品味大數據 品味大数据

<內容簡介>

當下，大數據是一個熱門的話題，很多領域的學者，從不同的角度進行了深入的討論。本書從大數據的歷史、內涵、哲學和技術四個角度，全面解析大數據，讓讀者對大數據有更深入的瞭解。
《品味大數據》共11章，大致分為4塊：第1-3章主要漫談了大數據的有趣的歷史，包括數據的啟蒙、信息載體的演變和數據管理的發展脈絡。第4-6章主要聊聊大數據的內涵，包括大數據與哲學及第四科學範式的關聯。第7-9張是大數據的雜談，包括大數據的用途、可能面臨的陷阱以及通過小故事對大數據進行一些煩死，第10-11章主要涉及大數據的技術，包括100餘篇大數據論文的漫讀及Hadoop的初級實戰篇。
圖書結構完整，行文幽默，並以圖文並茂、通俗易懂的方式力圖讓讀者心有餘地品味大數據。圖書援引了數以百計大家牛人的觀點，或褒或貶，高手過招，精彩紛呈，是一本不容讀者錯過的大數據圖書。

<章節目錄>

序在路上，學而時習之/張玉宏

第一章大數據簡史漫談之一——數字的來源及數據思維的發展 
1.1人類的“數覺”與計數係統 
1.2關於二進制的一點討論 
1.3數字的誕生與廣泛應用的匹配法 
1.4數學的“問世”與“算法”的祖師爺 
1.5文字的“出爐”與羅馬語言的來歷 
1.6古代的數據保存之道與文言文的“無奈”精簡 
1.7古代的“數據中心”——圖書館 
1.8古代計算工具的誕生及其演變 
1.9統計學誕生——數據思維的漸起 
1.10美國式的人口普查——大數據催生新技術 
1.11中國式的人口統計與數目字管理 
1.12本章小結與思考 

第二章大數據簡史漫談之二——近代存儲體係發展中的那些人和事
2.1數據複製與傳播中的問題及解決方案
2.2影響人類發展進程的幾次能源革命
2.3不能遺忘的電氣時代的傳奇——特斯拉
2.4霍爾瑞斯的穿孔卡 
2.5現代通用計算機的奠基者——圖靈和馮·諾伊曼 
2.6波弗勞姆的磁帶發明 
2.7華人王安電腦的磁芯存儲器
2.8 IBM的傳奇磁存儲世界
2.9網絡存儲世界的興起
2.10本章小結與思考

第三章大數據簡史漫談之三——數據庫的發展與大數據的興起
3.1近代“數據中心”之夢殤
3.2 “窮”則思變之網狀數據庫
3.3濃墨重彩之關係數據庫
3.4突破數據共享封鎖線的領頭人
3.5高手對決的數據倉庫領域兩俠客
3.6向非結構化進發的數據大趨勢
3.7大數據術語的歷史淵源
3.8現代大數據的誕生
3.9在混沌和秩序轉化中螺旋上升
3.10本章小結與思考

第四章大數據的內涵 
4.1從數據、信息到知識、智慧的飛躍
4.2大數據的多版本定義
4.3大數據——新時代的生產資料
4.4信息（數據）化、第二經濟與數據思維的轉變
4.5大數據——來自學術界的青睞
4.6大數據——來自政府層面的重視
4.7大數據——來自工商業的熱捧
4.8大數據內涵——“豈止於大”
4.8.1大數據之“大”有不同（Volume）
4.8.2大數據之唯“快”不破（Velocity）
4.8.3大數據之五彩繽紛（Variety）  
4.8 .4大數據之價“值”無限（Value）
4.8.5包括但不限於4V
4.9本章小結與思考

第五章大數據時代的一點哲學思考
5.1哲學與科學的關係——為什麼計算機專業博士也發個哲學文憑（Ph.D）
5.2大、小數據的“質”不同
5.3大數據的數理哲學基礎——同構關係 
5.4大數據認識主體的變化——“替人消災”式的認識能免責嗎
5.5波普爾的世界3——秦始皇的長生夢，找錯了空間
5.6大數據認識對象的變化——提升普羅大眾的權重：“長尾理論”
5.7認識論對大數據研究的指導意義 
5.7.1科學始於觀察——證實主義 
5.7.2證實主義的困頓——來自波普爾的批判
5.7.3科學始於問題——波普爾的貢獻 
5.7.4科學始於數據——大數據時代的科學轉機與思考
5.7.5大數據的悲觀思潮
5.8本章小結與思考

第六章大數據研究的第四範式
6.1谷歌公司的“不務正業”
6.2塞吉·布林的“秘密”病情
6.3布林病情的“治療”方案 
6.4詹姆斯·格雷的科學第四範式 
6.5科學研究的其他三個範式 
6.6本章小結與思考 

第七章大數據，大有為
7.1洞察帶來價值 
7.2案例1 ：谷歌是如何“越俎代庖”地預測流感的 
7.2.1流感治療網絡化 
7.2.2 “無意間”生產的搜索數據 
7.2.3谷歌工程師們的傑作——流感預測趨勢（GFT）
7.2.4谷歌的“越俎代庖”為何成功
7.2.5案例小結：數據、模型與理論
7.3案例2 ：“全數據”是如何為葉詩文抱不平的
7.3.1葉詩文事件的新聞背景
7.3.2什麼是性能分析法
7.3.3質疑的合理性在哪裡
7.3.4 “大數據=全數據”的威力——為葉詩文抱不平
7.3.5案例小結
7.4案例3 ：大數據是如何對抗癌症的
7.4.1癌症大數據的特徵是什麼
7.4.2癌症從哪裡來
7.4.3大數據用之於癌症鬥爭，挑戰何在
7.4.4癌症診療的基礎大數據——獲取難
7.4.5數據化帶來的顛覆式醫療——執行難
7.4.6哪些機構在用大數據對抗癌症 
7.4. 7癌症大數據的重要源頭——基因組數據 
7.4.8大數據對抗癌症，前景如何
7.4.9案例小結
7.5更多大數據應用案例
7.6本章小結與思考

第八章大數據之坑與小數據之美
8.1引子——哪個V才是大數據最重要的特徵
8.1.1 “大”有不同——Volume（大量）  
8.1.2數據共徵——Velocity（快速）與Value（價值）
8.1.3五彩繽“紛”——Variety（多樣）
8.2大數據的力量與陷阱
8.2.1大數據的力量 
8.2.2大數據的陷阱 
8.2.3今日王謝堂前燕，暫未飛入百姓家——大數據還沒那麼普及 
8.2.4你若安好，便是晴天——小數據之美
8.3本章小結與思考

第九章12個小故事，思考大數據
9.1故事1 ：大數據都是騙人的啊——大數據預測得準嗎 
9.2故事2 ：顛簸的街道——對不起，“n=all”只是一個幻覺 
9.3故事3 ：醉漢路燈下找鑰匙——大數據的研究方法可笑嗎
9.4故事4 ：園中有金不在金——大數據的價值 
9.5故事5 ：蓋洛普抽樣的成功——大小之爭，“大”數據一定勝過小抽樣嗎
9.6故事6 ：點球成金——數據流PK球探，誰更重要
9.7故事7 ：啤酒和尿布——經典故事是偽造的，你知道嗎 
9.8故事8 ：谷歌流感預測——預測是如何失效的
9.9故事9 ：Target超市預測女孩懷孕——“大數據”智慧，還是愚蠢
9.10故事10 ：你的一夜情我知道——大數據的隱私之痛
9.11故事11 ：大數據，無須懼——比薩店員更能知道顧客所有的信息嗎.
9.12故事12 ：撲朔離迷的“因果關係”——蘇格拉底的“詭辯術”
9.13本章小結與思考

第十章大數據技術漫談——需要讀懂的100篇大數據文獻
10.1大數據價值的實現 
10.2大數據分析的關鍵架構層 
10.3架構的演進 
10.4幾個重要的概念 
10.5文件系統層
10.6數據存儲層
10.7資源管理器層（Resource Managers）
10.8調度器（Schedulers）  
10.9協調器（Coordination）
10.10計算框架（Computational Frameworks）
10.11數據分析層（Data Analysis）
10.12數據集成層（Data Integration）
10.13操作框架層（Operational Frameworks）
10.14本章小結與思考 

第十一章牛刀小試之Hadoop實戰
11.1什麼是Hadoop 
11.2 Hadoop發展歷程
11.3 Hadoop集群服務器的安裝與配置 
11.3.1安裝CentOS 7
11.3.2配置Java環境
11.3.3啟動和配置SSH服務
11.3.4安裝Hadoop
11.3.5啟動Hadoop
11.4運行Hello World版Hadoop程序——WordCount 
11.5全分佈模式下的Hadoop集群構建 
11.5.1 Linux以運行等級3啟動 
11.5.2在Windows和Mac OS環境下克隆虛擬機 
11.5.3設置靜態IP地址 
11.5.4修改hosts文件 
11.5.5虛擬機的同步配置
11.5.6 SSH的免密碼登錄
11.5.7全分佈模式下安裝Hadoop 
11.5.8同步配置文件
11.5.9創建所需目錄
11.5.10關閉防火牆
11.5.11格式化文件系統
11.5.12啟動Hadoop守護進程
11.5.13驗證全分佈模式
11.5 .14默認配置文件所在位置
11.5.15關閉Hadoop
11.5.16 Hadoop的運行錯誤查找 
11.6 WordCount代碼詳解
11.6.1 MapReduce編程模型 
11.6.2 WordCount的MapReduce處理流程
11.6.3 WordCount源碼解讀
11.7本章小結與思考
後記