本书分为六部分，共16章。第一部分（第1～4章）讨论对数据质量和数据管理意义重大的一组术语，涉及数据的扩展定义、符号性功能、与数据和数据管理相关的角色、与数据管理相关的概念以及数据质量维度的概念。第二部分（第5章和第6章）描述创建DQAF的原因，概括框架的假设、定义和管理思路，并给出48种测量类型的简短描述。第三部分（第7～9章）阐释数据评估方案，涉及数据评估的目标与输入、如何剖析数据、测量与数据质量改进项目的关系以及将持续测量用于维持数据质量的一般原则。第四部分（第10章和第11章）展示DQAF类别如何用于编制数据质量的需求，以便指定数据质量的联机测量、控制和定期测量。第五部分（第12章和第13章）讨论定义数据质量战略的环境和方法，涉及数据质量战略的概念与总体策略，还讨论建立组织的数据质量战略的12个指令。第六部分（第14～16章）详细讨论DQAF的框架，涉及联机测量中如何收集与计算原始测量数据，如何产生测量结果，以及DQAF测量逻辑数据模型的测量类型共有的功能。

《内存数据库技术与实现》面向内存数据库实现技术，系统地分析了硬件技术发展趋势、数据库模式特征、内存数据库查询优化技术和面向新硬件平台的内存数据库多维分析处理实现技术，解读了现代内存数据库的关键技术，并提出内存数据库技术的实现架构和关键技术问题的解决方案。全书分为3部分，共7章。其中。第1部分内存数据库基础（1～3章），主要介绍与内存数据库技术相关的基础知识、硬件技术发展以及基于内存计算平台的数据仓库模式分析。第2部分内存数据库实现技术（4、5章），对分析型内存数据库实现的关键技术进行对比分析，并梳理了内存数据库实现技术的脉络。第3部分内存数据库新技术（6、7章），系统地介绍中国人民大学高性能数据库团队在内存数据库和高性能内存分析处理技术方面的研究框架、思路和实现技术，为读者提供内存数据库实现的案例素材，并展示对内存数据库未来发展趋势的分析和研究技术路线。《内存数据库技术与实现》适合于高校计算机相关专业数据库方向的学生及研究开发人员使用，可以作为研究生的教学用书。

备战OCP认证考试1Z0-063的完整学习体系本书旨在帮助读者备战Oracle Certifi ed Professional Oracle Database 12c Advanced Administration考试。书中的每一章都提供了极具挑战性的练习、认证小结、知识点回顾和自测题，以强化该章所介绍的主题。这本权威指南不仅可以帮助读者顺利通过考试，还可以作为工作中必不可少的参考手册。本书全面覆盖了1Z0-063考试的所有OCP目标，其中包括：●　配置和管理Oracle恢复管理器（Oracle RMAN）●　使用Oracle RMAN恢复目录●　执行备份和恢复●　诊断数据库故障，使用自动诊断仓库●　加密、保护、监视和调整Oracle RMAN备份●　配置和使用闪回功能●　传输和复制表空间和数据库●　创建和管理多租户容器数据库和可插入数据库●　使用Oracle Data Pump、SQL *Loader和审核功能

本书共分为三篇：第一篇介绍数据库基础知识，重点是关系数据库理论；第二篇关注实践，重点是数据库服务器端的维护和管理；第三篇讨论数据库应用结构、数据访问接口以及应用领域和发展方向。附录用一个完整的示例说明了数据库设计的全过程。本书选用SQLServer2012作为数据库实践平台。本书注重理论与应用的结合，内容全面，实例丰富，并配有电子教案。本书可作为高等院校非计算机专业的数据库教材，也可作为计算机专业学生的补充读物，还可供数据库初学者作为入门读物。

本书是大数据挖掘领域的扛鼎之作，由全球科学计算领域的领导者MathWorks（MATLAB公司）官方的资深数据挖掘专家撰写，MathWorks官方及多位专家联袂推荐。它从技术、方法、案例和最佳实践4个维度对如何系统、深入掌握大数据挖掘提供了详尽的讲解。技术：不仅讲解了大数据挖掘的原理、过程、工具，还讲解了大数据的准备、处理、与探索；方法：既深入地讲解了关联规则方法、回归方法、分类方法、聚类方法、预测方法、诊断方法等6大类数据挖掘主体方法，又重点讲解了时间序列方法和智能优化方法两种数据挖掘中常用的方法；案例：详细地再现了来自银行、证券、机械、矿业、生命科学和社会科学等6大领域的经典案例，不仅有案例的实现过程，而且还有案例原理和预备知识的的讲解；最佳实践：首先总结了数据挖掘中确定挖掘、应用技术以及如何平衡的艺术，然后总结了数据挖掘的项目管理和团队管理的艺术。

大数据目前被广泛联系到现代商业社会的各个场景。众多的研究文献都会聚集于从技术层面来挖掘这些数据、处理这些数据、到最后分析这些数据，然而，由于目前对大数据分析处理的主要认知是：⑴相关性比因果性重要；⑵要全量而不要抽样；⑶要宏观而不要精确，而使得通过这种方式获得的大数据结论往往过于宏观肤浅，对具体行业应用而言并没有实际的指导意义。如此往往陷阱于：盲大、夸大、自大，大数据分析技术总是和业务场景脱节，使得大数据分析的真正价值失之交臂。大数据的真正价值便在于，通过分析才能获取很多智能的、深入的、有价值的洞察来解决行业面临的问题。数据处理和分析能力，最有效的获得大数据能力方式便是“化大为小、化繁为简”大小数据结合，通过“简约法则”（“数·信·知·洞察"）来实现来获得大数据价值：数据认识及处理：通过将大数据进行去噪、分类、整合得出小数据；信息求证及获取：对小数据进行求证、交换，将数据转为新信息；知识孕育：对新信息赋予场景的去分析、去整理、去提炼之后，来发现新知、新规律和新价值体系；洞察获取：获得需要通过有应用场景为基础的数据解读来完成，这种建构新规律、新知识和新价值体的结论观点便是我们洞悉的洞察。

本书共11章。第1章介绍常见的流数据的来源、应用以及三个重要特性：持续交付、结构松散和高基数，并阐释对流数据使用基础架构和算法的重要性。第2~6章介绍实时流架构的各组件涉及的软件、框架和方法。第2章概述实时流架构设计涉及的组件、特性、编程语言等。第3章介绍实时流架构的服务配置和协调，重点介绍协调服务器ZooKeeper。第4章阐述实时流架构中数据流程的管理，涉及用来管理数据流程的两个软件包Kafka和Flume。第5章分析流数据的处理，涉及如何用Storm或Samza来处理数据。第6章介绍流数据的存储问题。第7~11章重点关注流数据架构的应用构建问题。第7章讨论从流环境向最终用户的数据交付问题。这是构建仪表板以及其他监控应用所使用的核心机制。第8章涵盖流环境下的聚集计算问题，特别是对多分辨率时间序列数据的聚集计算问题。第9章简要介绍统计学和概率论的基础知识。第10章讨论略图，略图通常具有更快的更新速度和更小的内存占用空间，特别适合流环境。第11章讨论聚集计算之外能够应用于流数据的一些更深入的话题。

本书在逻辑上可分为五个部分：第一部分：包含第1章和第2章，该部分主要是讲解SAPHANA服务器的各个组件，原生项目的开发架构，以及通过SAPHANA工作台快速了解系统的一些操作。第二部分：包含第3章和第4章，这部分以信息建模、SQLScript为主，这部分内容相对独立，而且早于XS应用出现在HANA系统中，但因后续的XS项目示例中会应用这两个章中所学习的知识，所以本书加入了该部分。第三部分：包含第5~8章，这部分包含了HANA原生应用开发绝大部分内容，包含XS项目的创建、核心数据服务、访问控制、XSJS、OData和UI5的集成等。第四部分：包含第9~11章，这部分内容是用一个例子来说明，涉及HANAXS原生应用的开发过程及所涉及的全部对象。第五部分：包含第12章和第13章及附录。这部分内容讲解HANA应用上线后如何进行运维、团队如何进行协同开发，以及如何实现系统的高可用。在附录部分，提供了作者的很多经验和心得。

大数据不仅意味着数据的积累、存储与管理，更意味着大数据的分析。数据挖掘无可争议地成为当今大数据分析的核心利器。R语言因彻底的开放性策略业已跻身数据挖掘工具之首列。本书以“R语言数据挖掘入门并不难”为开篇，总览了数据挖掘的理论和应用轮廓，明确了R语言入门的必备知识和学习路线，并展示了数据挖掘的初步成果，旨在使读者快速起步数据挖掘实践。后续围绕数据挖掘应用的四大核心方面，安排了数据预测篇：立足数据预测未知，数据分组篇：发现数据中的自然群组，数据关联篇：发现数据的内在关联性，离群数据探索篇：发现数据中的离群点。每篇下各设若干章节，各章节从简单易懂且具代表性的案例问题入手，剖析理论方法原理，讲解R语言实现，并给出案例的R语言数据挖掘代码和结果解释。本书内容覆盖之广泛，原理讲解之通俗，R语言实现步骤之详尽，在国内外同类书籍中尚不多见。相关数据资料及电子教案，可登录华信教育资源网www.hxedu.com.cn免费下载。

本书以实例为依托，详细地对实例做建模分析，并给出经过测试的源代码，读者可以按照书的介绍一步一步地实现每一个实例，这是一种学习建模和编程的极为便捷的方法。本书也是一本对使用Neo4j对图形数据进行设计、建模和查询的综合指导书。书中探索了处理和查询图形数据的各种工具及其强大功能，包括图形遍历的概念及其使用方法，也讨论了Neo4j的图形查询语言Cypher和如何使用SpringDataNeo4j将Neo4j集成到应用程序中，以及如何使用服务器模式和嵌入式模式等内容。