正版 数据管理十讲 袁野 崔斌 李战怀 9787111733348 机械工业出版社 数据治理 大数据 AI 人工智能

商品名称：

数据管理十讲

作      者：

市  场 价：

ISBN  号：

出版日期：

页      数：

开      本：

出  版 社：

 机械工业出版社

丛书序

“十讲”序

前言

第1讲 图数据管理本讲概览/  2

1.1 图数据库的数据模型和查询语言/  2

1.1.1 数据模型/  2

1.1.2 查询语言/  5

1.2 图数据库的系统架构/  8

1.2.1 Neo4j/  8

1.2.2 Jena/  10

1.2.3 gStore/  12

1.3 图数据库中的查询处理/  15

1.3.1 基于探索的子图匹配算法/  16

1.3.2 基于连接的子图匹配算法/  19

1.3.3 分布式子图匹配算法/  20

1.4 本讲小结/  22

参考文献/  22

第2讲 云数据管理本讲概览/  28

2.1 云数据库概述/  28

2.1.1 云数据库的定义/  29

2.1.2 云数据库的优势/  29

2.2 云服务简介/  30

2.2.1 云服务的背景/  30

2.2.2 云服务的特性/  32

2.3 云托管数据库/  33

2.3.1 传统数据库的制约/  34

2.3.2 云托管数据库的起源/  34

2.3.3 云托管数据库的利弊/  35

2.4 云原生数据库/  36

2.4.1 云原生数据库系统架构/  37

2.4.2 OLTP云数据库架构/  37

2.4.3 OLAP云数据库架构/  42

2.4.4 云原生数据库系统关键技术/  45

2.5 本讲小结/  56

参考文献/  56

第3讲 多模态数据管理本讲概览/  60

3.1 问题背景/  60

3.2 数据存储/  61

3.2.1 分散存储/  62

3.2.2 统一存储/  64

3.3 数据建模/  65

3.3.1 统一建模/  67

3.3.2 混合建模/  69

3.4 数据查询/  70

3.4.1 查询执行/  71

3.4.2 查询优化/  72

3.5 多模态数据管理系统/  74

3.6 本讲小结/  76

参考文献/  76

第4讲 时空数据管理本讲概览/  78

4.1 时空数据管理概述/  78

4.1.1 空间数据管理的基本概念/  78

4.1.2 轨迹数据管理的基本概念/  78

4.2 空间数据管理/  79

4.2.1 空间数据索引/  79

4.2.2 空间区域查询/  86

4.2.3 空间数据k最近邻查询/  86

4.2.4 空间数据Skyline查询/  91

4.3 轨迹数据管理/  96

4.3.1 地图匹配/  96

4.3.2 轨迹数据索引/  100

4.3.3 轨迹数据相似性查询/  104

4.3.4 轨迹数据聚类/  107

4.4 本讲小结/  110

参考文献/  111

第5讲 流数据管理本讲概览/  124

5.1 流数据管理的基本概念/  124

5.1.1 流数据管理/  124

5.1.2 流数据管理的作用/  126

5.2 基础流算法/  126

5.2.1 常见数据流模型/  126

5.2.2 元素个数估计/  129

5.2.3 top k元素估计与直方图/  131

5.2.4 数据流上不同元素个数估计/  133

5.3 数据挖掘与流算法/  137

5.3.1 数据流上的频繁项估计/  138

5.3.2 数据流上的聚类/  139

5.4 进阶流算法/  142

5.4.1 Count Sketch/  142

5.4.2 Count-Min Sketch/  144

5.5 流数据管理系统/  145

5.5.1 常见的流数据管理系统/  146

5.5.2 流数据管理系统的比较/  152

5.5.3 批、流数据管理系统对比/  155

5.6 流数据的应用与未来/  160

5.6.1 流数据的应用/  160

5.6.2 流数据管理的未来展望/  162

5.7 本讲小结/  162

参考文献/  163

第6讲 区块链数据管理本讲概览/  168

6.1 区块链概述/  168

6.1.1 区块链：信任构建的基础设施/  168

6.1.2 区块链发展历史/  169

6.1.3 区块链架构划分/  170

6.2 区块链数据存储/  170

6.2.1 链式数据结构/  170

6.2.2 默克尔树/  171

6.2.3 区块数据和状态数据/  172

6.2.4 数据存储方式/  174

6.3 共识算法/  176

6.3.1 PoX系列/  177

6.3.2 Raft共识协议/  179

6.3.3 PBFT协议/  180

6.4 交易处理方式/  182

6.4.1 “共识-执行”模型/  183

6.4.2 “执行-共识-验证”模式/  185

6.4.3 分片执行/  187

6.5 区块链查询方法/  189

6.5.1 可验证查询/  189

6.5.2 基于可信执行环境的查询处理/  191

6.6 本讲小结/  192

参考文献/  192

第7讲 数据质量管理本讲概览/  196

7.1 概述/  196

7.1.1 数据质量管理的意义与价值/  196

7.1.2 数据质量管理研究历程介绍/  198

7.2 数据质量/  200

7.2.1 数据质量维度/  200

7.2.2 数据质量评估模型/  201

7.2.3 数据可用性问题/  203

7.3 数据可用性理论研究/  204

7.3.1 数据可用性概念与表达机理/  205

7.3.2 数据可用性的判定理论/  207

7.3.3 大数据量质融合管理理论与技术/  209

7.3.4 弱可用数据的近似计算理论与算法/  210

7.4 数据清洗技术研究/  212

7.4.1 数据质量问题分类/  212

7.4.2 清洗流程概述/  213

7.5 数据质量持续改进模型与技术/  214

7.5.1 人工参与的数据清洗模型/  214

7.5.2 面向大数据的清洗技术/  219

7.5.3 数据质量问题溯源分析技术/  223

7.5.4 人工智能赋能的数据清洗技术/  226

7.6 数据清洗工具与系统介绍/  229

7.6.1 基于规则约束的数据清洗工具/  229

7.6.2 基于众包的数据清洗工具/  235

7.6.3 基于知识库的数据清洗工具/  238

7.6.4 基于学习模型的数据清洗工具/  242

7.6.5 基于可视化的数据清洗工具/  245

7.7 本讲小结/  247

参考文献/  248

第8讲 数据安全与隐私本讲概览/  264

8.1 数据隐私安全概述/  264

8.1.1 数据隐私安全/  264

8.1.2 数据隐私安全分类/  265

8.2 面向数据采集的隐私保护/  266

8.2.1 数据采集隐私保护概述/  266

8.2.2 匿名化隐私保护/  268

8.2.3 差分隐私保护/  271

8.3 面向数据存储的密态处理/  273

8.3.1 密态数据处理概述/  274

8.3.2 面向关系模型的密态数据处理/  277

8.3.3 面向空间模型的密态数据处理/  280

8.4 面向数据共享的联邦计算/  282

8.4.1 数据联邦计算概述/  282

8.4.2 面向关系模型的数据联邦/  287

8.4.3 面向空间模型的数据联邦/  291

8.5 本讲小结/  294

参考文献/  294

第9讲 新硬件驱动的数据管理本讲概览/  300

9.1 新硬件驱动的数据管理概述/  300

9.1.1 经典硬件：数据库系统的底层设施/  300

9.1.2 新硬件带来的发展机遇/  301

9.2 数据库相关新硬件概述/  303

9.2.1 以NVM为代表的新型存储介质/  303

9.2.2 以GPU、FPGA为代表的新型计算硬件/  304

9.2.3 支持RDMA的高性能网络/  307

9.3 基于新硬件的存储与索引/  309

9.3.1 NVM作为字节寻址存储堆/  309

9.3.2 NVM作为文件系统/  310

9.3.3 基于NVM的多层存储架构/  312

9.3.4 基于NVM的数据库索引/  313

9.4 基于新硬件的查询处理与优化/  314

9.4.1 NVM友好的查询优化/  314

9.4.2 基于GPU等新计算硬件的查询优化/  315

9.4.3 基于GPU等新计算硬件的高性能查询处理/  317

9.5 基于新硬件的持久化与事务处理/  320

9.5.1 基于NVM的日志与持久化技术/  320

9.5.2 众核、异构环境下的并发控制/  321

9.5.3 基于RDMA的分布式事务/  323

9.6 基于新硬件的数据库系统架构/  325

9.6.1 多级存储架构/  325

9.6.2 异构计算架构/  327

9.6.3 分布式架构/  329

9.7 未来发展方向/  331

9.8 本讲小结/  332

参考文献/  332

第10讲 数据库系统智能化本讲概览/  338

10.1 智能化数据库系统概述/  338

10.1.1 智能化数据库系统研究动机/  338

10.1.2 自治数据库系统架构/  339

10.2 查询处理智能优化/  342

10.2.1 自然语言到SQL自动转换/  342

10.2.2 查询负载预测/  345

10.2.3 智能索引推荐/  347

10.3 基于学习的查询优化/  348

10.3.1 智能代价估计/  349

10.3.2 智能查询优化器/  356

10.4 数据库系统自诊断/  359

10.4.1 慢查询的识别与重写/  359

10.4.2 实时故障检测与恢复/  365

10.5 数据库系统自调节/  366

10.5.1 问题定义/  367

10.5.2 运行状态自感知/  368

10.5.3 关键特征参数选择/  369

10.5.4 基于学习的系统参数调优/  370

10.6 本讲小结/  375

10.7 未来研究方向和挑战/  375

参考文献/  376

随着社交网络等新型应用的兴起和云计算等新技术的快速发展，人类获取数据的规模正以前所未有的速度增长，数据中包含了大量有价值的信息，能够有效助力社会、经济、科技的发展，因此数据管理与分析方面的研究工作倍受关注。本书针对该领域的研究热点和前沿技术进行了深入浅出的介绍，包括图数据、云数据库系统、时空数据、数据质量、数据库智能化等，帮助读者构建宏观视野，把握领域前沿。

本书适合数据管理与分析等相关领域的科研人员、年轻教师、研究生，以及从事相关工作的人员阅读。