| ISBN | 出版时间 | 包装 | 开本 | 页数 | 字数 |
|---|---|---|---|---|---|
| 未知 | 暂无 | 暂无 | 未知 | 0 | 暂无 |
第1章 数据仓库与大数据处理技术概述/1
1.1 数据仓库发展概述 /2
1.1.1 萌芽：OLTP 数据库与数据仓库概念的提出 /2
1.1.2 发展：联机分析处理与信息仓库集成理论 /6
1.1.3 成熟：商用数据仓库与数据仓库建模理论 /13
1.2 大数据处理技术与数据仓库/20
1.2.1 大数据处理技术的起源 /21
1.2.2 分布式技术 /22
1.2.3 经典大数据处理架构 /28
1.2.4 湖仓一体 /29
1.3 数据仓库发展趋势 /31
1.3.1 云原生与分布式 /31
1.3.2 大数据与数据库一体化 /33
1.3.3 弹性与Serverless 扩容计费 /34
1.3.4 智能化 /36
1.3.5 数据共享与安全可信 /37
第2章 数据仓库与云计算/39
2.1 云计算时代数据仓库的发展 /40
2.1.1 基础设施服务化 /40
2.1.2 数据仓库服务化 /43
2.2 云计算时代数据仓库技术的机遇与挑战 /45
2.2.1 高弹性和平台成本之间的权衡 /45
2.2.2 稳定性挑战 /46
2.2.3 计算存储带宽瓶颈 /47
2.2.4 安全的挑战 /47
2.3 云原生数据仓库的技术特点 /48
2.3.1 存算分离与资源池化 /48
2.3.2 超融合基础架构 /49
2.3.3 高可用 /49
2.3.4 自服务 /49
2.3.5 分层架构与弹性扩展 /50
2.3.6 数据实时性与多级一致性 /50
2.3.7 数据开放性与共享 /51
2.3.8 计算多样性 /51
第3章 云原生数据仓库架构/53
3.1 设计理念/54
3.1.1 充分利用云资源 /54
3.1.2 纵向解耦与横向弹性 /54
3.1.3 一体化数据处理 /55
3.2 参考架构/56
3.3 典型云原生数据仓库/ 58
3.3.1 Redshift / 58
3.3.2 Snowflake / 63
3.3.3 BigQuery / 69
3.3.4 Databricks / 72
3.3.5 AnalyticDB / 74
3.4 云原生数据仓库比较/77
3.4.1 存算分离 /77
3.4.2 弹性能力与可扩展性 /77
3.4.3 Serverless 支持 / 78
3.4.4 计算模型 /78
3.4.5 ACID 语义 /78
3.4.6 生态兼容 /79
第4章 计算引擎关键技术/80
4.1 执行模型/ 81
4.1.1 迭代模型 /81
4.1.2 物化模型 /82
4.1.3 批处理模型 /83
4.2 单机执行模型/ 84
4.2.1 执行模型 /84
4.2.2 典型执行算子 /85
4.2.3 执行算子优化 /87
4.3 分布式执行框架/ 91
4.3.1 MPP 架构 / 91
4.3.2 BSP /94
4.4 典型交互模式/ 98
4.4.1 批处理 / 99
4.4.2 交互式 /101
4.4.3 实时检索 /102
4.4.4 机器学习 /103
4.5 AnalyticDB计算引擎实践/104
4.5.1 AnalyticDB 的执行模型 /105
4.5.2 AnalyticDB 的计算资源调度 /111
4.5.3 AnalyticDB 混合负载管理 /117
第5章 优化器关键技术/123
5.1 优化技术分类/124
5.2 成熟优化器模型/125
5.2.1 分层搜索 /125
5.2.2 统一搜索 /126
5.3 深入CBO/133
5.3.1 代价模型与参数估计 /133
5.3.2 动态抽样 /140
5.3.3 查询重优化 /143
5.4 AnalyticDB优化器实践/150
5.4.1 主体框架 /150
5.4.2 统计信息管理 /152
5.4.3 湖仓一体优化器 /157
第6章 数据仓库存储关键技术/158
6.1 湖仓架构/159
6.1.1 Azure、AWS 和Open Data Lakehouse / 160
6.1.2 Hudi、IceBerg 和Delta Lake /165
6.2 数据仓库存储架构/172
6.2.1 单机存储架构 /172
6.2.2 分布式共享存储 /173
6.3 典型存储格式/175
6.3.1 行存储 /176
6.3.2 列存储 /177
6.3.3 行列混合存储 /178
6.4 关键数据结构、索引与压缩技术/ 180
6.4.1 数据结构 /180
6.4.2 索引实现 /186
6.4.3 典型压缩算法 /197
6.5 数据分区技术/204
6.5.1 哈希分区 /205
6.5.2 Range 分区 / 206
6.5.3 其他数据分布模式 /207
6.5.4 数据冷热分层及生命周期管理 /208
6.6 数据一致性和可用性/209
6.6.1 数据一致性概念与分级 /210
6.6.2 二阶段提交 /212
6.6.3 多版本并发控制 /213
6.6.4 分布式一致性协议 /215
6.6.5 数据可用性 /219
6.6.6 数据实时性 /220
6.6.7 备份恢复 /221
第7章 资源管理与调度/223
7.1 云上资源调度的挑战与机遇/224
7.1.1 Serverless 的服务级别协议 / 224
7.1.2 多租户系统 /224
7.1.3 预测模型 /225
7.2 典型资源调度框架/225
7.2.1 Yarn/Yarn2 /225
7.2.2 Mesos /229
7.2.3 Kubernetes /232
7.3 AnalyticDB资源调度实践/238
7.3.1 云库存调度 / 238
7.3.2 资源利用率 /240
7.3.3 按需弹性 /245
第8章 AnalyticDB云上应用实践/247
8.1 实例创建/248
8.2 数据接入/250
8.2.1 Serverless 的服务级别协议 / 250
8.2.2 数据导入方式介绍 /250
8.2.3 数据导入性能优化 /254
8.3 数据类型和基本操作/257
8.3.1 数据类型 / 257
8.3.2 系统函数 /257
8.3.3 物化视图 /258
8.3.4 全文检索 / 259
8.3.5 DDL /262
8.3.6 DML /263
8.3.7 DQL /263
8.3.8 DCL / 264
8.3.9 元数据库数据字典 /264
8.4 查询优化/264
8.4.1 智能诊断与调优 / 264
8.4.2 调优查询 /270
8.5 运维管理/276
8.5.1 工作负载管理 /276
8.5.2 监控与报警 /277
8.5.3 安全管理 /277
8.5.4 备份与恢复 /279
8.5.5 变配与扩容 / 279
8.5.6 维护时间与运维事件 /281
8.5.7 数据资产管理 /282
8.5.8 标签管理 / 283
8.6 最佳实践/283
8.6.1 数据资产管理 /283
8.6.2 数据变更最佳实践 /286
8.6.3 数据查询最佳实践 /287
8.6.4 负载管理最佳实践 /287
8.7 典型应用场景/290
8.7.1 实时数据仓库 / 290
8.7.2 精准营销 /290
8.7.3 商业智能报表 /290
8.7.4 多源联合分析 /291
8.7.5 交互式查询 /291
参考文献/292
