Spark 是业界主流的大数据计算框架，拥有强大的分布式计算能力，能够充分利用大量的廉价机器进行大数据的处理工作，同时又具备较高的性能，这使得它在各大互联网企业中有着广泛的应用。本书通过一系列通俗易懂的数据处理实例展开，详细阐述Spark大数据平台与环境搭建、Spark RDD 离线数据计算、Spark SQL离线数据处理、Spark Streaming流数据计算等一系列常见的大数据处理技术，在此基础上对Spark框架的核心概念及技术原理进行详细分析，最后通过一个综合实例展示Spark离线数据处

本书为了符合学生学习知识的一般规律，以一张控制流程图为切入点，首先介绍了识图方法，之后阐述了自动检测、自动控制、自动联锁报警等过程控制系统，然后分三章介绍了变量检测及仪表、过程控制仪表及计算机控制系统等过程控制工具，最后是控制系统的应用——典型过程单元的控制方案及控制系统的操作。将实验与实践内容单独列为一章，在这一章不仅安排了与各章节内容相关的实验内容，还设置了认识实践、结业实践以及仿真实训和综合实验等内容，突出强调了实践对这门课程的重要性。 本次修订，对第二版教材进行了调整，如增加了“雷达物位

本书按照工学结合、理实一体化要求编写，从基础知识着手，根据中职学校的教学内容，以电气类专业为主，结合机电、自动化、计算机等多个专业的教学内容设计了汽车衡无人值守称重实训装置、配料称重控制实训装置和定量装车控制实训装置等三个实训子系统，力图解决课堂教学中理论与实际脱节、学生普遍缺乏实际应用能力的问题。本书根据中职学生的学习特点编写，重点培养学生的动手能力。 本书适合作为中职电气类专业的教材，也可以供相关企业培训使用。

本书详细介绍大数据采集与清洗的相关知识和技术，共9章，分别是概述、网络爬虫基础、网页数据抓取、缓存下载页面、并发/并行爬取、用Selenium抓取动态内容、Scrapy爬虫框架及其应用、大数据平台系统日志采集、pandas数据清洗。本书大体上由数据采集（第2～8章）和数据清洗（第9章）两部分内容构成，以Python作为编程语言。数据采集部分以Web数据采集为主，也涉及Hadoop大数据平台的数据采集，内容由浅入深，循序渐进，理论与实践相结合，帮助读者理解和掌握数据采集的相关技术；数据清洗部分主要

本书系统介绍数据科学核心理论与技术，融合了数学、统计学和计算机科学等多学科知识，旨在构建完整的数据科学知识体系。全书共 15 章，主要内容包括数据预处理、经典机器学习模型（回归、分类、聚类、集成）、关联规则挖掘、特征工程（降维与特征选择）、最大期望算法、概率图模型、深度学习、文本分析、图与网络分析以及分布式计算等核心模块。特别值得关注的是，本书对当前热点技术如Transformer、BERT、图神经网络等进行了讲解，并设有专门的文本分析和图与网络分析章节。此外，书中包含丰富的附录内容，涵盖了矩阵

本书内容涵盖分布式理论基础、大数据处理架构Hadoop、Hadoop分布式文件系统、基于Hadoop的数据仓库工具Hive、分布式数据库HBase、分布式计算框架MapReduce、基于内存的分布式计算框架Spark、分布式计算框架Flink、分布式协作服务ZooKeeper等大数据平台架构核心理论与重要组件，以及资源管理平台YARN，分布式数据采集和传输系统Flume，基于发布/订阅的消息队列Kafka，分布式NewSQL数据库TiDB，分布式日志收集、查询和展示系统Loki，向量数据库Mil

本书以数据智能技术为核心，深入剖析了其在全球数据爆炸性增长背景下的应用与发展。内容涵盖自然语言文字、图像识别、视频、音频、时间序列、时空、社交网络、生物信息学及多模态等9大关键领域数据的分析与处理。全书系统回顾了每个领域中的基础理论、关键技术进展及其实际应用案例，理论与实践紧密结合，条理清晰，并提供丰富的习题和参考文献供读者巩固学习及拓展进阶，无论是专业人士深入研究，还是初学者了解前沿，都极具参考价值。本书分上下两册出版，上册包含第一至五部分，下册包含第六至九部分。本书可作为高等学校数

本书是大数据新兴领域“十四五”高等教育教材。本书主要介绍数据全与隐私保护的相关知识、技术和方法，主要内容包括：导论、密码学、数据存储与处理安全、数据传输安全、身份认证与访问控制、数据隐私保护、大数据算法安全与隐私保护、隐私保护案例分析，涉及数据存储、数据处理、数据传输、数据共享和数据使用等生命周期的安全保护，以及隐私保护、身份认证、访问控制和大数据算法等相关技术。通过本书学习，读者能够掌握在数据全生命周期保护数据安全的相关技术，学会在数据共享中保护隐私的具体方法。本书提供配套的教学大纲

本书是大数据新兴领域“十四五”高等教育教材。本书系统、全面地阐述了大数据管理的基本概念、技术和方法。全书分为三篇，共9章。第一篇为数据管理系统概述，包含第1章，综述了数据管理系统发展所经历的四个阶段，以及大数据管理系统的数据特征和系统特征，阐述了大数据管理系统的组成，指出大数据管理系统完成了从NoSQL到NewSQL的过渡。第二篇为NoSQL数据库，包含第2~4章，阐述了键值数据库、文档数据库、图数据库的相关知识。第三篇为NewSQL数据库，包含第5~9章，阐述了NewSQL数据库基本

本书聚焦大数据存储技术，以由浅入深、循序渐进的方式展开讲解。书中实例丰富，通过大量案例详 细阐释技术原理与应用要点，帮助读者掌握技巧；注重技能提升，通过众多项目案例培养读者独立操作与 开发实践的能力；将专业知识与思政教育紧密结合，提升读者的综合素养；采用项目式教学，增强实用性。 本书共有 7 个项目，分别为了解大数据、结构化数据仓库——Hive、列存储数据库——HBase、文档 存储数据库——MongoDB、键值存储数据库——Redis、列式存储数据库——ClickHouse、校园就餐数据综