详情
本书由知名的计算机科学家Bill Inmon撰写，是一本介绍数据湖的书。本书讲述了如何构建一个有用的数据湖，非常适合数据科学家、数据分析师来参考。通过阅读本书，读者可以解决很多工作当中遇到的大数据问题，并且了解数据湖的使用和架构。
第 1章 数据的湖泊 1
1.1 大数据来了 1
1.2 数据湖来了 2
1.3 “单向”的数据湖 3
1.4 小结 6
第 2章 改造数据湖 7
2.1 元数据 7
2.2 整合图谱 8
2.3 数据科学家 11
2.4 通用性 12
2.5 小结 13
第3章 数据湖内部 14
3.1 模拟信号数据 15
3.2 应用程序数据 17
3.3 文本数据 18
3.4 另一个视角 20
3.5 小结 21
第4章 数据池 22
4.1 数据修整 23
4.2 初始数据池 23
4.3 模拟信号数据池 24
4.4 应用程序数据池 25
4.5 文本数据池 25
4.6 将数据直接传入数据池 26
4.7 归档数据池 26
4.8 小结 27
第5章 数据池的通用结构 28
5.1 数据池描述 29
5.2 数据池目标 30
5.3 数据池数据 30
5.4 数据池元数据 31
5.5 数据池元过程 32
5.6 数据转换标准 33
5.7 小结 34
第6章 模拟信号数据池 35
6.1 模拟信号数据问题 35
6.2 数据描述 36
6.3 捕获初始数据、转换初始数据 37
6.4 转换/调整 初始模拟信号数据 38
6.5 数据切除 40
6.6 聚类数据 41
6.7 数据关系 42
6.8 未来使用的可能性 44
6.9 异常值 45
6.10 临时性的特定分析 47
6.11 小结 47
第7章 应用程序数据池 49
7.1 数据的基因 49
7.2 数据描述 50
7.3 标准数据库格式 51
7.4 数据的基本组织 52
7.5 数据的整合 52
7.6 数据模型 53
7.6 整合的必要性 54
7.7 从一个应用指向到下一个应用 56
7.8 交并应用 57
7.9 应用程序数据池内的数据子集 58
7.10 小结 58
第8章 文本数据池 60
8.1 文本消歧 62
8.2 传入数据池的文本 62
8.3 文本消歧的输出 63
8.4 固有的复杂性 64
8.5 文本消歧的功能 66
8.6 分类与本体 66
8.7 文本与语境的价值 68
8.8 对文本追根溯源 69
8.9 消歧的机制 69
8.10 分析数据库 70
8.11 将结果可视化 71
8.12 小结 73
第9章 数据池间的对比 74
9.1 数据池的相似性 74
9.2 数据池间的差异性 75
9.3 数据**终状态的关系型格式 75
9.4 技术间差异 76
9.5 数据池中数据的总预期容量 76
9.6 数据池间的数据移动 77
9.7 在多个数据池进行分析 78
9.8 使用元数据来关联不同数据池内的数据 78
9.9 假如……？ 79
9.10 小结 80
第 10章 利用基础架构 82
10.1 “单向”数据湖 83
10.2 改造数据湖 83
10.3 转换技术 84
10.4 一些分析问题 84
10.5 查询文本数据 87
10.6 真实的分析 88
10.7 小结 89
第 11章 搜索与分析 90
11.1 供应商所散布的困惑 95
11.2 小结 96
第 12章 数据池中的业务价值 97
12.1 模拟信号数据池中的业务价值 97
12.2 应用程序数据池中的业务价值 99
12.3 文本数据池中的业务价值 100
12.4 记录中的业务价值比例 101
12.5 小结 102
第 13章 一些额外话题 104
13.1 高层系统级别文档 104
13.2 详细的数据池级别文档 105
13.3 什么样的数据会流入数据湖/数据池 105
13.4 分析在何处发生 107
13.5 数据的年龄 110
13.6 数据的安全 110
13.7 小结 111
第 14章 分析与整合工具 112
14.1 可视化 112
14.2 搜索与修正 113
14.3 文本消歧 114
14.4 统计分析 114
14.5 经典的ETL处理 115
14.6 小结 116
第 15章 归档数据池 117
15.1 数据的移除标准 118
15.2 结构性改动 118
15.3 小结 119
术语表 120
参考资料 124
