查看“大数据系统”的源代码

=数据管理的目标与任务=

问题： 人的大脑不善于记忆的特点。

解决方法：人发明的索引，对数据建立索引，发明了数据库软件。

=大数据系统的定义=

大数据系统可以认为是为数据管理和数据分析用途而设计的[[分布式系统]]。

在[[大数据系统]]的实现中，整合数据管理与数据分析的功能。

（1）在数据管理的层面，包括数据的读取、存储和操作三方面。

[[大数据索引]]设计是大数据管理中的重要内容。

（2）在数据分析的层面，需要各种算法和统计分析的工具。

[[大数据算法]]设计是数据分析中的重要内容。

= 大数据的存储/管理/处理现状 =

大数据系统常用的几个项目：

#Hadoop项目集成了大数据存储与处理技术
#Spark项目是目前最热门的大数据平台
#Real-time Analytics Platform 还没有统治性的软件框架


= Hadoop =

Hadoop分布式文件系统HDFS（Hadoop Distributed File System)，是谷歌文件系统GFS的一个开源实现。

每台机器分配不同角色，称为Namenode和Datanode

Namenode负责存储文件的元数据和在datanode中的具体位置

Datanode负责存储文件的具体内容，以块为单位

* [http://hadoop.apache.org Hadoop]


= Spark =

*BDAS (Berkeley Data Analytics Stack)==

BDAS 是加州大学伯克利分校推出的大数据处理框架。BDAS以Spark软件为核心，结合其他处理软件，组成一套解决方案。

以databricks公司为主。

http://www.databricks.com


* [http://spark.apache.org Spark]

# Zaharia, Matei, et al. "Spark: cluster computing with working sets.“ Proceedings of the 2nd USENIX conference on Hot topics in cloud computing. Vol. 10. 2010.


= Druid =


*RADS（Real-time Analytics Data Stack）==

RADS以Druid为核心，构建大数据实时解析系统。

事件大数据的可视化的创业公司Imply。

http://www.imply.io


* [http://druid.io Druid]

#Yang, Fangjin, et al. "Druid: a real-time analytical data store." SIGMOD 2014.
#Yang, Fangjin, et al. "The RADStack: Open source lambda architecture for interactive analytics." Proceedings of the 50th Hawaii International Conference on System Sciences. 2017.



=Kylin=

Apache Kylin是一个开源的分布式分析引擎，提供Hadoop之上的SQL查询接口及多维分析（OLAP）能力以支持超大规模数据，最初由eBay 开发并贡献至开源社区。它能在亚秒内查询巨大的Hive表。

* [http://kylin.io Apache Kylin]

中文版：
http://kylin.apache.org/cn/


=参考材料=

# Leskovec, Jure, Anand Rajaraman, and Jeffrey David Ullman. Mining of massive datasets. Cambridge University Press, 2014. [http://www.mmds.org/ MMDS_book]
# Redmond, Eric, and Jim R. Wilson. Seven databases in seven weeks: a guide to modern databases and the NoSQL movement. Pragmatic Bookshelf, 2012.


=数据库-相关书籍=

*参考书： 

M. Tamer Ozsu and Patrick Valduriez., Principles of Distributed Database Systems (third Edition), Springer, 2011. 

Jeffrey D. Ullman/Jennifer Widom, 《A First Course in Database Systems》,机械工业出版社.2011

Avi Silberschatz, Henry F. Korth, S. Sudarshan, Database System Concepts Sixth Edition, McGraw-Hill ISBN 0-07-352332-1