数据管理十讲

丛书序
“十讲”序
前言
第1讲　图数据管理本讲概览/ 2　
1.1　图数据库的数据模型和查询语言/ 2　
1.1.1　数据模型/ 2　
1.1.2　查询语言/ 5　
1.2　图数据库的系统架构/ 8　
1.2.1　Neo4j/ 8　
1.2.2　Jena/ 10　
1.2.3　gStore/ 12　
1.3　图数据库中的查询处理/ 15　
1.3.1　基于探索的子图匹配算法/ 16　
1.3.2　基于连接的子图匹配算法/ 19　
1.3.3　分布式子图匹配算法/ 20　
1.4　本讲小结/ 22　
参考文献/ 22　
第2讲　云数据管理本讲概览/ 28　
2.1　云数据库概述/ 28　
2.1.1　云数据库的定义/ 29　
2.1.2　云数据库的优势/ 29　
2.2　云服务简介/ 30　
2.2.1　云服务的背景/ 30　
2.2.2　云服务的特性/ 32　
2.3　云托管数据库/ 33　
2.3.1　传统数据库的制约/ 34　
2.3.2　云托管数据库的起源/ 34　
2.3.3　云托管数据库的利弊/ 35　
2.4　云原生数据库/ 36　
2.4.1　云原生数据库系统架构/ 37　
2.4.2　OLTP云数据库架构/ 37　
2.4.3　OLAP云数据库架构/ 42　
2.4.4　云原生数据库系统关键技术/ 45　
2.5　本讲小结/ 56　
参考文献/ 56　
第3讲　多模态数据管理本讲概览/ 60　
3.1　问题背景/ 60　
3.2　数据存储/ 61　
3.2.1　分散存储/ 62　
3.2.2　统一存储/ 64　
3.3　数据建模/ 65　
3.3.1　统一建模/ 67　
3.3.2　混合建模/ 69　
3.4　数据查询/ 70　
3.4.1　查询执行/ 71　
3.4.2　查询优化/ 72　
3.5　多模态数据管理系统/ 74　
3.6　本讲小结/ 76　
参考文献/ 76　
第4讲　时空数据管理本讲概览/ 78　
4.1　时空数据管理概述/ 78　
4.1.1　空间数据管理的基本概念/ 78　
4.1.2　轨迹数据管理的基本概念/ 78　
4.2　空间数据管理/ 79　
4.2.1　空间数据索引/ 79　
4.2.2　空间区域查询/ 86　
4.2.3　空间数据k*近邻查询/ 86　
4.2.4　空间数据Skyline查询/ 91　
4.3　轨迹数据管理/ 96　
4.3.1　地图匹配/ 96　
4.3.2　轨迹数据索引/ 100　
4.3.3　轨迹数据相似性查询/ 104　
4.3.4　轨迹数据聚类/ 107　
4.4　本讲小结/ 110　
参考文献/ 111　
第5讲　流数据管理本讲概览/ 124　
5.1　流数据管理的基本概念/ 124　
5.1.1　流数据管理/ 124　
5.1.2　流数据管理的作用/ 126　
5.2　基础流算法/ 126　
5.2.1　常见数据流模型/ 126　
5.2.2　元素个数估计/ 129　
5.2.3　top k元素估计与直方图/ 131　
5.2.4　数据流上不同元素个数估计/ 133　
5.3　数据挖掘与流算法/ 137　
5.3.1　数据流上的频繁项估计/ 138　
5.3.2　数据流上的聚类/ 139　
5.4　进阶流算法/ 142　
5.4.1　Count Sketch/ 142　
5.4.2　Count-Min Sketch/ 144　
5.5　流数据管理系统/ 145　
5.5.1　常见的流数据管理系统/ 146　
5.5.2　流数据管理系统的比较/ 152　
5.5.3　批、流数据管理系统对比/ 155　
5.6　流数据的应用与未来/ 160　
5.6.1　流数据的应用/ 160　
5.6.2　流数据管理的未来展望/ 162　
5.7　本讲小结/ 162　
参考文献/ 163　
第6讲　区块链数据管理本讲概览/ 168　
6.1　区块链概述/ 168　
6.1.1　区块链：信任构建的基础设施/ 168　
6.1.2　区块链发展历史/ 169　
6.1.3　区块链架构划分/ 170　
6.2　区块链数据存储/ 170
6.2.1　链式数据结构/ 170　
6.2.2　默克尔树/ 171　
6.2.3　区块数据和状态数据/ 172　
6.2.4　数据存储方式/ 174　
6.3　共识算法/ 176　
6.3.1　PoX系列/ 177　
6.3.2　Raft共识协议/ 179　
6.3.3　PBFT协议/ 180　
6.4　交易处理方式/ 182　
6.4.1　“共识-执行”模型/ 183　
6.4.2　“执行-共识-验证”模式/ 185　
6.4.3　分片执行/ 187　
6.5　区块链查询方法/ 189　
6.5.1　可验证查询/ 189　
6.5.2　基于可信执行环境的查询处理/ 191　
6.6　本讲小结/ 192　
参考文献/ 192　
第7讲　数据质量管理本讲概览/ 196　
7.1　概述/ 196　
7.1.1　数据质量管理的意义与价值/ 196　
7.1.2　数据质量管理研究历程介绍/ 198　
7.2　数据质量/ 200　
7.2.1　数据质量维度/ 200　
7.2.2　数据质量评估模型/ 201　
7.2.3　数据可用性问题/ 203　
7.3　数据可用性理论研究/ 204　
7.3.1　数据可用性概念与表达机理/ 205　
7.3.2　数据可用性的判定理论/ 207　
7.3.3　大数据量质融合管理理论与技术/ 209　
7.3.4　弱可用数据的近似计算理论与算法/ 210　
7.4　数据清洗技术研究/ 212　
7.4.1　数据质量问题分类/ 212　
7.4.2　清洗流程概述/ 213　
7.5　数据质量持续改进模型与技术/ 214　
7.5.1　人工参与的数据清洗模型/ 214　
7.5.2　面向大数据的清洗技术/ 219　
7.5.3　数据质量问题溯源分析技术/ 223　
7.5.4　人工智能赋能的数据清洗技术/ 226　
7.6　数据清洗工具与系统介绍/ 229　
7.6.1　基于规则约束的数据清洗工具/ 229　
7.6.2　基于众包的数据清洗工具/ 235　
7.6.3　基于