自己动手做大数据系统（第2版）

本书以Python作为开发语言，系统介绍PySpark开发环境搭建流程及基于PySpark进行大数据分析的相关知识。本书条理清晰、重点突出，理论叙述循序渐进、由浅入深。本书共7章，第1？5章包括PySpark大数据分析概述、PySpark安装配置、基于PySpark的DataFrame操作、基于PySpark的流式数据处理、基于PySpark的机器学习库，内容介绍注重理论与实践相结合，通过典型示例

《数据分析实践：专业知识和职场技巧》从初学者的角度出发，讲解了进阶为高级数据分析师所需的知识和技能，其中既包括数据分析岗位的介绍、发展现状及未来趋势，也包括实际工作中各环节的方法策略、实战案例，还包括职场中的困惑解答及面试指导。阅读本书，并基于本书进一步拓展所需要的知识能，可以帮助读者形成一套成系统、可实战的数据分析方法论。

随着数字化的发展，数据逐渐融入生产、分配、流通、消费和社会服务管理等环节，为数据的拥有者或使用者带来经济效益，成为一种新型的生产要素，给生产方式、生活方式和社会治理方式带来了深刻的变革。本书主要介绍数据要素化时代的数据治理。本书分为5篇。第一篇“数据治理新趋势”介绍DataOps的发展及实践，产业级数据治理新趋势，数据治理的场景化、工程化和智能化，以及数据资产的安全运营。第二篇“新理论、新方法和新

时序数据库是一种新型技术，主要用于工业互联网软件建设中。近年来，伴随着物联网技术在智能制造、交通、能源、智慧城市等领域的发展，时序数据库也发展迅速，成为搭建应用的必备数据库之一。《深入理解InfluxDB》从InfluxDB的安装开始，一步步详细介绍InfluxDB的功能及原理，带领读者深入理解以InfluxDB为代表的时序数据库。

本书从需求规划、需求实现到可视化展示等，遵循项目开发的主要流程，全景介绍了电商行业Flink实时数据仓库的搭建过程。在整个项目的搭建过程中，介绍了主要组件的安装部署、需求实现的具体思路、问题的解决方案等，并穿插了大数据和数据仓库相关的理论知识，包括数据仓库的概念介绍、电商业务概述、数据仓库理论介绍和数据仓库建模等。最核心的内容是代码中对Flink的灵活应用，为读者展示了Flink处理数据的多种可能

本书是《数据库原理——GaussDB技术及应用》一书配套的辅助教材。全书共分3部分：第一部分为实验指导，共有13个综合实验，每一个实验都是根据教学目标而设计，详细讲述了每一个实验的实验目的、实验任务及实验步骤，从而培养学生掌握关系数据库管理软件技术与应用的技能；第二部分为习题集，是根据主教材各章节内容编写的习题及习题答案，内容广泛，有填空、选择、简答、设计及实验题等多种形式，利求通过对这些习题的训

本书共3篇：第1篇主要介绍分布式数据库基础理论，包括经典的CAP理论、一致性算法相关的理论、并发控制相关的理论等；第2篇具体介绍Greenplum数据库，从分布式事务、分布式计算和分布式存储3个方面，深入代码层级，讲述分布式理论在工业上的实现；第3篇是总结和展望，介绍云原生数据库和新技术带给Greenplum和数据库管理系统的机遇和挑战。本书打破以理论介绍和架构介绍为主的思路，深入分析工业化的实现

随着信息、互联网、社交媒体、卫星定位、基于位置的服务（LocationBasedServices，LBS）等技术的发展，轨迹数据领域迎来了大数据时代。在轨迹大数据背景下，轨迹数据分析的关注度得到持续攀升，它能够借助移动对象的时空特征和移动行为信息发现新知识和模式，从而为智慧城市计算与服务、交通管理与规划、物流管理、智能制造、旅游路径推荐、自然灾害预测与预警、疫情传播监测等诸多领域提供决策支持与

这是一套数据指标体系全流程构建（从规划、框架设计、数据采集加工到应用）方法论与实践指南。它不仅深入浅出地分享了通用的数据指标体系构建策略，还通过多个行业实例展示了具体操作方法。书中从数据采集入手，借助BI工具Superset实践构建过程。本着“一切技术都是为业务服务的”这一宗旨，本书除了包含数据指标体系构建相关内容外，还结合统计学原理及Excel、Python等工具，深入剖析数据指标波动对业务的影