下载 >  大数据 >  算法与数据结构 > 大数据架构 (高清完整版)
0分

大数据架构 (高清完整版)

大数据架构大数据架构 必看的大数据架构相关知识。。。。。
2018-03-06 上传大小:56.31MB
立即下载 开通VIP
分享
收藏 (2) 举报
大数据架构详解 高清完整.pdf版下载

【更多关于《Spark》资料,加qq群:931257845领取!】 清晰完整 第一部分 大数据的本质 第1章 大数据是什么 2 1.1 大数据导论 2 1.1.1 大数据简史 2 1.1.2 大数据现状 3 1.1.3 大数据与BI 3 1.2 企业数据资产 4 1.3 大数据挑战 5 1.3.1 成本挑战 6 1.3.2 实时性挑战 6 1.3.3 安全挑战 6 1.4 小结 6 第2章 运营商大数据架构 7 2.1 架构驱动的因素 7 2.2 大数据平台架构 7 2.3 平台发展趋势 8 2.4 小结 8 第3章 运营商大数据业务 9 3.1 运营商常见的大数据业务 9 3.1.1 SQM(运维质量管理) 9 3.1.2 CSE(客户体验提升) 9 3.1.3 MSS(市场运维支撑) 10 3.1.4 DMP(数据管理平台) 10 3.2 小结 11 第二部分 大数据技术 第4章 数据获取 14 4.1 数据分类 14 4.2 数据获取组件 14 4.3 探针 15 4.3.1 探针原理 15 4.3.2 探针的关键能力 16 4.4 网页采集 26 4.4.1 网络爬虫 26 4.4.2 简单爬虫Python代码示例 32 4.5 日志收集 33 4.5.1 Flume 33 4.5.2 其他日志收集组件 47 4.6 数据分发中间件 47 4.6.1 数据分发中间件的作用 47 4.6.2 Kafka架构和原理 47 4.7 小结 82 第5章 流处理 83 5.1 算子 83 5.2 流的概念 83 5.3 流的应用场景 84 5.3.1 金融领域 84 5.3.2 电信领域 85 5.4 业界两种典型的流引擎 85 5.4.1 Storm 85 5.4.2 Spark Streaming 89 5.4.3 融合框架 102 5.5 CEP 108 5.5.1 CEP是什么 108 5.5.2 CEP的架构 109 5.5.3 Esper 110 5.6 实时结合机器学习 110 5.6.1 Eagle的特点 111 5.6.2 Eagle概览 111 5.7 小结 116 第6章 交互式分析 117 6.1 交互式分析的概念 117 6.2 MPP DB技术 118 6.2.1 MPP的概念 118 6.2.2 典型的MPP数据库 121 6.2.3 MPP DB调优实战 131 6.2.4 MPP DB适用场景 162 6.3 SQL on Hadoop 163 6.3.1 Hive 163 6.3.2 Phoenix 165 6.3.3 Impala 166 6.4 大数据仓库 167 6.4.1 数据仓库的概念 167 6.4.2 OLTP/OLAP对比 168 6.4.3 大数据场景下的同与不同 168 6.4.4 查询引擎 169 6.4.5 存储引擎 170 6.5 小结 171 第7章 批处理技术 172 7.1 批处理技术的概念 172 7.2 MPP DB技术 172 7.3 MapReduce编程框架 173 7.3.1 MapReduce起源 173 7.3.2 MapReduce原理 173 7.3.3 Shuffle 174 7.3.4 性能差的主要原因 177 7.4 Spark架构和原理 177 7.4.1 Spark的起源和特点 177 7.4.2 Spark的核心概念 178 7.5 BSP框架 217 7.5.1 什么是BSP模型 217 7.5.2 并行模型介绍 218 7.5.3 BSP模型基本原理 220 7.5.4 BSP模型的特点 222 7.5.5 BSP模型的评价 222 7.5.6 BSP与MapReduce对比 222 7.5.7 BSP模型的实现 223 7.5.8 Apache Hama简介 223 7.6 批处理关键技术 227 7.6.1 CodeGen 227 7.6.2 CPU亲和技术 228 7.7 小结 229 第8章 机器学习和数据挖掘 230 8.1 机器学习和数据挖掘的联系与区别 230 8.2 典型的数据挖掘和机器学习过程 231 8.3 机器学习概览 232 8.3.1 学习方式 232 8.3.2 算法类似性 233 8.4 机器学习&数据挖掘应用案例 235 8.4.1 尿布和啤酒的故事 235 8.4.2 决策树用于电信领域故障快速定位 236 8.4.3 图像识别领域 236 8.4.4 自然语言识别 238 8.5 交互式分析 239 8.6 深度学习 240 8.6.1 深度学习概述 240 8.6.2 机器学习的背景 241 8.6.3 人脑视觉机理 242 8.6.4 关于特征 244 8.6.5 需要有多少个特征 245 8.6.6 深度学习的基本思想 246 8.6.7 浅层学习和深度学习 246 8.6.8 深度学习与神经网络 247 8.6.9 深度学习的训练过程 248 8.6.10 深度学习的框架 248 8.6.11 深度学习与GPU 255 8.6.12 深度学习小结与展望 256 8.7 小结 257 第9章 资源管理 258 9.1 资源管理的基本概念 258 9.1.1 资源调度的目标和价值 258 9.1.2 资源调度的使用限制及难点 258 9.2 Hadoop领域的资源调度框架 259 9.2.1 YARN 259 9.2.2 Borg 260 9.2.3 Omega 262 9.2.4 本节小结 263 9.3 资源分配算法 263 9.3.1 算法的作用 263 9.3.2 几种调度算法分析 263 9.4 数据中心统一资源调度 271 9.4.1 Mesos+Marathon架构和原理 271 9.4.2 Mesos+Marathon小结 283 9.5 多租户技术 284 9.5.1 多租户概念 284 9.5.2 多租户方案 284 9.6 基于应用描述的智能调度 287 9.7 Apache Mesos架构和原理 288 9.7.1 Apache Mesos背景 288 9.7.2 Apache Mesos总体架构 288 9.7.3 Apache Mesos工作原理 290 9.7.4 Apache Mesos关键技术 295 9.7.5 Mesos与YARN比较 304 9.8 小结 305 第10章 存储是基础 306 10.1 分久必合,合久必分 306 10.2 存储硬件的发展 306 10.2.1 机械硬盘的工作原理 306 10.2.2 SSD的原理 307 10.2.3 3DXPoint 309 10.2.4 硬件发展小结 309 10.3 存储关键指标 309 10.4 RAID技术 309 10.5 存储接口 310 10.5.1 文件接口 311 10.5.2 裸设备 311 10.5.3 对象接口 312 10.5.4 块接口 316 10.5.5 融合是趋势 328 10.6 存储加速技术 328 10.6.1 数据组织技术 328 10.6.2 缓存技术 335 10.7 小结 336 第11章 大数据云化 337 11.1 云计算定义 337 11.2 应用上云 337 11.2.1 Cloud Native概念 338 11.2.2 微服务架构 338 11.2.3 Docker配合微服务架构 342 11.2.4 应用上云小结 348 11.3 大数据上云 348 11.3.1 大数据云服务的两种模式 348 11.3.2 集群模式AWSEMR 349 11.3.3 服务模式Azure Data Lake Analytics 352 11.4 小结 354 第三部分 大数据文化 第12章 大数据技术开发文化 356 12.1 开源文化 356 12.2 DevOps理念 356 12.2.1 Development和Operations的组合 357 12.2.2 对应用程序发布的影响 357 12.2.3 遇到的问题 358 12.2.4 协调人 358 12.2.5 成功的关键 359 12.3 速度远比你想的重要 359 12.4 小结 361

立即下载
30积分/C币
大数据架构详解:从数据获取到深度学习.pdf 带书签 高清 完整

【更多关于《大数据》资料,加qq群:931257845领取!】 第一部分 大数据的本质 第1章 大数据是什么 2 1.1 大数据导论 2 1.1.1 大数据简史 2 1.1.2 大数据现状 3 1.1.3 大数据与BI 3 1.2 企业数据资产 4 1.3 大数据挑战 5 1.3.1 成本挑战 6 1.3.2 实时性挑战 6 1.3.3 安全挑战 6 1.4 小结 6 第2章 运营商大数据架构 7 2.1 架构驱动的因素 7 2.2 大数据平台架构 7 2.3 平台发展趋势 8 2.4 小结 8 第3章 运营商大数据业务 9 3.1 运营商常见的大数据业务 9 3.1.1 SQM(运维质量管理) 9 3.1.2 CSE(客户体验提升) 9 3.1.3 MSS(市场运维支撑) 10 3.1.4 DMP(数据管理平台) 10 3.2 小结 11 第二部分 大数据技术 第4章 数据获取 14 4.1 数据分类 14 4.2 数据获取组件 14 4.3 探针 15 4.3.1 探针原理 15 4.3.2 探针的关键能力 16 4.4 网页采集 26 4.4.1 网络爬虫 26 4.4.2 简单爬虫Python代码示例 32 4.5 日志收集 33 4.5.1 Flume 33 4.5.2 其他日志收集组件 47 4.6 数据分发中间件 47 4.6.1 数据分发中间件的作用 47 4.6.2 Kafka架构和原理 47 4.7 小结 82 第5章 流处理 83 5.1 算子 83 5.2 流的概念 83 5.3 流的应用场景 84 5.3.1 金融领域 84 5.3.2 电信领域 85 5.4 业界两种典型的流引擎 85 5.4.1 Storm 85 5.4.2 Spark Streaming 89 5.4.3 融合框架 102 5.5 CEP 108 5.5.1 CEP是什么 108 5.5.2 CEP的架构 109 5.5.3 Esper 110 5.6 实时结合机器学习 110 5.6.1 Eagle的特点 111 5.6.2 Eagle概览 111 5.7 小结 116 第6章 交互式分析 117 6.1 交互式分析的概念 117 6.2 MPP DB技术 118 6.2.1 MPP的概念 118 6.2.2 典型的MPP数据库 121 6.2.3 MPP DB调优实战 131 6.2.4 MPP DB适用场景 162 6.3 SQL on Hadoop 163 6.3.1 Hive 163 6.3.2 Phoenix 165 6.3.3 Impala 166 6.4 大数据仓库 167 6.4.1 数据仓库的概念 167 6.4.2 OLTP/OLAP对比 168 6.4.3 大数据场景下的同与不同 168 6.4.4 查询引擎 169 6.4.5 存储引擎 170 6.5 小结 171 第7章 批处理技术 172 7.1 批处理技术的概念 172 7.2 MPP DB技术 172 7.3 MapReduce编程框架 173 7.3.1 MapReduce起源 173 7.3.2 MapReduce原理 173 7.3.3 Shuffle 174 7.3.4 性能差的主要原因 177 7.4 Spark架构和原理 177 7.4.1 Spark的起源和特点 177 7.4.2 Spark的核心概念 178 7.5 BSP框架 217 7.5.1 什么是BSP模型 217 7.5.2 并行模型介绍 218 7.5.3 BSP模型基本原理 220 7.5.4 BSP模型的特点 222 7.5.5 BSP模型的评价 222 7.5.6 BSP与MapReduce对比 222 7.5.7 BSP模型的实现 223 7.5.8 Apache Hama简介 223 7.6 批处理关键技术 227 7.6.1 CodeGen 227 7.6.2 CPU亲和技术 228 7.7 小结 229 第8章 机器学习和数据挖掘 230 8.1 机器学习和数据挖掘的联系与区别 230 8.2 典型的数据挖掘和机器学习过程 231 8.3 机器学习概览 232 8.3.1 学习方式 232 8.3.2 算法类似性 233 8.4 机器学习&数据挖掘应用案例 235 8.4.1 尿布和啤酒的故事 235 8.4.2 决策树用于电信领域故障快速定位 236 8.4.3 图像识别领域 236 8.4.4 自然语言识别 238 8.5 交互式分析 239 8.6 深度学习 240 8.6.1 深度学习概述 240 8.6.2 机器学习的背景 241 8.6.3 人脑视觉机理 242 8.6.4 关于特征 244 8.6.5 需要有多少个特征 245 8.6.6 深度学习的基本思想 246 8.6.7 浅层学习和深度学习 246 8.6.8 深度学习与神经网络 247 8.6.9 深度学习的训练过程 248 8.6.10 深度学习的框架 248 8.6.11 深度学习与GPU 255 8.6.12 深度学习小结与展望 256 8.7 小结 257 第9章 资源管理 258 9.1 资源管理的基本概念 258 9.1.1 资源调度的目标和价值 258 9.1.2 资源调度的使用限制及难点 258 9.2 Hadoop领域的资源调度框架 259 9.2.1 YARN 259 9.2.2 Borg 260 9.2.3 Omega 262 9.2.4 本节小结 263 9.3 资源分配算法 263 9.3.1 算法的作用 263 9.3.2 几种调度算法分析 263 9.4 数据中心统一资源调度 271 9.4.1 Mesos+Marathon架构和原理 271 9.4.2 Mesos+Marathon小结 283 9.5 多租户技术 284 9.5.1 多租户概念 284 9.5.2 多租户方案 284 9.6 基于应用描述的智能调度 287 9.7 Apache Mesos架构和原理 288 9.7.1 Apache Mesos背景 288 9.7.2 Apache Mesos总体架构 288 9.7.3 Apache Mesos工作原理 290 9.7.4 Apache Mesos关键技术 295 9.7.5 Mesos与YARN比较 304 9.8 小结 305 第10章 存储是基础 306 10.1 分久必合,合久必分 306 10.2 存储硬件的发展 306 10.2.1 机械硬盘的工作原理 306 10.2.2 SSD的原理 307 10.2.3 3DXPoint 309 10.2.4 硬件发展小结 309 10.3 存储关键指标 309 10.4 RAID技术 309 10.5 存储接口 310 10.5.1 文件接口 311 10.5.2 裸设备 311 10.5.3 对象接口 312 10.5.4 块接口 316 10.5.5 融合是趋势 328 10.6 存储加速技术 328 10.6.1 数据组织技术 328 10.6.2 缓存技术 335 10.7 小结 336 第11章 大数据云化 337 11.1 云计算定义 337 11.2 应用上云 337 11.2.1 Cloud Native概念 338 11.2.2 微服务架构 338 11.2.3 Docker配合微服务架构 342 11.2.4 应用上云小结 348 11.3 大数据上云 348 11.3.1 大数据云服务的两种模式 348 11.3.2 集群模式AWSEMR 349 11.3.3 服务模式Azure Data Lake Analytics 352 11.4 小结 354 第三部分 大数据文化 第12章 大数据技术开发文化 356 12.1 开源文化 356 12.2 DevOps理念 356 12.2.1 Development和Operations的组合 357 12.2.2 对应用程序发布的影响 357 12.2.3 遇到的问题 358 12.2.4 协调人 358 12.2.5 成功的关键 359 12.3 速度远比你想的重要 359 12.4 小结 361

立即下载
5积分/C币
大数据架构详解:从数据获取到深度学习
大数据架构详解:从数据获取到深度学习 高清完整.pdf版下载

【更多关于《大数据》资料,加qq群:931257845领取!】 清晰完整 第一部分 大数据的本质 第1章 大数据是什么 2 1.1 大数据导论 2 1.1.1 大数据简史 2 1.1.2 大数据现状 3 1.1.3 大数据与BI 3 1.2 企业数据资产 4 1.3 大数据挑战 5 1.3.1 成本挑战 6 1.3.2 实时性挑战 6 1.3.3 安全挑战 6 1.4 小结 6 第2章 运营商大数据架构 7 2.1 架构驱动的因素 7 2.2 大数据平台架构 7 2.3 平台发展趋势 8 2.4 小结 8 第3章 运营商大数据业务 9 3.1 运营商常见的大数据业务 9 3.1.1 SQM(运维质量管理) 9 3.1.2 CSE(客户体验提升) 9 3.1.3 MSS(市场运维支撑) 10 3.1.4 DMP(数据管理平台) 10 3.2 小结 11 第二部分 大数据技术 第4章 数据获取 14 4.1 数据分类 14 4.2 数据获取组件 14 4.3 探针 15 4.3.1 探针原理 15 4.3.2 探针的关键能力 16 4.4 网页采集 26 4.4.1 网络爬虫 26 4.4.2 简单爬虫Python代码示例 32 4.5 日志收集 33 4.5.1 Flume 33 4.5.2 其他日志收集组件 47 4.6 数据分发中间件 47 4.6.1 数据分发中间件的作用 47 4.6.2 Kafka架构和原理 47 4.7 小结 82 第5章 流处理 83 5.1 算子 83 5.2 流的概念 83 5.3 流的应用场景 84 5.3.1 金融领域 84 5.3.2 电信领域 85 5.4 业界两种典型的流引擎 85 5.4.1 Storm 85 5.4.2 Spark Streaming 89 5.4.3 融合框架 102 5.5 CEP 108 5.5.1 CEP是什么 108 5.5.2 CEP的架构 109 5.5.3 Esper 110 5.6 实时结合机器学习 110 5.6.1 Eagle的特点 111 5.6.2 Eagle概览 111 5.7 小结 116 第6章 交互式分析 117 6.1 交互式分析的概念 117 6.2 MPP DB技术 118 6.2.1 MPP的概念 118 6.2.2 典型的MPP数据库 121 6.2.3 MPP DB调优实战 131 6.2.4 MPP DB适用场景 162 6.3 SQL on Hadoop 163 6.3.1 Hive 163 6.3.2 Phoenix 165 6.3.3 Impala 166 6.4 大数据仓库 167 6.4.1 数据仓库的概念 167 6.4.2 OLTP/OLAP对比 168 6.4.3 大数据场景下的同与不同 168 6.4.4 查询引擎 169 6.4.5 存储引擎 170 6.5 小结 171 第7章 批处理技术 172 7.1 批处理技术的概念 172 7.2 MPP DB技术 172 7.3 MapReduce编程框架 173 7.3.1 MapReduce起源 173 7.3.2 MapReduce原理 173 7.3.3 Shuffle 174 7.3.4 性能差的主要原因 177 7.4 Spark架构和原理 177 7.4.1 Spark的起源和特点 177 7.4.2 Spark的核心概念 178 7.5 BSP框架 217 7.5.1 什么是BSP模型 217 7.5.2 并行模型介绍 218 7.5.3 BSP模型基本原理 220 7.5.4 BSP模型的特点 222 7.5.5 BSP模型的评价 222 7.5.6 BSP与MapReduce对比 222 7.5.7 BSP模型的实现 223 7.5.8 Apache Hama简介 223 7.6 批处理关键技术 227 7.6.1 CodeGen 227 7.6.2 CPU亲和技术 228 7.7 小结 229 第8章 机器学习和数据挖掘 230 8.1 机器学习和数据挖掘的联系与区别 230 8.2 典型的数据挖掘和机器学习过程 231 8.3 机器学习概览 232 8.3.1 学习方式 232 8.3.2 算法类似性 233 8.4 机器学习&数据挖掘应用案例 235 8.4.1 尿布和啤酒的故事 235 8.4.2 决策树用于电信领域故障快速定位 236 8.4.3 图像识别领域 236 8.4.4 自然语言识别 238 8.5 交互式分析 239 8.6 深度学习 240 8.6.1 深度学习概述 240 8.6.2 机器学习的背景 241 8.6.3 人脑视觉机理 242 8.6.4 关于特征 244 8.6.5 需要有多少个特征 245 8.6.6 深度学习的基本思想 246 8.6.7 浅层学习和深度学习 246 8.6.8 深度学习与神经网络 247 8.6.9 深度学习的训练过程 248 8.6.10 深度学习的框架 248 8.6.11 深度学习与GPU 255 8.6.12 深度学习小结与展望 256 8.7 小结 257 第9章 资源管理 258 9.1 资源管理的基本概念 258 9.1.1 资源调度的目标和价值 258 9.1.2 资源调度的使用限制及难点 258 9.2 Hadoop领域的资源调度框架 259 9.2.1 YARN 259 9.2.2 Borg 260 9.2.3 Omega 262 9.2.4 本节小结 263 9.3 资源分配算法 263 9.3.1 算法的作用 263 9.3.2 几种调度算法分析 263 9.4 数据中心统一资源调度 271 9.4.1 Mesos+Marathon架构和原理 271 9.4.2 Mesos+Marathon小结 283 9.5 多租户技术 284 9.5.1 多租户概念 284 9.5.2 多租户方案 284 9.6 基于应用描述的智能调度 287 9.7 Apache Mesos架构和原理 288 9.7.1 Apache Mesos背景 288 9.7.2 Apache Mesos总体架构 288 9.7.3 Apache Mesos工作原理 290 9.7.4 Apache Mesos关键技术 295 9.7.5 Mesos与YARN比较 304 9.8 小结 305 第10章 存储是基础 306 10.1 分久必合,合久必分 306 10.2 存储硬件的发展 306 10.2.1 机械硬盘的工作原理 306 10.2.2 SSD的原理 307 10.2.3 3DXPoint 309 10.2.4 硬件发展小结 309 10.3 存储关键指标 309 10.4 RAID技术 309 10.5 存储接口 310 10.5.1 文件接口 311 10.5.2 裸设备 311 10.5.3 对象接口 312 10.5.4 块接口 316 10.5.5 融合是趋势 328 10.6 存储加速技术 328 10.6.1 数据组织技术 328 10.6.2 缓存技术 335 10.7 小结 336 第11章 大数据云化 337 11.1 云计算定义 337 11.2 应用上云 337 11.2.1 Cloud Native概念 338 11.2.2 微服务架构 338 11.2.3 Docker配合微服务架构 342 11.2.4 应用上云小结 348 11.3 大数据上云 348 11.3.1 大数据云服务的两种模式 348 11.3.2 集群模式AWSEMR 349 11.3.3 服务模式Azure Data Lake Analytics 352 11.4 小结 354 第三部分 大数据文化 第12章 大数据技术开发文化 356 12.1 开源文化 356 12.2 DevOps理念 356 12.2.1 Development和Operations的组合 357 12.2.2 对应用程序发布的影响 357 12.2.3 遇到的问题 358 12.2.4 协调人 358 12.2.5 成功的关键 359 12.3 速度远比你想的重要 359 12.4 小结 361

立即下载
30积分/C币
大数据架构详解+大数据技术原理与应用

本资源包含两部分内容: 1. 大数据架构详解:从数据获取到深度学习 【朱洁,罗华霖 著】 2. 大数据技术原理与应用:概念、存储、处理、分析与应用(第2版)【林子雨 著】

立即下载
10积分/C币
大数据架构详解:从数据获取到深度学习(高清完整版)

第一部分 大数据的本质 第1章 大数据是什么 2 1.1 大数据导论 2 1.1.1 大数据简史 2 1.1.2 大数据现状 3 1.1.3 大数据与BI 3 1.2 企业数据资产 4 1.3 大数据挑战 5 1.3.1 成本挑战 6 1.3.2 实时性挑战 6 1.3.3 安全挑战 6 1.4 小结 6 第2章 运营商大数据架构 7 2.1 架构驱动的因素 7 2.2 大数据平台架构 7 2.3 平台发展趋势 8 2.4 小结 8 第3章 运营商大数据业务 9 3.1 运营商常见的大数据业务 9 3.1.1 SQM(运维质量管理) 9 3.1.2 CSE(客户体验提升) 9 3.1.3 MSS(市场运维支撑) 10 3.1.4 DMP(数据管理平台) 10 3.2 小结 11 第二部分 大数据技术 第4章 数据获取 14 4.1 数据分类 14 4.2 数据获取组件 14 4.3 探针 15 4.3.1 探针原理 15 4.3.2 探针的关键能力 16 4.4 网页采集 26 4.4.1 网络爬虫 26 4.4.2 简单爬虫Python代码示例 32 4.5 日志收集 33 4.5.1 Flume 33 4.5.2 其他日志收集组件 47 4.6 数据分发中间件 47 4.6.1 数据分发中间件的作用 47 4.6.2 Kafka架构和原理 47 4.7 小结 82 第5章 流处理 83 5.1 算子 83 5.2 流的概念 83 5.3 流的应用场景 84 5.3.1 金融领域 84 5.3.2 电信领域 85 5.4 业界两种典型的流引擎 85 5.4.1 Storm 85 5.4.2 Spark Streaming 89 5.4.3 融合框架 102 5.5 CEP 108 5.5.1 CEP是什么 108 5.5.2 CEP的架构 109 5.5.3 Esper 110 5.6 实时结合机器学习 110 5.6.1 Eagle的特点 111 5.6.2 Eagle概览 111 5.7 小结 116 第6章 交互式分析 117 6.1 交互式分析的概念 117 6.2 MPP DB技术 118 6.2.1 MPP的概念 118 6.2.2 典型的MPP数据库 121 6.2.3 MPP DB调优实战 131 6.2.4 MPP DB适用场景 162 6.3 SQL on Hadoop 163 6.3.1 Hive 163 6.3.2 Phoenix 165 6.3.3 Impala 166 6.4 大数据仓库 167 6.4.1 数据仓库的概念 167 6.4.2 OLTP/OLAP对比 168 6.4.3 大数据场景下的同与不同 168 6.4.4 查询引擎 169 6.4.5 存储引擎 170 6.5 小结 171 第7章 批处理技术 172 7.1 批处理技术的概念 172 7.2 MPP DB技术 172 7.3 MapReduce编程框架 173 7.3.1 MapReduce起源 173 7.3.2 MapReduce原理 173 7.3.3 Shuffle 174 7.3.4 性能差的主要原因 177 7.4 Spark架构和原理 177 7.4.1 Spark的起源和特点 177 7.4.2 Spark的核心概念 178 7.5 BSP框架 217 7.5.1 什么是BSP模型 217 7.5.2 并行模型介绍 218 7.5.3 BSP模型基本原理 220 7.5.4 BSP模型的特点 222 7.5.5 BSP模型的评价 222 7.5.6 BSP与MapReduce对比 222 7.5.7 BSP模型的实现 223 7.5.8 Apache Hama简介 223 7.6 批处理关键技术 227 7.6.1 CodeGen 227 7.6.2 CPU亲和技术 228 7.7 小结 229 第8章 机器学习和数据挖掘 230 8.1 机器学习和数据挖掘的联系与区别 230 8.2 典型的数据挖掘和机器学习过程 231 8.3 机器学习概览 232 8.3.1 学习方式 232 8.3.2 算法类似性 233 8.4 机器学习&数据挖掘应用案例 235 8.4.1 尿布和啤酒的故事 235 8.4.2 决策树用于电信领域故障快速定位 236 8.4.3 图像识别领域 236 8.4.4 自然语言识别 238 8.5 交互式分析 239 8.6 深度学习 240 8.6.1 深度学习概述 240 8.6.2 机器学习的背景 241 8.6.3 人脑视觉机理 242 8.6.4 关于特征 244 8.6.5 需要有多少个特征 245 8.6.6 深度学习的基本思想 246 8.6.7 浅层学习和深度学习 246 8.6.8 深度学习与神经网络 247 8.6.9 深度学习的训练过程 248 8.6.10 深度学习的框架 248 8.6.11 深度学习与GPU 255 8.6.12 深度学习小结与展望 256 8.7 小结 257 第9章 资源管理 258 9.1 资源管理的基本概念 258 9.1.1 资源调度的目标和价值 258 9.1.2 资源调度的使用限制及难点 258 9.2 Hadoop领域的资源调度框架 259 9.2.1 YARN 259 9.2.2 Borg 260 9.2.3 Omega 262 9.2.4 本节小结 263 9.3 资源分配算法 263 9.3.1 算法的作用 263 9.3.2 几种调度算法分析 263 9.4 数据中心统一资源调度 271 9.4.1 Mesos+Marathon架构和原理 271 9.4.2 Mesos+Marathon小结 283 9.5 多租户技术 284 9.5.1 多租户概念 284 9.5.2 多租户方案 284 9.6 基于应用描述的智能调度 287 9.7 Apache Mesos架构和原理 288 9.7.1 Apache Mesos背景 288 9.7.2 Apache Mesos总体架构 288 9.7.3 Apache Mesos工作原理 290 9.7.4 Apache Mesos关键技术 295 9.7.5 Mesos与YARN比较 304 9.8 小结 305 第10章 存储是基础 306 10.1 分久必合,合久必分 306 10.2 存储硬件的发展 306 10.2.1 机械硬盘的工作原理 306 10.2.2 SSD的原理 307 10.2.3 3DXPoint 309 10.2.4 硬件发展小结 309 10.3 存储关键指标 309 10.4 RAID技术 309 10.5 存储接口 310 10.5.1 文件接口 311 10.5.2 裸设备 311 10.5.3 对象接口 312 10.5.4 块接口 316 10.5.5 融合是趋势 328 10.6 存储加速技术 328 10.6.1 数据组织技术 328 10.6.2 缓存技术 335 10.7 小结 336 第11章 大数据云化 337 11.1 云计算定义 337 11.2 应用上云 337 11.2.1 Cloud Native概念 338 11.2.2 微服务架构 338 11.2.3 Docker配合微服务架构 342 11.2.4 应用上云小结 348 11.3 大数据上云 348 11.3.1 大数据云服务的两种模式 348 11.3.2 集群模式AWSEMR 349 11.3.3 服务模式Azure Data Lake Analytics 352 11.4 小结 354 第三部分 大数据文化 第12章 大数据技术开发文化 356 12.1 开源文化 356 12.2 DevOps理念 356 12.2.1 Development和Operations的组合 357 12.2.2 对应用程序发布的影响 357 12.2.3 遇到的问题 358 12.2.4 协调人 358 12.2.5 成功的关键 359 12.3 速度远比你想的重要 359 12.4 小结 361

立即下载
50积分/C币
大数据架构详解

大数据架构详解,从数据获取到分析,PDF档.本书适合大数据技术领域的从业人员如架构师,工程师,产品经理等 以及准备学习相关领域知识的学生和老师阅读.

立即下载
2积分/C币
多图技术贴:深入浅出解析大数据平台架构
《大数据架构详解:从数据获取到深度学习》第八次重印
最新大数据架构详解:从数据获取到深度学习(高清版)

最新高清大数据架构详解:从数据获取到深度学习(高清版)

立即下载
10积分/C币
大数据架构详解从数据获取到深度学习读书笔记
深入浅出解析大数据平台架构
大数据架构师指南pdf 下载 清晰完整版

大数据架构师指南.pdf

立即下载
50积分/C币
大数据架构师指南高清完整pdf

【更多关于《大数据》资料,加qq群:931257845领取!】 【别人收费太高,特此下载转分享】中兴大数据平台DAP团队,结合案例,总结大数据建设实践中的经验与知识

立即下载
2积分/C币
大数据架构师指南高清完整.pdf版下载

中兴大数据平台DAP团队,结合案例,总结大数据建设实践中的经验与知识

立即下载
50积分/C币
大数据架构商业之路:从业务需求到技术方案.pdf(中文高清版)

目前大数据技术已经日趋成熟,但是业界发现与大数据相关的产品设计和研发仍然非常困难,技术、产品和商业的结合度还远远不够。这主要是因为大数据涉及范围广、技术含量高、更新换代快,门槛也比其他大多数IT行业更高。人们要么使用昂贵的商业解决方案,要么花费巨大的精力摸索。本书通过一个虚拟的互联网O2O创业故事,来逐步展开介绍创业各个阶段可能遇到的大数据课题、业务需求,以及相对应的技术方案,甚至是实践解析;让读者身临其境,一起来探寻大数据的奥秘。书中会覆盖较广泛的技术点,并提供相应的背景知识介绍,对于想进一步深入研究细节的读者,也可轻松获得继续阅读的方向和指导性建议。

立即下载
3积分/C币
大数据日知录 架构与算法 PDF 带书签目录 高清完整版

目录 第0 章 当谈论大数据时我们在谈什么 1 0.1 大数据是什么 2 0.2 大数据之翼:技术范型转换 4 0.3 大数据商业炼金术 6 0.4 “大数据”在路上 7 第1 章 数据分片与路由 9 1.1 抽象模型10 1.2 哈希分片(Hash Partition) 11 1.2.1 Round Robin11 1.2.2 虚拟桶(Virtual Buckets) 12 1.2.3 一致性哈希(Consistent Hashing) 13 1.3 范围分片(Range Partition) 18 参考文献19 第2 章 数据复制与一致性20 2.1 基本原则与设计理念21 2.1.1 原教旨CAP 主义21 2.1.2 CAP 重装上阵(CAP Reloaded)23 2.1.3 ACID 原则24 2.1.4 BASE 原则24 2.1.5 CAP/ACID/BASE 三者的关系25 2.1.6 幂等性(Idempotent)26 2.2 一致性模型分类26 2.2.1 强一致性27 2.2.2 最终一致性28 2.2.3 因果一致性28 2.2.4 “读你所写”一致性29 2.2.5 会话一致性29 2.2.6 单调读一致性30 2.2.7 单调写一致性30 2.3 副本更新策略30 2.3.1 同时更新30 2.3.2 主从式更新31 2.3.3 任意节点更新32 2.4 一致性协议32 2.4.1 两阶段提交协议(Two—Phrase Commit,2PC)33 2.4.2 向量时钟(Vector Clock) 38 2.4.3 RWN 协议40 2.4.4 Paxos 协议42 2.4.5 Raft 协议45 参考文献49 第3 章 大数据常用的算法与数据结构51 3.1 布隆过滤器(Bloom Filter) 51 3.1.1 基本原理52 3.1.2 误判率及相关计算52 3.1.3 改进:计数Bloom Filter53 3.1.4 应用54 3.2 SkipList55 3.3 LSM 树58 3.4 Merkle 哈希树(Merkle Hash Tree) 62 3.4.1 Merkle 树基本原理62 3.4.2 Dynamo 中的应用63 3.4.3 比特币中的应用63 3.5 Snappy 与LZSS 算法65 3.5.1 LZSS 算法65 3.5.2 Snappy67 3.6 Cuckoo 哈希(Cuckoo Hashing) 67 3.6.1 基本原理68 3.6.2 应用:SILT 存储系统68 参考文献70 第4 章 集群资源管理与调度71 4.1 资源管理抽象模型72 4.1.1 概念模型72 4.1.2 通用架构73 4.2 调度系统设计的基本问题74 4.2.1 资源异质性与工作负载异质性74 4.2.2 数据局部性(Data Locality) 75 4.2.3 抢占式调度与非抢占式调度75 4.2.4 资源分配粒度(Allocation Granularity) 76 4.2.5 饿死(Starvation)与死锁(Dead Lock)问题76 4.2.6 资源隔离方法77 4.3 资源管理与调度系统范型77 4.3.1 集中式调度器(Monolithic Scheduler)78 4.3.2 两级调度器(Two—Level Scheduler) 79 4.3.3 状态共享调度器(Shared—State Scheduler) 79 4.4 资源调度策略81 4.4.1 FIFO 调度策略81 4.4.2 公平调度器(Fair Scheduler)81 4.4.3 能力调度器(Capacity Scheduler) 82 4.4.4 延迟调度策略(Delay Scheduling)82 4.4.5 主资源公平调度策略(Dominant Resource Fair Scheduling)82 4.5 Mesos 84 4.6 YARN87 参考文献90 第5 章 分布式协调系统91 5.1 Chubby 锁服务92 5.1.1 系统架构93 5.1.2 数据模型94 5.1.3 会话与KeepAlive 机制95 5.1.4 客户端缓存95 5.2 ZooKeeper 96 5.2.1 体系结构96 5.2.2 数据模型(Data Model) 97 5.2.3 API 98 5.2.4 ZooKeeper 的典型应用场景98 5.2.5 ZooKeeper 的实际应用103 参考文献104 第6 章 分布式通信106 6.1 序列化与远程过程调用框架107 6.1.1 Protocol Buffer 与Thrift 108 6.1.2 Avro109 6.2 消息队列110 6.2.1 常见的消息队列系统110 6.2.2 Kafka 111 6.3 应用层多播通信(Application—Level Multi—Broadcast)114 6.3.1 概述114 6.3.2 Gossip 协议115 参考文献118 第7 章 数据通道120 7.1 Log 数据收集120 7.1.1 Chukwa121 7.1.2 Scribe122 7.2 数据总线123 7.2.1 Databus125 7.2.2 Wormhole 127 7.3 数据导入/导出128 参考文献129 第8 章 分布式文件系统131 8.1 Google 文件系统(GFS) 132 8.1.1 GFS 设计原则132 8.1.2 GFS 整体架构133 8.1.3 GFS 主控服务器134 8.1.4 系统交互行为136 8.1.5 Colossus 137 8.2 HDFS 138 8.2.1 HDFS 整体架构139 8.2.2 HA 方案140 8.2.3 NameNode 联盟143 8.3 HayStack 存储系统145 8.3.1 HayStack 整体架构146 8.3.2 目录服务147 8.3.3 HayStack 缓存148 8.3.4 HayStack 存储系统的实现148 8.4 文件存储布局150 8.4.1 行式存储151 8.4.2 列式存储151 8.4.3 混合式存储156 8.5 纠删码(Erasure Code)158 8.5.1 Reed—Solomon 编码159 8.5.2 LRC 编码164 8.5.3 HDFS—RAID 架构166 参考文献166 …… 第9 章 内存KV 数据库168 第10 章 列式数据库176 第11 章 大规模批处理系统199 第12 章 流式计算219 第13 章 交互式数据分析240 第14 章 图数据库:架构与算法271 第15 章 机器学习:范型与架构313 第16 章 机器学习:分布式算法337 第17 章 增量计算366 附录A 硬件体系结构及常用性能指标378 附录B 大数据必读文献380

立即下载
50积分/C币
《大数据之路:阿里巴巴大数据实践》 书签版

如何建设高效的数据模型和体系,使数据易用,避免重复建设和数 据不一致性,保证数据的规范性;如何提供高效易用的数据开发工具z 如何做好数据质量保障;如何有效管理和控制日益增长的存储和计算消 耗z 如何保证数据服务的稳定,保证其性能z 如何设计有效的数据产品 高效赋能于外部客户和内部员工……这些都给大数据系统的建设提出 了更多复杂的要求。 本书介绍的阿里巴巴大数据系统架构,就是为了满足不断变化的业 务需求,同时实现系统的高度扩展性、灵活性以及数据展现的高性能而 设计的。

立即下载
5积分/C币
算法导论_原书第3版_完整清晰版.pdf

算法导论_原书第3版_完整清晰版.pdf,仅用学习使用,不可用于商业用途,如有版权问题,请联系删除!

立即下载
5积分/C币
Python金融大数据分析(中文版PDF/高清/完整版/去水印)

  Python凭借其简单、易读、可扩展性以及拥有巨大而活跃的科学计算社区,在需要分析、处理大量数据的金融行业得到了广泛而迅速的应用,并且成为该行业开发核心应用的编程语言。《Python金融大数据分析》提供了使用Python进行数据分析,以及开发相关应用程序的技巧和工具。  《Python金融大数据分析》总计分为3部分,共19章,第1部分介绍了Python在金融学中的应用,其内容涵盖了Python用于金融行业的原因、Python的基础架构和工具,以及Python在计量金融学中的一些具体入门实例;第2部分介绍了金融分析和应用程序开发中重要的Python库、技术和方法,其内容涵盖了Python的数据类型和结构、用matplotlib进行数据可视化、金融时间序列数据处理、高性能输入/输出操作、高性能的Python技术和库、金融学中需要的多种数学工具、随机数生成和随机过程模拟、Python统计学应用、Python和Excel的集成、Python面向对象编程和GUI的开发、Python与Web技术的集成,以及基于Web应用和Web服务的开发;第3部分关注的是蒙特卡洛模拟期权与衍生品定价实际应用的开发工作,其内容涵盖了估值框架的介绍、金融模型的模拟、衍生品的估值、投资组合的估值、波动率期权等知识。  《Python金融大数据分析》适合对使用Python进行大数据分析、处理感兴趣的金融行业开发人员阅读。

立即下载
50积分/C币
深入云计算 Hadoop源代码分析 第2版 (修订版) 高清完整.pdf版下载

深入云计算 Hadoop源代码分析 第2版 (修订版) pdf 作者: 张鑫 出版社: 中国铁道出版社 出版时间:2014年版 丛编项: 深入云计算 本书是一本全面细致介绍和分析Hadoop源码和内部工作机理的技术书籍,通过对Hadoop内部源码详细透彻的解析,使读者能够快速高效地掌握Hadoop的内部工作机制,了解Hadoop内部源码架构,对Hadoop有更加深刻的认识。   本书主要对Hadoop最核心的部分:HDFS和MapReduce进行源码解析和说明。适合所有想全面学习Hadoop开发技术的人员阅读,也适用于使用Hadoop进行开发的工程技术人员,还可作为想深入了解Hadoop运行机制、源代码的开发人员的参考书籍。

立即下载
50积分/C币
大数据架构和算法实现之路:电商系统的技术实战

黄申,博士,毕业于上海交通大学计算机科学与工程专业,师从俞勇教授。微软学者,IBMExtremeBlue天才计划成员。长期专注于大数据相关的搜索、推荐、广告以及用户精准化领域。曾在微软亚洲研究院、eBay中国、沃尔玛1号店和大润发飞牛网担任要职,带队完成了若干公司级的战略项目。同时著有20多篇国际论文和10多项国际专利,兼任《计算机工程》期刊特邀审稿专家。因其对业界的卓越贡献,2015年获得美国政府颁发的“美国杰出人才”称号。 本书介绍了一些主流技术在商业项目中的应用,包括机器学习中的分类、聚类和线性回归,搜索引擎,推荐系统,用户行为跟踪,架构设计的基本理念及常用的消息和缓存机制。在这个过程中,我们有机会实践R、Mahout、Solr、Elasticsearch、Hadoop、HBase、Hive、Flume、Kafka、Storm等系统。如前所述,本书最大的特色就是,从商业需求出发演变到合理的技术方案和实现,因此根据不同的应用场景、不同的数据集合、不同的进阶难度,我们为读者提供了反复温习和加深印象的机会。

立即下载
5积分/C币
软件是这样“炼”成的 从软件需求分析到软件架构设计(中文高清pdf版)

《软件是这样“炼”成的:从软件需求分析到软件架构设计》是以案例驱动的方式,用投核保系统为本书仅有、连贯性的案例全程记录了软件开发过程中从需求开发到架构设计的全部过程。从文字组织到书的结构设计方面,既不是以理论为主调的“学院派”编写方法,也不是以应用介绍为主调的“应用派”编写格调,而采用了情景对话、场景在线、自然语言的方式,详细介绍了软件需求到架构过程中所应用的理论知识以及这些知识的应用,同时分析了这些理论知识的应用场景,然后以投核保系统为案例将软件开发过程中各个阶段成果物完整的展现给读者。

立即下载
10积分/C币
大数据架构商业之路:从业务需求到技术方案(全书)高清完整.pdf版下载

【更多关于《大数据》资料,加qq群:931257845领取!】 编辑推荐   作者荣获美国政府颁发的“美国杰出人才”称号。大润发中国区董事长、飞牛网首席执行董事黄明端先生与eBay全球零售科学高级总监逄伟先生作序力荐!   将技术与商业需求相结合,深入剖析大数据商业应用中的困惑与难题,帮助读者更好地掌握技术支撑业务高速发展的方案! 内容简介   目前大数据技术已经日趋成熟,但是业界发现与大数据相关的产品设计和研发仍然非常困难,技术、产品和商业的结合度还远远不够。这主要是因为大数据涉及范围广、技术含量高、更新换代快,门槛也比其他大多数IT行业更高。人们要么使用昂贵的商业解决方案,要么花费巨大的精力摸索。本书通过一个虚拟的互联网O2O创业故事,来逐步展开介绍创业各个阶段可能遇到的大数据课题、业务需求,以及相对应的技术方案,甚至是实践解析;让读者身临其境,一起来探寻大数据的奥秘。书中会覆盖较广泛的技术点,并提供相应的背景知识介绍,对于想进一步深入研究细节的读者,也可轻松获得继续阅读的方向和指导性建议。 京东购买链接:https://item.jd.com/11915193.html

立即下载
30积分/C币
[最低积分]大数据之路:阿里巴巴大数据实践-高清扫描版-完整目录

[最低积分]大数据之路:阿里巴巴大数据实践-高清扫描版-完整目录,分享给所有需要的人

立即下载
15积分/C币
人件 原书第3版 高清完整版

人件 原书第3版 高清完整版 大师的作品,非常不错! 人件 原书第3版 高清完整版 大师的作品,非常不错!

立即下载
3积分/C币
Python金融大数据分析 完整高清pdf

Python金融大数据分析 高清完整版. 该书讲述了使用python进行数据分析,以及开发相关程序的技巧以及工具,是难得一见的好书.强烈推荐!

立即下载
50积分/C币
大数据日知录 : 架构与算法 完整版 PDF

内容简介 · · · · · · 大数据是当前最为流行的热点概念之一,其已由技术名词衍生到对很多行业产生颠覆性影响的社会现象,作为最明确的技术发展趋势之一,基于大数据的各种新型产品必将会对每个人的日常生活产生日益重要的影响。 《大数据日知录:架构与算法》从架构与算法角度全面梳理了大数据存储与处理的相关技术。大数据技术具有涉及的知识点异常众多且正处于快速演进发展过程中等特点,其技术点包括底层的硬件体系结构、相关的基础理论、大规模数据存储系统、分布式架构设计、各种不同应用场景下的差异化系统设计思路、机器学习与数据挖掘并行算法以及层出不穷的新架构、新系统等。《大数据日知录:架构与算法》对众多纷繁芜杂的相关技术文献和系统进行了择优汰劣并系统性地对相关知识分门别类地进行整理和介绍,将大数据相关技术分为大数据基础理论、大数据系统体系结构、大数据存储,以及包含批处理、流式计算、交互式数据分析、图数据库、并行机器学习的架构与算法以及增量计算等技术分支在内的大数据处理等几个大的方向。通过这种体系化的知识梳理与讲解,相信对于读者整体和系统地了解、吸收和掌握相关的优秀技术有极大的帮助与促进作用。 《大数据日知录:架构与算法》的读者对象包括对NoSQL 系统及大数据处理感兴趣的所有技术人员,以及有志于投身到大数据处理方向从事架构师、算法工程师、数据科学家等相关职业的在校本科生及研究生。 作者简介 · · · · · · 张俊林是技术书籍《这就是搜索引擎:核心技术详解》(该书荣获全国第十二届输出版优秀图书奖)的作者,目前担任畅捷通智能平台总监。在此之前,张俊林曾经在阿里巴巴搜索技术中心、百度商务搜索部凤巢广告平台以及新浪微博搜索部及数据系统部担任资深技术专家,新浪微博技术委员会成员,负责算法策略方向。他还曾是智能信息聚合网站“玩聚网”的联合创始人之一。他的研发兴趣集中在:搜索技术、推荐系统、社交挖掘、自然语言处理与大数据算法架构等方面,并在以上领域有多年工业界实践经验。 张俊林本科毕业于天津大学管理学院,1999年至2004年在中科院软件所直接攻读博士学位,研究方向是信息检索理论与自然语言处理,就学期间曾在ACL/COLING/IJCNLP等国际顶级会议发表多篇学术论文,另外,他在此期间领导设计的搜索系统曾在美国国防部DARPA主持的TREC第二届高精度检索系统评测中在17支国际高水平研究团队激烈竞争中胜出,并取得综合排名第一名的优异成绩。

立即下载
50积分/C币
大数据之路:阿里巴巴大数据实践

《大数据之路:阿里巴巴大数据实践》就是在此背景下完成的。《大数据之路:阿里巴巴大数据实践》中讲到的阿里巴巴大数据系统架构,就是为了满足不断变化的业务需求,同时实现系统的高度扩展性、灵活性以及数据展现的高性能而设计的。 《大数据之路:阿里巴巴大数据实践》由阿里巴巴数据技术及产品部组织并完成写作,是阿里巴巴分享对大数据的认知,与生态伙伴共创数据智能的重要基石。相信《大数据之路:阿里巴巴大数据实践》中的实践和思考对同行会有很大的启发和借鉴意义

立即下载
5积分/C币
【源码及实验数据】《大数据架构和算法实现之路:电商系统的技术实战》

《大数据架构和算法实现之路:电商系统的技术实战》的随书源代码。 书籍作者:黄申,博士,毕业于上海交通大学计算机科学与工程专业。 内容包含3部分: 1、分类Classification 2、聚类Clustering 3、线性回归LinearRegression 4、推荐Recommendation 5、搜索Search 6、用户行为跟踪UserBehaviorTracking

立即下载
5积分/C币
关闭
img

spring mvc+mybatis+mysql+maven+bootstrap 整合实现增删查改简单实例.zip

资源所需积分/C币 当前拥有积分 当前拥有C币
5 0 0
点击完成任务获取下载码
输入下载码
为了良好体验,不建议使用迅雷下载
img

大数据架构 (高清完整版)

会员到期时间: 剩余下载个数: 剩余C币: 剩余积分:0
为了良好体验,不建议使用迅雷下载
VIP下载
您今日下载次数已达上限(为了良好下载体验及使用,每位用户24小时之内最多可下载20个资源)

积分不足!

资源所需积分/C币 当前拥有积分
您可以选择
开通VIP
4000万
程序员的必选
600万
绿色安全资源
现在开通
立省522元
或者
购买C币兑换积分 C币抽奖
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 4 45
为了良好体验,不建议使用迅雷下载
确认下载
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 0 0
为了良好体验,不建议使用迅雷下载
VIP和C币套餐优惠
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 4 45
您的积分不足,将扣除 10 C币
为了良好体验,不建议使用迅雷下载
确认下载
下载
您还未下载过该资源
无法举报自己的资源

兑换成功

你当前的下载分为234开始下载资源
你还不是VIP会员
开通VIP会员权限,免积分下载
立即开通

你下载资源过于频繁,请输入验证码

您因违反CSDN下载频道规则而被锁定帐户,如有疑问,请联络:webmaster@csdn.net!

举报

若举报审核通过,可返还被扣除的积分

  • 举报人:
  • 被举报人:
  • *类型:
    • *投诉人姓名:
    • *投诉人联系方式:
    • *版权证明:
  • *详细原因: