资源搜

资源名称：Docker开发实践 内容简介： 本书详细介绍高级容器引擎Docker的各方面技术，从概念介绍到实战，讨论docker的内容，包含基础概念如：镜像，容器，仓库；从实战中讲解docker的数据管理，网络管理，安全管理；最后，探讨docker的底层相关技术和基于docker的最新技术。 作者简介： 曾金龙 计算机硕士，中山大学毕业，就职于迅雷网络，国内覆盖面最广的“迅雷P2P引擎”核心研发成员。研究方向为P2P网络、音视频传输和CEP系统。对Docker技术有着深入的理解，是国内较早将Docker引入到实际软件开发、测试和部署中的人。 肖新华 工学学士，衡阳师范学院毕业，项目架构师。4年互联网软件开发经验，痴迷技术，对新生技术敏感。曾就职于迅雷网络、腾讯科技。 刘清 硕士，华中科技大学毕业，就职于迅雷网络，主要研究方向为移动下载库、音视频传输、调度策略设计等。 资源目录： 第一篇　基础篇：Docker基础 第1章　Docker简介　　2 1.1　Docker简介　　2 1.1.1　Docker的概念　　5 1.1.2　Docker的背景　　5 1.1.3　容器与虚拟机　　7 1.1.4　Docker与容器　　8 1.1.5　Docker的应用场景　　9 1.2　Docker的组件　　10 1.3　Docker的相关技术　　11 1.4　Docker的安装　　12 1.4.1　Ubuntu下的安装　　12 1.4.2　Red Hat下的安装　　13 1.4.3　OS X下的安装　　14 1.4.4　Windows下的安装　　15 第2章　容器　　17 2.1　容器的管理操作　　17 2.1.1　创建容器　　17 2.1.2　查看容器　　20 2.1.3　启动容器　　21 2.1.4　终止容器　　22 2.1.5　删除容器　　22 2.2　容器内信息获取和命令执行　　23 2.2.1　依附容器　　23 2.2.2　查看容器日志　　24 2.2.3　查看容器进程　　25 2.2.4　查看容器信息　　25 2.2.5　容器内执行命令　　26 2.3　容器的导入和导出　　26 第3章　镜像　　28 3.1　镜像的概念　　28 3.1.1　镜像与容器　　28 3.1.2　镜像的系统结构　　29 3.1.3 镜像的写时复制机制　　30 3.2　本地镜像的管理　　30 3.2.1 查看　　30 3.2.2　下载　　31 3.2.3　删除　　33 3.3　创建本地镜像　　33 3.3.1　使用commit命令创建本地镜像　　33 3.3.2　使用Dockerfile创建镜像　　34 3.4　Docker Hub　　40 3.4.1　Docker Hub简介　　41 3.4.2　镜像的分发　　41 3.4.3　自动化构建　　43 3.4.4　创建注册服务器　　47 第4章　数据卷及容器连接　　49 4.1　容器网络基础　　49 4.1.1　暴露网络端口　　50 4.1.2　查看网络配置　　53 4.2　数据卷　　54 4.2.1　创建数据卷　　54 4.2.2　挂载主机目录作为数据卷　　55 4.2.3　挂载主机文件作为数据卷　　57 4.2.4　数据卷容器　　57 4.2.5　数据的备份与恢复　　59 4.3　容器连接　　60 4.3.1　容器命名　　60 4.3.2　容器连接　　60 4.3.3　代理连接　　62 第二篇　案例篇：综合案例 第5章　创建SSH服务镜像　　66 5.1　基于commit命令的方式　　66 5.2　基于Dockerfile的方式　　70 第6章　综合案例1：Apache+PHP+MySQL　　72 6.1　构建mysql 镜像　　72 6.1.1　编写镜像Dockerfile　　73 6.1.2　构建和上传镜像　　75 6.2　构建apache+php镜像　　76 6.2.1　编写镜像Dockerfile　　77 6.2.2　构建和上传镜像　　79 6.3　启动容器　　80 第7章　综合案例2：DLNNM　　82 7.1　构建mongodb镜像　　83 7.1.1　编写镜像Dockerfile　　84 7.1.2　构建和上传镜像　　84 7.2　构建Node.js镜像　　86 7.2.1　项目源文件　　86 7.2.2　编写镜像Dockerfile　　88 7.2.3　构建和上传镜像　　89 7.3　连接Node.js服务和MongoDB服务　　89 7.3.1　制作代理镜像mongoabassador　　89 7.3.2　启动MongoDB服务　　91 7.3.3　启动Node-Web-API服务　　92 7.4　搭建前端Nginx　　93 7.4.1　构建镜像并运行　　93 7.4.2　验证Web应用　　95 第8章　阿里云Docker开发实践　　97 8.1　阿里云Docker介绍　　99 8.2　部署镜像注册服务器　　102 8.3　开发　　103 8.3.1　项目开发　　103 8.3.2　制作和上传镜像　　104 8.4　测试　　105 8.5　部署　　105 第9章　在阿里云上部署WordPress　　107 9.1　初始化阿里云Docker环境　　107 9.2　部署MySQL容器　　109 9.3　部署WordPress容器　　109 第10章　使用私有仓库　　112 10.1　使用docker-registry　　112 10.2　用户认证　　115 第11章　使用Docker部署Hadoop集群　　118 11.1　Hadoop简介　　118 11.2　构建Hadoop镜像　　119 11.3　构建Hadoop集群　　122 11.3.1　Ambari简介　　123 11.3.2　部署Hadoop集群　　123 第三篇　高级篇：高级话题、API、工具及集群管理 第12章　容器网络　　128 12.1　容器网络的原理　　128 12.1.1　基础网络工具　　128 12.1.2　网络空间虚拟化　　131 12.1.3　网络设备虚拟化　　132 12.1.4　容器运行的4 种网络模式　　 135 12.1.5　手动配置容器的网络环境　　 137 12.2　配置及原理　　138 12.2.1　基本配置　　138 12.2.2　容器互联配置及原理　　140 12.2.3　容器内访配置及原理　　142 12.2.4　容器外访配置及原理　　143 12.2.5　创建点对点连接　　144 12.3　网桥　　146 12.3.1　配置网桥　　146 12.3.2　构建自己的网桥　　146 第13章　安全　　148 13.1　命名空间　　148 13.2　cgroups　　151 13.3　Linux能力机制　　152 第14章　DockerAPI　　154 14.1　API 概述　　154 14.2　绑定Docker后台监听接口　　155 14.3　远程API　　158 14.3.1　容器相关的API　　158 14.3.2　镜像相关的API　　164 14.4　平台API　　167 14.4.1　注册服务器架构及流程　　167 14.4.2　操作Hub API　　169 14.5　API 实战：docker-py库编程　　173 14.5.1　docker-py开发环境的搭建　　173 14.5.2　docker-py库编程　　174 第15章　Fig　　177 15.1　Fig简介　　177 15.2　Fig安装　　177 15.3　Rails开发环境配置　　178 15.4　Django开发环境配置　　180 15.5　WordPress开发环境配置　　182 15.6　Flocker：跨主机的Fig应用　　184 第16章　Kubernetes　　189 16.1　Kubernetes简介　　189 16.2　核心概念　　190 16.2.1　节点　　190 16.2.2　Pod　　190 16.2.3　服务　　191 16.2.4　标签　　194 16.3　架构和组件　　195 16.3.1　主控节点　　195 16.3.2　从属节点　　198 16.3.3　组件交互流程　　198 16.4　Kubernetes实战　　200 16.4.1　环境部署　　201 16.4.2　应用操作　　207 第17章　shipyard　　214 17.1　简介　　214 17.2　shipyard操作　　217 17.2.1　鉴权　　217 17.2.2　引擎　　217 17.2.3　容器　　220 17.2.4　服务密钥　　222 17.2.5　Web钩子密钥　　223 17.2.6　事件　　223 17.2.7　集群信息　　224 第18章　Machine+Swarm+Compose225 18.1　Machine　　225 18.2　Swarm　　227 18.2.1　架构和组件　　228 18.2.2　实操　　230 18.2.3　发现服务和调度　　233 18.3　Compose　　239 第四篇　附录 附录A　常见镜像　　242 附录B　Docker API列表　　262 附录C　参考资料　　278 资源截图：

资源名称：R语言与网站分析 内容简介： 《R语言与网站分析》从互联网应用角度对R语言如何实现数据挖掘和指标分析等问题做了阐述。通过诸多真实应用案例的分析，作者试图为读者建立起一座沟通数学原理和互联网实际业务应用的桥梁。同时本书给出了案例中的完整代码以及分析过程，力图帮助读者充分理解R语言是如何实现算法的。 《R语言与网站分析》是目前为止国内唯一一本阐述如何使用R语言来分析和挖掘互联网数据的应用性书籍。书中使用大量的实际案例，把数学原理同R语言实现方案有机结合起来。力图通过案例分析达到举一反三的效果，进而指导读者在日后的实际工作中进行应用。同时书中也阐述众多常用的数据分析和挖掘的方法和原理，对于非互联网的从业人员也很有指导意义 作者简介： 李明，曾就读于锦州市锦州中学 毕业于沈阳理工大学 信息工程学院 电子科技与技术系，曾就职于凡客诚品、居然之家等大型电子商务公司。目前就职于优酷土豆网。研究方向是R语言同互联网数据分析/挖掘的结合。撰写过大量R语言的基础和高级应用类文章，对互联网数据统计系统的R语言实践有较深研究。 资源目录： 第1章　统计思维与网站分析 1 1.1　不确定与确定 1 1.2　统计分析方法 4 1.2.1　细分分析 4 1.2.2　对比分析 6 1.2.3　趋势分析 7 1.3　网站分析概要 7 1.3.1　解决用户需求 7 1.3.2　寻找新的用户需求 10 第2章　R语言数据操作基础 11 2.1　R简介 11 2.2　了解R软件 11 2.2.1　软件安装 11 2.2.2　R软件界面 12 2.2.3　工作目录 14 2.2.4　命令行交互 15 2.2.5　命令脚本文件 16 2.2.6　工作空间数据 16 2.2.7　帮助 17 2.2.8　R语言入门 18 2.2.9　扩展算法包 19 2.3　R语言的数据类型 21 2.4　对象及其属性 23 2.4.1　固有属性：模式和长度 24 2.4.2　读取和设置属性值 24 2.4.3　对象的搜索和删除 25 2.5　向量 26 2.5.1　创建向量 26 2.5.2　向量索引 26 2.5.3　向量编辑 29 2.5.4　向量排序 29 2.5.5　向量去重 30 2.5.6　缺失值处理 30 2.5.7　向量间操作 31 2.6　矩阵和数组 31 2.6.1　创建矩阵 32 2.6.2　矩阵索引 33 2.6.3　矩阵编辑 34 2.6.4　矩阵的运算 35 2.6.5　数组 37 2.6.6　apply函数应用 38 2.7　列表和数据框 39 2.7.1　列表的创建和索引 39 2.7.2　列表编辑 40 2.7.3　数据框的创建和名称 40 2.7.4　数据框索引 41 2.7.5　数据框编辑 43 2.7.6　缺失值处理 44 2.8　因子 44 2.8.1　无序和有序因子 45 2.8.2　连续数据的离散化 46 2.9　字符串操作 47 2.9.1　字符串长度nchar 48 2.9.2　字符串合并和分割 48 2.9.3　字符串内部字符的读取和替换 49 2.9.4　正则表达式 52 2.10　常用数据的创建 53 2.10.1　因子序列的创建 53 2.10.2　等差序列的创建 54 2.10.3　随机抽样sample 54 2.10.4　重复序列rep 55 2.10.5　概率分布 55 2.11　控制流 58 2.11.1　分支语句 58 2.11.2　循环语句 59 2.12　运算符、函数和过程 61 2.12.1　常用运算符 61 2.12.2　函数 62 2.12.3　过程 63 2.13　数据的读写等操作 64 2.13.1　读取数据 64 2.13.2　输出数据 68 第3章　R语言的绘图基础 69 3.1　概述 69 3.2　颜色以及文字/点/线参数的设置 69 3.2.1　颜色 71 3.2.2　文字元素相关参数设置 76 3.2.3　点元素相关参数设置 77 3.2.4　线元素相关参数设置 79 3.3　低级绘图函数 80 3.3.1　引例 80 3.3.2　标题 81 3.3.3　图例 83 3.3.4　坐标轴 84 3.3.5　边框 88 3.3.6　网格线 89 3.3.7　点 90 3.3.8　线 91 3.3.9　文字 94 3.3.10　多边形 96 3.4　高级绘图函数以及常用绘图应用 96 3.4.1　图形类型的选择 96 3.4.2　散点图 98 3.4.3　气泡图 100 3.4.4　曲线图 102 3.4.5　柱状图 105 3.4.6　条形图 109 3.4.7　饼图 111 3.4.8　面积堆积图 115 3.4.9　直方图和密度曲线图 118 3.5　绘图窗口操作函数 120 3.5.1　单一窗口中的子绘图区域布局 120 3.5.2　绘图窗口操作 120 第4章　单指标分析 121 4.1　指标描述 121 4.1.1　平均值和集中趋势 121 4.1.2　正态分布 126 4.1.3　频数分析 130 4.1.4　描述性分析指标 131 4.2　异常点监控 133 4.2.1　概述 133 4.2.2　P控制图：监控转化率型指标 135 4.2.3　单值–均值控制图 142 4.2.4　单值–移动极差控制图 147 4.3　连续型指标的对比 150 4.3.1　数据变换 150 4.3.2　假设检验 152 4.3.3　相同指标内的两组数对比：T检验 153 4.3.4　相同指标内的多组数据对比：单因素方差分析 156 4.3.5　单因素协方差分析 163 4.4　分类型指标的对比 167 4.4.1　列联表分析 167 4.4.2　卡方独立性检验 172 第5章　时间序列分析 177 5.1　时间序列 177 5.2　增长率 180 5.2.1　环比增长率 180 5.2.2　同比增长率 181 5.3　移动平均 181 5.3.1　数学原理概述 181 5.3.2　filter函数 182 5.3.3　R语言实现 184 5.4　指数平滑 185 5.4.1　一次指数平滑 186 5.4.2　二次指数平滑 187 5.4.3　三次指数平滑 191 5.5　ARIMA模型 194 5.5.1　自相关性 194 5.5.2　平稳性和白噪声 199 5.5.3　MA滑动平均过程 200 5.5.4　AR自回归过程 202 5.5.5　ARMA自回归滑动平均混合过程 203 5.5.6　检验模型质量 205 5.5.7　非平稳时间序列的ARIMA过程 208 第6章　连续指标建模：回归分析 213 6.1　一元线性回归分析 213 6.1.1　引例 213 6.1.2　一元线性回归分析的原理及R语言实现 214 6.2　多元回归分析 221 6.2.1　引例 222 6.2.2　多元线性回归分析建模 222 6.2.3　模型修正函数update() 223 6.2.4　逐步回归分析函数step() 226 6.2.5　自变量中包含分类型数据的回归分析 228 6.3　Logic回归分析 230 6.3.1　引例及数据 230 6.3.2　logic分析的原理 230 6.3.3　R语言实现 232 6.4　回归树CART 237 6.4.1　rpart函数 237 6.4.2　预测及模型性能衡量 240 6.4.3　过度拟合和剪枝 240 第7章　分类指标建模：分类分析 243 7.1　决策树分类分析 243 7.1.1　概述 243 7.1.2　C4.5算法 247 7.1.3　CART算法 258 7.1.4　条件推理决策树算法 265 7.1.5　随机森林算法 267 7.2　贝叶斯分类 268 7.2.1　贝叶斯定理 268 7.2.2　朴素贝叶斯分类器 270 7.3　支持向量机SVM 271 7.3.1　原理 271 7.3.2　在R语言中实现非线性SVM分析 273 7.4　人工神经网络 274 7.4.1　神经元 274 7.4.2　两层网络 275 7.4.3　反向传播算法 276 7.4.4　R语言实现 282 7.4.5　隐藏层中神经单元数目的确定 283 7.5　分类器的性能评估 284 7.5.1　混淆矩阵 284 7.5.2　ROC曲线和AUC 287 7.5.3　提升度和提升曲线 291 7.5.4　洛伦兹曲线 292 第8章　样本细分 293 8.1　数据降维 293 8.1.1　问题引入 293 8.1.2　因子分析概述 294 8.1.3　factanal函数 296 8.1.4　实例：问卷调查的因子分析 297 8.2　聚类分析 303 8.2.1　距离 303 8.2.2　层次聚类 313 8.2.3　kmeans聚类 318 8.3　样本判别 321 8.3.1　knn（k最近邻分类）算法 323 8.3.2　实例：基于knn算法的商品推荐系统 324 第9章　样本间的关系 329 9.1　关联分析 329 9.1.1　关联分析的原理 329 9.1.2　Apriori算法的R语言实现 331 9.2　序列模式关联分析 334 9.2.1　序列模式关联分析的原理 334 9.2.2　序列模式关联分析的R语言实现 336 9.2.3　实例：用户点击页面的行为分析 338 9.3　关系网络分析 346 9.3.1　网络关系分析的基本概念 346 9.3.2　中心度 356 9.3.3　中心势 362 9.3.4　社群发现 363 9.3.5　实例：分析微博的传播特性 367 9.3.6　实例：购物车商品分类分析 370 第10章　文本分析 378 10.1　数据处理 378 10.1.1　数据引例 378 10.1.2　分词和词条 380 10.1.3　语料库和文档 381 10.1.4　词条—文档关系矩阵 384 10.2　实例：QQ群消息历史分析 387 10.2.1　数据集 387 10.2.2　数据集格式转化 389 10.2.3　留言文本的分词操作 390 10.2.4　分析常用话题词汇 391 10.2.5　建立用户–词条间的网络关系图 392 10.2.6　绘制重点词条和用户的网络图 392 10.3　XML包爬取网页数据 394 10.3.1　htmlParse函数 395 10.3.2　getNodeSet函数 395 10.3.3　xmlValue函数 396 10.3.4　xmlGetAttr函数 396 10.3.5　实例：爬取某电商网站衬衫类目商品的部分信息 397 第11章　网站指标监控系统的搭建 400 11.1　gWidgets包基础 400 11.1.1　环境搭建 400 11.1.2　引例 401 11.1.3　常用控件 406 11.2　实例：商品搜索算法参数配置监控GUI系统 414 11.2.1　商品搜索算法概述 414 11.2.2　原始商品信息 415 11.2.3　系统概述 417 11.2.4　模块布局 418 11.2.5　计算除关键字匹配以外的指标得分 420 11.2.6　模拟一次搜索行为数据 421 11.2.7　模拟多次搜索行为数据 423 11.2.8　绘图 423 第12章　基于RFM模型的客户价值系统 427 12.1　马尔科夫链 427 12.1.1　引例 427 12.1.2　概念 428 12.1.3　预测实例 428 12.2　RFM模型 431 12.2.1　RFM的概念 431 12.2.2　数据集 431 12.2.3　购买行为随机模型 432 12.3　结合马尔科夫链的RFM模型 436 12.3.1　购买状态转移矩阵 437 12.3.2　预测用户购买状态 445

根据云计算市场中最为看重的容器编排技术，详细讲解了docker、K8S、OpenStack等常用的PaaS、IaaS平台架构及运维技巧。 课程目录： 【IT教程网】千锋Linux视频教程-01docker

资源名称：Elasticsearch大数据搜索引擎 PDF 作者简介： 罗刚，猎兔搜索技术创始人 曾经担任国防大学科研处 技术顾问 工信部 舆情开发顾问 东南大学 社会导师 首都师范大学 金融课程讲师 北京石油化工学院 社会导师 北大光华管理学院 技术顾问 蓝汛公司搜索集群技术咨询顾问 新东方 创新研究院 研究员 资源目录： 第1章 使用Elasticsearch 1 1.1 基本概念 1 1.2 安装 2 1.3 搜索集群 5 1.4 创建索引 6 1.5 使用Java客户端接口 9 1.5.1 创建索引 11 1.5.2 增加、删除与修改数据 14 1.5.3 分析器 16 1.5.4 数据导入 17 1.5.5 通过摄取快速导入数据 17 1.5.6 索引库结构 17 1.5.7 查询 18 1.5.8 区间查询 22 1.5.9 排序 23 1.5.10 分布式搜索 23 1.5.11 过滤器 24 1.5.12 高亮显示 24 1.5.13 分页 25 1.5.14 通过聚合实现分组查询 26 1.5.15 文本列的聚合 27 1.5.16 遍历数据 28 1.5.17 索引文档 29 1.5.18 Percolate 29 1.6 RESTClient 30 1.6.1 使用摄取 31 1.6.2 代码实现摄取 33 1.7 使用Jest 33 1.8 Python客户端 37 1.9 Scala客户端 40 1.10 PHP客户端 43 1.11 SQL支持 44 1.12 本章小结 48 第2章 开发插件 49 2.1 搜索中文 49 2.1.1 中文分词原理 49 2.1.2 中文分词插件原理 51 2.1.3 开发中文分词插件 53 2.1.4 中文AnalyzerProvider 55 2.1.5 字词混合索引 57 2.2 搜索英文 60 2.2.1 句子切分 60 2.2.2 标注词性 62 2.3 使用测试套件 64 2.4 本章小结 68 第3章 管理搜索集群 69 3.1 节点类型 69 3.2 管理集群 69 3.3 写入权限控制 70 3.4 使用X-Pack 71 3.5 快照 72 3.6 Zen发现机制 73 3.7 联合搜索 74 3.8 缓存 74 3.9 本章小结 75 第4章 源码分析 76 4.1 Lucene源码分析 76 4.1.1 Ivy管理依赖项 76 4.1.2 源码结构介绍 76 4.2 Gradle 77 4.3 Guice 77 4.4 Joda-Time 79 4.5 Transport 80 4.6 线程池 80 4.7 模块 80 4.8 Netty 81 4.9 分布式 81 4.10 本章小结 82 第5章 搜索相关性 83 5.1 BM25检索模型 83 5.1.1 使用BM25检索模型 86 5.1.2 参数调优 86 5.2 学习评分 86 5.2.1 基本原理 87 5.2.2 准备数据 87 5.2.3 Elasticsearch学习排名 89 5.3 本章小结 91 第6章 搜索引擎用户界面 92 6.1 JSP实现搜索界面 92 6.1.1 用于显示搜索结果的自定义标签 93 6.1.2 使用Listlib 98 6.1.3 实现翻页 100 6.2 使用Spring实现的搜索界面 102 6.2.1 实现REST搜索界面 102 6.2.2 REST API中的HTTP PUT 104 6.2.3 Spring-data-elasticsearch 106 6.2.4 Spring HATEOAS 112 6.3 实现搜索接口 113 6.3.1 编码识别 113 6.3.2 布尔搜索 116 6.3.3 搜索结果排序 116 6.4 实现相似文档搜索 117 6.5 实现AJAX搜索联想词 119 6.5.1 估计查询词的文档频率 119 6.5.2 搜索联想词总体结构 119 6.5.3 服务器端处理 120 6.5.4 浏览器端处理 125 6.5.5 拼音提示 127 6.5.6 部署总结 127 6.5.7 Suggester 128 6.6 推荐搜索词 129 6.6.1 挖掘相关搜索词 130 6.6.2 使用多线程计算相关搜索词 132 6.7 查询意图理解 133 6.7.1 拼音搜索 133 6.7.2 无结果处理 133 6.8 集成其他功能 134 6.8.1 拼写检查 134 6.8.2 分类统计 135 6.8.3 相关搜索 141 6.8.4 再次查找 144 6.8.5 搜索日志 144 6.9 查询分析 146 6.9.1 历史搜索词记录 146 6.9.2 日志信息过滤 147 6.9.3 信息统计 148 6.9.4 挖掘日志信息 150 6.9.5 查询词意图分析 150 6.10 部署网站 150 6.10.1 部署到Web服务器 151 6.10.2 防止攻击 152 6.11 本章小结 156 第7章　OCR文字识别 157 7.1 Tesseract 157 7.2 使用TensorFlow识别文字 161 7.3 OpenCV 164 7.3.1 预处理 166 7.3.2 文字区域提取 169 7.3.3 纠正偏斜 171 7.3.4 Linux环境支持 172 7.4 JavaCV 172 7.5 本章小结 174 第8章　问答式搜索 176 8.1 生成表示语义的代码 176 8.2 信息整合 181 8.2.1 实体对齐 181 8.2.2 编辑距离 181 8.2.3 Jaro-Winkler距离 187 8.2.4 比较器 189 8.2.5 Cleaner 189 8.2.6 运行过程 190 8.2.7 遗传算法调整参数 192 8.3 自动问答 193 8.3.1 问句处理器 193 8.3.2 自动发现答案 198 8.4 本章小结 199 第9章　Elastic系统监控 201 9.1 Logstash 201 9.1.1 使用Logstash 201 9.1.2 插件 203 9.1.3 数据库输入插件 206 9.2 Filebeat 207 9.3 消息过期 208 9.4 Kibana 208 9.5 Flume 209 9.6 Kafka 210 9.7 Graylog 211 9.8 物联网数据 215 9.9 本章小结 216 资源截图：

资源名称：每天5分钟玩转OpenStack  资源截图：

根据云计算市场中及运维流程中最易受攻击的漏洞为展开点，诠释攻击原理并透析其中防护手段，是保护服务器免受攻击，升职加薪的一剂良药！ 课程目录： 【IT教程网】Web安全渗透（封面图）

资源名称：大嘴巴漫谈数据挖掘 PDF 内容简介： 《大嘴巴漫谈数据挖掘（全彩）》从最基本的概率统计学开始，全面、系统、形象而又深入地描述了数据挖掘的基础概念、应用领域以及常用算法。其中每一种数据挖掘算法都辅以通俗易懂的实例，读者能够在直观性、趣味性中学习算法的具体流程，明白算法的实现过程。通过《大嘴巴漫谈数据挖掘（全彩）》的学习，读者可以对数据挖掘的概念、应用和算法技术有一个清晰的理解和认识，并可以熟悉相关统计学的基本原理。 《大嘴巴漫谈数据挖掘（全彩）》适合想从事数据挖掘方面的工作的初学者、数据分析爱好者、分析师，以及一线的数据挖掘开发人员参考阅读，也适合客户经理针对如何开展针对性的营销活动，避免客户流失而阅读学习，更适合产品经理阅读，因为针对如何预测产品的目标用户，促进用户活跃和业务有效使用，靠经验已经不行了，数据才最有说服力，更适合企业管理者将其作为一本通俗易懂的数据挖掘基础读物阅读学习，对下属的工作方向给予指导，以及适合教师学生数据挖掘课程辅导之用。 作者简介： 易向军：北京科技大学计算机硕士学历，长期工作于互联网和电信领域，目前创办dazui8.com，致力于数据挖掘知识的宣传推广以及相关技术的研发探索。新浪微博：http://weibo.com/yixiangjun78 @易向军-数据 浅醉斛觞意渐乱，浮生聚散人堪愁   资源目录：第一境昨夜西风凋碧树。独上高楼，望尽天涯路…… /10 1.1数据挖掘简介 / 11开篇点题引五问 /12大数据中求价值 /13定义概述归特点 /14知识决策跨领域 /15架构特征多形式 /17数据立方展多维 /19功能挖掘四大类 /22分类刻画类标识 /23数据聚类辨亲疏 /24预测未来训模型 /25关联源自购物篮 /27模型过程方法论 /28十大算法成经典 /32 1.2数据挖掘应用 /33行业推广多应用 /34用户为王放心中 /36指导运营全周期 /37定位目标寻用户 /38精准营销成闭环 /39交叉产品有关联 /40细分用户刻画像 /41用户体验模型化 /43指标评测建体系 /44流失预警保用户 /45跟踪评估验效果 /47第二境衣带渐宽终不悔，为伊消得人憔悴…… /48 2.1概率定义 /49浮生难料尽偶然 /50一枚硬币抛正反 /51引出随机小试验 /53样本空间样本点 /54事件三分包万象 /55试验频率需频繁 /58次数无限值极限 /59描述概率定特点 /60古典概型等可能 /61事件B后A在前 /62求出概率称条件 /65独立事件A和B /67抽签中奖公平性 /71常用概率两公式 /76交空并全划样本 /77综合状态全概率 /78前因后果贝叶斯 /80 2.2随机变量 /81随机试验数量化 /82统计规律双类型 /83离散变量分布律 /84硬币抛掷是一零 /85分布函数连续型 /87函数求导得密度 /89高斯分布称正态 /91标准正态分位点 /95 2.3数字特征 / 98随机变量有特征 /98平均取值是期望 /100方差衡量偏离值 /101标准开根同量纲 /103变量关系协方差 /104相关系数相关度 /105研究总体要抽样 /108抽样分布统计量 /109 2.4参数估计 /111最小二乘估参数 /112极大似然大概率 /116区间估计置信度 /119 2.5假设检验 / 123总体假设来检验 /124服从正态抽样本 /125统计量中验假设 /126弃真取伪两错误 /127显著检验小概率 /128小概率中拒绝域 /130检验流程出决策 /131已知总体方差值 /132检验中验均值 /133第三境众里寻她千百度，蓦然回首，那人却在，灯火阑珊处。 /134 3.1关联规则 / 135购物篮中找关联 /136数据事务若干项 /137事务空间含项集 /138置信支持提升度 /142规则源于频繁项 /145 k项连接和剪枝 /146生成非空规则集 /148关联效果来评估 /149 3.2决策树 /155决策思维成树形 /156分类预测工作流 /161原理基于信息熵 /162信息增益条件熵 /164节点拆分选特征 /170 3.3贝叶斯 /186预测分类贝叶斯 /187类别概率要最大 /188分类数据新预测 /195 3.4聚类分析 / 196物以类聚人以群 /197样本变量定矩阵 /198 R型Q型换空间 /199距离度量相似度 /200系数聚类统计量 /202标准样本选欧氏 /203层次聚合归大类 /205 3.5神经网络 /209神经网络神经元 /210神经元中有加权 /211输入映射输出层 /213求出误差调参数 /214权重偏置学习率 /216实例分析模型流 /217 3.6线性回归 /222研究身高引回归 /223单自变量归一元 /224最小二乘估回归 /226数据差异总离差 /228分为解释和误差 /229判定系数拟合度 /230多元回归建方程 /231回归面中展二元 /233求得回归系数解 /234衡量拟合验效果 /236 3.7逻辑回归 /237因变量中二分类 /238二项逻辑回归式 /240极大似然解方程 /242预测分类符合率 /244 3.8因子分析 /245相关变量纳因子 /246因子构造筑模型 /248因子载荷统计性 /251衡量信息共同度 /252方差贡献重要性 /253因子分析四步曲 /254构造因子求载荷 /255旋转因子得命名 /260因子组合求得分 /265 3.9信度分析 /268设计问卷来调研 /269信度检验可靠性 /270 3.10效度分析 /272结构方程协方差 /273测量模型内外生 /276结构模型潜变量 /279效度分析路径图 /280提出假设依理论 /281固定负荷识模型 /282相关阵中估参数 /283 资源截图：

资源名称：Hadoop2.x基础课程 教程内容： 00_课程大纲介绍 01_Hadoop2.x简介及核心项目简介 02_Hadoop2.x生态圈简介 03_Hadoop 2.x 源码编译(Linux 64位操作系统) 04_Hadoop 2.x 目录结构说明 05_导入源码至Eclipse 06_HDFS 框架架构一览介绍 07_YARN 框架架构一览介绍 08_Hadoop 2.x 伪分布式环境安装 09_HDFS WEB UI深入讲解、服务启动日志分析、NN与SNN关系讲解 10_HDFS Shell命令和文件系统权限检查设置讲解 11_启动YRAN服务、WEB UI界面讲解、运行PI程序、MR历史服务器启动 12_回顾 Hadoop 2.x 伪分布式环境安装、启动服务、运行WordCount程序 13_Hadoop Deamons 三种启动方式，并分析启动脚本 14_三种启动方式的关系、SSH 协议、公钥登录、无密钥登录和配置详解 15_Hadoop 2.x 默认配置文件讲解及进行调优配置 16_MapReduce 程序相关日志讲解 17_如何阅读Hadoop 2x.官方Reference 18_阅读Reference单节点配置YARN 19_Hadoop 2.x官方Reference阅读续

资源名称：炼数成金Hadoop视频 教程内容： 1.Hadoop的源起与体系介绍 2.Hadoop的源起与体系介绍 3.Hadoop的源起与体系介绍 4.实施Hadoop集群 5.实施Hadoop集群 6.实施Hadoop集群 7.分布式文件系统HDFS，大数据存储实战 8.分布式文件系统HDFS，大数据存储实战 9.分布式文件系统HDFS，大数据存储实战 10.Map-Reduce体系架构 11.Map-Reduce体系架构 12.Map-Reduce体系架构 13.Map-Reduce数据分析之一，API实战 14.Map-Reduce数据分析之一，API实战 15.Map-Reduce数据分析之一，API实战 16.Map-Reduce数据分析之二，Hadoop流，应用案例 17.Map-Reduce数据分析之二，Hadoop流，应用案例 18.Map-Reduce数据分析之二，Hadoop流，应用案例 19.Map-Reduce数据分析之二，Hadoop流，应用案例 20.HBase体系架构与安装 21.HBase体系架构与安装 22.HBase体系架构与安装 23.HBase体系架构与安装 24.HBase数据分析与建模，实战案例剖析 25.HBase数据分析与建模，实战案例剖析 26.HBase数据分析与建模，实战案例剖析 27.Hive体系架构安装与HiveQL，应用案例1 28.Hive体系架构安装与HiveQL，应用案例2 29.Pig安装与Pig Latin语言，应用案例1 30.Pig安装与Pig Latin语言，应用案例2 31.Pig安装与Pig Latin语言，应用案例3 32.Pig安装与Pig Latin语言，应用案例4 33.hadoop高级介绍 34.hadoop高级介绍 35.hadoop高级介绍 36.hadoop高级介绍 37.hadoop高级介绍 38.hadoop高级应用 39.hadoop高级应用 40.hadoop高级应用 41.hadoop高级应用 42.hadoop高级应用 43.Hadoop集群安装 44.HBASE分布式安装

资源名称：大数据真实案列分析《HadoopSpark企业应用实战》11月份班 教程内容： 授 课 对 象 商业智能（BI）和企业数据仓库（EDW）的管理人员、建模人员、分析和开发人员、系统管理员等； 有意将Hadoop生态系统中的组件，作为现有EDW的补充，或未来替代产品的项目负责人及开发人员； 企业中牵涉到大数据处理的数据中心运行、规划、设计负责人； Hadoop企业级应用、整合项目的成员、负责人、开发人员 熟悉Hadoop生态系统，想了解和学习Hadoop与Spark整合在企业应用实战案例的朋友。 课 程 大 纲 本课程会介绍 Hadoop / Spark 各组件的架构，但不会涉及任何安装的内容，安装的教程、录像视频什么的网上到处都是，讲安装太浪费时间~ Hadoop/Spark环境的安装请大家自行解决，建议用Cloudera CDH或者Hortonworks HDP  本课程目标是：给大家分享一些在网上不能随便就搜到的内容和窍门，展示企业线上生产系统中应用 Hadoop、Spark 的成功案例，以及与现有企业BI平台整合的方案 第一周：企业级Hadoop/Spark应用概述，Hadoop/Spark生态系统与现有企业级应用的整合 企业级集群部署、数据管理、任务调度、集群监控 Hadoop架构介绍、Spark / Shark 介绍 Spark与Hadoop的关系 现有Hadoop架构的种种问题和限制 企业数据仓库的选型，Hadoop世界与EDW世界中的TPC（TPC DS与TPC H） Hadoop世界中的DBA 成本考量 —— 人？物？物是人非…… 第二周：Hadoop Eco System 进阶应用基础知识 HDFS / MapReduce / Yarn / Hive / Impala / Oozie 进阶应用、资源分配及调优 玩转Hive ETL高级应用：权限管理、external table、partition、中文支持、HiveServer2 JDBC接口 Hive的Windowing and Analytics Functions Hive 0.13的新功能 Impala与Hive对比，各种Hints：Hive的Map Join，Impala的SHUFFLE Join（partitioned join） 第三周：进阶应用实例 — 物流/广告/电商/零售/互联网行业Hadoop大数据应用 企业级应用实例1：物流行业 — 订单跟踪 —〉 Hive通过external table、partition、动态partition与NFS结合使用创建数据表，避免LOAD DATA —〉 Hive和Impala的Join优化Hints，MapJoin、Shuffle Join 实例 企业级应用实例2：广告行业 — 基于用户行为分析的用户归类标签 (客户画像) —〉 Hive复合数据类型array —〉 array与collect_set、collect_list、array_contains、sort_array —〉 impala的group_concat —〉 array与lateral view、LATERAL VIEW OUTER 企业级应用实例3：电商/零售行业 — 简单的推荐系统 Recommender System 实现 (基于用户标签/客户画像) —〉 Hive复合数据类型map、str_to_map、map_keys、map_values，map与lateral view —〉 通过Hive、Impala转换函数进行数据保护，确保企业应用信息安全（通过translate进行简单数据脱敏Data Masking —〉 HiveServer2 JDBC接口实例应用、中文支持Bug纠错 —〉 Hive的窗口和分析函数入门（row_number、rank、dense_rank等） 企业级应用实例4：互联网行业 — 访问量业绩报表 —〉 Hive的窗口和分析函数进阶（NTILE、CUME_DIST、PERCENT_RANK、LEAD、LAG、FIRST_VALUE、LAST_VALUE等） —〉 ROWS BETWEEN ... AND ... （CURRENT ROW，rows PRECEDING，rows FOLLOWING） 本周总结 —— 物流/广告/电商/零售/互联网行业Hadoop企业级大数据应用方案经验教训总结 第四周：Hadoop & Spark / Shark 进阶应用基础知识 HBase / ZooKeeper / Sqoop / Graphite / Ganglia 进阶应用及调优，Spark / Spark SQL / Shark 简介 HBase Shell 与 HBase REST API 应用 HBase的Region进阶应用Compact、Split与Merge HBase进阶脚本应用：jruby ｓｃｒｉｐｔ HBase与Hive的整合高级应用：binary(byte) value，lateral view explode Hive 0.13：posexplode+ Spark / Spark SQL / Shark 架构介绍、Spark Scala / Python 开发介绍 第五周：进阶应用实例 — Hadoop/Spark平台企业级开发框架 Hadoop生态系统中为企业级开发提供的测试框架应用实例 Spark实现“物流行业 — 订单跟踪 SLA”的实例，Scala语言及Python语言实现，Spark SQL + Parquet文件实现，Spark Scala Maven项目实例 HBase开发实例：REST API使用、JRuby脚本编写、Region进阶应用 与Continuous Integration系统整合的可能 —— 软件/互联网行业Hadoop企业级开发框架 第六周：Hadoop & Spark / Shark 企业级应用整合 HBase与Hive整合的大坑 HBase Python 客户端 happybase 使用介绍、编程实例 HBase Coprocessor与HBase + Hive 特征特点比较、分别适用的场景 企业中应用 HBase，Hive，Impala，Spark / Shark 的注意事项，资源分配方案 Hadoop与现有企业级BI平台的整合 Pentaho PDI / Kettle Oracle or In-Memory Database MicroStrategy / Tableau 第七周：进阶应用实例 — Hadoop / Spark 企业级大数据BI应用整合 互联网行业时间序列(time series data)数据处理实例 —— 整合 HBase 与 Hive：增量数据与全量数据，冷数据与热数据分治 互联网行业时间序列(time series data)数据处理实例 —— 整合 Spark 与 HBase Spark 访问 HBase 数据实例：通过 Spark 对 HBase 表进行 scan，Scala语言处理 HBase 返回值 Result 类中 KeyValue 对象的 ByteBuffer / ByteArray 通过 Kettle / Spoon 工具整合Hadoop与现有RDBMS的企业级BI解决方案 其它整合Hadoop与RDBMS构建企业级BI应用平台的可能（如使用PostgreSQL FDW，使用Presto的JDBC connector等） —— 互联网行业Hadoop企业级大数据BI应用整合方案 第八周：总结与展望 企业级大数据应用总结 构建企业大数据团队探讨 Hadoop方面工作面试秘籍：应用开发方向、数据分析方向、技术架构方向、团队带头人 现有几大Hadoop平台比较：Cloudera CDH，Hortonworks HDP，MapR Hadoop大数据还能干什么？通过Spark整合Streaming与Batch processing？ 金融 / 工业 / 能源 / 智慧城市 / 医疗行业 / Smart Data 德国汽车、新能源行业的大数据创新项目分享 德国医疗行业大数据应用现状 Hadoop大数据企业应用面临的问题)