(特价书)云数据管理：挑战与机遇
使用本教材的高校
•面向新形式下大数据技术发展对知识更新提出的挑战，旨在为学术研究和人才培养提供可供参考的“基石”。 •源自大数据管理领域资深学者最前沿的工作总结和提炼，内容涵盖大数据管理的理论、方法、技术等诸多方面， •针对技术发展趋势和新热点，提出新的知识点，完善和补充现有知识体系，拉近教材体系与大数据应用的距离。
基本信息
- 原书名：Data Management in the Cloud: Challenges and Opportunities
内容简介
书籍
计算机书籍
本书共分7章。第1章介绍了云计算、云数据管理的基本概念，并描述了本书的组织结构；第2章主要介绍了分布式数据管理的相关知识，包括分布式系统、P2P系统、并发控制和分布式数据恢复等；第3章对云数据管理的早期研究工作进行了描述，包括不同的键-值存储系统在数据模型、数据分布和容错等方面的区别，以及Bigtable、PNUTS和Dynamo这三个有代表性的键-值存储系统的特点；第4章介绍了托管数据的事务问题，包括数据托管模式、托管数据的事务执行、数据存储和复制等内容；第5章主要介绍了分布式数据事务相关技术；第6章讨论了云数据管理中的多租户技术，包括多租户模型、云中的数据库弹性以及云中数据库负载的自动控制；第7章对相关经验教训进行了总结，并指出了未来的主要研究方向。
本书适合计算机及相关专业学生学习数据管理和分析使用，也适合对数据管理和分析感兴趣的其他开发人员阅读。
计算机书籍
本书共分7章。第1章介绍了云计算、云数据管理的基本概念，并描述了本书的组织结构；第2章主要介绍了分布式数据管理的相关知识，包括分布式系统、P2P系统、并发控制和分布式数据恢复等；第3章对云数据管理的早期研究工作进行了描述，包括不同的键-值存储系统在数据模型、数据分布和容错等方面的区别，以及Bigtable、PNUTS和Dynamo这三个有代表性的键-值存储系统的特点；第4章介绍了托管数据的事务问题，包括数据托管模式、托管数据的事务执行、数据存储和复制等内容；第5章主要介绍了分布式数据事务相关技术；第6章讨论了云数据管理中的多租户技术，包括多租户模型、云中的数据库弹性以及云中数据库负载的自动控制；第7章对相关经验教训进行了总结，并指出了未来的主要研究方向。
本书适合计算机及相关专业学生学习数据管理和分析使用，也适合对数据管理和分析感兴趣的其他开发人员阅读。
作译者
迪卫艾肯特·阿格拉沃尔（Divyakant Agrawal） 加州大学圣塔芭芭拉分校计算机科学系教授。主要研究方向包括数据库系统、分布式计算、数据仓库和大规模信息系统。他是ACM和IEEE Fellow，在数据库系统、分布式系统、多维索引、数据仓库和云数据管理等领域发表论文300余篇。曾任多个国际会议、论坛的程序委员会委员，1993至2008年，任《分布式和并行数据库期刊》（Journal of Distributed and Parallel Databases）编辑，2003至2008年，任《VLDB Journal》编辑。他是ACM SIGMOD 2010程序委员会主席，多次担任ACM SIGSPATIAL会议的大会主席。目前担任《Journal of Distributed and Parallel Databases》的主编，ACM TODS和IEEE TKDE编委，VLDB基金会的受托人。在加州大学圣塔芭芭拉分校工作超过25年，培养了30多位博士研究生。荣获加州大学圣塔芭芭拉分校杰出指导导师奖。
苏迪皮托·达斯（Sudipto Das） 微软研究院极限计算组（eXtreme Computing Group）研究员。于加州大学圣塔芭芭拉分校获得计算机科学博士。研究兴趣广泛，主要包括可扩展数据管理系统和分布式系统。其研究跨多个领域，如云计算平台的可扩展事务处理系统、针对大数据的高级数据分析系统和多租户数据库系统。在众多著名的数据库相关期刊、会议（如SIGMOD、VLDB、ICDE、CIDR、MDM和SoCC）上发表过著作。在云计算和大数据领域做过多次培训。曾荣获加州大学圣塔芭芭拉分校2012年Lancaster论文奖、CIDR 2011最佳论文奖、MDM 2011最佳论文奖第二名、2012杰出论文奖，2011加州大学圣塔芭芭拉分校优秀学生奖和2006年TCS-JU最佳学生奖。
阿姆鲁·埃尔·阿巴迪（Amr El Abbadi） 加州大学圣塔芭芭拉分校计算机科学系教授。埃及亚历山大大学计算机科学学士，康奈尔大学计算机科学硕士、博士。2007至2011年，担任加州大学圣塔芭芭拉分校计算机科学系主任。他是ACM和AAAS Fellow。曾任多个数据库期刊（包括VLDB Journal）编辑，多个数据库和分布式系统会议（包括VLDB 2010、SIGSPATIAL GIS 2010和SoCC 2011）的程序委员会主席。2002至2008年，任VLDB基金会委员。2007年，荣获UCSB Senate杰出导师奖。在数据库和分布式系统领域发表超过275篇论文。
苏迪皮托·达斯（Sudipto Das） 微软研究院极限计算组（eXtreme Computing Group）研究员。于加州大学圣塔芭芭拉分校获得计算机科学博士。研究兴趣广泛，主要包括可扩展数据管理系统和分布式系统。其研究跨多个领域，如云计算平台的可扩展事务处理系统、针对大数据的高级数据分析系统和多租户数据库系统。在众多著名的数据库相关期刊、会议（如SIGMOD、VLDB、ICDE、CIDR、MDM和SoCC）上发表过著作。在云计算和大数据领域做过多次培训。曾荣获加州大学圣塔芭芭拉分校2012年Lancaster论文奖、CIDR 2011最佳论文奖、MDM 2011最佳论文奖第二名、2012杰出论文奖，2011加州大学圣塔芭芭拉分校优秀学生奖和2006年TCS-JU最佳学生奖。
阿姆鲁·埃尔·阿巴迪（Amr El Abbadi） 加州大学圣塔芭芭拉分校计算机科学系教授。埃及亚历山大大学计算机科学学士，康奈尔大学计算机科学硕士、博士。2007至2011年，担任加州大学圣塔芭芭拉分校计算机科学系主任。他是ACM和AAAS Fellow。曾任多个数据库期刊（包括VLDB Journal）编辑，多个数据库和分布式系统会议（包括VLDB 2010、SIGSPATIAL GIS 2010和SoCC 2011）的程序委员会主席。2002至2008年，任VLDB基金会委员。2007年，荣获UCSB Senate杰出导师奖。在数据库和分布式系统领域发表超过275篇论文。
目录
丛书前言
译者序
前言
作者简介
第1章 简介 1
第2章 分布式数据管理 9
2.1 分布式系统 9
2.1.1 逻辑时间和Lamport时钟 10
2.1.2 向量时钟 12
2.1.3 互斥和仲裁集 13
2.1.4 领导者选举 15
2.1.5 基于广播和多播的组通信 16
2.1.6 一致性问题 19
2.1.7 CAP理论 21
2.2 P2P系统 21
2.3 数据库系统 24
2.3.1 预备知识 24
2.3.2 并发控制 25
2.3.3 恢复和提交 28
第3章 云数据管理：早期趋势 31
译者序
前言
作者简介
第1章 简介 1
第2章 分布式数据管理 9
2.1 分布式系统 9
2.1.1 逻辑时间和Lamport时钟 10
2.1.2 向量时钟 12
2.1.3 互斥和仲裁集 13
2.1.4 领导者选举 15
2.1.5 基于广播和多播的组通信 16
2.1.6 一致性问题 19
2.1.7 CAP理论 21
2.2 P2P系统 21
2.3 数据库系统 24
2.3.1 预备知识 24
2.3.2 并发控制 25
2.3.3 恢复和提交 28
第3章 云数据管理：早期趋势 31
译者序
随着物联网、社交网络、移动互联网等新兴技术和服务的快速普及与应用，数据以前所未有的速度不断增长，人类进入了大数据时代。数据规模的海量性、数据种类的多样性以及数据产生速度的快速性等特点给数据管理带来了巨大挑战。为实现对大规模数据的有效管理，云数据管理技术应运而生。
云数据管理虽然已有十余年的发展历程，但仍存在诸多挑战和发展机遇。本书以面向数据存储和服务于互联网应用的云数据管理系统为主要对象，描述了其中存在的若干关键性挑战。本书共7章，第1章介绍了云计算、云数据管理的基本概念，对其中面临的关键挑战进行了概述，并描述了本书的组织结构；第2章主要介绍了分布式数据管理的相关知识，包括分布式系统、P2P系统、并发控制和分布式数据恢复等；第3章对云数据管理的早期研究工作进行了描述，包括不同的键–值存储系统在数据模型、数据分布和容错等方面的区别，以及Bigtable、PNUTS和Dynamo这三个有代表性的键–值存储系统的特点；第4章介绍了托管数据的事务问题，包括数据托管模式、托管数据的事务执行、数据存储和复制等内容；第5章主要介绍了分布式数据事务相关技术；第6章讨论了云数据管理中的多租户技术，包括多租户模型、云中的数据库弹性以及云中数据库负载的自动控制；第7章对相关经验教训进行了总结，并指出了未来的主要研究方向。
本书主要由马友忠负责翻译，孟小峰负责统稿和审校。本书于2016年9月译出初稿，责任编辑关敏对初稿进行了认真审核，张瑞玲、刘栋、贾世杰、张永新等也认真阅读初稿，给出了许多宝贵的修改意见。之后由孟小峰、马友忠根据责任编辑和同事提出的意见，逐章进行修改和完善。最后于2017年1月完成定稿。
本书译词主要遵从教科书及相关学术著作、科研论文中的习惯用法，并参考《计算机科学技术名词》等典籍。由于译者能力有限，译文中难免有不当之处，恳请读者批评指正并不吝赐教。如有任何建议或意见，敬请发邮件至ma_youzhong@163.com。
马友忠
2017年1月于洛阳
云数据管理虽然已有十余年的发展历程，但仍存在诸多挑战和发展机遇。本书以面向数据存储和服务于互联网应用的云数据管理系统为主要对象，描述了其中存在的若干关键性挑战。本书共7章，第1章介绍了云计算、云数据管理的基本概念，对其中面临的关键挑战进行了概述，并描述了本书的组织结构；第2章主要介绍了分布式数据管理的相关知识，包括分布式系统、P2P系统、并发控制和分布式数据恢复等；第3章对云数据管理的早期研究工作进行了描述，包括不同的键–值存储系统在数据模型、数据分布和容错等方面的区别，以及Bigtable、PNUTS和Dynamo这三个有代表性的键–值存储系统的特点；第4章介绍了托管数据的事务问题，包括数据托管模式、托管数据的事务执行、数据存储和复制等内容；第5章主要介绍了分布式数据事务相关技术；第6章讨论了云数据管理中的多租户技术，包括多租户模型、云中的数据库弹性以及云中数据库负载的自动控制；第7章对相关经验教训进行了总结，并指出了未来的主要研究方向。
本书主要由马友忠负责翻译，孟小峰负责统稿和审校。本书于2016年9月译出初稿，责任编辑关敏对初稿进行了认真审核，张瑞玲、刘栋、贾世杰、张永新等也认真阅读初稿，给出了许多宝贵的修改意见。之后由孟小峰、马友忠根据责任编辑和同事提出的意见，逐章进行修改和完善。最后于2017年1月完成定稿。
本书译词主要遵从教科书及相关学术著作、科研论文中的习惯用法，并参考《计算机科学技术名词》等典籍。由于译者能力有限，译文中难免有不当之处，恳请读者批评指正并不吝赐教。如有任何建议或意见，敬请发邮件至ma_youzhong@163.com。
马友忠
2017年1月于洛阳
前言
当下大数据技术发展变化日新月异，大数据应用已经遍及工业和社会生活的方方面面，原有的数据管理理论体系与大数据产业应用之间的差距日益加大，而工业界对于大数据人才的需求却急剧增加。大数据专业人才的培养是新一轮科技较量的基础，高等院校承担着大数据人才培养的重任。因此大数据相关课程将逐渐成为国内高校计算机相关专业的重要课程。但纵观大数据人才培养课程体系尚不尽如人意，多是已有课程的“冷拼盘”，顶多是加点“调料”，原材料没有新鲜感。现阶段无论多么新多么好的人才培养计划，都只能在20世纪六七十年代编写的计算机知识体系上施教，无法把当下大数据带给我们的新思维、新知识传导给学生。
为此我们意识到，缺少基础性工作和原始积累，就难以培养符合工业界需要的大数据复合型和交叉型人才。因此急需在思维和理念方面进行转变，为现有的课程和知识体系按大数据应用需求进行延展和补充，加入新的可以因材施教的知识模块。我们肩负着大数据时代知识更新的使命，每一位学者都有责任和义务去为此“增砖添瓦”。
在此背景下，我们策划和组织了这套大数据管理丛书，希望能够培养数据思维的理念，对原有数据管理知识体系进行完善和补充，面向新的技术热点，提出新的知识体系/知识点，拉近教材体系与大数据应用的距离，为受教者应对现代技术带来的大数据领域的新问题和挑战，扫除障碍。我们相信，假以时日，这些著作汇溪成河，必将对未来大数据人才培养起到“基石”的作用。
丛书定位：面向新形势下的大数据技术发展对人才培养提出的挑战，旨在为学术研究和人才培养提供可供参考的“基石”。虽然是一些不起眼的“砖头瓦块”，但可以为大数据人才培养积累可用的新模块（新素材），弥补原有知识体系与应用问题之前的鸿沟，力图为现有的数据管理知识查漏补缺，聚少成多，最终形成适应大数据技术发展和人才培养的知识体系和教材基础。
丛书特点：丛书借鉴Morgan & Claypool Publishers出版的Synthesis Lectures on Data Management，特色在于选题新颖，短小精湛。选题新颖即面向技术热点，弥补现有知识体系的漏洞和不足（或延伸或补充），内容涵盖大数据管理的理论、方法、技术等诸多方面。短小精湛则不求系统性和完备性，但每本书要自成知识体系，重在阐述基本问题和方法，并辅以例题说明，便于施教。
丛书组织：丛书采用国际学术出版通行的主编负责制，为此特邀中国人民大学孟小峰教授（email：xfmeng@ruc.edu.cn）担任丛书主编，负责丛书的整体规划和选题。责任编辑为机械工业出版社华章分社姚蕾编辑（email：yaolei@hzbook.com）。
当今数据洪流席卷全球，而中国正在努力从数据大国走向数据强国，大数据时代的知识更新和人才培养刻不容缓，虽然我们的力量有限，但聚少成多，积小致巨。因此，我们在设计本套丛书封面的时候，特意选择了清代苏州籍宫廷画家徐扬描绘苏州风物的巨幅长卷画作《姑苏繁华图》（原名《盛世滋生图》）作为底图以表达我们的美好愿景，每本书选取这幅巨卷的一部分，一步步见证和记录数据管理领域的学者在学术研究和工程应用中的探索和实践，最终形成适应大数据技术发展和人才培养的知识图谱，共同谱写出我们这个大数据时代的盛世华章。
在此期望有志于大数据人才培养并具有丰富理论和实践经验的学者和专业人员能够加入到这套书的编写工作中来，共同为中国大数据研究和人才培养贡献自己的智慧和力量，共筑属于我们自己的“时代记忆”。欢迎读者对我们的出版工作提出宝贵意见和建议。
大数据管理丛书
主编：孟小峰
大数据管理概论
孟小峰编著
2017年5月
异构信息网络挖掘：原理和方法
［美］孙艺洲（Yizhou Sun）韩家炜（Jiawei Han）著
段磊朱敏唐常杰译
2017年5月
大规模元搜索引擎技术
［美］孟卫一（Weiyi Meng）於德（Clement T. Yu）著
朱亮译
为此我们意识到，缺少基础性工作和原始积累，就难以培养符合工业界需要的大数据复合型和交叉型人才。因此急需在思维和理念方面进行转变，为现有的课程和知识体系按大数据应用需求进行延展和补充，加入新的可以因材施教的知识模块。我们肩负着大数据时代知识更新的使命，每一位学者都有责任和义务去为此“增砖添瓦”。
在此背景下，我们策划和组织了这套大数据管理丛书，希望能够培养数据思维的理念，对原有数据管理知识体系进行完善和补充，面向新的技术热点，提出新的知识体系/知识点，拉近教材体系与大数据应用的距离，为受教者应对现代技术带来的大数据领域的新问题和挑战，扫除障碍。我们相信，假以时日，这些著作汇溪成河，必将对未来大数据人才培养起到“基石”的作用。
丛书定位：面向新形势下的大数据技术发展对人才培养提出的挑战，旨在为学术研究和人才培养提供可供参考的“基石”。虽然是一些不起眼的“砖头瓦块”，但可以为大数据人才培养积累可用的新模块（新素材），弥补原有知识体系与应用问题之前的鸿沟，力图为现有的数据管理知识查漏补缺，聚少成多，最终形成适应大数据技术发展和人才培养的知识体系和教材基础。
丛书特点：丛书借鉴Morgan & Claypool Publishers出版的Synthesis Lectures on Data Management，特色在于选题新颖，短小精湛。选题新颖即面向技术热点，弥补现有知识体系的漏洞和不足（或延伸或补充），内容涵盖大数据管理的理论、方法、技术等诸多方面。短小精湛则不求系统性和完备性，但每本书要自成知识体系，重在阐述基本问题和方法，并辅以例题说明，便于施教。
丛书组织：丛书采用国际学术出版通行的主编负责制，为此特邀中国人民大学孟小峰教授（email：xfmeng@ruc.edu.cn）担任丛书主编，负责丛书的整体规划和选题。责任编辑为机械工业出版社华章分社姚蕾编辑（email：yaolei@hzbook.com）。
当今数据洪流席卷全球，而中国正在努力从数据大国走向数据强国，大数据时代的知识更新和人才培养刻不容缓，虽然我们的力量有限，但聚少成多，积小致巨。因此，我们在设计本套丛书封面的时候，特意选择了清代苏州籍宫廷画家徐扬描绘苏州风物的巨幅长卷画作《姑苏繁华图》（原名《盛世滋生图》）作为底图以表达我们的美好愿景，每本书选取这幅巨卷的一部分，一步步见证和记录数据管理领域的学者在学术研究和工程应用中的探索和实践，最终形成适应大数据技术发展和人才培养的知识图谱，共同谱写出我们这个大数据时代的盛世华章。
在此期望有志于大数据人才培养并具有丰富理论和实践经验的学者和专业人员能够加入到这套书的编写工作中来，共同为中国大数据研究和人才培养贡献自己的智慧和力量，共筑属于我们自己的“时代记忆”。欢迎读者对我们的出版工作提出宝贵意见和建议。
大数据管理丛书
主编：孟小峰
大数据管理概论
孟小峰编著
2017年5月
异构信息网络挖掘：原理和方法
［美］孙艺洲（Yizhou Sun）韩家炜（Jiawei Han）著
段磊朱敏唐常杰译
2017年5月
大规模元搜索引擎技术
［美］孟卫一（Weiyi Meng）於德（Clement T. Yu）著
朱亮译
序言
随着物联网、社交网络、移动互联网等新兴技术和服务的快速普及与应用，数据以前所未有的速度不断增长，人类进入了大数据时代。数据规模的海量性、数据种类的多样性以及数据产生速度的快速性等特点给数据管理带来了巨大挑战。为实现对大规模数据的有效管理，云数据管理技术应运而生。
云数据管理虽然已有十余年的发展历程，但仍存在诸多挑战和发展机遇。本书以面向数据存储和服务于互联网应用的云数据管理系统为主要对象，描述了其中存在的若干关键性挑战。本书共7章，第1章介绍了云计算、云数据管理的基本概念，对其中面临的关键挑战进行了概述，并描述了本书的组织结构；第2章主要介绍了分布式数据管理的相关知识，包括分布式系统、P2P系统、并发控制和分布式数据恢复等；第3章对云数据管理的早期研究工作进行了描述，包括不同的键–值存储系统在数据模型、数据分布和容错等方面的区别，以及Bigtable、PNUTS和Dynamo这三个有代表性的键–值存储系统的特点；第4章介绍了托管数据的事务问题，包括数据托管模式、托管数据的事务执行、数据存储和复制等内容；第5章主要介绍了分布式数据事务相关技术；第6章讨论了云数据管理中的多租户技术，包括多租户模型、云中的数据库弹性以及云中数据库负载的自动控制；第7章对相关经验教训进行了总结，并指出了未来的主要研究方向。
本书主要由马友忠负责翻译，孟小峰负责统稿和审校。本书于2016年9月译出初稿，责任编辑关敏对初稿进行了认真审核，张瑞玲、刘栋、贾世杰、张永新等也认真阅读初稿，给出了许多宝贵的修改意见。之后由孟小峰、马友忠根据责任编辑和同事提出的意见，逐章进行修改和完善。最后于2017年1月完成定稿。
本书译词主要遵从教科书及相关学术著作、科研论文中的习惯用法，并参考《计算机科学技术名词》等典籍。由于译者能力有限，译文中难免有不当之处，恳请读者批评指正并不吝赐教。如有任何建议或意见，敬请发邮件至ma_youzhong@163.com。
马友忠
2017年1月于洛阳
云数据管理虽然已有十余年的发展历程，但仍存在诸多挑战和发展机遇。本书以面向数据存储和服务于互联网应用的云数据管理系统为主要对象，描述了其中存在的若干关键性挑战。本书共7章，第1章介绍了云计算、云数据管理的基本概念，对其中面临的关键挑战进行了概述，并描述了本书的组织结构；第2章主要介绍了分布式数据管理的相关知识，包括分布式系统、P2P系统、并发控制和分布式数据恢复等；第3章对云数据管理的早期研究工作进行了描述，包括不同的键–值存储系统在数据模型、数据分布和容错等方面的区别，以及Bigtable、PNUTS和Dynamo这三个有代表性的键–值存储系统的特点；第4章介绍了托管数据的事务问题，包括数据托管模式、托管数据的事务执行、数据存储和复制等内容；第5章主要介绍了分布式数据事务相关技术；第6章讨论了云数据管理中的多租户技术，包括多租户模型、云中的数据库弹性以及云中数据库负载的自动控制；第7章对相关经验教训进行了总结，并指出了未来的主要研究方向。
本书主要由马友忠负责翻译，孟小峰负责统稿和审校。本书于2016年9月译出初稿，责任编辑关敏对初稿进行了认真审核，张瑞玲、刘栋、贾世杰、张永新等也认真阅读初稿，给出了许多宝贵的修改意见。之后由孟小峰、马友忠根据责任编辑和同事提出的意见，逐章进行修改和完善。最后于2017年1月完成定稿。
本书译词主要遵从教科书及相关学术著作、科研论文中的习惯用法，并参考《计算机科学技术名词》等典籍。由于译者能力有限，译文中难免有不当之处，恳请读者批评指正并不吝赐教。如有任何建议或意见，敬请发邮件至ma_youzhong@163.com。
马友忠
2017年1月于洛阳
