于适用的数据类型
- 关于数据存储与管理
- Hadoop与关系数据库
- MapReduce与关系数据库
- Hive与MPP关系数据库
|
NoSQL实用教程 |
- NoSQL理论基础---CAP与BASE深入分析
- NoSQL实用教程
- HBase实用教程
- HBase原理
- HBase实用安装部署要点
- HBase数据模型
- HBase索引与关联的实现
- HBase使用
- HBase性能调优
- HBase高级设计教程---如何真正用好HBase
- HBase与关系数据库结合
- NoSQL设计实例
- HBase实现全属性查询
- HBase实现时间序列数据管理
- HBase与MapReduce结合示例
- Facebook Cassandra介绍
- MongoDB介绍
- 图数据库Neo4J介绍
|
NoSQL技术分析 |
- NoSQL技术手段总结
- 水平分割
- 数据副本与读写一致性
- In-Memory架构
- MVCC
- 列存储
- COW
- NoSQL技术解析
- NoSQL与关系数据库
- 理论原则分析
- 逻辑模型分析
- 物理模型分析
- 索引、事务与关联
- 使用场景定位
- 企业数据体系定位
|
Spark教程 |
- Spark组成与体系架构
- Spark原理
- Spark与Hadoop
- Scala简介
- Spark技术流程
|
超越Hadoop |
- Hadoop技术体系的不足与尴尬
- 新技术介绍
- 互联网技术体系介绍
- 数据管理技术发展趋势分析
|
大数据技术实践分享 |
- 海量数据处理架构设计
- 大数据驱动与企业业务/运营
- 实践中的企业大数据分析技术流程
- 采集---各种方法的比较
- 存储---原始数据与业务数据提取
- 模型---Web分析指标体系
- 分析---大数据分析方法
- 行动---个性化推荐
- 大数据与企业交易
- 大数据与企业交互
- 自已设计大数据技术体系
|
大数据与企业新一代数据体系建设 |
- 传统的以关系数据库为主的企业数据架构
- 大数据时代的新一代企业数据逻辑架构
- 数据分类
- 数据分布
- 数据流转
- 数据集成
- 数据交换
- 数据分析
- 应用展示
- 新一代企业数据技术架构
- 新一代企业数据架构中Hadoop/NoSQL与关系数据库的相互配合
- 典型场景示例
|