推薦序一
推薦序二
前　　言
第1章　抉擇 1
第2章　數據收集 4
2.1　互聯網數據收集 4
2.1.1　網絡爬蟲 5
2.1.2　Apache Nutch簡介 11
2.1.3　Heritrix簡介 14
2.2　內部數據收集 15
2.2.1　Apache Flume簡介 17
2.2.2　Facebook Scribe和Logstash 21
2.3　本章心得 21
2.4　參考資料 22
第3章　數據存儲 23
3.1　持久化存儲 23
3.1.1　Hadoop和HDFS 25
3.1.2　HBase簡介 28
3.1.3　MongoDB 35
3.2　非持久化存儲 37
3.2.1　緩存和散列 37
3.2.2　Memcached和Berkeley DB簡介 41
3.2.3　Redis簡介 41
3.3　本章心得 44
3.4　參考資料 44
第4章　數據處理 46
4.1　離綫批量處理 46
4.1.1　Hadoop的MapReduce 47
4.1.2　Spark簡介 52
4.1.3　Hive簡介 53
4.1.4　Pig、Impala和Spark SQL 56
4.2　提升及時性：消息機製 58
4.2.1　ActiveMQ簡介 60
4.2.2　Kafka簡介 61
4.3　在綫實時處理 63
4.3.1　Storm簡介 63
4.3.2　Spark Streaming簡介 66
4.4　本章心得 66
4.5　參考資料 67
第5章　信息檢索 69
5.1　基本理念 70
5.2　相關性 70
5.2.1　布爾模型 70
5.2.2　基於排序的布爾模型 71
5.2.3　嚮量空間模型 74
5.2.4　語言模型 75
5.3　及時性 77
5.4　與數據庫查詢的對比 81
5.5　搜索引擎 82
5.5.1　Web搜索中的鏈接分析 83
5.5.2　電子商務中的商品排序 86
5.5.3　多因素和基於學習的排序 88
5.5.4　係統框架 89
5.5.5　Lucene簡介 93
5.5.6　Solr簡介 98
5.5.7　Elasticsearch簡介 104
5.6　推薦係統 108
5.6.1　推薦的核心要素 109
5.6.2　推薦係統的分類 110
5.6.3　混閤模型 115
5.6.4　係統架構 116
5.6.5　Mahout 116
5.7　在綫廣告 119
5.8　本章心得 127
5.9　參考資料 128
第6章　數據挖掘 130
6.1　基本理念 131
6.2　數據的錶示和預處理 133
6.3　機器學習算法 136
6.4　挖掘工具 157
6.5　本章心得 165
6.6　參考資料 165
第7章　效能評估 167
7.1　效果評估 168
7.2　性能評估 190
7.3　本章心得 202
7.4　參考資料 202
第8章　大數據技術全景 204
第9章　商品太多啦！需要搜索引擎 207
9.1　業務需求 207
9.2　産品設計和技術選型 208
9.3　實現方案 211
第10章　能否更主動？還需要推薦引擎 223
10.1　業務需求 223
10.2　産品設計和技術選型 225
10.3　實現方案 230
第11章　這樣做的效果如何 241
11.1　業務需求 241
11.2　産品設計和技術選型 242
11.3　實現方案 243
第12章　這個搜索有點遜 258
12.1　業務需求：還要搜得更多 258
12.2　“還要搜得更多”：産品設計和技術選型 259
12.3　“還要搜得更多”的方案實現 261
12.4　業務需求：還要搜得更準 265
12.5　“還要搜得更準”：産品設計和技術選型 266
12.6　“還要搜得更準”的方案實現 271
12.7　業務需求：還要更快 273
12.8　還要“變”得更快：産品設計和技術選型 274
12.9　還要“搜”得更快：産品設計和技術選型 275
12.10　業務需求：給點提示吧 280
12.11　給點提示吧：産品設計和技術選型 282
第13章　支持更高效的運營 287
13.1　業務需求：互聯網時代的CRM 287
13.2　互聯網時代的CRM：産品設計和技術選型 288
13.3　業務需求：抓住搗蛋鬼 291
13.4　抓住搗蛋鬼：産品設計和技術選型 292
13.5　業務需求：銷售之戰 295
13.6　銷售之戰：産品設計和技術選型 296
後記 299
· · · · · · (收起)