第 1章 企業級大數據平台服務的總體設計
1.1平台架構設計的總體技術要求
1.2微服務引擎的可擴展性設計
1.3微服務引擎的優秀解決方案
1.3.1 高並發採集微服務
1.3.2 靈活轉發微服務
1.3.3 高可擴展海量存儲服務
1.3.4 高並發海量存儲服務
1.3.5 高可靠海量存儲服務
1.3.6 實時計算服務
1.3.7 基於機器學習的智能分析服務
1.3.8 自定義遷移服務
1.4設計小結· 17
第 2章 大數據高並發採集微服務引擎
2.1核心需求分析和優秀解決方案
2.2服務引擎的技術架構設計
2.2.1 Maven與 Eclipse集成配置
2.2.2 Mina2.0框架以及業務設計
2.2.3 設備協議規範制定及數據包設計
2.2.4 按照設備和數據類型進行業務樹構建
2.2.5 按照設備的數據包狀態進行解析
2.2.6 按照通用方式進行高並發入庫
2.3核心技術講解及模塊化設計
2.3.1 Spring Maven Web服務構建
2.3.2 Spring Boot微服務構建
2.3.3 數據包定義和實現
2.3.4 業務樹構建和實現
2.3.5 數據包狀態進行解析實現
2.3.6 按照通用方式進行高並發入庫實現
2.3.7 客戶端模擬器工具類進行高並發測試
2.4項目小結·
第 3章 大數據靈活轉發微服務引擎
3.1核心需求分析和優秀解決方案
3.2服務引擎的技術架構設計
3.3核心技術講解及模塊化實現
3.3.1 Spring MVC Web服務構建
3.3.2 Spring Boot微服務構建
3.3.3 靈活配置和通用工具類構建
3.3.4 創建發送數據主題,註冊觀察者對象
3.3.5 啟動多線程進行數據發送
3.3.6 採用 Post策略模式進行數據發送
3.3.7 採用 ActiveMQ策略模式進行數據發送
3.4項目小結· 173
4.1核心需求分析和優秀解決方案
4.2服務引擎的技術架構設計
4.3核心技術講解及模塊化實現
4.3.1 Spring MVC的工作原理及執行流程
4.3.2 Spring MVC Web服務構建
4.3.3 Spring Boot Web微服務構建
4.3.4 統一對外數據接收接口及通用類
4.3.5 MySQL對智能終端運動數據的分狀態和分策略處理
4.3.6 MySQL對智能終端運動數據的分職責處理
4.3.7 MySQL對智能終端運動數據的統一入庫處理
4.4項目小結
第 5章 大數據高並發海量存儲微服務引擎
5.1核心需求分析和優秀解決方案
5.2服務引擎的技術架構設計
5.3核心技術講解及模塊化實現
5.3.1 Spring MVC和 Spring Boot集成 MongoDB
5.3.2 MongoTemplate核心類實現 Dao層接口
5.3.3 基於 MongoDB處理智能終端運動數據
5.3.4 基於 MongoDB管道技術處理體檢數據
5.3.5 基於 AngularJS架構可視化體檢數據
5.4項目小結·
第 6章 大數據高可靠海量存儲微服務引擎
6.1核心需求分析和優秀解決方案
6.2服務引擎的技術架構設計
6.3核心技術講解及模塊化實現
6.3.1 Hadoop完全分佈式集群構建
6.3.2 Spring MVC和 Spring Boot集成 Hbase
6.3.3 HbaseTemplate核心類實現 Dao層接口
6.3.4 Hbase集群的智能終端運動數據 Controller接口
6.3.5 Hbase集群的智能終端運動數據 Service接口
6.3.6 Hbase集群的智能終端運動數據 Dao接口
6.4項目小結
第 7章 大數據實時計算微服務引擎
7.1核心需求分析和優秀解決方案
7.2服務引擎的技術架構設計
7.3核心技術講解及模塊化實現
7.3.1 分佈式採集服務 Flume部署及數據採集
7.3.2 分佈式消息服務 Kafka部署及數據發送
7.3.3 創建 HBase數據庫和 Spark環境
7.3.4 分佈式實時處理引擎 Spark Streaming原理及數據處理
7.3.5 構建 BD_RTPServer_DP工程實現數據處理
7.3.6 構建 BD_RTPServer_Boot服務實現可視化
7.4項目小結
第 8章 大數據智能分析微服務引擎
8.1核心需求分析和優秀解決方案
8.2服務引擎的技術架構設計
8.3核心機器學習算法講解和應用
8.3.1 邏輯回歸的原理分析
8.3.2 支持向量機原理分析
8.3.3 決策樹原理分析
8.3.4 聚類算法原理分析
8.3.5 關聯規則算法原理分析
8.3.6 協同過濾原理分析
8.4 Spark架構原理與數據預測
8.4.1 YARN運行架構工作原理
8.4.2 Spark Mlib核心技術
8.4.3 Spring Maven工程構建
8.4.4 決策樹預測體檢費用
8.4.5 邏輯回歸預測體檢費用
8.4.6 隨機森林預測體檢費用
8.4.7 支持向量機預測疾病概率
8.4.8 協同過濾推薦藥品
8.5項目小結
第 9章 大數據自定義遷移微服務引擎
9.1核心需求分析和優秀解決方案
9.2服務引擎的技術架構設計
9.3核心技術講解及模塊化實現
9.3.1 Hadoop生態的核心組件
9.3.2 HBase工作原理
9.3.3 Sqoop工作原理
9.3.4 MapReduce工作原理
9.3.5 Sqoop抽取歷史數據到 HDFS
9.3.6 構建工程 BD_CustomTransfer_Maven
9.3.7 智能終端運動數據從 MySQL數據遷移到 Hive
9.4項目小結