陈刚，浙江大学计算机科学与技术学院，教授，博士生导师。主要研究方向为数据库、大数据处理、云计算、CPS系统等。2013年获得浙江省青年科技奖，2012年获得国内软件领域“中创软件人才奖”，入选2007度“教育部新世纪人才支持计划”。主持国家科技支撑计划、国家核高基**专项、国家自然科学基金、国家863计划、国防预研计划等20余项国家、省部级科研项目。担任了包括数据库领域TOP会议VLDB在内的近十个国际会议程序委员会委员，以及TKDE、VLDBJ、TPDS、JCST等国际期刊的评审专家。

本书详细讨论大数据管理技术的各个分支及其实现技术, 包括大数据建模技术、大数据存储和索引技术、大数据查询处理技术、大数据事务处理技术和大数据总线技术, 并在此基础上, 对大数据应用系统进行了全面分析。
本书面向大数据应用的开发人员、大数据管理系统的开发人员以及大数据管理技术的研究人员, 也适用于高等院校相关专业师生学习。

第1篇 大数据管理系统基础
第1章　大数据技术简介　/ 2
　1.1　大数据技术的起源　/ 2
　1.2　大数据与云计算　/ 3
　参考文献　/ 4

第2章　大数据管理系统架构　/ 5
　2.1　大数据管理系统不能采用单一架构　/ 5
　　　2.1.1　大数据的5V特征　/ 5
　　　2.1.2　关系数据库系统架构的缺陷　/ 6
　2.2　基于Hadoop生态系统的大数据管理系统架构　/ 8
　　　2.2.1　Hadoop简介　/ 8
　　　2.2.2　HDFS分布式文件系统　/ 9
　　　2.2.3　MapReduce数据处理系统　/ 10
　2.3　面向领域的大数据管理系统　/ 12
　　　2.3.1　什么是面向领域的大数据管理系统　/ 12
　　　2.3.2　面向领域的大数据管理系统架构　/ 13
　参考文献　/ 16

第3章　大数据模型型　/ 17
　3.1　关系数据模型　/ 17
　　　3.1.1　关系数据模式　/ 17
　　　3.1.2　关系大数据存储模型　/ 17
　　　3.1.3　查询语言　/ 18
　　　3.1.4　典型系统　/ 18
　3.2　键值数据模型　/ 19
　　　3.2.1　键值数据模式　/ 19
　　　3.2.2　键值数据存储模型　/ 19
　　　3.2.3　查询语言　/ 19
　　　3.2.4　典型系统　/ 20
　3.3　列族数据模型　/ 20
　　　3.3.1　列族数据模式　/ 20
　　　3.3.2　列族数据存储模型　/ 21
　　　3.3.3　查询语言　/ 21
　　　3.3.4　典型系统　/ 21
　3.4　文档数据模型　/ 22
　　　3.4.1　文档数据模式　/ 22
　　　3.4.2　文档数据存储模型　/ 23
　　　3.4.3　查询语言　/ 23
　　　3.4.4　典型系统　/ 24
　3.5　图数据模型　/ 24
　　　3.5.1　图数据模式　/ 24
　　　3.5.2　图数据存储模型　/ 25
　　　3.5.3　查询语言　/ 25
　　　3.5.4　典型系统　/ 26
　参考文献　/ 27

第4章　大数据应用开发　/ 28
　4.1　大数据应用开发流程　/ 28
　4.2　大数据库设计　/ 31
　　　4.2.1　顶层设计　/ 31
　　　4.2.2　数据存储格式　/ 32
　　　4.2.3　数据模式设计　/ 34
　　　4.2.4　元数据管理　/ 35
　　　4.2.5　元数据存储　/ 36
　参考文献　/ 37

第2篇 大数据管理系统实现技术
第5章　大数据存储和索引技术　/ 40
　5.1　大数据存储技术　/ 40
　　　5.1.1　分布式文件系统　/ 40
　　　5.1.2　关系数据存储　/ 45
　　　5.1.3　列族大数据存储技术　/ 48
　5.2　大数据索引技术　/ 50
　　　5.2.1　系统概述　/ 50
　　　5.2.2　CG索引　/ 53
　参考文献　/ 57

第6章　大数据查询处理技术　/ 59
　6.1　大数据批处理技术　/ 59
　　　6.1.1　MapReduce技术简介　/ 59
　　　6.1.2　基于MapReduce的多表连接技术　/ 62
　6.2　大数据流处理技术　/ 83
　　　6.2.1　系统设计动机与需求　/ 84
　　　6.2.2　MillWheel编程模型　/ 85
　　　6.2.3　MillWheel编程接口　/ 86
　　　6.2.4　计算　/ 86
　　　6.2.5　键　/ 87
　　　6.2.6　流　/ 87
　　　6.2.7　持久态　/ 87
　　　6.2.8　低水位　/ 87
　　　6.2.9　定时器　/ 87
　6.3　大图数据处理技术　/ 88
　　　6.3.1　Pregel大图处理系统　/ 89
　　　6.3.2　系统实现　/ 94
　　　6.3.3　GRAPE大图处理系统　/ 97
　6.4　混合大数据处理技术　/ 104
　　　6.4.1　背景介绍　/ 104
　　　6.4.2　EPIC框架概述　/ 105
　　　6.4.3　模型抽象　/ 109
　　　6.4.4　实现方案与技术细节　/ 118
　　　6.4.5　实验　/ 122
　6.5　群组查询处理技术　/ 128
　　　6.5.1　简介　/ 128
　　　6.5.2　群组查询的非侵入式方法　/ 131
　　　6.5.3　群组查询基础　/ 133
　　　6.5.4　群组查询引擎COHANA　/ 138
　　　6.5.5　性能分析　/ 143
　　　6.5.6　总结　/ 149
　参考文献　/ 149

第7章　大数据事务处理技术　/ 151
　7.1　基于键组的事务处理技术　/ 151
　　　7.1.1　键组　/ 151
　　　7.1.2　键值分组协议　/ 152
　　　7.1.3　系统实现　/ 153
　7.2　基于时间戳的事务处理技术　/ 155
　　　7.2.1　Spanner事务处理简介　/ 155
　　　7.2.2　TrueTime应用接口　/ 155
　　　7.2.3　基于时间戳的事务处理　/ 156
　7.3　确定性分布式事务处理技术　/ 157
　7.4　基于数据迁移的事务处理技术　/ 162
　　　7.4.1　LEAP　/ 164
　　　7.4.2　L-Store　/ 170
　参考文献　/ 174

第8章　大数据总线技术　/ 176
　8.1　为什么需要大数据总线　/ 176
　　　8.1.1　两个复杂性问题　/ 176
　　　8.1.2　从N-to-N到N-to-One　/ 177
　8.2　基于日志的数据总线　/ 178
　　　8.2.1　数据库中的日志　/ 179
　　　8.2.2　分布式系统中的日志　/ 179
　8.3　Kafka系统简介　/ 181
　　　8.3.1　单个分区的效率　/ 182
　　　8.3.2　分布式协调　/ 184
　　　8.3.3　交付保证　/ 186
　参考文献　/ 187

第3篇 面向领域应用的大数据管理系统
第9章　面向决策支持的云展大数据仓库系统　/ 190
　9.1　决策支持简介　/ 190
　9.2　云展大数据仓库系统架构　/ 191
　　　9.2.1　云展大数据仓库系统总览　/ 191
　　　9.2.2　SINGA分布式深度学习平台　/ 192
　　　9.2.3　CDAS众包数据分析系统　/ 198
　9.3　应用实例　/ 202
　　　9.3.1　简介　/ 202
　　　9.3.2　综合医疗分析系统架构　/ 205
　　　9.3.3　联合患者档案　/ 207
　　　9.3.4　案例分析：患者返院预测　/ 210
　参考文献　/ 211

第10章　面向大规模轨迹数据的分析系统TrajBase　/ 212
　10.1　轨迹数据处理系统简介　/ 212
　　　10.1.1　轨迹数据处理技术简介　/ 212
　　　10.1.2　集中式轨迹数据处理系统　/ 213
　　　10.1.3　分布式多维数据处理系统　/ 214
　　　10.1.4　分布式时空数据处理系统　/ 214
　10.2　轨迹概念介绍　/ 215
　10.3　TrajBase系统架构　/ 216
　10.4　轨迹数据处理技术　/ 218
　　　10.4.1　轨迹数据表达技术　/ 218
　　　10.4.2　轨迹数据存储技术　/ 218
　　　10.4.3　轨迹数据索引和查询技术　/ 219
　　　10.4.4　轨迹数据挖掘技术　/ 222
　参考文献　/ 223

第11章　基于超图的交互式图像检索与标记系统HIRT　/ 225
　11.1　图像检索与标记方法简介　/ 225
　　　11.1.1　基于文本的图片检索方法　/ 225
　　　11.1.2　基于内容的图片检索方法　/ 226
　　　11.1.3　基于超图的图片检索方法　/ 226
　11.2　HIRT系统架构　/ 230
　　　11.2.1　超图构建　/ 231
　　　11.2.2　矩阵计算　/ 232
　　　11.2.3　Top-k查询　/ 237
　11.3　交互式图像检索技术　/ 237
　　　11.3.1　并行查询方法　/ 238
　　　11.3.2　近似查询方法　/ 241
　　　11.3.3　交互式查询方法　/ 243
　参考文献　/ 246

索引　/ 247