第1 篇　背景篇
第1 章　何謂大數據 4
1.1　身邊的大數據 4
1.2　大數據的特點和應用 6
第2 章　何謂算法 8
2.1　算法的定義 8
2.2　算法的分析 14
2.3　基礎數據結構——線性表 24
2.4　遞歸——以階乘為例 28
第3 章　何謂大數據算法 31
第2 篇　理論篇
第4 章　窺一斑而見全豹——亞線性算法 34
4.1　亞線性算法的定義 34
4.2　空間亞線性算法 35
4.2.1　水庫抽樣 35
4.2.2　數據流中的頻繁元素 37
4.3　時間亞線性計算算法 40
4.3.1　圖論基礎回顧 40
4.3.2　平面圖直徑 45
4.3.3　最小生成樹 46
4.4　時間亞線性判定算法 53
4.4.1　全0 數組的判定 53
4.4.2　數組有序的判定 55
第5 章　價錢與性能的平衡——磁盤算法 58
5.1　磁盤算法概述 58
5.2　外排序 62
5.3　外存數據結構——磁盤查找樹 71
5.3.1　二叉搜索樹回顧 71
5.3.2　外存數據結構——B 樹 78
5.3.3　高維外存查找結構——KD 樹 80
5.4　表排序 83
5.5　表排序的應用 86
5.5.1　歐拉回路技術 86
5.5.2　父子關系判定 87
5.5.3　前序計數 88
5.6　時間前向處理技術 90
5.7　縮圖法 98
第6 章　1+1＞2——并行算法 103
6.1　MapReduce 初探 103
6.2　MapReduce 算法實例 106
6.2.1　字數統計 106
6.2.2　平均數計算 108
6.2.3　單詞共現矩陣計算 111
6.3　MapReduce 進階算法 115
6.3.1　join 操作 115
6.3.2　MapReduce 圖算法概述 122
6.3.3　基于路徑的圖算法 125
第7 章　超越MapReduce 的并行計算 131
7.1　MapReduce 平臺的局限 131
7.2　基于圖處理平臺的并行算法 136
7.2.1　概述 136
7.2.2　BSP 模型下的單源最短路徑 137
7.2.3　計算子圖同構 141
第8 章　眾人拾柴火焰高——眾包算法 144
8.1　眾包概述 144
8.1.1　眾包的定義 144
8.1.2　眾包應用舉例 146
8.1.3　眾包的特點 149
8.2　眾包算法例析 152
第3 篇　應用篇
第9 章　大數據中有黃金——數據挖掘 158
9.1　數據挖掘概述 158
9.2　數據挖掘的分類 159
9.3　聚類算法——k-means 160
9.4　分類算法——Naive Bayes 166
第10 章　推薦系統 170
10.1　推薦系統概述 170
10.2　基于內容的推薦方法 173
10.3　協同過濾模型 176
第4 篇　實踐篇
第11 章　磁盤算法實踐 186
第12 章　并行算法實踐 194
12.1　Hadoop MapReduce 實踐 194
12.1.1　環境搭建 194
12.1.2　配置Hadoop 201
12.1.3　“Hello World”程序—— WordCount 203
12.1.4　Hadoop 實踐案例——記錄去重 213
12.1.5　Hadoop 實踐案例——等值連接 216
12.1.6　多機配置 221
12.2　適于迭代并行計算的平臺——Spark 224
12.2.1　Spark 初探 224
12.2.2　單詞出現行計數 230
12.2.3　在Spark 上實現WordCount 236
12.2.4　在HDFS 上使用Spark 241
12.2.5　Spark 的核心操作——Transformation 和Action 244
12.2.6　Spark 實踐案例——PageRank 247
第13 章　眾包算法實踐 251
13.1　認識AMT 251
13.2　成為眾包工人 252