當下，大數據是一個熱門的話題，很多領域的學者，從不同的角度進行了深入的討論。本書從大數據的歷史、內涵、哲學和技術四個角度，解析大數據，讓讀者對大數據有更深入的了解。 《品味大數據》共11章，大致分為4塊：第1-3章主要漫談了大數據的有趣的歷史，包括數據的啟蒙、信息載體的演變和數據管理的發展脈絡。第4-6章主要聊聊大數據的內涵，包括大數據與哲學及第四科學范式的關聯。第7-9張是大數據的雜談，包括大數據的用途、可能面臨的陷阱以及通過小故事對大數據進行一些煩死，第10-11章主要涉及大數據的技術，包括100余篇大數據論文的漫讀及Hadoop的初級實戰篇。
品味大數據》與市面上圖書不同的是從多維度對大數據的歷史、內涵、哲學與技術四個方面對大數據進行了深入的探討，用百位大牛的觀點論辯來幫助讀者形成自己的大數據認知體系。
圖書行文幽默、結構完整、圖文并茂通俗易懂，讓讀者寓學于樂。
率先采用正反辯論的方法對觀點形成闡述，讓讀者可以從辯證的角度去品味大數據。
張玉宏 留美博士，曾跟隨導師Alok Choudhary教授參加了奧巴馬總統辦公室有關Big Data(大數據)研討會。
張玉宏 / 在路上，學而時習之 序
及時章 大數據簡史漫談之一——數字的來源及數據思維的發展
人類的“數覺”與計數系統 1.1
1.2 關于二進制的一點討論
數字的誕生與廣泛應用的匹配法 1.3
數學的“問世”與“算法”的祖師爺 1.4
文字的“出爐”與羅馬語言的來歷 1.5
古代的數據保存之道與文言文的“無奈”精簡 1.6
古代的“數據中心”——圖書館 1.7
古代計算工具的誕生及其演變 1.8
1.9 統計學誕生——數據思維的漸起
美國式的人口普查——大數據催生新技術 1.10
1.11 中國式的人口統計與數目字管理
本章小結與思考 1.12
大數據簡史漫談之二——近代存儲體系發展中的那些人和事 第二章
2.1 數據復制與傳播中的問題及解決方案
影響人類發展進程的幾次能源革命 2.2
2.3 不能遺忘的電氣時代的傳奇——特斯拉
霍爾瑞斯的穿孔卡 2.4
2.5 現代通用計算機的奠基者——圖靈和馮 諾伊曼
波弗勞姆的磁帶發明 2.6
華人王安電腦的磁芯存儲器 2.7
IBM 的傳奇磁存儲世界 2.8
網絡存儲世界的興起 2.9
2.10 本章小結與思考
大數據簡史漫談之三——數據庫的發展與大數據的興起 第三章
3.1 近代“數據中心”之夢殤
“窮”則思變之網狀數據庫 3.2
濃墨重彩之關系數據庫 3.3
突破數據共享封鎖線的領頭人 3.4
高手對決的數據倉庫領域兩俠客 3.5
向非結構化進發的數據大趨勢 3.6
大數據術語的歷史淵源 3.7
現代大數據的誕生 3.8
3.9 在混沌和秩序轉化中螺旋上升
本章小結與思考 3.10
第四章 大數據的內涵
從數據、信息到知識、智慧的飛躍 4.1
大數據的多版本定義 4.2
4.3 大數據——新時代的生產資料
信息(數據)化、第二經濟與數據思維的轉變 4.4
4.5 大數據——來自學術界的青睞
大數據——來自政府層面的重視 4.6
大數據——來自工商業的熱捧 4.7
大數據內涵——“豈止于大” 4.8
大數據之“大”有不同(Volume) 4.8.1
大數據之唯“快”不破(Velocity) 4.8.2
大數據之五彩繽紛(Variety) 4.8.3
大數據之價“值”無限(Value) 4.8.4
包括但不限于 4V 4.8.5
4.9 本章小結與思考
大數據時代的一點哲學思考 第五章
5.1 哲學與科學的關系——為什么計算機專業博士也發個哲學文憑(Ph.D)
大、小數據的“質”不同 5.2
5.3 大數據的數理哲學基礎——同構關系
大數據認識主體的變化——“替人消災”式的認識能免責嗎 5.4
5.5 波普爾的世界 3——秦始皇的長生夢，找錯了空間
大數據認識對象的變化——提升普羅大眾的權重 ：“長尾理論” 5.6
認識論對大數據研究的指導意義 5.7
科學始于觀察——證實主義 5.7.1
證實主義的困頓——來自波普爾的批判 5.7.2
科學始于問題——波普爾的貢獻 5.7.3
科學始于數據——大數據時代的科學轉機與思考 5.7.4
大數據的悲觀思潮 5.7.5
本章小結與思考 5.8
大數據研究的第四范式 第六章
6.1 谷歌公司的“不務正業”
塞吉 布林的“秘密”病情 6.2
布林病情的“治療”方案 6.3
詹姆斯 格雷的科學第四范式 6.4
科學研究的其他三個范式 6.5
6.6 本章小結與思考
大數據，大有為 第七章
洞察帶來價值 7.1
7.2 案例 1 ：谷歌是如何“越俎代庖”地預測流感的
流感治療網絡化 7.2.1
“無意間”生產的搜索數據 7.2.2
谷歌工程師們的杰作——流感預測趨勢(GFT) 7.2.3
谷歌的“越俎代庖”為何成功 7.2.4
案例小結 ：數據、模型與理論 7.2.5
7.3 案例 2 ：“全數據”是如何為葉詩文抱不平的
葉詩文事件的新聞背景 7.3.1
什么是性能分析法 7.3.2
質疑的合理性在哪里 7.3.3
“大數據 = 全數據”的威力——為葉詩文抱不平 7.3.4
案例小結 7.3.5
案例 3 ：大數據是如何對抗癌癥的 7.4
7.4.1 癌癥大數據的特征是什么
癌癥從哪里來 7.4.2
大數據用之于癌癥斗爭，挑戰何在 7.4.3
癌癥診療的基礎大數據——獲取難 7.4.4
數據化帶來的顛覆式醫療——執行難 7.4.5
哪些機構在用大數據對抗癌癥 7.4.6
癌癥大數據的重要源頭——基因組數據 7.4.7
大數據對抗癌癥，前景如何 7.4.8
案例小結 7.4.9
更多大數據應用案例 7.5
7.6 本章小結與思考
大數據之坑與小數據之美 第八章
引子——哪個 V 8.1 才是大數據最重要的特征
“大”有不同——Volume(大量) 8.1.1
8.1.2 數據共征——Velocity(快速)與 Value(價值)
五彩繽“紛”——Variety(多樣) 8.1.3
大數據的力量與陷阱 8.2
大數據的力量 8.2.1
大數據的陷阱 8.2.2
今日王謝堂前燕，暫未飛入百姓家——大數據還沒那么普及 8.2.3
8.2.4 你若安好，便是晴天——小數據之美
本章小結與思考 8.3
12 第九章 個小故事，思考大數據
故事 1 ：大數據都是騙人的啊——大數據預測得準嗎 9.1
故事 2 9.2 ：顛簸的街道——對不起，“n=all”只是一個幻覺
故事 3 ：醉漢路燈下找鑰匙——大數據的研究方法可笑嗎 9.3
故事 4 ：園中有金不在金——大數據的價值 9.4
故事 5 9.5 ：蓋洛普抽樣的成功——大小之爭，“大”數據一定勝過小抽樣嗎
故事 6 ：點球成金——數據流 PK 9.6 球探，誰更重要
故事 7 ：啤酒和尿布——經典故事是偽造的，你知道嗎 9.7
故事 8 9.8 ：谷歌流感預測——預測是如何失效的
故事 9 ：Target 超市預測女孩懷孕——“大數據”智慧，還是愚蠢 9.9
故事 10 ：你的一夜情我知道——大數據的隱私之痛 9.10
故事 11 9.11 . ：大數據，無須懼——比薩店員更能知道顧客所有的信息嗎
故事 12 9.12 ：撲朔離迷的“因果關系”——蘇格拉底的“詭辯術”
本章小結與思考 9.13
第十章 大數據技術漫談——需要讀懂的 100 篇大數據文獻
大數據價值的實現 10.1
10.2 大數據分析的關鍵架構層
架構的演進 10.3
幾個重要的概念 10.4
10.5 文件系統層
數據存儲層 10.6
Managers) 資源管理器層(Resource 10.7
調度器(Schedulers) 10.8
協調器(Coordination) 10.9
Frameworks) 計算框架(Computational 10.10
10.11 Analysis) 數據分析層(Data
Integration) 數據集成層(Data 10.12
Frameworks) 操作框架層(Operational 10.13
10.14 本章小結與思考
牛刀小試之 Hadoop 實戰 第十一章
什么是 Hadoop 11.1
Hadoop 發展歷程 11.2
Hadoop 集群服務器的安裝與配置 11.3
7 安裝 CentOS 11.3.1
配置 Java 環境 11.3.2
11.3.3 啟動和配置 SSH 服務
安裝 Hadoop 11.3.4
啟動 11.3.5 Hadoop
World 版 Hadoop 程序——WordCount 運行 Hello 11.4
11.5 全分布模式下的 Hadoop 集群構建
Linux 以運行等級 3 啟動 11.5.1
在 11.5.2 OS 環境下克隆虛擬機 Windows 和 Mac
設置靜態 IP 地址 11.5.3
修改 11.5.4 hosts 文件
虛擬機的同步配置 11.5.5
SSH 的免密碼登錄 11.5.6
全分布模式下安裝 Hadoop 11.5.7
同步配置文件 11.5.8
11.5.9 創建所需目錄
關閉防火墻 11.5.10
格式化文件系統 11.5.11
11.5.12 啟動 Hadoop 守護進程
驗證全分布模式 11.5.13
默認配置文件所在位置 11.5.14
關閉 Hadoop 11.5.15
Hadoop 的運行錯誤查找 11.5.16
WordCount 代碼詳解 11.6
MapReduce 編程模型 11.6.1
WordCount 的 MapReduce 處理流程 11.6.2
WordCount 源碼解讀 11.6.3
本章小結與思考 11.7
記 后
5.2 大、小數據的“質”不同
大數據的實質是什么？在第四章中，我們已經討論過這個議題。雖然當前學術界和實業界對此都還沒有一個統一的定義或認知，但從狹義的字面來理解的話，它應該與小數據相對應，大數據是指數據量特別巨大，超出了常規的處理能力，需要引入新的科學工具和技術手段，方能夠進行處理的數據集合。
于此對應的，所謂的小數據指的是，數據規模比較小，用傳統的工具和方法就足以完成處理的數據集合。下面我們用一段天文學家第谷 布拉赫和約翰尼斯 開普勒的故事來舉例說明小數據的應用。
在16 世紀，有位杰出的占星學家、天文學學家，名叫第谷 布拉赫(TychoBrahe，1546—1601)。第谷出生于丹麥的一個貴族家庭。早在1572 年，第谷憑借自己出色的觀察能力，發現仙后座中的一顆新星，后來受惜才的普魯士國王腓特烈二世(Friedrich Ⅱ)b 的邀請，他在汶島建造天堡觀象臺，經過20 年的觀測，發現了許多新的天文現象。第谷是天文史上的一位奇人。他對于星象所做的觀測精度之高，是他同時代的人望塵莫及的，他編纂的星表的數據甚至接近了肉眼分辨率的極限。
1597 年， 有位才華橫溢的年輕人約翰尼斯 開普勒(Johannes Kepler，1571—1630)漸露頭角，年僅26 歲的他出版了自己對宇宙模型猜想的著作——《神秘的宇宙》(Mysterium Cosmographicum)。在這本書中，開普勒設計了一個非常有趣的、由許多有規則的幾何形體構成的宇宙模型。
1599 年，第谷看到這本書，十分欣賞開普勒的智慧和才能，立即誠邀他做自己的助手。開普勒來到第谷身邊以后，師徒二人“珠聯璧合”，朝夕相處，對天文學領域共同的狂熱，讓他們結成忘年交。
但是，好景不長，開普勒受多疑的妻子的挑唆，突然和第谷決裂，不辭而別。開普勒的離去，使愛才如命的第谷非常傷心。他意識到這是一種誤會，立即寫信給開普勒解釋，并胸懷寬廣地請他回來繼續合作。開普勒讀了第谷的誠摯來信，感到十分愧疚。當兩人重修舊時，第谷不記舊怨，不但把才華出眾的開普勒推薦給國王腓特烈二世，還把自己20 多年辛勤工作積累下來的觀測資料和手稿，全部交給開普勒使用。他對開普勒說：“除了火星所給予你的麻煩之外，其他一切麻煩都沒有了。現在我把火星的研究也要交托于你，它夠你一個人麻煩的了。”
開普勒在接手第谷觀測的數據后，這批花費第谷20 多年時間得到的數據，很快就在開普勒手中“妙筆生花”，開普勒經過手工計算，從中發現了著名的“行星運動三大定律”，即軌道定律、面積定律和周期定律。這三大定律最終使開普勒贏得了“天空立法者”的美名。開普勒的成就，來自堅實的數據支撐。他憑借手工，就能處理完第谷20 多年收集而來的數據。這一案例反映的是他處在一個“小數據時代”。
隨后，與開普勒同時代的牛頓，通過論證開普勒行星運動定律與他的引力理論間的一致性，證明了地面物體與天體的運動都遵循著相同的自然定律，從而發現了萬有引力和三大運動定律，現在看來，這也是基于小數據的。這些經典理論的提出，奠定了此后三個世紀里物理學領域的科學觀點，并成為了現代工程學的基礎。再后來，隨著科學的發展，數據量有了較大的增加，為了處理那些在當時看來的“大數據”，統計學家發明了抽樣方法，其基本要求是，在確保所抽取樣品具備“隨機性”的基礎上，來保障樣本可以對全體具有充分的代表性，從而推斷全體樣品的特性，由此解決了“大”數據處理的難題。
而當前的大數據，不僅是所謂數據海量，而且各種數據的差別非常大，用抽樣方法難以保障它的有效性。傳統的統計方法，之所以不能適用于現在的大數據，大致源于如下三點原因。
(1)在第四章中，我們討論了大數據的“4V”特征，其中最能反映大數據和小數據不同之處，就是它的“多樣性”(Variety)：由多種數據來源組成的一個的數據。在多種數據源的應用環境中，抽樣很難保障它的“無偏性”(unbiasedness)。
(2)統計學家們設計的統計模型，其結論的性，強烈依賴于與結論有關的應用類型。目前大數據的主力軍——網絡數據呈現長尾分布(長尾理論將在后面的小節介紹)，使得傳統的標準方差等衡量標準失效，“長相依”和“不平穩”常常超過了經典時間序列的基本假設。
(3)傳統的機器學習方法，通過先在較小的數據集樣本中學習，然后調整參數，驗證分類、判定等“假設”和“模型”的適用性，再推而廣之到更大的數據集上。通常來說，一般的NlogN、N2 N2 等級別的算法復雜度，是可以容忍的，然而面對PB 級別(1PB=1 024TB=1 024×1 024GB=1 125 899 906 842 624 Bytes)的大數據處理，這種算法復雜度已經難以忍受，因此需要設計新的數據處理算法來適應這一新情況。江西財經大學科技哲學教授黃欣榮，對小數據和大數據“質”的區別也做了比較到位的描述。
(1)從采集手段上來說，小數據屬于人工數據，是有意測量、采集的數據；而大數據大多數是由智能系統自動采集或人們無意留下的數據(比如，用戶在搜索引擎中使用的搜索關鍵字、服務器運行的各種日志等)，因為當時沒有什么明顯的用途，很多大數據一度被稱為“垃圾數據”。目前，“數據排放”(data emission)——互聯網用戶留下的點點滴滴(如點擊記錄、瀏覽時間、評價內容等)，都可以發掘出價值，目前正成為網絡經濟主流。在大數據時代，有個口號就是，記錄一切數據，等待有趣的事發生。在特定的生態環境下，用適合的工具挖掘，大數據中的所謂“垃圾數據”就不再垃圾。
(2)從存儲介質和處理平臺來看，小數據因為容量較小，常存儲于本地存儲介質中，其處理平臺僅需單機即可完成，數據的處理者清楚地知道數據“身處何地”，可以“親力親為”地編寫對應的數據分析程序。而現在的大數據，往往因數量過大，而不得已存放于“云端”中，“云深不知處”，云計算利用自己的“虛擬化”技術，讓用戶不知道也不需要知道數據存在哪臺“云計算”的服務器上。就如同用水、用電一樣，用戶無須知道自來水廠和發電廠在哪里一樣，僅僅打開水龍頭、按下開關就能得到水資源和電資源。所謂的云計算，就其本質而言，就是一種以互聯網為連接中介，以租賃服務的方式，為用戶提供動態可伸縮的虛擬化資源的計算模式。中國寬帶資本基金董事長田溯寧先生曾總結說，大數據與云計算就好比一個問題的兩面。如果說大數據是有待解決的問題，那么云計算就是問題的解決方法。通過云計算對大數據進行分析、預測，會使決策更加精準，釋放出更多的隱藏價值。大數據，這個21 世紀人類探索的新邊疆，正在被新的計算模式——云計算所發現和征服。
(3)從數據性質來說，小數據因“有意采集”來支持研究者的假設或觀點，因此可歸屬于“主觀數據”。相比較而言，大數據則因沒有事先滲透主觀意圖，數據的生產者反而能“真情流露”，從而更顯客觀性，因此屬于“客觀數據”。此外，根據舍恩伯格教授的觀點，大數據不再是隨機樣本，而是全體數據。全數據是由多維度數據構成的。一個事物的全息可見，自然比單維度的采集要來得客觀。有些商家(特別是大型電商)就是利用顧客的多維度、多層面“用戶畫像”來更刻畫客戶特征，從而達到精準營銷。舍恩伯格教授在其著作《大數據時代》一書中，開門見山地提出了大數據的哲學意義：“大數據開啟了一次重大的時代轉型。就像借助望遠鏡，讓我們能夠感知浩瀚的宇宙，借助顯微鏡，我們能夠觀測渺小的微生物一樣，大數據正作為人類認知世界的新手段、新方法、新工具，改變我們的生活、工作以及理解世界的方式，成為新發明和新服務的源泉，而更多的改變正蓄意待發……”由此可見，大數據，除了在信息科學領域成為研究熱點外，在哲學層面的認知，也應有所突破，這也是人類進一步認識世界的迫切需求。
買書必**當！書還真不錯，一直信賴當當。希望當當一直以這種良好姿態、健康的發展、負責的態度來服務書友。十分感謝當當給我帶來的實惠、方便和快樂！
很不錯的，內容詳實，文筆也不錯，開卷有益!
文筆不錯，講的還不錯，質量還行。
不錯的書，很有深度！
文筆好啊，內容也不錯，花了功夫寫的書!
包裝挺好的，整體也很不錯！
內容不錯，文筆不錯，值得一讀！GG…
本書章節設置合理，作者從大數據的歷史、內涵、哲學與技術幾個維度進行了系統的闡述。無論是文科生還是理科生的科技愛好者，都能夠有所啟發。
書的排版不錯，紙質也不錯。剛剛翻閱了一下，書中還有掃碼尋寶。非常期待！
還不錯啊，挺通俗易懂的。但內容有點豐富，而排版有點擁擠，讀起來有點累。
這本書對我很有啟發，作者是名嚴謹的學者，論述有依據，但語言又很有趣，讀后既長了知識，又感覺很有意思，一本非常好的書，滿分推薦。
行文如流水，將本是非常枯燥的內容娓娓道來，引人入勝。書中的小故事、小事例生動有趣，語風詼諧幽默。專業人士抑或非專業人士，皆可讀！
非常經典的一本大數據科普圖書，謝謝作者的用心和努力！已經是第二次購買了！送給朋友學習。好評，好評！
淺顯易懂，文筆生動。是不可多得的介紹大數據入門或科普好書。
挺不錯的！大數據的抽象各種概念娓娓道來，淺顯易懂！故事性，可讀性都很好！喜歡！
看了幾天才來評論論，難得的一本好書，作為門外漢，從作者生動的講解中，對大數據有了基本的了解，受益匪淺。推薦給像我一樣的初學者
本書博采眾長，深入淺出，科普類的圖書居然被作者寫出了文學作品的色彩，一直不喜歡太學術的東西，但這本書卻增加了很多的趣味，實在難得。包裝設計也很棒，看上去挺高端大氣上檔次的，基本上每頁都有題注，作者真是參考了不少內容，才有這么精彩的內容呈現！
《品味大數據》這本書從歷史，哲學與技術等多個角度進行了大數據的相關闡述，行文生動，詳列得當，使我受益匪淺。通過該書讓我對大數據有了更深的理解，許多恰如其分的例子，讓我明白了大數據的魅力和價值。該書不同于以往我讀到的關于大數據方面的書籍，避開晦澀的知識講解和相關闡述。這是一本值得人手一冊的好書籍，感謝作者的傾心打造，呈現給我們一個大數據史詩！！！
這本書將目前對于大數據不一樣的看法一一羅列，內容深入淺出，它由數據的來源講起，深入到大數據的實際應用。讀過之后令人受益匪淺，是一本不可多得的好書。
買回來花了幾天時間讀完，才過來評論。大數據是這幾年比較流行的技術話題，也讀了幾本相關的書籍。相比而言，這本《品位大數據》頗具獨到之處。作者以輕松寫意的筆調將相介紹了大數據這一枯燥嚴肅的技術話題，對于人文社科背景的閱讀者來說，很容易輕松愉悅地接受這一內容。書本的前半部分介紹了大數據基本的概念和應用，其間穿插著有關的歷史哲學小故事，使得科技文獻也顯示出搖曳生姿的趣味，吸引讀者一步步讀下去。后半部分則著重介紹大數據相關的技術和科研現狀，文風也偏向簡潔，在并不算長的內容里對大數據相關的技術進行了全面而有重點的展示，非常有助于初學…
這是一本關于大數據的很好的書，作者力求將高深的理論敘述的淺顯易懂，可以讓那些對大數據方面的了解較少，但是又對此感興趣的讀者，通過閱讀此書，能夠比較容易和快速的學習到相關知識。
這本有關大數據的圖書寫得深入淺出、妙趣橫生，在輕松的閱讀中卻能深深領悟到很多大數據的內涵知識。作者文筆不錯，又閱讀大量文獻，使得該書不僅易讀，而且內容詳實可信，是一本難得的大數據入門書籍。
整體讀下來，不像是技術類的書籍 ，語風很幽默，通俗易懂。非專業人的我對大數據時代有了自己的領悟，從事營銷的家人 也是一口氣讀完，各有所得。真心評價不錯
通過該書對大數據有了更深的理解，許多恰如其分的例子，體現了大數據的魅力和價值。講解得風趣幽默，娓娓道來，是特別適合年輕人（或初學者）來讀的一本大數據入門書,---看后受益匪淺。是不可多得的大數據書，力薦推介….
《品味大數據》這本書和《大數據時代》都是大數據科普類圖書，只不過《品味大數據》更具“本土性”，書中例子妙趣橫生，配圖頁相當有意思，甚至還有涉及運用的章節，看后受益匪淺。如果書中能夠再多一些趣味性的實踐例子就更好了，五分。
