本书由校企“双元”合作开发，以企业真实项目的实施流程为主线，通过“电商平台用户行为数据分析”项目实战，贯穿Hadoop大数据核心技术，包括项目需求、大数据平台部署、数据采集、离线数据仓库设计与开发和项目数据可视化展示。本书内容主要涉及VMware、Xshell、IDEA等软件的安装配置；Hadoop分布式集群环境搭建； Flume、Kafka、Hive、Sqoop、ZooKeeper等Hadoop生态组件的基本工作原理、搭建及配置方法；使用Flume-Kafka-Flume架构实现数据采集；Hi

本书以Hadoop 3.3.0为核心，涵盖Hadoop生态系统的常用组件，主要介绍各组件的架构原理、Shell命令、常用API及编程等，并配有较多例题。全书共7章，内容包含Hadoop概述、Hadoop伪分布式安装、Hadoop分布式文件系统HDFS、分布式计算框架MapReduce、分布式数据库HBase、数据仓库Hive和内存计算框架Spark，第2~7章还设计了相关实验。
本书可以作为高等院校大数据、计算机、应用统计等相关专业的教材，也可作为Hadoop爱好者的入门教程或自学参考用书

实体识别在数据质量管理中起着重要作用，它是数据质量管理的重要研究方向。实体识别的目的是识别出数据集中描述同一真实世界实体的元组。实体识别的结果可以在数据质量管理的其他阶段(如数据清洗阶段和数据质量评估阶段)得到广泛应用。在一个或多个数据库中，同一个现实世界实体可能具有多种描述方式，这一问题在各种应用领域的信息系统中普遍存在。本书以信息集成和互联网搜索为背景，介绍对数据质量管理中实体识别的关键技术的最新研究成果，以最大化实体识别结果精确度、最小化时间复杂性为目标，研究基于图模型的实体识别、基

本书共4个项目15个任务，项目由易到难、从单一到综合，各个项目间既有机联系又相互独立，授课教师可以根据所教学生的学情分析结果选择某一个项目单独教学并进行任务实施。4个项目分别是：安装环境准备、Hadoop集群完全分布式部署、Hadoop生态系统常用组件部署、Hadoop HA集群部署。每个项目的任务都包含了任务目标、知识准备、任务实施三个部分。
本书对于在实际学习过程中学生需要重点掌握的知识点和技能点都用较多篇幅进行了讲解，以加强学生对基础知识的理解，知其然并知其所以然，从而使学生在任

本书以Hadoop 3.x为主线，全面介绍Hadoop及其生态体系中常用的大数据开源项目的安装和使用。全书共11章，分别讲解大数据概念、Hadoop基础知识、Hadoop集群部署、HDFS、MapReduce、YARN、ZooKeeper、Hive、Flume、Azkaban和Sqoop，并在最后开发一个完整的网站流量日志分析系统，帮助读者巩固前面所学的内容。
本书附有配套视频、教学课件、教学设计、测试题等资源；同时，为了帮助初学者更好地学习本书的内容，还提供在线答疑，欢迎读者关注。

本书详细介绍了大数据技术的基础理论和主流前沿技术。全书共分9章，分别介绍目前面临的大数据时代、大数据系统的基本结构、大数据采集与预处理、大数据处理基础架构——云计算、计算模式与处理系统、查询展现与交互、大数据分析与数据挖掘、隐私与安全、前沿技术及应用、行业案例研究。
每一章除讲解相关理论外，还讲解了适用技术及案例。各章都附有案例以帮助读者学习、理解和实际工程应用。为方便教师教学，本书附有全套教学PPT课件、教学大纲、教学计划。
本书主要作为高等院校计算机类专业、电子信息类专业、经济类

本书针对智能制造中的数据技术基础展开介绍，在概要阐述数据技术基本概念与发展历程之后，围绕智能制造中的业务数据化特点，从数据生命周期与数据管理流程角度，依次对智能制造中的主要数据技术及其应用情况进行了详细介绍。本书撰写基于理论与实践相结合的原则，注重数据技术方法体系及其在智能制造业务中的应用介绍，能够为智能制造工程、机械工程、自动化、计算机等相关领域高校的本科生提供理论基础和实践案例，同样可为智能制造相关科研人员、企业从业人员提供技术指导，为制造业信息化、智能化的咨询和实施人员提供参考。

《大数据技术概论（微课版）》以项目、任务驱动的方式组织内容，以大数据产业链六大产业环节为核心构建逻辑，采用新形态活页的形式进行组织编写。《大数据技术概论（微课版）》共10个项目，包括认识大数据、了解大数据产业、大数据平台与生态圈、大数据采集、大数据存储、大数据预处理、大数据分析与挖掘、大数据可视化、中国信创与大数据中台、大数据应用综合平台典型案例等内容。《大数据技术概论（微课版）》注重课程思政及教学过程考核评价，每个项目的任务评估、项目总结、项目拓展训练、项目评价等环节可以更好地帮助读者学好教材

本书结合作者在数据安全领域的教学和科研实践，提出了完整的数据安全概念与体系，介绍了数据安全理论与技术知识及其前沿研究进展。本书内容包括基础篇和高级篇。基础篇介绍数据安全密码技术基础，数据保密性、完整性、认证性、访问控制、可用性，以及数据库安全和数据安全管理等内容；高级篇介绍云数据存储安全与访问安全、数据计算安全、数据可信与可追溯、数据隐私保护、数据对抗等内容。

本书基于具有实用性和普适性的案例来编写，将数据的收集、获取、预处理、分析与可视化贯穿其中。根据当前高职高专教学实际需要，结合企业实际需求，采用“理实结合”的思路，以“案例导入”的形式详细介绍了大数据实训项目。包括使用requests 库获取天气信息，然后通过JupyterNotebook进行分析处理；使用Scrapy 框架分页获取诗词网站的信息，使用jieba 库对诗词的内容进行分词，然后在JupyterNotebook 中对文本数据进行处理；在Pycharm 中编写代码获取店面信息，然后在Ju