Programming Big Data Applications

Trong thời đại của Internet vạn vật (IoT) và các nền tảng truyền thông xã hội, một lượng lớn dữ liệu kỹ thuật số được tạo ra và thu thập từ nhiều nguồn, bao gồm cảm biến, thiết bị di động, thiết bị theo dõi đeo được và camera an ninh. Những dữ liệu này, thường được gọi là dữ liệu lớn (big data), đang thách thức các khả năng lưu trữ, xử lý và phân tích hiện tại. Các mô hình, ngôn ngữ, hệ thống và thuật toán mới tiếp tục được phát triển để thu thập, lưu trữ, phân tích và học hỏi (learn) một cách hiệu quả từ dữ liệu lớn.

Cuốn sách Lập trình Ứng dụng Dữ liệu lớn (Programming Big Data Applications) giới thiệu và thảo luận về các mô hình, khung lập trình (programming frameworks) và thuật toán để xử lý và phân tích lượng lớn dữ liệu. Cụ thể, cuốn sách cung cấp một mô tả sâu sắc về các thuộc tính và cơ chế của các mô hình lập trình (programming paradigms) chính để phân tích dữ liệu lớn, bao gồm MapReduce, quy trình công việc (workflow), BSP, truyền thông điệp (message passing) và mô hình giống SQL (SQL-like). Thông qua các ví dụ lập trình, sách cũng mô tả các khung công việc được sử dụng nhiều nhất để phân tích dữ liệu lớn như Hadoop, Spark, MPI, Hive và Storm. Mỗi hệ thống khác nhau đều được thảo luận và so sánh, làm nổi bật các tính năng chính, sự phổ biến của chúng (cả trong cộng đồng nhà phát triển và người dùng), cũng như các ưu và nhược điểm chính của chúng trong việc triển khai các ứng dụng phân tích dữ liệu lớn.

Mục lục :

• Lời tựa
• Giới thiệu tác giả
• Lời cảm ơn
• Danh mục hình ảnh
• Danh mục bảng biểu
• Giới thiệu:
  • Động lực và Mục tiêu
  • Các chủ đề chính
  • Đối tượng độc giả và Cấu trúc sách
  • Tài nguyên trực tuyến
• Các khái niệm về Dữ liệu lớn:
  • Các nguyên tắc và Đặc điểm của Dữ liệu lớn
  • Các khái niệm Khoa học Dữ liệu
  • Lưu trữ Dữ liệu lớn
  • Phân tích Dữ liệu có thể mở rộng (Scalable)
  • Tính toán Song song
  • Điện toán Đám mây
  • Hướng tới Tính toán Cấp độ Exascale
  • Học máy Song song và Phân tán
• Các mô hình Lập trình cho Dữ liệu lớn:
  • Lập trình Song song cho các Ứng dụng Dữ liệu lớn
  • Mô hình MapReduce
  • Mô hình Quy trình Công việc (Workflow)
  • Mô hình Truyền thông điệp (Message-Passing)
  • Mô hình BSP (Bulk Synchronous Parallel)
  • Mô hình Giống SQL (SQL-Like)
  • Mô hình PGAS (Partitioned Global Address Space)
  • Các mô hình cho Hệ thống Cấp độ Exascale
• Các công cụ cho Ứng dụng Dữ liệu lớn:
  • Giới thiệu
  • Các công cụ Lập trình dựa trên MapReduce
  • Các công cụ Lập trình dựa trên Quy trình Công việc (Workflow)
  • Các công cụ Lập trình dựa trên Truyền thông điệp
  • Các công cụ Lập trình dựa trên BSP
  • Các công cụ Lập trình Giống SQL
  • Các công cụ Lập trình dựa trên PGAS
• So sánh các Công cụ Lập trình:
  • Giới thiệu
  • Phân tích So sánh các Tính năng của Hệ thống
  • Phân tích So sánh thông qua các Ví dụ Ứng dụng
• Chọn Khung công việc Phù hợp để Khai thác Dữ liệu lớn:
  • Dữ liệu Đầu vào
  • Lớp Ứng dụng
  • Cơ sở Hạ tầng
  • Các yếu tố khác
• Tài liệu Bổ sung
• Tài liệu tham khảo
• Chỉ mục

Đối tượng độc giả: Sinh viên đại học và sau đại học các ngành khoa học máy tính, kỹ thuật máy tính, khoa học dữ liệu và kỹ thuật dữ liệu. Nghiên cứu sinh và nhà nghiên cứu trong lĩnh vực khoa học và kỹ thuật máy tính, và khoa học dữ liệu.