智慧城市大数据

《智慧城市大数据》一书从智慧城市入手，阐述了智慧城市的概念和建设目标，分析了智慧城市在国内外的发展现状，特别是上海的发展现状，由此思考了智慧城市所面临的问题和未来发展趋势。在此基础上，总结提出了智慧城市的技术体系总体框架，围绕该框架，对智慧城市中的大数据信息资源进行了分类阐述，并由此梳理了大数据在智慧城市应用中的关键技术。

深入理解大数据：大数据处理与编程实践

深入理解大数据:大数据处理与编程实践在总结多年来MapReduce并行处理技术课程教学经验和成果的基础上，与业界著名企业Intel公司的大数据技术和产品开发团队和资深工程师联合，以学术界的教学成果与业界高水平系统研发经验完美结合，在理论联系实际的基础上，在基础理论原理、实际算法设计方法以及业界深度技术三个层面上，精心组织材料编写而成。

大数据思维与应用攻略

本书的整体行文是基于“说些历史、话些故事、聊些技术、谈些思考”这样的思路展开的。全书共有13章，逻辑上分为四个部分：第一部分尝试对“数觉→数→数据→大数据”历史脉络进行梳理并陈述社会各界迎接和拥抱“大数据”的若干事实；第二部分尝试从技术实现和部署实施的角度厘清大数据技术流程，并从多个视角和层面阐述各个环节面临的挑战和机遇，重点叙述不同知识背景的研究群体针对大数据的态度、行动和思维方式；第三部分尝试从管理策略、价值实现及思维方式三个角度厘清大数据落地应用涉及的技术和非技术问题，并从多个视角和层面梳理各个环节的要点和细则；第四部分在对互联网的技术发展脉络及国际经济形势进行梳理的基础上，分析了在“互联网 ”概念被热炒及全民总动员的当代大数据的潜在发展机遇和应用场景。

Hadoop 2.X HDFS源码剖析

《Hadoop 2.X HDFS源码剖析》以Hadoop 2.6.0源码为基础，深入剖析了HDFS 2.X中各个模块的实现细节，包括RPC框架实现、Namenode实现、Datanode实现以及HDFS客户端实现等。《Hadoop 2.X HDFS源码剖析》一共有5章，其中第1章从总体上介绍了HDFS的组件、概念以及典型的流程，同时详细介绍了HDFS各个组件间RPC接口的定义。第2章介绍了Hadoop RPC框架的实现，Hadoop RPC是HDFS各个组件间通信所依赖的底层框架，可以理解为HDFS的神经系统。第3~5章分别介绍了Namenode、Datanode以及HDFS客户端这三个组件的实现细节，同时穿插介绍了HDFS 2.X的新特性，例如Namenode HA、Federation Namenode等。 阅读《Hadoop 2.X HDFS源码剖析》可以帮助读者从架构设计与源码实现角度了解HDFS 2.X，同时还能学习HDFS 2.X框架中优秀的设计思想、设计模式、Java语言技巧以及编程规范等。这些对于读者全面提高自己的技术水平有很大的帮助。

Web开发权威指南

本书在知名培训机构Big Nerd Ranch 培训教材的基础上编写而成，囊括了JavaScript、HTML5、CSS3等现代前端开发人员急需的技术关键点，包括响应式UI、访问远程Web 服务、用Ember.js 构建应用，等等。此外，还会介绍如何使用前沿开发工具来调试和测试代码，并且充分利用Node.js 和各种开源的npm 模块的强大功能来进行开发。 全书分四部分，每部分独立完成一个项目，由浅入深、循序渐进，在构建一系列应用的过程中，介绍Web 开发的核心概念和API。 无论是否拥有Web 开发经验，抑或拥有其他平台的开发背景，只要对当今流行的工具和开发实践充满兴趣，这本书都能让你受益匪浅。

Hadoop + Spark 大数据巨量分析与机器学习整合开发实战

《Hadoop Spark大数据巨量分析与机器学习整合开发实战》从浅显易懂的“大数据和机器学习”原理介绍和说明入手，讲述大数据和机器学习的基本概念，如：分类、分析、训练、建模、预测、机器学习（推荐引擎）、机器学习（二元分类）、机器学习（多元分类）、机器学习（回归分析）和数据可视化应用。为降低读者学习大数据技术的门槛，书中提供了丰富的上机实践操作和范例程序详解，展示了如何在单台Windows系统上通过Virtual Box虚拟机安装多台Linux虚拟机，如何建立Hadoop集群，再建立Spark开发环境。书中介绍搭建的上机实践平台并不限制于单台实体计算机。对于有条件的公司和学校，参照书中介绍的搭建过程，同样可以将实践平台搭建在多台实体计算机上，以便更加接近于大数据和机器学习真实的运行环境。 《Hadoop Spark大数据巨量分析与机器学习整合开发实战》非

实用机器学习

大数据时代为机器学习的应用提供了广阔的空间，各行各业涉及数据分析的工作都需要使用机器学习算法。本书围绕实际数据分析的流程展开，着重介绍数据探索、数据预处理和常用的机器学习算法模型。本书从解决实际问题的角度出发，介绍回归算法、分类算法、推荐算法、排序算法和集成学习算法。在介绍每种机器学习算法模型时，书中不但阐述基本原理，而且讨论模型的评价与选择。为方便读者学习各种算法，本书介绍了R语言中相应的软件包并给出了示例程序。 本书的一大特色就是贴近工程实践。首先，本书仅侧重介绍当前工业界常用的机器学习算法，而不追求知识内容的覆盖面；其次，本书在介绍每类机器学习算法时，力求通俗易懂地阐述算法思想，而不追求理论的深度，让读者借助代码获得直观的体验。

从Lucene到Elasticsearch 全文检索实战

《从Lucene到Elasticsearch：全文检索实战》循序渐进介绍了信息检索、布尔检索、向量空间模型、tf-idf、BM25排序算法、Lucene架构、Lucene创建索引、Lucene查询、Lucene项目实战、Elasticsearch安装与配置、Elasticsearch插件安装、REST API数据操作、映射与模板、索引别名、Elasticsearch基本和高级搜索、Elasticsearch同步数据库、Elasticsearch集群管理、项目实战等内容。 阅读《从Lucene到Elasticsearch：全文检索实战》，读者能够掌握信息检索的核心概念，应用Lucene库处理全文检索业务，掌握Elasticsearch分布式搜索引擎的使用方法与技巧。《从Lucene到Elasticsearch：全文检索实战》基于Lucene 6.0和Elasticsearch 5.4.0进行讲解，技术先进，示例丰富 适合想学习信息检索技术的初学者和相关专业的大学生、研究生学习，也很适合大数据及云计算平台构建人员以及有一定基础的IT开发人员使用。

Solr权威指南 上卷

Solr权威指南(上卷) 以图文并茂的形式、通俗易懂的语言讲解了Solr使用中的各个知识点，能够帮助对Solr感兴趣的读者快速了解Solr。由于目前有关Solr相关技术的书籍全部都是英文版的，所以对于英文不太好而又极其需要快速学会使用Solr的读者来说，这是一个福音。下卷：主要针对中高端读者，重点介绍了关于Solr查询、SolrJ、SolrCloud、Solr性能优化等的相关知识。对于Solr查询，下卷主要针对的是高阶知识部分，包括使用游标实现高效的深度分页查询、实现对查询返回的查询结果集进行自定义排序、使用相关性权重来提高查询返回结果集的相关性、FunctionQuery的使用方法、FunctionQuery的自定义方法等；对于SolrJ、SolrCloud的介绍，则均是从基础概念开始，逐步深入到具体的使用和管理方法；对于Solr性能优化，则主要集中在注意事项、具体建议等实操部分的介绍。在全书后，还单独利用一章对之前没涉及的零散内容进行集中介绍，包括版本升级、自定义伪域、自定义Redis缓存、流式处理等内容。

Java微服务实战

本书分为三部分：基础框架篇（1~6章）、服务框架篇（7~10章）、监控部署篇（11~13章），由浅入深来讲解微服务的相关技术。基础框架篇从微服务架构的基本概念与技术选型出发，详细的介绍了微服务基础框架SpringBoot、自动化API文档生成工具Swagger、动态数据源和缓存系统，并深入的分析了SpringBoot启动过程的核心源码，这一部分是整本书的基础；服务框架篇详细的介绍了服务注册与发现框架Consul、热配置管理框架Archaius、服务降级容错框架Hystrix，以及服务通信框架OkHttp、AsyncHttpClient和Retrofit，这一部分是整本书的核心；监控部署篇详细的介绍了ELK日志系统的实现、Zipkin全链路追踪系统的实现，*后介绍了持续集成与持续部署系统的实现，这一部分是开发运维的部分。