《大数据导论（通识课版）》 第4章 大数据应用 （PPT版本号：2019年秋季学期） 教材官网： http://dblab.xmu.edu.cn/post/bigdataintroduction/ 第4章 大数据应用 （PPT版本号：2019年秋季学期） 温馨提示：编辑幻灯片母版，可以修改每页PPT的厦大校徽和底部文字 林子雨 厦门大学计算机科学系 E-mail: ziyulin@xmu.edu.cn 主页：http://www.cs.xmu.edu.cn/linziyu 扫一扫访问教材官网 厦门大学计算机科学系 2019版

课程教材 林子雨 编著《大数据导论——数据思维、数据能力和数据伦理（通识课版）》 高等教育出版社，2019年11月

提纲 4.1大数据在互联网领域的应用 4.2大数据在生物医学领域的应用 4.3大数据在物流领域的应用 4.4大数据在城市管理领域的应用 4.5大数据在金融领域的应用 4.6大数据在汽车领域的应用 4.7大数据在零售领域的应用 4.8大数据在餐饮领域的应用 4.9大数据在电信领域的应用 4.10大数据在能源领域的应用 4.11大数据在体育和娱乐领域的应用 4.12大数据在安全领域的应用 4.13大数据在政府领域的应用 4.14大数据在日常生活中的应用

4.1大数据在互联网领域的应用 4.1.1 什么是推荐系统 4.1.2 长尾理论 4.1.3 推荐方法 4.1.4 推荐系统模型 4.1.1 什么是推荐系统 4.1.2 长尾理论 4.1.3 推荐方法 4.1.4 推荐系统模型 4.1.5 推荐系统的应用

4.1.1 什么是推荐系统 互联网的飞速发展使我们进入了信息过载的时代，搜索引擎可以帮助我们查找内容，但只能解决明确的需求 4.1.1 什么是推荐系统 互联网的飞速发展使我们进入了信息过载的时代，搜索引擎可以帮助我们查找内容，但只能解决明确的需求 为了让用户从海量信息中高效地获得自己所需的信息，推荐系统应运而生。推荐系统是大数据在互联网领域的典型应用，它可以通过分析用户的历史记录来了解用户的喜好，从而主动为用户推荐其感兴趣的信息，满足用户的个性化推荐需求 推荐系统是自动联系用户和物品的一种工具，和搜索引擎相比，推荐系统通过研究用户的兴趣偏好，进行个性化计算。推荐系统可发现用户的兴趣点，帮助用户从海量信息中去发掘自己潜在的需求

4.1.2 长尾理论 推荐系统可以创造全新的商业和经济模式，帮助实现长尾商品的销售 4.1.2 长尾理论 推荐系统可以创造全新的商业和经济模式，帮助实现长尾商品的销售 “长尾”概念于2004年提出，用来描述以亚马逊为代表的电子商务网站的商业和经济模式 电子商务网站销售种类繁多，虽然绝大多数商品都不热门，但这些不热门的商品总数量极其庞大，所累计的总销售额将是一个可观的数字，也许会超过热门商品所带来的销售额 因此，可以通过发掘长尾商品并推荐给感兴趣的用户来提高销售额。这需要通过个性化推荐来实现

4.1.2 长尾理论 热门推荐是常用的推荐方式，广泛应用于各类网站中，如热门排行榜。但热门推荐的主要缺陷在于推荐的范围有限，所推荐的内容在一定时期内也相对固定。无法实现长尾商品的推荐 个性化推荐可通过推荐系统来实现。推荐系统通过发掘用户的行为记录，找到用户的个性化需求，发现用户潜在的消费倾向，从而将长尾商品准确地推荐给需要它的用户，进而提升销量，实现用户与商家的双赢

4.1.3 推荐方法 推荐系统的本质是建立用户与物品的联系，根据推荐算法的不同，推荐方法包括如下几类： 4.1.3 推荐方法 推荐系统的本质是建立用户与物品的联系，根据推荐算法的不同，推荐方法包括如下几类： 专家推荐：人工推荐，由资深的专业人士来进行物品的筛选和推荐，需要较多的人力成本 基于统计的推荐：基于统计信息的推荐（如热门推荐），易于实现，但对用户个性化偏好的描述能力较弱 基于内容的推荐：通过机器学习的方法去描述内容的特征，并基于内容的特征来发现与之相似的内容 协同过滤推荐：应用最早和最为成功的推荐方法之一，利用与目标用户相似的用户已有的商品评价信息，来预测目标用户对特定商品的喜好程度 混合推荐：结合多种推荐算法来提升推荐效果

4.1.4 推荐系统模型 图 推荐系统基本架构

图 亚马逊网站根据用户的浏览记录来推荐商品 4.1.5 推荐系统的应用 目前推荐系统已广泛应用于电子商务、在线视频、在线音乐、社交网络等各类网站和应用中 如亚马逊网站利用用户的浏览历史记录来为用户推荐商品，推荐的主要是用户未浏览过，但可能感兴趣、有潜在购买可能性的商品 图 亚马逊网站根据用户的浏览记录来推荐商品

4.1.5 推荐系统的应用 推荐系统在在线音乐应用中也逐渐发挥作用。音乐相比于电影数量更为庞大，个人口味偏向也更为明显，仅依靠热门推荐是远远不够的 虾米音乐网根据用户的音乐收藏记录来分析用户的音乐偏好，以进行推荐。例如，推荐同一风格的歌曲，或是推荐同一歌手的其他歌曲 图 虾米音乐网根据用户的音乐收藏来推荐歌曲

4.2大数据在生物医学领域的应用 4.2.1 流行病预测 4.2.2 智慧医疗 4.2.3 生物信息学 4.2.1 流行病预测 4.2.2 智慧医疗 4.2.3 生物信息学 4.2.4 案例：基于大数据的综合健康服务平台

4.2.1 流行病预测 从谷歌流感趋势看大数据的应用价值 “谷歌流感趋势”，通过跟踪搜索词相关数据来判断全美地区的流感情况

4.2.1 流行病预测 百度疾病预测（http://trends.baidu.com/disease）就是具有代表性的互联网疾病预测服务，其基本原理是：流行病的发生和传播有一定的规律性，与气温变化、环境指数、人口流动等因素密切相关，每天网民在百度搜索大量流行病相关信息，汇聚起来就有了统计规律，经过一段时间的积累，可以形成一个个预测模型，预测未来疾病的活跃指数。 图 百度疾病预测

4.2.2 智慧医疗 促进优质医疗资源的共享 01 避免患者重复检查 02 促进医疗智能化 03

4.2.3 生物信息学 生物信息学是研究生物信息的采集、处理、存储、传播、分析和解释等方面的学科，也是随着生命科学和计算机科学的迅猛发展、生命科学和计算机科学相结合形成的一门新学科，它通过综合利用生物学、计算机科学和信息技术，揭示大量而复杂的生物数据所蕴含的生物学奥秘 和互联网数据相比，生物信息学领域的数据更是典型的大数据 生物大数据使得我们可以利用先进的数据科学知识，更加深入地了解生物学过程、作物表型、疾病致病基因等 用大数据分析技术，可以从个人健康档案中有效预测个人健康趋势，并为其提供疾病预防建议，达到“治未病”的目的

4.2.4 案例：基于大数据的综合健康服务平台 安全隐私 数据标准 4.2.4 案例：基于大数据的综合健康服务平台 目标：构建覆盖全生命周期、内涵丰富、结构合理的以人为本全面连续的综合健康服务体系，利用大数据技术和智能设备技术，提供线上线下相结合的公众健康服务，实现“未病先防、已病早治、既病防变、愈后防复”，满足社会公众多层次、多方位的健康服务需求，提升人民群众的身心健康水平。 大数据存储 数据源层 技术支撑层 业务层 交互层 用户层 个人 用户 网络 医院 独立体 检机构 社区卫生 服务机构 区域医疗 信息平台 新农合 医保 社保 大数据处理 基于大数据的健康评估技术 基于大数据的个性化诊疗技术 面向普遍人 群的通用型 健康服务 面向特定人 群的主题式 面向决策、科研 等机构的循证医 学数据服务 面向健康服 务机构的 信息服务 医疗卫 生机构 专业健康 决策 机构 科研 相关机构 疾控 中心 门户网站 呼叫中心 移动终端 平台接入API 开放应 用平台 服务 第三方 检测机构 大数据集成、存储 安全隐私 数据标准

4.3大数据在物流领域的应用 4.3.1 智能物流的概念 4.3.2 智能物流的作用 4.3.3 智能物流的应用 4.3.1 智能物流的概念 4.3.2 智能物流的作用 4.3.3 智能物流的应用 4.3.4 大数据是智能物流的关键 4.3.5 中国智能物流骨干网——菜鸟

4.3.1 智能物流的概念 智能物流, 又称智慧物流，是利用集成智能化技术，使物流系统能模仿人的智能，具有思维、感知、学习、推理判断和自行解决物流中某些问题的能力，从而实现物流资源优化调度和有效配置、物流系统效率提升的现代化物流管理模式。

4.3.2 智能物流的作用 提高物流的信息化和智能化水平 智能物流 降低物流成本和提高物流效率 提高物流活动的一体化

4.3.3 智能物流的应用 国内许多城市都在围绕智慧港口、多式联运、冷链物流、城市配送等方面，着力推进物联网在大型物流企业、大型物流园区的系统级应用 还可以将射频标签识别技术、定位技术、自动化技术以及相关的软件信息技术，集成到生产及物流信息系统领域，探索利用物联网技术实现物流环节的全流程管理模式，开发面向物流行业的公共信息服务平台，优化物流系统的配送中心网络布局，集成分布式仓储管理及流通渠道建设，最大限度地减少物流环节、简化物流过程，提高物流系统的快速反应能力 此外，还可以进行跨领域信息资源整合，建设基于卫星定位、视频监控、数据分析等技术的大型综合性公共物流服务平台，发展供应链物流管理

4.3.4 大数据是智能物流的关键 在物流领域有两个著名的理论——“黑大陆说”和“物流冰山说” 这两个理论都旨在说明物流活动的模糊性和巨大潜力 发现隐藏在海量数据背后的有价值的信息，是大数据的重要商业价值。大数据是打开物流领域这块神秘的“黑大陆”的一把金钥匙 大数据将推动物流行业从粗放式服务到个性化服务的转变，颠覆整个物流行业的商业模式

4.3.5 中国智能物流骨干网——菜鸟 阿里物流体系 智能物流案例：阿里巴巴的中国智能物流骨干网（地网） 地网 天网 4.3.5 中国智能物流骨干网——菜鸟 智能物流案例：阿里巴巴的中国智能物流骨干网（地网） 菜鸟网络到底是什么? 中国智能物流骨干网，又名“菜鸟” 菜鸟网络计划在5到8年内，打造一个全国性的超级物流网。 这个网络能在24小时内将货物运抵国内任何地区，能支撑日均300亿元(年度约10万亿元)的巨量网络零售额。 1000亿元投资物流基础设施 强强联手共建智能骨干网络 物流信息系统向所有的制造商、网商、快递公司、第三方 物流公司完全开放 阿里物流体系 天网 天猫牵头负责与各大物流快递公司对接的数据平台 地网 即“菜鸟”，又称“中国智能物流骨干网（CSN）”

4.3.5 中国智能物流骨干网——菜鸟 菜鸟网络未来畅想

4.4大数据在城市管理领域的应用 4.4.1 智能交通 4.4.2 环保监测 4.4.3 城市规划 4.4.4 安防领域

4.4.1 智能交通 智能交通将先进的信息技术、数据通信传输技术、电子传感技术、控制技术以及计算机技术等，有效集成并运用于整个地面交通管理，同时可以利用城市实时交通信息、社交网络和天气数据来优化最新的交通情况。

4.4.2 环保监测 1．森林监视

4.4.2 环保监测 2．环境保护 大数据已经被广泛应用于污染监测领域，借助大数据技术，采集各项环境质量指标信息，集成整合到数据中心进行数据分析，并把分析结果用于指导下一步环境治理方案的制定，可以有效提升环境整治的效果 中国水污染地图 中国空气污染地图 中国固废污染地图 汽车尾气污染治理

4.4.3 城市规划 利用地理数据可以研究全国城市扩张模拟、城市建成区识别 4.4.3 城市规划 利用地理数据可以研究全国城市扩张模拟、城市建成区识别 利用公交IC卡数据，可以开展城市居民通勤分析、职住分析、人的行为分析、人的识别、重大事件影响分析、规划项目实施评估分析​等 利用移动手机通话数据，可以研究城市联系、居民属性、活动关系及其对城市交通的影响 利用社交网络数据，可以研究城市功能分区、城市网络活动与等级、城市社会网络体系等。利用出租车定位数据，可以开展城市交通研究 利用搜房网的住房销售和出租数据，同时结合网络爬虫获取的居民住房地理位置和周边设施条件数据，就可以评价一个城区的住房分布和质量情况

4.4.4 安防领域 中国的很多城市都在开展平安城市建设，在城市的各个角落密布成千上万个摄像头，7×24小时不间断采集各个位置的视频监控数据，数据量之大，超乎想象 除了视频监控数据，安防领域还包含大量其他类型的数据，包括结构化、半结构化和非结构化数据

4.5大数据在金融领域的应用 4.5.1 高频交易 4.5.2 市场情绪分析 4.5.3 信贷风险分析 4.5.4 大数据征信

4.5.1 高频交易 高频交易（High-Frequency Trading，HFT）是指从那些人们无法利用的极为短暂的市场变化中寻求获利的计算机化交易，比如，某种证券买入价和卖出价差价的微小变化，或者某只股票在不同交易所之间的微小价差 为了从高频交易中获得更高的利润，一些金融机构开始引入大数据技术来决定交易

4.5.2 市场情绪分析 市场情绪分析是交易者在日常交易工作中不可或缺的一环，根据市场情绪分析、技术分析和基本面分析，可以帮助交易者做出更好的决策。大数据技术在市场情绪分析中大有用武之地。

4.5.3 信贷风险分析 大数据分析技术已经能够为企业信贷风险分析助一臂之力。通过收集和分析大量中小微企业用户日常交易行为的数据，判断其业务范畴、经营状况、信用状况、用户定位、资金需求和行业发展趋势，解决由于其财务制度的不健全而无法真正了解其真实经营状况的难题，让金融机构放贷有信心、管理有保障

4.5.4 大数据征信 大数据征信就是利用信息技术优势，将不同信贷机构、消费场景、支离破碎的海量数据整合起来，经过数据清洗、模型分析、校验等一系列流程后，加工融合成真正有用的信息。 图 征信大数据的来源十分广泛

4.6大数据在汽车领域的应用 为了实现无人驾驶的功能，谷歌无人驾驶汽车上配备了大量传感器，包括雷达、车道保持系统、激光测距系统、红外摄像头、立体视觉、GPS导航系统、车轮角度编码器等，这些传感器每秒产生1GB数据，每年产生的数据量将达到约2PB 大数据分析技术将帮助无人驾驶系统做出更加智能的驾驶动作决策，比人类驾车更加安全、舒适、节能、环保 图 谷歌无人驾驶汽车

4.7大数据在零售领域的应用 4.7.1 发现关联购买行为 4.7.2 客户群体细分 4.7.3 供应链管理

4.7.1 发现关联购买行为 啤酒与尿布的故事

4.7.2 客户群体细分 美国Target超市比孩子父亲还早发现他女儿已经怀孕

4.7.3 供应链管理 亚马逊、联合包裹快递（UPS）、沃尔玛等先行者已经开始享受大数据带来的成果，大数据可以帮助它们更好地掌控供应链 4.7.3 供应链管理 亚马逊、联合包裹快递（UPS）、沃尔玛等先行者已经开始享受大数据带来的成果，大数据可以帮助它们更好地掌控供应链 美国最大的医药贸易商McKesson公司，对大数据的应用也已经远远领先于大多数企业。该公司运用先进的运营系统，可以对每天200万个订单进行全程跟踪分析，并且监督超过80亿美元的存货

4.8大数据在餐饮领域的应用 4.8.1 餐饮行业拥抱大数据 4.8.2 餐饮O2O

4.8.1 餐饮行业拥抱大数据 Food Genius是一家总部位于美国芝加哥的公司，聚合了来自美国全国各地餐馆的菜单数据，对超过350 000家餐馆的菜单项目进行跟踪，以帮助餐馆更好地确定价格、食品和营销的趋势。这些数据可以帮助餐馆获得商机，并判断哪些菜可能获得成功，从而减少菜单变化所带来的不确定性。 Avero餐饮软件公司则通过对餐饮企业内部运营数据进行分析，帮助企业提高运营效率，如制定什么样的战略可以提高销量、在哪个时间段开展促销活动效果最好等。

4.8.2 餐饮O2O 餐饮O2O（Online To Offline）模式是指无缝整合线上线下资源，形成以数据驱动的O2O闭环运营模式 1．大数据驱动的团购模式 2．利用大数据为用户推荐消费内容 3．利用大数据调整线下门店布局 4．利用大数据控制店内人流量

4.9大数据在电信领域的应用 预测客户行为，发现行为趋势，并找出公司服务过程中存在缺陷的环节，从而帮助公司及时采取措施保留客户 图 电信客户离网分析

4.10大数据在能源领域的应用 智能电网的发展，离不开大数据技术的发展和应用，大数据技术是组成整个智能电网的技术基石

4.11大数据在体育和娱乐领域的应用 4.11.1 训练球队 4.11.2 投拍影视作品 4.11.3 预测比赛结果

4.11.1 训练球队 大数据可以有效帮助一支球队进一步提升整体实力和水平 图 2014年巴西世界杯决赛中德国队队长拉姆的技术数据

4.11.2 投拍影视作品 Kevin Spacey 大数据分析 David Fincher 风靡全球的美剧《纸牌屋》 4.11.2 投拍影视作品 Kevin Spacey 大数据分析 David Fincher 风靡全球的美剧《纸牌屋》 英国同名小说《纸牌屋》

4.11.3 预测比赛结果 大数据可以预测比赛结果却是具有一定的科学根据的，它用数据来说话，通过对海量相关数据进行综合分析，得出一个预测判断 4.11.3 预测比赛结果 大数据可以预测比赛结果却是具有一定的科学根据的，它用数据来说话，通过对海量相关数据进行综合分析，得出一个预测判断 本质上而言，大数据预测就是基于大数据和预测模型去预测未来某件事情的概率 利用大数据预测比赛结果，将对人们生活产生深刻的影响

4.12大数据在安全领域的应用 4.12.1 大数据与国家安全 4.12.2 应用大数据技术防御网络攻击 4.12.1 大数据与国家安全 4.12.2 应用大数据技术防御网络攻击 4.12.3 警察应用大数据工具预防犯罪

4.12.1 大数据与国家安全 美国前国防部长拉姆斯菲尔德多次强调： 一枚导弹没有一条情报 能更有效地应对恐怖活动 4.12.1 大数据与国家安全 美国政府2014年5月发布的大数据报告：大数据可以极大增强国家安全保证能力 美国前国防部长拉姆斯菲尔德多次强调： 一枚导弹没有一条情报 能更有效地应对恐怖活动

4.12.2 应用大数据技术防御网络攻击 云计算和大数据的出现，为网络安全产品带来了深刻的变革。今天，基于云计算和大数据技术的云杀毒软件，已经广泛应用于企业信息安全保护。 云杀毒通过网状的大量客户端对网络中软件行为的异常监测，获取互联网中木马、恶意程序的最新信息，传送到云端，利用先进的云计算基础设施和大数据技术进行自动分析和处理，能及时发现未知病毒代码、未知威胁、0day漏洞等恶意攻击，再把病毒和木马的解决方案分发到每一个客户端。

4.12.3 警察应用大数据工具预防犯罪 提供破案线索 实时犯罪预警（摄像头、突发新闻、聊天记录） 4.12.3 警察应用大数据工具预防犯罪 提供破案线索 实时犯罪预警（摄像头、突发新闻、聊天记录） 根据大数据预测犯罪 洛杉矶警察局是第一个跃进大数据时代、采取大数据公安警务模式的公安机构

4.12.3 警察应用大数据工具预防犯罪 根据大数据预测犯罪 伦敦犯罪事件预测地图

4.13大数据在政府领域的应用 大数据分别帮助奥巴马和特朗普获得美国总统大选胜利

4.14大数据在日常生活中的应用 在信息化社会，我们每个人的一言一行都会留下以数据形式存在的轨迹，这些分散在各个角落的数据，记录了我们的通话、聊天、邮件、购物、出行、住宿以及生理指标等各种信息，构成了与每个人相关联的“个人大数据” 分析个人大数据就可以深刻了解与之关联的自然人，了解他的各种生活行为习惯 了解了个人的生活行为模式，一些公司就可以为个人提供更加周到的服务

附录A：主讲教师林子雨简介 主讲教师：林子雨 单位：厦门大学计算机科学系 E-mail: ziyulin@xmu.edu.cn 个人网页：http://dblab.xmu.edu.cn/post/linziyu 数据库实验室网站：http://dblab.xmu.edu.cn 扫一扫访问个人主页 林子雨，男，1978年出生，博士（毕业于北京大学），现为厦门大学计算机科学系助理教授（讲师），曾任厦门大学信息科学与技术学院院长助理、晋江市发展和改革局副局长。中国计算机学会数据库专业委员会委员，中国计算机学会信息系统专业委员会委员。国内高校首个“数字教师”提出者和建设者，厦门大学数据库实验室负责人，厦门大学云计算与大数据研究中心主要建设者和骨干成员，2013年度和2017年度厦门大学教学类奖教金获得者，荣获2017年福建省精品在线开放课程、2018年厦门大学高等教育成果特等奖、2018年福建省高等教育教学成果二等奖、2018年国家精品在线开放课程。主要研究方向为数据库、数据仓库、数据挖掘、大数据、云计算和物联网，并以第一作者身份在《软件学报》《计算机学报》和《计算机研究与发展》等国家重点期刊以及国际学术会议上发表多篇学术论文。作为项目负责人主持的科研项目包括1项国家自然科学青年基金项目(No.61303004)、1项福建省自然科学青年基金项目(No.2013J05099)和1项中央高校基本科研业务费项目(No.2011121049)，主持的教改课题包括1项2016年福建省教改课题和1项2016年教育部产学协作育人项目，同时，作为课题负责人完成了国家发改委城市信息化重大课题、国家物联网重大应用示范工程区域试点泉州市工作方案、2015泉州市互联网经济调研等课题。中国高校首个“数字教师”提出者和建设者，2009年至今，“数字教师”大平台累计向网络免费发布超过500万字高价值的研究和教学资料，累计网络访问量超过500万次。打造了中国高校大数据教学知名品牌，编著出版了中国高校第一本系统介绍大数据知识的专业教材《大数据技术原理与应用》，并成为京东、当当网等网店畅销书籍；建设了国内高校首个大数据课程公共服务平台，为教师教学和学生学习大数据课程提供全方位、一站式服务，年访问量超过100万次。

附录B：大数据学习路线图 大数据学习路线图访问地址：http://dblab.xmu.edu.cn/post/10164/

附录C：《大数据技术原理与应用》教材 扫一扫访问教材官网 《大数据技术原理与应用——概念、存储、处理、分析与应用（第2版）》，由厦门大学计算机科学系林子雨博士编著，是国内高校第一本系统介绍大数据知识的专业教材。人民邮电出版社 ISBN:978-7-115-44330-4 定价：49.80元 全书共有15章，系统地论述了大数据的基本概念、大数据处理架构Hadoop、分布式文件系统HDFS、分布式数据 库HBase、NoSQL数据库、云数据库、分布式并行编程模型MapReduce、Spark、流计算、图计算、数据可视化以及大数据在互联网、生物医学和物流等各个领域的应用。在Hadoop、HDFS、HBase和MapReduce等重要章节，安排了入门级的实践操作，让读者更好地学习和掌握大数据关键技术。 本书可以作为高等院校计算机专业、信息管理等相关专业的大数据课程教材，也可供相关技术人员参考、学习、培训之用。 扫一扫访问教材官网 欢迎访问《大数据技术原理与应用——概念、存储、处理、分析与应用》教材官方网站：http://dblab.xmu.edu.cn/post/bigdata

附录D：《大数据基础编程、实验和案例教程》 本书是与《大数据技术原理与应用（第2版）》教材配套的唯一指定实验指导书 步步引导，循序渐进，详尽的安装指南为顺利搭建大数据实验环境铺平道路 深入浅出，去粗取精，丰富的代码实例帮助快速掌握大数据基础编程方法 精心设计，巧妙融合，五套大数据实验题目促进理论与编程知识的消化和吸收 结合理论，联系实际，大数据课程综合实验案例精彩呈现大数据分析全流程 清华大学出版社  ISBN:978-7-302-47209-4 定价：59元

附录E：《Spark编程基础（Scala版）》 厦门大学 林子雨，赖永炫，陶继平  编著 披荆斩棘，在大数据丛林中开辟学习捷径 填沟削坎，为快速学习Spark技术铺平道路 深入浅出，有效降低Spark技术学习门槛 资源全面，构建全方位一站式在线服务体系 人民邮电出版社出版发行，ISBN:978-7-115-48816-9 教材官网：http://dblab.xmu.edu.cn/post/spark/ 本书以Scala作为开发Spark应用程序的编程语言，系统介绍了Spark编程的基础知识。全书共8章，内容包括大数据技术概述、Scala语言基础、Spark的设计与运行原理、Spark环境搭建和使用方法、RDD编程、Spark SQL、Spark Streaming、Spark MLlib等。本书每个章节都安排了入门级的编程实践操作，以便读者更好地学习和掌握Spark编程方法。本书官网免费提供了全套的在线教学资源，包括讲义PPT、习题、源代码、软件、数据集、授课视频、上机实验指南等。

附录F：高校大数据课程公共服务平台 http://dblab.xmu.edu.cn/post/bigdata-teaching-platform/ 扫一扫访问平台主页 扫一扫观看3分钟FLASH动画宣传片

附录G：高校大数据实训课程系列案例教材 为了更好满足高校开设大数据实训课程的教材需求，厦门大学数据库实验室林子雨老师团队联合企业共同开发了《高校大数据实训课程系列案例》，目前已经完成开发的系列案例包括： 《基于协同过滤算法的电影推荐》 《电信用户行为分析》 《实时日志流处理分析》 《微博用户情感分析》 《互联网广告预测分析》 《网站日志处理分析》 系列案例教材将于2019年陆续出版发行，教材相关信息，敬请关注网页后续更新！http://dblab.xmu.edu.cn/post/shixunkecheng/ 扫一扫访问大数据实训课程系列案例教材主页

Department of Computer Science, Xiamen University, 2019