❶ 大神，關於大數據處理方面的書籍有推薦嗎
《大數據處理之來道》作者：自何金池
分析比較了當下流行的大數據處理技術的優劣及適用場景，包括Hadoop、Spark、Storm、Dremel、Drill等，詳細分析了各種技術的應用場景和優缺點;同時闡述了大數據下的日誌分析系統，重點講解了ELK日誌處理方案;最後分析了大數據處理技術的發展趨勢，重點從各種技術的起源、設計思想、架構等方面闡述大數據處理之道。
❷ 大數據相關的書籍有哪些，麻煩推薦一下
初級階段：《大數據時代》
讀完這本書，要求你形成大數據的概念專，對大數據有個全面的認屬識和了解。
中級階段：《失控》
用統計的方法，而不是因果的方法，預測未來,用統計的方法來對某些東西進行預測.
高級階段：《復雜性》
指明了一個無窮疊代，即 「關系的關系的……關系」，而智能將在這里涌現，解決復雜性問題預測的關鍵很可能就在這里，這句話打開了一個非常廣闊的前景，將象宇宙一樣沒有窮盡。
高級階段（2）：《量子物理史話》
停止爭論吧，上帝真的擲骰子！隨機性是世界的基石，當電子出現在這里時，它是一個隨機的過程，並不需要有誰給它加上難以忍受的條條框框。……而統計規律則把微觀上的無法無天抹平成為宏觀上的井井有條。——摘自《量子物理史話》
❸ 大數據入門書籍有哪些
當年互聯網瘋狂發展的時候，很多人在觀望和猶豫中錯過了這班順風車（沒有盡早開個淘寶店，腸子都悔青了好幾遍呢）。如今，同樣的橋段上演，大數據時代，堅決不能再無動於衷！
於是，你著急，你迷茫，你很方……除了平時要加班加點的搬磚，牙縫里擠出來的的閑碎時間都貢獻給度娘了，「小白如何學習大數據」，「大數據入門書籍有哪些」……
1：<大數據時代>
這是學習大數據必讀的一本書，也是最系統的關於大數據概念的一本書，由維克托·邁爾-舍恩伯格和肯尼斯·庫克耶編寫，主要介紹了大數據理念和生活工作及思維變革的關系。
它被包括寬頻資本董事長田朔寧、知名IT評論人謝文等專業讀者鑒定為「大數據領域最好的著作沒有之一，一本頂一萬本」。有這么好嗎？看完自己評價吧。這本書對這個大規模產生、分享和應用數據的新的大時代進行了闡述和釐清，作者圍繞「要全體不要抽樣、要效率不要絕對精確、要相關不要因果」三大理念，通過數十個商業和學術案例，剖析了萬事萬物數據化和數據復用挖掘的巨大價值。
2：<爆發>
由巴拉巴西編寫，主要講了在一個歷史故事的連續講述中，了解大數據的概念實質。從大數據的歷史開始，能更深入的了解大數據的發展歷程。
巴拉巴西整本書講述的大數據根本目的，是預測。他甚至有零有整地判斷，人類行為93%是可以預測的。打個比方，千百年前人類無法如今天般准確預測天氣，以致某些大致預測的行為都被認為是「通神」，其實核心在於對天氣數據的海量佔有和分析能力。但假如全人類的所有基礎及行為數據全部被佔有全部能分析呢？比如通過智能終端LBS功能採集全部運動軌跡、通過金融系統採集所有支付記錄、通過SNS採集所有社會關系和通過郵件、文檔、社會視頻監控和自我視頻監測採集所有言行記錄，24小時，每分每秒，一生，全地球70億人，那會如何？
3：<大數據>
由徐子沛編寫，看美國政府在大數據開放上的進程與反復，算是個案。如果能夠基本了解這三本的觀點，出門有底氣，見人腰桿直，不再被忽悠。
全書講述的，是大數據在美國政府管理中的應用，以及美國政府運行方式大數據變革的歷史與斗爭，其實也是故事性的。從奧巴馬上台就頒布《信息公開法案》，到設立第一個美國政府首席信息官開始，講述美國政府與民間在社會數據公開的斗爭史，以及美國社會管理向大數據思維轉變的過程。首先，這算是一個最詳實的案例；其次，這代表的不是某種管理方式變革，深處是對民主運行機制的變革與進步。說好了，這本書用心良苦，遠遠超越科普技術領域；說壞了，其心可誅。有一段，民間斗爭，逼迫奧巴馬公布所有每日白宮全部日程，包括接見了誰、談話的全部內容，這不就是個人大數據全公開在公眾人物上的應用嗎？這可比現在所謂官員公開財產的要求高了幾十倍——這要求政府全部行為、全部數據、全部公開，全體公眾隨時可查——技術和成本上其實已經可以做到或至少努力接近——如果不這么做，不止是落後問題而是真正的其心可誅了。
4：<大數據基礎與應用>
由陳明編寫。看名字就知道，入門級別拯救小白的書。這本書共17章，第1章是對大數據的簡單概述，第2章介紹大數據研究的方法論，第3、8、9、14章介紹大數據的生態環境，第17章介紹數據科學的內容，剩下的章節是本書重點，介紹大數據技術及應用方法。
身處大數據大環境下，身邊的人經常討論資料庫、數據可視化、大數據預處理等等。這些詞聽得多了會讓人產生錯覺——自己已經知道裡面的門道了。但事實上還是個「門外漢」。
舉個例子，沒有人肯在上千人規模的講座上專門花半個小時教你怎樣進行數據清洗。本書專門列了一章，詳細介紹大數據預處理技術，包括數據清洗的實現方式，從步驟到檢驗，都做了用心的闡述。諸如此類，數據挖掘、大數據流式計算、Hadoop、NoSQL等等都從最基礎的點做了詳細介紹。耐心看完這些，再往深處進階就不會那麼吃力了。
5：<一本書讀懂大數據>
進入大數據時代，讓數據開口說話將成為司空見慣的事情，本書將從大數據時代的前因後果講起，全面分析大數據時代的特徵、企業實踐的案例、大數據的發展方向、未來的機遇和挑戰等內容，展現一個客觀立體、自由開放的大數據時代。
5:<集體智慧編程>
入門，淺顯易懂，裡面每一章都是一個案例，但是很方便，有具體的代碼，用來入門最好。
6：<社交網路的數據挖掘>
專門做社交網路的數據挖掘，案例很豐富，有代碼。
7：<數據可視化之美>
致力於介紹各種可視化方案。
8：<鮮活的數據>
比較簡單的可視化，不過內容豐富，有代碼。
9：<數據挖掘導論完整版>
看完上述的書，對大數據產生很大的興趣，已經初步入門了，現在開始理論方面的學習，數據挖掘入門教程，個人覺得寫的很好，目前正在研究這本書，努力。。。
10：<統計學習方法>
這本書比較深，剛開始看的就是這一本，不過太深，看到一半，准備在導論看完之後，在看這本書提升一下自己。
11：<鳥哥私房菜—基礎篇>
作為一個計算機專業linux那是必學的，而且Hadoop是建立在Linux基礎上的，不求多麼的精通，但是基礎的操作要學會。
如果是沒有任何編程語言基礎的想入行大數據的話，是必須要學習java基礎的，雖然大數據支持很多開發語言，但是企業用的最多的還是java，接下來學習數據結構，關系型資料庫，linux系統操作，有了基礎之後，在進入大數據學習，可以給小白學習的體系。
第一階段
COREJAVA（加**的需重點熟練掌握，其他掌握）
Java基礎**
數據類型
運算符、循環
演算法
順序結構程序設計
程序結構
數組及多維數組
面向對象**
構造方法、控制符、封裝
繼承**
多態**
抽象類、介面**
常用類
集合Collection、list**
HashSet、TreeSet、Collection
集合類Map**
異常
File
文件/流**
數據流和對象流**
線程（理解即可）
網路通信（理解即可）
第二階段
數據結構
關系型資料庫
Linux系統操作
Linux操作系統概述
安裝Linux操作系統
圖形界面操作基礎
Linux字元界面基礎
字元界面操作進階
用戶、組群和許可權管理
文件系統管理
軟體包管理與系統備份
Linux網路配置
（主要掌握Linux操作系統的理論基礎和伺服器配置實踐知識，同時通過大量實驗，著重培養學生的動手能力。使學生了解Linux操作系統在行業中的重要地位和廣泛的使用范圍。在學習Linux的基礎上，加深對伺服器操作系統的認識和實踐配置能力。加深對計算機網路基礎知識的理解，並在實踐中加以應用。掌握Linux操作系統的安裝、命令行操作、用戶管理、磁碟管理、文件系統管理、軟體包管理、進程管理、系統監測和系統故障排除。掌握Linux操作系統的網路配置、DNS、DHCP、HTTP、FTP、SMTP和POP3服務的配置與管理。為更深一步學習其它網路操作系統和軟體系統開發奠定堅實的基礎。與此同時，如果大家有時間把javaweb及框架學習一番，會讓你的大數據學習更自由一些）
重點掌握：
常見演算法
資料庫表設計
SQL語句
Linux常見命令
第三階段
Hadoop階段
離線分析階段
實時計算階段
重點掌握：
Hadoop基礎
HDFS
MapRece
分布式集群
Hive
Hbase
Sqoop
Pig
Storm實時數據處理平台
Spark平台
若之前沒有項目經驗或JAVA基礎，掌握了第一階段進入企業，不足以立即上手做項目，企業需再花時間與成本培養；
第二階段掌握扎實以後，進入企業就可以跟著做項目了，跟著一大幫人做項目倒也不用太擔心自己能不能應付的來，當然薪資不能有太高的要求；
前兩個階段都服務於第三階段的學習，除了熟練掌握這些知識以外，重點需要找些相應的項目去做，不管項目大小做過與沒有相差很多的哦！掌握扎實後可直接面對企業就業，薪資待遇較高！
❹ 大數據入門書籍有哪些
首先從最基礎的開化，編程，java入門，linux入門，mysql等課程的入門到精通的學內習，然容後下一步在開始大數據的學習。北京大 講台大數據培訓從最基礎的java，linux，mysql開始學習，zhuce就可以在線聽課了。
❺ 零基礎學習大數據要看哪些書
1、《為數據而生》
書中分別闡述在大數據1.0、大數據2.0和大數據3.0時代下，相對應的數據分析需要做到分析、外化、集成。
2、《智能時代》
這本書作者分七章從不同角度對大數據進行介紹，分別以技術和思維方式的改變為主線，從工業革命這個角度嵌入，順理成章的延伸出大數據與智能化，但是沒有將過多筆墨放在技術的深究上，而是選擇從應用層面體現大數據的理念。大數據應用則會滲透到各行各業，這正是作者的用心之處。
3、《R語言預測實戰》
R語言橫跨了金融、生物、醫學、互聯網等多個領域，主要用於統計、建模及可視化。由於上手快、效率高，備受技術人員青睞。預測是大數據挖掘的主要作用之一,藉助R語言來做大數據預測，可以兼具效率與價值於一身。
4、《數據之巔》
這本書中，從小數據時代到大數據的崛起，作者以宏大的歷史觀、文化觀、大數據觀，給我們描繪了一幅數據科學、智慧文化的全景圖。
5、《Hadoop權威指南》
《Hadoop權威指南(中文版)》從Hadoop的緣起開始，由淺入深，結合理論和實踐，全方位地介紹Hadoop這一高性能處理海量數據集的理想工具。
6、《Hive編程指南》
《Hive編程指南》是一本Apache Hive的編程指南，旨在介紹如何使用Hive的SQL方法HiveQL來匯總、查詢和分析存儲在Hadoop分布式文件系統上的大數據集合。
進行完大數據編程語言的學習，這時候你就可以真正的接觸大數據技術知識了，我們知道大數據以Hadoop、spark、storm等核心技術組成，自然也會以此為重點突破。
❻ 有什麼比較好的大數據入門的書推薦
1. 《大數據分析：點「數」成金》
你現在正坐在一座金礦上，這些金子或被埋於備份，或正藏在你眼前的數據集里，他們是提升公司效益、拓展新的商業關系、制定更直觀決策的秘訣所在，足以使你的企業更上一層樓。你將明白如何利用、分析和駕馭數據來獲得豐厚回報。作者Frank Ohlhorst厚積數十年的技術經驗寫了此書。該書介紹了如何將大數據應用於各行各業，你將了解到如何對數據進行挖掘，怎樣從數據中揭示趨勢並轉化為競爭策略及提取價值的方法。這些更有意思也是更有效的方法能夠提升企業的智能化水平，將有助於企業解決實際問題，提升利潤空間，提高生產率並發現更多的商業機會。
2.《大數據時代》
《大數據時代》是國外大數據系統研究的先河之作，本書作者維克托被譽為」大數據商業應用第一人」，擁有再哈佛大學、牛津大學和新加坡國立大學等多個互聯網研究重鎮任教經歷，早在2010年就在《經濟學人》上發布了長達14頁對大數據應用的前瞻性研究。該書主要講了大數據時代的變革、商業變革和管理變革。《大數據時代》認為大數據的核心就是預測。大數據為人類的生活創造了前所未有的可量化的維度。大數據已經成為了新發明和新服務的源泉，而更多的改變正蓄勢待發。
3.《雲端時代殺手級應用：大數據分析》
《雲端時代殺手級應用：大數據分析》分析了什麼是大數據、大數據大商機、技術與前瞻三個部分。第一個部分介紹大數據分析的概念，以及企業、政府部門可應用的范疇。什麼是大數據分析？與個人與企業有什麼關系？將對全球產業造成什麼樣的沖擊？第二部分完整介紹了大數據在各產業的應用實況，為企業及政府部門提供應用的方向。提供了全球各地的實際應用案例，涵蓋了零售、金融、政府部門、能源、製造、娛樂等各個行業，充分展示了大數據分析產生的效益。第三部分則簡單介紹了大數據分析所需要的技術及未來的發展趨勢，為讀者提供了應用與研究的方向。
4.《大數據》
本書通過講述美國半個多世紀信息開放、技術創新的歷史，以別開生面的經典案例奧巴馬建設」前所未有的開放政府「的雄心、公開財務透明的曲折。《數據質量法》背後隱情，全國醫改法案的波瀾、統一身份證的百年糾結以及雲計算、Facebook和推特等社交媒體等等，為您一一講解數據創新給社會帶來的種種變革和挑戰。
5.《大數據互聯網大規模數據挖掘與分布式處理》。
該書主要講的是海量數集數據挖掘常用的演算法。書中分析了海量數據集數據挖掘常用的演算法，介紹了目前WEB端應用的許多重要話題等。
❼ 有什麼比較好的大數據入門的書推薦
1.《大數據分析：點「數」成金》
該書向讀者介紹怎樣將大數據分析應用於各行各業。在中，你將了解到如何對數據進行挖掘，怎樣從數據中揭示趨勢並轉化為競爭策略及攫取價值的方法。這些更有意思也更有效的方法能夠提升企業的智能化水平，將有助於企業解決實際問題，提升利潤空間，提高生產率並發現更多的商業機會。
2、《大數據時代 》
《大數據時代》是國外大數據系統研究的先河之作，本書中前瞻性地指出，大數據帶來的信息風暴正在變革我們的生活、工作和思維，大數據開啟了一次重大的時代轉型，並用三個部分講述了大數據時代的思維變革、商業變革和管理變革。《大數據時代》認為大數據的核心就是預測。大數據將為人類的生活創造前所未有的可量化的維度。大數據已經成為了新發明和新服務的源泉，而更多的改變正蓄勢待發。書中展示了谷歌、微軟、IBM、蘋果、facebook、twitter、VISA等大數據先鋒們具價值的應用案例。
3、《雲端時代殺手級應用：大數據分析》
《雲端時代殺手級應用：大數據分析》分什麼是大數據、大數據大商機、技術與前瞻3個部分。第一部分介紹大數據分析的概念，以及企業、政府部門可應用的范疇。什麼是大數據分析？與個人與企業有什麼關系？將對全球產業造成怎樣的沖擊？第二部分完整介紹大數據在各產業的應用實況，為企業及政府部門提供應用的方向。提供了全球各地的實際應用案例，涵蓋零售、金融、政府部門、能源、製造、娛樂、醫療、電信等各個行業，充分展現大數據分析產生的效益。第三部分則簡單介紹了大數據分析所需技術及未來發展趨勢，為讀者提供了應用與研究的方向。
4、《大數據互聯網大規模數據挖掘與分布式處理》
《大數據：互聯網大規模數據挖掘與分布式處理》源自作者在斯坦福大學教授多年的「Web挖掘」課程材料，主要關注大數據環境下數據挖掘的實際演算法。書中分析了海量數據集數據挖掘常用的演算法，介紹了目前Web應用的許多重要話題。主要內容包括：分布式文件系統以及Map-Rece工具；相似性搜索；數據流處理以及針對易丟失數據等特殊情況的專用處理演算法；搜索引擎技術，如谷歌的PageRank；頻繁項集挖掘；大規模高維數據集的聚類演算法；Web應用中的關鍵問題：廣告管理和推薦系統。
❽ 適合入門大數據的書籍有哪些
相當多的電腦書籍可以看成是大數據的書籍的呀
❾ 大數據如何入門
聽說你想要學大數據？你確定你搞清楚概念了嗎？我們來做個小測驗吧：
數據分析師在公司是干什麼的？
大數據和普通數據最大的區別是什麼？
你的日常工作中根本接觸不到大數據，你真正想學的是大數據嗎？
有點蒙圈了吧。魚君正是要幫你在最短的時間內理清這些概念，找准自己前進的方向。
大數據之「大」數據，大家會陌生嗎？不會。我們每天的日常生活都會接觸到數據。淘寶購物時貨比三家的價格，年終考核之後發給我們的獎金，發表在知乎上的文章的評論數量，這些都是數據。
從人們會計數開始，數據就有了，數據分析也是。那麼大數據呢？
說到大數據，你就繞不開互聯網。在互聯網出現之前，雖然政府部門和一些公共事業單位通過日積月累獲得了較大量的數據，但並沒有形成足夠的影響力。直到互聯網產品的出現，由於它收集用戶數據的便利性，通常在一天之內就能夠累計其他行業可能一年才能獲取的數據量。
數據量的升級造成演算法和硬體都必須要升級，操作起來的技術難度也就會提高很多。這個時候，就需要專業的技術和平台來完成存儲，處理和分析大數據的工作。比如說，大家都聽過的Hadoop平台，MapRece演算法。都是大數據時代的產物。
因此，我認為，大數據的核心，就在於大。
有一定規模的互聯網公司都會成立專門的大數據部門來管理自己產品所收集到的大數據。數據量越大，處理難度就越高，相應的，可能挖掘到的內涵也會更多。於是，大數據就成了一個產業，一個火熱的產業。
大數據圈子裡的人在大數據行業這個圈子裡，公司提供的職位大致分為三類：數據分析師，數據產品經理，數據工程師。他們緊密合作，共同驅動公司的數據決策文化。
那麼，著三種職位都是做什麼的？又該怎麼入行呢？
數據分析師
數據分析師，是使用大數據的人。核心是掌握各種數據分析工具和數據分析技能，目標是為公司管理層和產品團隊提供分析報告，幫助他們做決策。
實際工作中，數據會被處理成各種不同的類型提供給數據分析師使用，有比較原始的，有比較簡單好用的。因此，數據分析師需要掌握R, SQL，Excel, Python基礎編程等多種技能，以及熟練掌握常用的數據分析方法。
如果你立志於成為一個數據分析師甚至數據科學家，那麼我強烈建議你進行系統的學習。
數據產品經理
數據產品經理是設計數據產品的人。核心技能是數據需求分析和數據產品的設計，和其他的互聯網產品經理並沒有本質的不同。實際工作中，數據產品經理需要收集不同用戶的數據需求並且設計出好用的數據產品提供給大家，幫助他們「用數據做決定」。
怎麼入門呢？關於具體的進階流程，我希望你聽一下我在一塊聽聽上做的講座《4步讓你成為大數據產品經理》，會為你提供非常全面的介紹。
常見的推薦入門書籍有《人人都是產品經理》，《The DatawareHouse Toolkit》，《Lean Analytics》等等。
數據工程師
數據工程師，簡單分兩種，一類是數據挖掘工程師，另外一類是大數據平台工程師。工程師的基本技能當然是寫代碼，寫高質量的代碼。
數據挖掘工程師主要工作是開發大數據流水線以及和數據分析師一起完成數據挖掘項目，而數據平台工程師主要工作是維護大數據平台。
因此，理工科背景出身，掌握C, C#, Python等編程/腳本語言，熟悉各種基礎演算法即可以勝任。
如何用數據做決策
對於那些並不想轉行進入大數據圈子的人，我們要學的究竟是什麼？
我相信，在我們的日常工作中，特別是業績不佳，找不到突破口的時候，都曾想過能否用數據來幫助自己。因為我們都曾或多或少聽過一些牛逼的數據案例，比如紙尿布與啤酒之類。
舉一個簡單的例子，你經營的餐館現在狀況不佳。你可以自己拍腦袋想一堆的新點子來嘗試改善現狀。你也可以，收集整理數據，通過分析找出根本原因，並提出對應解決方案，從而扭轉局面。後者聽起來似乎更加靠譜一些。
那麼，你該收集什麼數據，做什麼分析，這就是你需要學習的：「如何用數據做決策」。從這個角度講，我認為：
人人都應該是數據分析師
學習系統的數據決策和數據分析思維，我們可以從這篇文章開始：從0到1搭建數據分析知識體系。我自己工作中常用的數據分析方法都被囊括在裡面，如果趨勢分析，多維分解，用戶分群，漏斗分析等等。請不要小看一篇文章，知識在精不在多。
你還可以從一本簡單好讀的《誰說菜鳥不會數據分析》開始搭建你的數據分析思維。
關於數據分析的書籍太多了，眾口難調，隨便一搜就有一大堆推薦。而其中所講的知識和理論其實都是類似的。最終要讓他們發揮作用，還是要和實踐結合起來。
因此，我認為，在自己的生意和工作中多實踐數據分析，多思考，遇到問題多在社群中提問和大家探討，是最好的學習辦法。我自己也一直是這樣踐行的。
帶著問題去學習，是最好的方式。
在這個過程中，隨著你對數據的深入了解，掌握更多的數據分析語言和工具。從Excel到SQL，甚至到R和Python。你所能使用的數據量也會越來越大。但你大可不必一開始就扎入這些工具的學習中，那樣會收效甚微。