大数据需要学习什么样的知识？

1、大数据专业，一般是指大数据采集与管理专业；

创新互联建站是专业的鄢陵网站建设公司，鄢陵接单;提供做网站、成都网站建设,网页设计,网站设计,建网站,PHP网站建设等专业做网站服务;采用PHP框架,可快速的进行鄢陵网站开发网页制作和功能扩展;专业做搜索引擎喜爱的网站,专业的做网站团队,希望更多企业前来合作!

2、课程设置

大数据专业将从大数据应用的三个主要层面（即数据管理、系统开发、海量数据分析与挖掘）系统地帮助企业掌握大数据应用中的各种典型问题的解决办法，包括实现和分析协同过滤算法、运行和学习分类算法、分布式Hadoop集群的搭建和基准测试、分布式Hbase集群的搭建和基准测试、实现一个基于、Mapreduce的并行算法、部署Hive并实现一个的数据操作等等，实际提升企业解决实际问题的能力。

3、核心技术

（1）大数据与Hadoop生态系统。详细介绍分析分布式文件系统HDFS、集群文件系统ClusterFS和NoSQL Database技术的原理与应用；分布式计算框架Mapreduce、分布式数据库HBase、分布式数据仓库Hive。

（2）关系型数据库技术。详细介绍关系型数据库的原理，掌握典型企业级数据库的构建、管理、开发及应用。

（3）分布式数据处理。详细介绍分析Map/Reduce计算模型和Hadoop Map/Reduce技术的原理与应用。

（4）海量数据分析与数据挖掘。详细介绍数据挖掘技术、数据挖掘算法–Minhash, Jaccard and Cosine similarity，TF-IDF数据挖掘算法–聚类算法；以及数据挖掘技术在行业中的具体应用。

（5）物联网与大数据。详细介绍物联网中的大数据应用、遥感图像的自动解译、时间序列数据的查询、分析和挖掘。

（6）文件系统（HDFS）。详细介绍HDFS部署，基于HDFS的高性能提供高吞吐量的数据访问。

（7）NoSQL。详细介绍NoSQL非关系型数据库系统的原理、架构及典型应用。

4、行业现状

今天，越来越多的行业对大数据应用持乐观的态度，大数据或者相关数据分析解决方案的使用在互联网行业，比如百度、腾讯、淘宝、新浪等公司已经成为标准。而像电信、金融、能源这些传统行业，越来越多的用户开始尝试或者考虑怎么样使用大数据解决方案，来提升自己的业务水平。

在“大数据”背景之下，精通“大数据”的专业人才将成为企业最重要的业务角色，“大数据”从业人员薪酬持续增长，人才缺口巨大。

对大数据分析有兴趣的小伙伴们，不妨先从看看大数据分析书籍开始入门！B站上有很多的大数据教学视频，从基础到高级的都有，还挺不错的，知识点讲的很细致，还有完整版的学习路线图。也可以自己去看看，下载学习试试。

分布式系统领域有哪些经典论文

分布式领域论文译序

sqlnosql年代记

SMAQ：海量数据的存储计算和查询

一．google论文系列

1. google系列论文译序

2. The anatomy of a large-scale hypertextual Web search engine (译 zz)

3. web search for a planet :the google cluster architecture(译)

4. GFS：google文件系统 (译)

5. MapReduce: Simplied Data Processing on Large Clusters (译)

6. Bigtable: A Distributed Storage System for Structured Data (译)

7. Chubby: The Chubby lock service for loosely-coupled distributed systems (译)

8. Sawzall:Interpreting the Data--Parallel Analysis with Sawzall (译 zz)

9. Pregel: A System for Large-Scale Graph Processing (译)

10. Dremel: Interactive Analysis of WebScale Datasets(译zz)

11. Percolator: Large-scale Incremental Processing Using Distributed Transactions and Notifications(译zz)

12. MegaStore: Providing Scalable, Highly Available Storage for Interactive Services(译zz)

13. Case Study GFS: Evolution on Fast-forward (译)

14. Google File System II: Dawn of the Multiplying Master Nodes

15. Tenzing - A SQL Implementation on the MapReduce Framework (译)

16. F1-The Fault-Tolerant Distributed RDBMS Supporting Google's Ad Business

17. Elmo: Building a Globally Distributed, Highly Available Database

18. PowerDrill：Processing a Trillion Cells per Mouse Click

19. Google-Wide Profiling:A Continuous Profiling Infrastructure for Data Centers

20. Spanner: Google’s Globally-Distributed Database(译zz)

21. Dapper, a Large-Scale Distributed Systems Tracing Infrastructure(笔记)

22. Omega: flexible, scalable schedulers for large compute clusters

23. CPI2: CPU performance isolation for shared compute clusters

24. Photon: Fault-tolerant and Scalable Joining of Continuous Data Streams(译)

25. F1: A Distributed SQL Database That Scales

26. MillWheel: Fault-Tolerant Stream Processing at Internet Scale(译)

27. B4: Experience with a Globally-Deployed Software Defined WAN

28. The Datacenter as a Computer

29. Google brain-Building High-level Features Using Large Scale Unsupervised Learning

30. Mesa: Geo-Replicated, Near Real-Time, Scalable Data Warehousing(译zz)

31. Large-scale cluster management at Google with Borg

google系列论文翻译集(合集)

二．分布式理论系列

00. Appraising Two Decades of Distributed Computing Theory Research

0. 分布式理论系列译序

1. A brief history of Consensus_ 2PC and Transaction Commit (译)

2. 拜占庭将军问题 (译) --Leslie Lamport

3. Impossibility of distributed consensus with one faulty process (译)

4. Leases：租约机制 (译)

5. Time Clocks and the Ordering of Events in a Distributed System(译) --Leslie Lamport

6. 关于Paxos的历史

7. The Part Time Parliament (译 zz) --Leslie Lamport

8. How to Build a Highly Available System Using Consensus(译)

9. Paxos Made Simple (译) --Leslie Lamport

10. Paxos Made Live - An Engineering Perspective(译)

11. 2 Phase Commit(译)

12. Consensus on Transaction Commit(译) --Jim Gray Leslie Lamport

13. Why Do Computers Stop and What Can Be Done About It?(译) --Jim Gray

14. On Designing and Deploying Internet-Scale Services(译) --James Hamilton

15. Single-Message Communication(译)

16. Implementing fault-tolerant services using the state machine approach

17. Problems, Unsolved Problems and Problems in Concurrency

18. Hints for Computer System Design

19. Self-stabilizing systems in spite of distributed control

20. Wait-Free Synchronization

21. White Paper Introduction to IEEE 1588 Transparent Clocks

22. Unreliable Failure Detectors for Reliable Distributed Systems

23. Life beyond Distributed Transactions:an Apostate’s Opinion(译zz)

24. Distributed Snapshots: Determining Global States of a Distributed System --Leslie Lamport

25. Virtual Time and Global States of Distributed Systems

26. Timestamps in Message-Passing Systems That Preserve the Partial Ordering

27. Fundamentals of Distributed Computing:A Practical Tour of Vector Clock Systems

28. Knowledge and Common Knowledge in a Distributed Environment

29. Understanding Failures in Petascale Computers

30. Why Do Internet services fail, and What Can Be Done About It?

31. End-To-End Arguments in System Design

32. Rethinking the Design of the Internet: The End-to-End Arguments vs. the Brave New World

33. The Design Philosophy of the DARPA Internet Protocols(译zz)

34. Uniform consensus is harder than consensus

35. Paxos made code - Implementing a high throughput Atomic Broadcast

36. RAFT:In Search of an Understandable Consensus Algorithm

分布式理论系列论文翻译集(合集)

三．数据库理论系列

0. A Relational Model of Data for Large Shared Data Banks --E.F.Codd 1970

1. SEQUEL：A Structured English Query Language 1974

2. Implentation of a Structured English Query Language 1975

3. A System R: Relational Approach to Database Management 1976

4. Granularity of Locks and Degrees of Consistency in a Shared DataBase --Jim Gray 1976

5. Access Path Selection in a RDBMS 1979

6. The Transaction Concept:Virtues and Limitations --Jim Gray

7. 2pc-2阶段提交：Notes on Data Base Operating Systems --Jim Gray

8. 3pc-3阶段提交：NONBLOCKING COMMIT PROTOCOLS

9. MVCC：Multiversion Concurrency Control-Theory and Algorithms --1983

10. ARIES: A Transaction Recovery Method Supporting Fine-Granularity Locking and Partial Rollbacks Using Write-Ahead Logging-1992

11. A Comparison of the Byzantine Agreement Problem and the Transaction Commit Problem --Jim Gray

12. A Formal Model of Crash Recovery in a Distributed System - Skeen, D. Stonebraker

13. What Goes Around Comes Around - Michael Stonebraker, Joseph M. Hellerstein

14. Anatomy of a Database System -Joseph M. Hellerstein, Michael Stonebraker

15. Architecture of a Database System(译zz) -Joseph M. Hellerstein, Michael Stonebraker, James Hamilton

四．大规模存储与计算(NoSql理论系列)

0. Towards Robust Distributed Systems：Brewer's 2000 PODC key notes

1. CAP理论

2. Harvest, Yield, and Scalable Tolerant Systems

3. 关于CAP

4. BASE模型：BASE an Acid Alternative

5. 最终一致性

6. 可扩展性设计模式

7. 可伸缩性原则

8. NoSql生态系统

9. scalability-availability-stability-patterns

10. The 5 Minute Rule and the 5 Byte Rule (译)

11. The Five-Minute Rule Ten Years Later and Other Computer Storage Rules of Thumb

12. The Five-Minute Rule 20 Years Later(and How Flash Memory Changes the Rules)

13. 关于MapReduce的争论

14. MapReduce：一个巨大的倒退

15. MapReduce：一个巨大的倒退(II)

16. MapReduce和并行数据库，朋友还是敌人？(zz)

17. MapReduce and Parallel DBMSs-Friends or Foes (译)

18. MapReduce:A Flexible Data Processing Tool (译)

19. A Comparision of Approaches to Large-Scale Data Analysis (译)

20. MapReduce Hold不住？(zz)

21. Beyond MapReduce：图计算概览

22. Map-Reduce-Merge: simplified relational data processing on large clusters

23. MapReduce Online

24. Graph Twiddling in a MapReduce World

25. Spark: Cluster Computing with Working Sets

26. Resilient Distributed Datasets: A Fault-Tolerant Abstraction for In-Memory Cluster Computing

27. Big Data Lambda Architecture

28. The 8 Requirements of Real-Time Stream Processing

29. The Log: What every software engineer should know about real-time data's unifying abstraction

30. Lessons from Giant-Scale Services

五．基本算法和数据结构

1. 大数据量，海量数据处理方法总结

2. 大数据量，海量数据处理方法总结(续)

3. Consistent Hashing And Random Trees

4. Merkle Trees

5. Scalable Bloom Filters

6. Introduction to Distributed Hash Tables

7. B-Trees and Relational Database Systems

8. The log-structured merge-tree (译)

9. lock free data structure

10. Data Structures for Spatial Database

11. Gossip

12. lock free algorithm

13. The Graph Traversal Pattern

六．基本系统和实践经验

1. MySQL索引背后的数据结构及算法原理

2. Dynamo: Amazon’s Highly Available Key-value Store (译zz)

3. Cassandra - A Decentralized Structured Storage System (译zz)

4. PNUTS: Yahoo!’s Hosted Data Serving Platform (译zz)

5. Yahoo!的分布式数据平台PNUTS简介及感悟(zz)

6. LevelDB：一个快速轻量级的key-value存储库(译)

7. LevelDB理论基础

8. LevelDB：实现(译)

9. LevelDB SSTable格式详解

10. LevelDB Bloom Filter实现

11. Sawzall原理与应用

12. Storm原理与实现

13. Designs, Lessons and Advice from Building Large Distributed Systems --Jeff Dean

14. Challenges in Building Large-Scale Information Retrieval Systems --Jeff Dean

15. Experiences with MapReduce, an Abstraction for Large-Scale Computation --Jeff Dean

16. Taming Service Variability,Building Worldwide Systems,and Scaling Deep Learning --Jeff Dean

17. Large-Scale Data and Computation:Challenges and Opportunitis --Jeff Dean

18. Achieving Rapid Response Times in Large Online Services --Jeff Dean

19. The Tail at Scale(译) --Jeff Dean Luiz André Barroso

20. How To Design A Good API and Why it Matters

21. Event-Based Systems:Architect's Dream or Developer's Nightmare?

22. Autopilot: Automatic Data Center Management

七．其他辅助系统

1. The ganglia distributed monitoring system:design, implementation, and experience

2. Chukwa: A large-scale monitoring system

3. Scribe : a way to aggregate data and why not, to directly fill the HDFS?

4. Benchmarking Cloud Serving Systems with YCSB

5. Dynamo Dremel ZooKeeper Hive 简述

八. Hadoop相关

0. Hadoop Reading List

1. The Hadoop Distributed File System(译)

2. HDFS scalability:the limits to growth(译)

3. Name-node memory size estimates and optimization proposal.

4. HBase Architecture(译)

5. HFile：A Block-Indexed File Format to Store Sorted Key-Value Pairs

6. HFile V2

7. Hive - A Warehousing Solution Over a Map-Reduce Framework

8. Hive – A Petabyte Scale Data Warehouse Using Hadoop

转载请注明作者：phylips@bmy 2011-4-30

大数据入门书籍有哪些？

　当年互联网疯狂发展的时候，很多人在观望和犹豫中错过了这班顺风车（没有尽早开个淘宝店，肠子都悔青了好几遍呢）。如今，同样的桥段上演，大数据时代，坚决不能再无动于衷！

于是，你着急，你迷茫，你很方……除了平时要加班加点的搬砖，牙缝里挤出来的的闲碎时间都贡献给度娘了，“小白如何学习大数据”，“大数据入门书籍有哪些”……

　1：

这是学习大数据必读的一本书，也是最系统的关于大数据概念的一本书，由维克托·迈尔-舍恩伯格和肯尼斯·库克耶编写，主要介绍了大数据理念和生活工作及思维变革的关系。

它被包括宽带资本董事长田朔宁、知名IT评论人谢文等专业读者鉴定为“大数据领域最好的著作没有之一，一本顶一万本”。有这么好吗？看完自己评价吧。这本书对这个大规模产生、分享和应用数据的新的大时代进行了阐述和厘清，作者围绕“要全体不要抽样、要效率不要绝对精确、要相关不要因果”三大理念，通过数十个商业和学术案例，剖析了万事万物数据化和数据复用挖掘的巨大价值。

2：

由巴拉巴西编写，主要讲了在一个历史故事的连续讲述中，了解大数据的概念实质。从大数据的历史开始，能更深入的了解大数据的发展历程。

巴拉巴西整本书讲述的大数据根本目的，是预测。他甚至有零有整地判断，人类行为93%是可以预测的。打个比方，千百年前人类无法如今天般准确预测天气，以致某些大致预测的行为都被认为是“通神”，其实核心在于对天气数据的海量占有和分析能力。但假如全人类的所有基础及行为数据全部被占有全部能分析呢？比如通过智能终端LBS功能采集全部运动轨迹、通过金融系统采集所有支付记录、通过SNS采集所有社会关系和通过邮件、文档、社会视频监控和自我视频监测采集所有言行记录，24小时，每分每秒，一生，全地球70亿人，那会如何？

3：

由徐子沛编写，看美国政府在大数据开放上的进程与反复，算是个案。如果能够基本了解这三本的观点，出门有底气，见人腰杆直，不再被忽悠。

全书讲述的，是大数据在美国政府管理中的应用，以及美国政府运行方式大数据变革的历史与斗争，其实也是故事性的。从奥巴马上台就颁布《信息公开法案》，到设立第一个美国政府首席信息官开始，讲述美国政府与民间在社会数据公开的斗争史，以及美国社会管理向大数据思维转变的过程。首先，这算是一个最详实的案例；其次，这代表的不是某种管理方式变革，深处是对民主运行机制的变革与进步。说好了，这本书用心良苦，远远超越科普技术领域；说坏了，其心可诛。有一段，民间斗争，逼迫奥巴马公布所有每日白宫全部日程，包括接见了谁、谈话的全部内容，这不就是个人大数据全公开在公众人物上的应用吗？这可比现在所谓官员公开财产的要求高了几十倍——这要求政府全部行为、全部数据、全部公开，全体公众随时可查——技术和成本上其实已经可以做到或至少努力接近——如果不这么做，不止是落后问题而是真正的其心可诛了。

4：

由陈明编写。看名字就知道，入门级别拯救小白的书。这本书共17章，第1章是对大数据的简单概述，第2章介绍大数据研究的方法论，第3、8、9、14章介绍大数据的生态环境，第17章介绍数据科学的内容，剩下的章节是本书重点，介绍大数据技术及应用方法。

身处大数据大环境下，身边的人经常讨论数据库、数据可视化、大数据预处理等等。这些词听得多了会让人产生错觉——自己已经知道里面的门道了。但事实上还是个“门外汉”。

举个例子，没有人肯在上千人规模的讲座上专门花半个小时教你怎样进行数据清洗。本书专门列了一章，详细介绍大数据预处理技术，包括数据清洗的实现方式，从步骤到检验，都做了用心的阐述。诸如此类，数据挖掘、大数据流式计算、Hadoop、NoSQL等等都从最基础的点做了详细介绍。耐心看完这些，再往深处进阶就不会那么吃力了。

5：

进入大数据时代，让数据开口说话将成为司空见惯的事情，本书将从大数据时代的前因后果讲起，全面分析大数据时代的特征、企业实践的案例、大数据的发展方向、未来的机遇和挑战等内容，展现一个客观立体、自由开放的大数据时代。

5:

入门，浅显易懂，里面每一章都是一个案例，但是很方便，有具体的代码，用来入门最好。

6：

专门做社交网络的数据挖掘，案例很丰富，有代码。

7：

致力于介绍各种可视化方案。

8：

比较简单的可视化，不过内容丰富，有代码。

9：

看完上述的书，对大数据产生很大的兴趣，已经初步入门了，现在开始理论方面的学习，数据挖掘入门教程，个人觉得写的很好，目前正在研究这本书，努力。。。

10：

这本书比较深，刚开始看的就是这一本，不过太深，看到一半，准备在导论看完之后，在看这本书提升一下自己。

11：

作为一个计算机专业Linux那是必学的，而且Hadoop是建立在Linux基础上的，不求多么的精通，但是基础的操作要学会。

如果是没有任何编程语言基础的想入行大数据的话，是必须要学习java基础的，虽然大数据支持很多开发语言，但是企业用的最多的还是java，接下来学习数据结构，关系型数据库，linux系统操作，有了基础之后，在进入大数据学习，可以给小白学习的体系。

第一阶段

COREJAVA（加**的需重点熟练掌握，其他掌握）

Java基础**

数据类型

运算符、循环

算法

顺序结构程序设计

程序结构

数组及多维数组

面向对象**

构造方法、控制符、封装

继承**

多态**

抽象类、接口**

常用类

集合Collection、list**

HashSet、TreeSet、Collection

集合类Map**

异常

File

文件/流**

数据流和对象流**

线程（理解即可）

网络通信（理解即可）

第二阶段

数据结构

关系型数据库

Linux系统操作

Linux操作系统概述

安装Linux操作系统

图形界面操作基础

Linux字符界面基础

字符界面操作进阶

用户、组群和权限管理

文件系统管理

软件包管理与系统备份

Linux网络配置

（主要掌握Linux操作系统的理论基础和服务器配置实践知识，同时通过大量实验，着重培养学生的动手能力。使学生了解Linux操作系统在行业中的重要地位和广泛的使用范围。在学习Linux的基础上，加深对服务器操作系统的认识和实践配置能力。加深对计算机网络基础知识的理解，并在实践中加以应用。掌握Linux操作系统的安装、命令行操作、用户管理、磁盘管理、文件系统管理、软件包管理、进程管理、系统监测和系统故障排除。掌握Linux操作系统的网络配置、DNS、DHCP、HTTP、FTP、SMTP和POP3服务的配置与管理。为更深一步学习其它网络操作系统和软件系统开发奠定坚实的基础。与此同时，如果大家有时间把javaweb及框架学习一番，会让你的大数据学习更自由一些）

重点掌握：

常见算法

数据库表设计

SQL语句

Linux常见命令

第三阶段

Hadoop阶段

离线分析阶段

实时计算阶段

重点掌握：

Hadoop基础

HDFS

MapReduce

分布式集群

Hive

Hbase

Sqoop

Pig

Storm实时数据处理平台

Spark平台

若之前没有项目经验或JAVA基础，掌握了第一阶段进入企业，不足以立即上手做项目，企业需再花时间与成本培养；

第二阶段掌握扎实以后，进入企业就可以跟着做项目了，跟着一大帮人做项目倒也不用太担心自己能不能应付的来，当然薪资不能有太高的要求；

前两个阶段都服务于第三阶段的学习，除了熟练掌握这些知识以外，重点需要找些相应的项目去做，不管项目大小做过与没有相差很多的哦！掌握扎实后可直接面对企业就业，薪资待遇较高！

想学习数据分析，有哪些书籍或资料参考学习

入门数据分析类

师父领进门，修行在个人。下面这两本书是入门数据分析必看的书籍，也是检验自己是否真的喜欢数据分析。

从0到1:《深入浅出数据分析》

为什么是它？借用一位读者的评价“我家的猫都喜欢这本书！”

01 内容简介

以类似“章回小说”的活泼形式，生动地向读者展现优秀的数据分析人员应知应会的技术；正文以后，意犹未尽地以三篇附录介绍数据分析十大要务、R工具及ToolPak工具，在充分展现目标知识以外，为读者搭建了走向深入研究的桥梁。

02 推荐理由

书名已经很好地表现出了这本书的优点——“深入浅出”。忘记烦恼，这本书与现实世界紧密互动，让你不再只有枯燥的理论，并且将知识图形化，复杂的概念简单化。

经典小黄书：《谁说菜鸟不会数据分析》

是本很好的书，但看过之后，这本书就真一文不值了。

01 内容简介

很多人看到数据分析就望而却步，担心门槛高，无法迈入数据分析的门槛。《谁说菜鸟不会数据分析》努力将数据分析写成像小说一样通俗易懂，使读者可以在无形之中学会数据分析,按照数据分析工作的完整流程来讲解。

02 推荐理由

数据分析的入门极品，但真的很入门,优缺兼有。对于入门理解来说是绝佳选择,对之后的修炼还是不够的。建议之前全都是自己瞎摸瞎撞搞数据分析的同学进行阅读，颇有醍醐灌顶之感。

分析工具类

与数据分析相关的工具非常之多，我们常用的有Excel、PPT、SQL等。如果您想精通他们，直接在哔哩哔哩搜索聚数云海，即可找到相关优质课程。

1.Excel

大家常说的Excel，但是不要以为你很会Excel！Excel是所有职场人必备的办公软件。Excel功能非常强大，在数据量不是很大的情况下，基本上都能用Excel实现数据分析。推荐如下书籍：

《Excel高效办公数据处理与分析》

01 内容简介

根据现代企业决策和管理工作的主要特点，从实际应用出发，介绍了Excel强大的数据处理与分析功能在企业决策和管理工作中的具体应用。

02 推荐理由

本书同时提供了大量需要你做的实例，学而不练是不存在的！

《别怕，Excel函数其实很简单》

01 内容简介

《别怕，Excel 函数其实很简单》用浅显易懂的图文、生动形象的比喻以及大量实际工作中的经典案例，介绍了Excel最常用的一部分函数的计算原理和应用技巧,还介绍了数据的科学管理方法，以避免从数据源头就产生问题。

02 推荐理由

适合希望提高办公效率的职场人士，特别是经常需要处理分析大量数据并制作统计报表的相关人员，以及相关专业的高校师生阅读,小白需谨慎！

2. SQL

SQL是数据分析的基础，是想要学会数据分析能力的必备技能。那这里我只给大家介绍三本书，第一本书零基础入门，第二是进阶，第三本是SQL中的字典，话不多说，我们直接上架。

《SQL基础教程》

01 推荐理由

介绍了关系数据库以及用来操作关系数据库的SQL语言的使用方法。书中通过丰富的图示、大量示例程序和详实的操作步骤说明，让读者循序渐进地掌握SQL的基础知识和使用技巧，切实提高编程能力。每章结尾设置有练习题，帮助读者检验对各章内容的理解程度。另外，本书还将重要知识点总结为“法则”，方便读者随时查阅。

本书107张图表+209段代码+88个法则，是零基础进阶人士必备！

SQL进阶：《SQL进阶教程》

01 推荐理由

本书是为志在向中级进阶的数据库工程师编写的一本SQL技能提升指南。全书可分为两部分，第一部分介绍了SQL语言不同寻常的使用技巧，带领读者从SQL常见技术，去探索新发现。旨在帮助读者提升编程水平；第二部分着重介绍关系数据库的发展史，把实践与理论结合起来，旨在帮助读者加深对关系数据库和SQL语言的理解。

本书不适合小白！适合具有半年以上SQL使用经验、已掌握SQL基础知识和技能、希望提升自己编程水平的读者阅读。

SQL辅导书籍

01 推荐理由

本书是麻省理工学院、伊利诺伊大学等众多大学的参考教材，由浅入深地讲解了SQL的内容，实例丰富，便于查阅。本书没有过多阐述数据库基础理论，而是专门针对一线软件开发人员，直接从SQL SELECT开始，讲述实际工作环境中最常用和最必需的SQL知识，实用性极强。

有一定SQL基础的人士可以将它当做一本字典使用，遇到问题可以查找相应内用。

3.Python

“人生苦短，我用Python”。Python编程语言是最容易学习,并且功能强大的语言。但是很多人声称自己精通Python,自己却写不出Pythonic的代码，对很多常用的包不是很了解。万丈高楼平地起，咱们先从Python中最最基础的开始。

《Python编程，从入门到实践》

01 推荐理由

本书最大的特点就是零基础完全不懂编程的小白也能够学习，新手想学习选它绝对错不了。知识点由浅入深循循渐进，并配有视频教程手把手教学,同时所需的软件也是免费的。本书也配有相关辅导书籍，有兴趣的话可以去看看，但是请记住，这本书是最核心的。

《利用Python进行数据分析》

01 推荐理由

不像别的编程书一样，从盘古开天辟地开始讲起。这本书是直接应用到数据分析的，所以很多在数据分析上应用不那么频繁的模块也就没有讲。

本书第二版针对Python 3.6进行了更新，并增加实际案例向你展示如何高效地解决一系列数据分析问题。你将在阅读过程中学习到新版本的pandas、NumPy、IPython和Jupyter。

4.R语言

R是用于统计分析、绘图的语言和操作环境。但是R是有一定难度的，没有基础的话请谨慎尝试！推荐书籍：

《R语言入门与实践》

01 推荐理由

本书通过三个精心挑选的例子，深入浅出地讲解如何使用R语言玩转数据。将数据科学家必需的专业技能融合其中，教会读者如何将数据存储到计算机内存中，如何在必要的时候转换内存中的数据值，如何用R编写自己的程序并将其用于数据分析和模拟运行。

案例提升类

《活用数据：驱动业务的数据分析实战》

01 推荐理由

是一本用数据来帮助企业破解业务难题的实操书，有理论、有方法、有实战案例。具有业务驱动、案例闭环、思维先导、实战还原4大特色，同时在思路上清晰连贯，在表达上深入浅出，既能帮助数据分析从业者入门和提升，也能辅助企业各业务部门和各级管理人员做量化决策。

《精益数据分析》

01 推荐理由

本书展示了如何验证自己的设想、找到真正的客户、打造能赚钱的产品，以及提升企业知名度。30多个案例分析，全球100多位知名企业家的真知灼见，为你呈现来之不易、经过实践检验的创业心得和宝贵经验，值得每位创业家和企业家一读。

《Redis设计与实现》epub下载在线阅读，求百度网盘云资源

《Redis设计与实现》（黄健宏）电子书网盘下载免费在线阅读

资源链接：

链接：

提取码：ecau

书名：Redis设计与实现

作者：黄健宏

豆瓣评分：8.6

出版社：机械工业出版社

出版年份：2014-6

页数：388

内容简介：

【编辑推荐】

系统而全面地描述了 Redis 内部运行机制

图示丰富，描述清晰，并给出大量参考信息，是NoSQL数据库开发人员案头必备

包括大部分Redis单机特征，以及所有多机特性

【读者评价】

这本书描述的知识点很丰富，覆盖很全，里面提到特性较多，有不少我们也没用过 :) 每个命令内部的机制的介绍很不错，很多估计也是首次有详细文档介绍。——杨卫华（@TimYang）新浪微博技术总监

近几年Redis以其高性能、高灵活性的优点，变得越来越流行。但很多人在使用Redis时，仅仅还是停留在比较表层的功能性认识，缺乏对内部机制原理的深入理解。本书是huangz同学长期对Redis源码的阅读心得结晶，书中对Redis的各个方面都进行了详细且深入的讲解，将复杂的原理用最简单的方式为大家解构和讲解，强烈推荐给每一位Redis的使用者阅读。—— iammutex，NoSQLFan站长，乐视网技术经理

Redis 是近些年来特别火爆的 NoSQL 之一。纵观中外各种书籍还没有一本能对 Redis 内部进行深入剖析，《Redis 设计与实现》可谓开此先河。常和作者在网上交流，知道作者为这本书付出了大量的心血。这本书行文流畅，思路清晰，详细地介绍了 Redis 源码的方方面面。无论是想学习 NoSQL、网络编程的初学者，还是源码控的进阶者，本书都会有很大的帮助。—— 阮若夷，支付宝高级专家

【内容简介】

本书全面而完整地讲解了Redis的内部机制与实现方式，对Redis的大多数单机功能以及所有多机功能的实现原理进行了介绍，展示了这些功能的核心数据结构以及关键的算法思想,图示丰富，描述清晰，并给出大量参考信息。通过阅读本书，读者可以快速、有效地了解Redis的内部构造以及运作机制，更好、更高效地使用Redis。

本书主要分为四大部分。第一部分“数据结构与对象”介绍了Redis中的各种对象及其数据结构，并说明这些数据结构如何影响对象的功能和性能。第二部分“单机数据库的实现”对Redis实现单机数据库的方法进行了介绍，包括数据库、RDB持久化、AOF持久化、事件等。第三部分“多机数据库的实现”对Redis的Sentinel、复制、集群三个多机功能进行了介绍。第四部分“独立功能的实现”对Redis中各个相对独立的功能模块进行了介绍，涉及发布与订阅、事务、Lua脚本、排序、二进制位数组、慢查询日志、监视器等。

作者简介：

黄健宏 软件开发者，他喜欢函数式编程，热爱开源软件。出于对数据库的强烈兴趣，他开始阅读和分析 Redis 源代码，并对 Redis 2.6 和 Redis 3.0 的源代码进行了详细注释。

文章标题：nosql理论书籍,nosql数据库原理与应用百度云
文章URL：http://kswjz.com/article/hcsdsg.html