本书由浅入深地讲解了Apache Pulsar中各个组件的使用方式及内部实现原理，通过阅读本书，读者可以快速、轻松地了解Apache Pulsar内部的运行机制。 第1章介绍Apache Pulsar的背景，以及如何快速部署一个Apache Pulsar服务。第2章介绍Apache Pulsar客户端的实现机制与原理，包括生产者、消费者、管理流客户端等。第3章介绍Apache Pulsar中最重要的逻辑组件—Broker，读者通过这部分内容可以了解Broker所有的特性。除了最基础的收发消息，Apache Pulsar还能进行轻量级的函数计算、数据流转。第4章详细介绍Apache Pulsar的Function和Pulsar IO （Connector）。第5章介绍Apache Pulsar的存储层—BookKeeper，通过对本章的学习，读者可以了解Apache Pulsar的数据存储模型及流程实现。第6章介绍线上实战的一些经验，包括高可用、扩/缩容、资源隔离等。

只有在可以一致地提供预测性的业务见解并在整个组织范围内扩展时-数据分析和AI才能产生价值。这也是众多企业所面临的巨大挑战。本书概述了有效且实用的组织、管理和评估数据的方法-因此有助于建立信息体系结构以更好地推动AI和数据科学的发展。本书主要包括以下内容：简化数据管理-使数据随时随地可用；缩短实现AI用例的价值实现时间；使整个企业都可以访问AI和数据洞察力；动态、实时地扩展复杂的AI场景；开发可带来可预测的、可重复的价值的信息体系结构。本书可以使包括架构师、开发人员、产品所有者和业务主管在内的各种角色受益。

　　？？了解Tableau自《Practical Tableau》一书出版以来的新内容。 ？？ 检查独特的新图表（时间线、自定义仪表和跳跃式图表），以及对传统图表的创新，如高亮表、散点图和地图。 ？？ 获得提示以帮助Tableau开发人员，使其工作更轻松。 ？？ 理解开发者如何做才能让用户的使用更简单。

本书详细剖析LevelDB从使用到设计实现的方方面面，读后可了解谷歌Bigtable数据库的设计精髓，逻辑上可分为两部分。 第一部分着重讲解LevelDB的基础知识，主要内容如下。 1）基本数据结构，这是理解后续内容的基础，也可以加深对比较器、迭代器等常见数据结构的理解。 2）基本使用，如数据库打开、关闭以及基本的读写操作。 3）总体架构与设计思想，读后可掌握LevelDB的整体情况与设计思路。 4）公用基础类，读后可了解LevelDB中如何实现数值编码、内存管理以及文件读取等。 第二部分着重讲解LevelDB各模块的实现细节，主要内容如下。 1）Log模块的实现细节，以及如何通过Log进行崩溃恢复，并生成一个MemTable文件。 2）MemTable模块的实现细节，以及MemTable超过内存阈值时如何生成一个SSTable文件。 3）SSTable模块的实现细节。 4）Compaction原理与多版本管理。

本书涵盖Redis数据类型的使用场景、各种类型的API的使用和底层数据结构源码解析、在DevOps环境中使用Redis的综合实践、Redis主从架构、RedisSentinel Redis、Redis集群环境搭建及其实现的高可用与高可扩原理等内容，提供深入浅出的实战案例，旨在帮助读者深入了解Redis数据结构领域和日常运维Redis所碰到的常见问题解决方案，。 本书适合Redis新手、所有对Redis感兴趣的开发与运维人员阅读和参考，同时还可作为高等院校相关专业的参考教程。

Web3.0深刻地变革了数据存储的方式，使个人不再依赖数据存储费高昂的企业来存储和传输数据，而是可以在庞大的、人人可以参与的分布式网络中分发数据，相互付费，存储数据。Web3.0使用户个人数据和价值完全映射到元宇宙中，是实现元宇宙的重要基石。本书浓缩了区块链技术和分布式存储发展的整个历程，采用叙事的方式，讲述了其中的关键时刻和里程碑事件。

这是一本金融商业数据分析的实战工具书。作者都是在金融行业有10~20年数据分析经验的资深专家，他们将多年来的项目经验、培训和咨询经验融合成了这本书。它将指导读者零基础掌握金融数据分析的工具、思路、方法和技巧，快速实现从入门到进阶的突破。本书强调实战，方法论与实践相结合，所有案例均来自实际的金融业务，涵盖工具使用、数据处理、统计分析等数据分析的全流程。本书内容共14章，可分为3篇。分析工具篇（第1~4章）：首先介绍了数据科学和数理统计的基本常识，然后讲解了数据分析工具SAS EG和Python的基础知识。数据处理篇（第5~9章）：首先通过描述性统计分析进行数据探索，继而讲到基本的报表和统计制图，还包括使用SAS EG进行数据处理，用Python进行数据整合、数据清洗，构建出满足分析需求的数据集。统计分析篇（第10~14章）：从统计学的基本概念引出假设检验与样本t检验，三大统计检验、构造预测模型，并分享基于时间序列算法的建模方法。

这是一本能为数字化转型企业的数据治理提供全面指导的著作。拥有集团官方出品，得到了用友集团董事长王文京、DAMA中国区主席汪广盛等9位企业界和学术界数字化专家的一致好评 它基于国际主流的数据治理框架和用友多年的数据治理经验，从道、fa、术、器4个维度全面、深入展开，不仅有数据治理在战略层面的顶层设计，还有数据治理在执行层面的实施方法，既可以作为数据治理的纲领性指南，又可作为数据治理的实操手册。 从数据治理的战略规划到落地实施，本书将各环节的核心内容凝练为“3 个战略机制、8 项关键举措、7 种技术能力、7 个治理工具”： 数据治理之道：3个战略机制 高屋建瓴地介绍了数据治理的数据战略、组织机制和数据文化。这3个机制能够帮助企业形成数据治理的自我驱动、自我进化、可持续发展和长效运营机制。数据治理之法：8项关键举措 重点讲解了数据治理的8项举措：理现状与定目标、能力成熟度评估、路线图规划、保障体系建设、技术体系建设、策略执行与监控、绩效考核、长效运营。这8项举措构成了企业数据治理的完整实施方法论。 数据治理之术：7种技术能力 重点讲解了数据治理的7种能力：数据梳理与建模、元数据管理、数据标准管理、主数据管理、数据质量管理、数据安全治理、数据集成与共享。 数据治理之器：7个治理工具 从功能角度讲解了数据治理所用到的7个工具：数据模型管理工具、元数据管理工具、数据标准管理工具、主数据管理工具、数据质量管理工具、数据安全治理工具、数据集成与共享工具。 除此之外，本书还包括两个综合的数据治理案例，以及数据治理的6项准备工作和6个误区。

本书主要介绍计算机取证的相关概念和实践，目的是帮助读者通过完成各种实践练习，获得收集和保存数字证据的实践经验。本书共21章，每一章都集中于一个特定的取证主题，且由两个部分组成：背景知识和实践练习。本书以经验为导向，包含了20个以探究为基础的实践练习，以帮助读者更好地理解数字取证概念和学习数字取证调查技术。 本书适用于正在学习数字取证相关课程或从事数字取证研究的本科生和研究生。它还适用于数字取证从业者、IT安全分析师、IT安全行业的安全工程师，特别是负责数字调查和事件处理的IT专业人士或在这些相关领域工作的研究人员。

《Power BI 商业数据分析完全自学教程》是一本系统地讲解利用 Power BI 软件进行商业数据智能分析的自学宝典。本书以“完全精通 Power BI”为出发点，以“用好 Power BI”为目标来安排内容，全书共 5 篇，分为 14 章，循序渐进地介绍了 Power BI 的基本操作、数据导入、数据整理、数据建模、数据可视化分析、数据发布等相关技能。 第 1 篇为基础入门篇（第 1 章 ~ 第 3 章），主要针对初学者，从零开始，系统且全面地讲解了 Power BI 的入门知识点、基本操作及数据的输入和连接操作。 第 2 篇为数据处理篇（第 4 章 ~ 第 6 章），介绍了 Power BI 数据的整理操作、表格中行 / 列数据的管理，以及 Power BI 数据的高级处理、M 函数的使用等。 第 3 篇为数据分析篇（第 7 章 ~ 第 9 章），介绍了 Power BI 数据的建模操作及 DAX 语言的入门和进阶操作等。 第 4 篇为数据可视化篇（第 10 章 ~ 第 12 章），介绍了 Power BI 数据的可视化呈现过程及如何对报表数据进行分析和发布等。 第 5 篇为案例实战篇（第 13 章 ~ 第 14 章），通过两个综合应用案例，系统且全面地讲解了如何将 Power BI 灵活地应用于实际工作中。 本书内容丰富，几乎囊括了 Power BI 软件的全部功能。本书搭配了大量的截图，因此就算是没有软件操作基础的读者，也可以通过阅读本书掌握 Power BI 的使用方法。本书不仅适合需要对大量数据进行操作的工作人员，也适合各行各业的职场人士，以及对 Power BI 有兴趣的学生、自由职业者等，还可以作为广大职业院校、培训班的教学参考用书。