本书分为两个部分，技术篇和实践应用篇。技术篇重点介绍大数据发展的特点和面临的挑战，讨论大数据智慧管理与分析技术——数据仓库和OLAP,介绍大数据、分布式、并行计算环境下，数据智慧管理技术的新发展——NoSQL数据库和NewSQL数据仓库，阐述了这两大类新技术的基本数据模型、系统架构和性能优势。实践应用篇分别从关系数据仓库建设与OLAP分析、基于Hive的数据仓库技术与OLAP应用、HBase大数据管理技术实践三个方面进行了详细地阐述，根据相关技术原理和应用需求，讨论了环境配置、建模、应用系统构建、OLAP分析实现，以及HBase数据查询统计等功能，每个应用系统均应用可视化技术清晰地展示了大数据管理与分析的成果。本书理论结合实践，使读者能够掌握和提高大数据智慧管理与分析的理论水平与实践应用能力。

技术篇
基于NosQL和NewsQL新技术的大数据管理与分析
章 大数据及其特点
1.1 大数据时代当前的状态
1.2 大数据定义与特点
1.3 沃尔玛应用大数据的案例
1.4 其他应用实例
1.5 对大数据的误解
1.6 CAP理论与BASE
第2章 大数据生命周期及相应的技术挑战
2.1 大数据生命周期
2.2 大数据面临的技术挑战
2.3 大数据安全与应用的挑战
2.4 针对大数据挑战的应对策略与技术方法
第3章 从关系数据管理到NoSQL技术的变革
3.1 关系数据库核心特点简介
3.2 关系数据模型在大数据处理方面的局限
3.3 面向大数据特点的数据管理技术革新
第4章 列式数据管理技术――HBase数据库
4.1 HBase概述
4.2 HBase数据模型
4.3 HBase集群配置
4.4 HBase各个组件之间的关系
4.5 HBase的索引数据结构――LSM树
4.6 HBase的作用和局限
4.7 HBase与其他相关技术的比较
4.8 应用实例
第5章 从关系型数据仓库发展到NewSQL的Hive技术
5.1 数据仓库技术介绍
5.2 数据仓库的定义和特点
5.3 数据库与数据仓库技术不能合二为一的原因
5.4 数据仓库建模
5.5 OLAP分析
5.6 Hive数据仓库技术
5.7 Apache Kylin――Hadoop生态圈的MOLAP机制
5.8 Hive的适用场景
5.9 Hive与HBase的比较
5.10 Hive和关系数据仓库的异同
5.1 l Hive和HBase――联合起来作用更强大
第6章 大数据智慧管理技术的组合应用
6.1 关系数据库与NoSQL的组合
6.2 NoSQL与NewSQL的联合
6.3 应用组合技术的公司示例(见表6.1)
大数据智慧管理与分析之实践指南
实践应用篇
大数据智慧管理与分析之实践指南
第7章 数据仓库建设与OLAP分析实践
7.1 数据仓库实例背景
7.2 数据仓库的数据预处理
7.3 数据仓库建模
7.4 常用OLAP分析操作
7.5 MDX――0LAP分析查询语言
7.6 销售数据仓库建设实践项目
7.7 基于B/S的初级数据仓库实践项目开发
第8章 Hive数据仓库开发和OLAP分析实践
8.1 Hive数据仓库适用领域
8.2 开发基于Hive的数据仓库
8.3 基于Hive数据仓库的0LAP分析
第9章 基于H_Base的大数据管理系统开发与维护实践
9.1 HBase的适用场景
9.2 进口货物记录H’Base系统设计
9.3 基于web浏览器的HBase数据访问可视化
附件1 ASCII码表(基本表)
附件2 过滤器列表
附件3 HBase实践项目可视化部分的参考代码