《大数据挑战与NoSQL数据库技术》读书笔记模板

大数据挑战与NoSQL数据库技术读书笔记模板01思维导图读书笔记精彩摘录内容摘要目录分析作者介绍目录0305020406思维导图挑战数据库数据库大数据技术时代基本知识应用参考文献小结数据技术海量存储处理策略数据库第章模型本书关键字分析思维导图内容摘要内容摘要本书共分为三部分。理论篇重点介绍大数据时代下数据处理的基本理论及相关处理技术，并引入NoSQL数据库；系统篇主要介绍了各种类型NoSQL数据库基本知识；应用篇对国内外知名公司在利用NoSQL数据库在处理海量数据方面的应用做了阐述。本书对大数据时代面临的挑战，以及NoSQL数据库的基本知识做了清晰的阐述，有助于帮助读者整理思路，了解需求，并更有针对性、有选择的深入学习相关知识。读书笔记读书笔记《大型站技术架构》中提及本书，《大型站技术架构》我也是看了五六遍，每次看都有不同感觉，这本书也是如此。不单单是实战。二零二零年读完的第六本，了解了市面上主流的数据库，但是仅仅只是一个比较粗略的介绍，有助于在做技术选型时能想起有什么类型的数据库，但是如果真的好选型还是要去多找一下其它资料来读读。理论篇及案例分析写得非常不错，理论体系比较完整，有些很复杂的知识点也是点到即止，起到抛砖引玉的效果。目录分析1.1引子1.2大数据挑战1.3大数据的存储和管理1.4大数据的处理和分析第1章概论参考文献1.5小结第1章概论第2章数据一致性理论第3章数据存储模型第4章数据分区与放置策略第5章海量数据处理方法第6章数据复制与容错技术12345理论篇第8章缓存技术第7章数据压缩技术理论篇第2章数据一致性理论2.1CAP理论2.2数据一致性模型2.3ACID与BASE2.4数据一致性实现技术2.5小结参考文献第3章数据存储模型3.1总论3.2键值存储3.3列式存储3.4文档存储3.5图形存储3.6小结参考文献第4章数据分区与放置策略4.1分区的意义4.2范围分区4.3列表分区4.4哈希分区4.5三种分区的比较4.6放置策略4.7小结参考文献第5章海量数据处理方法5.1MapReduce简介5.2MapReduce数据流5.3MapReduce数据处理5.4Dryad简介5.5Dryad数据处理步骤5.6MapReducevsDryad5.7小结参考文献第6章数据复制与容错技术6.1海量数据复制的作用和代价6.2海量数据复制的策略6.3海量数据的故障发现与处理6.4小结参考文献第7章数据压缩技术7.1数据压缩原理7.2传统压缩技术7.3海量数据带来的3V挑战7.4Oracle混合列压缩7.5Google数据压缩技术7.6Hadoop压缩技术7.7小结参考文献第8章缓存技术8.1分布式缓存简介8.2分布式缓存的内部机制8.3分布式缓存的拓扑结构8.4小结参考文献第9章key-value数据库第10章Column-Oriented数据库第11章文档数据库第12章图存数据库第13章基于Hadoop的数据管理系统12345系统篇第15章分布式缓存系统第14章NewSQL数据库系统篇第9章key-value数据库9.1key-value模型综述9.2Redis9.3Voldemort9.4小结参考文献第10章Column-Oriented数据库10.1Column-Oriented数据库简介10.2Bigtable数据库10.3Hypertable数据库10.4Cassandra数据库10.5小结参考文献第11章文档数据库11.1文档数据库简介11.2CouchDB数据库11.3MongoDB数据库11.4小结参考文献第12章图存数据库12.1图存数据库的由来及基本概念12.2Neo4j图存数据库12.3GraphDB12.4OrientDB12.5三种图存数据库的比较12.6小结参考文献第13章基于Hadoop的数据管理系统13.1Hadoop简介13.2HBase13.3Pig13.4Hive13.5小结参考文献第14章NewSQL数据库14.1NewSQL数据库简介14.2MySQLCluster14.3VoltDB14.4小结参考文献第15章分布式缓存系统15.1Memcached缓存技术15.2MicrosoftVelocity分布式缓存系统15.3小结参考文献应用篇第16章企业应用16.1Instagram16.2Facebook对Hadoop以及HBase的应用16.3淘宝大数据解决之道16.4小结参考文献精