企业级数据架构：核心要素、架构模型、数据管理与平台搭建

作者简介

17.6 总结

17.5 DataOps发展

17.4 数据开发趋势

17.3 数据架构核心

17.2 金融行业的数字化转型

17.1 建设数字中国

第17章 对数字未来的展望

16.6 总结

16.5 实时计算层

16.4 连通性配置

16.3 软件部署

16.2 架构设计

16.1 实时计算架构概述

第16章 实时计算

15.7 总结

15.6 离线计算数据应用

15.5 数据处理

15.4 模型设计

15.3 软件部署

15.2 架构设计

15.1 离线计算架构概述

第15章 离线计算

第五部分 数据架构实践

14.4 总结

14.3 数据资产目录实践

14.2 数据资产管理活动职能

14.1 数据资产内涵

第14章 数据资产管理与数据资产目录

13.6 总结

13.5 数据治理的挑战

13.4 数据治理通用流程

13.3 数据治理核心准则

13.2 数据治理内涵

13.1 为什么需要数据治理

第13章 数据治理

12.7 总结

12.6 数据标准与数据质量的关系

12.5 数据标准的挑战

12.4 数据标准管理流程

12.3 数据标准体系设计框架

12.2 数据标准内涵

12.1 数据标准概述

第12章 数据标准管理

11.7 总结

11.6 数据质量评估

11.5 数据质量规则体系

11.4 数据质量核心维度

11.3 数据质量管理框架

11.2 数据质量内涵

11.1 数据质量概述

第11章 数据质量管理

10.8 总结

10.7 元数据管理体系构建

10.6 元数据的生命周期

10.5 元数据的应用

10.4 元数据的价值

10.3 不同类型元数据详解

10.2 元数据的产生

10.1 元数据概述

第10章 元数据管理

第四部分 数据资产管理

9.7 总结

9.6 事务型事实表

9.5 事实表详解

9.4 缓慢变化维度

9.3 维度详解

9.2 维度建模总线结构

9.1 维度建模概述

第9章 维度建模解析

8.7 总结

8.6 数据层级与数据模型的关系

8.5 常见模型概述

8.4 建模方法论

8.3 建模三步走

8.2 建模策略

8.1 为什么要建模

第8章 数据模型架构详解

7.7 总结

7.6 互联网公司的集成型数据区分层特点

7.5 企业集成型数据区层级

7.4 企业数据分层

7.3 企业数据流向

7.2 数据区详解

7.1 数据区概述

第7章 企业数据区与数据流向

第三部分 数据架构模型实践

6.5 总结

6.4 日志监控

6.3 应用监控

6.2 资源及组件监控

6.1 资源管理

第6章 辅助类应用体系介绍

5.6 总结

5.5 流批一体化

5.4 Lambda与Kappa对比

5.3 Kappa架构详解

5.2 Lambda架构详解

5.1 架构演进

第5章 Lambda架构与Kappa架构

4.5 总结

4.4 Kafka消息中间件

4.3 DataX数据同步工具

4.2 Airflow调度平台

4.1 通用技术选型

第4章 数据调度与消息传输

3.7 总结

3.6 实时计算阶段

3.5 特定领域存储

3.4 大数据存储

3.3 分布式数据库

3.2 集中式数据库

3.1 数据存储基础

第3章 数据存储

2.11 总结

2.10 数据调度

2.9 常见数据架构技术选型

2.8 数据分布

2.7 数据生命周期

2.6 数据资产

2.5 数据治理

2.4 数据标准

2.3 数据质量

2.2 元数据

2.1 数据模型

第2章 数据架构构成

第二部分 数据架构基础

1.6 总结

1.5 数据架构

1.4 业务架构

1.3 TOGAF

1.2 Zachman框架

1.1 企业架构

第1章 企业架构概述

第一部分 架构基础

前言

自序

序

内容简介

版权信息

封面

封面

版权信息

内容简介

序

自序

前言

第一部分 架构基础

第1章 企业架构概述

1.1 企业架构

1.2 Zachman框架

1.3 TOGAF

1.4 业务架构

1.5 数据架构

1.6 总结

第二部分 数据架构基础

第2章 数据架构构成

2.1 数据模型

2.2 元数据

2.3 数据质量

2.4 数据标准

2.5 数据治理

2.6 数据资产

2.7 数据生命周期

2.8 数据分布

2.9 常见数据架构技术选型

2.10 数据调度

2.11 总结

第3章 数据存储

3.1 数据存储基础

3.2 集中式数据库

3.3 分布式数据库

3.4 大数据存储

3.5 特定领域存储

3.6 实时计算阶段

3.7 总结

第4章 数据调度与消息传输

4.1 通用技术选型

4.2 Airflow调度平台

4.3 DataX数据同步工具

4.4 Kafka消息中间件

4.5 总结

第5章 Lambda架构与Kappa架构

5.1 架构演进

5.2 Lambda架构详解

5.3 Kappa架构详解

5.4 Lambda与Kappa对比

5.5 流批一体化

5.6 总结

第6章 辅助类应用体系介绍

6.1 资源管理

6.2 资源及组件监控

6.3 应用监控

6.4 日志监控

6.5 总结

第三部分 数据架构模型实践

第7章 企业数据区与数据流向

7.1 数据区概述

7.2 数据区详解

7.3 企业数据流向

7.4 企业数据分层

7.5 企业集成型数据区层级

7.6 互联网公司的集成型数据区分层特点

7.7 总结

第8章 数据模型架构详解

8.1 为什么要建模

8.2 建模策略

8.3 建模三步走

8.4 建模方法论

8.5 常见模型概述

8.6 数据层级与数据模型的关系

8.7 总结

第9章 维度建模解析

9.1 维度建模概述

9.2 维度建模总线结构

9.3 维度详解

9.4 缓慢变化维度

9.5 事实表详解

9.6 事务型事实表

9.7 总结

第四部分 数据资产管理

第10章 元数据管理

10.1 元数据概述

10.2 元数据的产生

10.3 不同类型元数据详解

10.4 元数据的价值

10.5 元数据的应用

10.6 元数据的生命周期

10.7 元数据管理体系构建

10.8 总结

第11章 数据质量管理

11.1 数据质量概述

11.2 数据质量内涵

11.3 数据质量管理框架

11.4 数据质量核心维度

11.5 数据质量规则体系

11.6 数据质量评估

11.7 总结

第12章 数据标准管理

12.1 数据标准概述

12.2 数据标准内涵

12.3 数据标准体系设计框架

12.4 数据标准管理流程

12.5 数据标准的挑战

12.6 数据标准与数据质量的关系

12.7 总结

第13章 数据治理

13.1 为什么需要数据治理

13.2 数据治理内涵

13.3 数据治理核心准则

13.4 数据治理通用流程

13.5 数据治理的挑战

13.6 总结

第14章 数据资产管理与数据资产目录

14.1 数据资产内涵

14.2 数据资产管理活动职能

14.3 数据资产目录实践

14.4 总结

第五部分 数据架构实践

第15章 离线计算

15.1 离线计算架构概述

15.2 架构设计

15.3 软件部署

15.4 模型设计

15.5 数据处理

15.6 离线计算数据应用

15.7 总结

第16章 实时计算

16.1 实时计算架构概述

16.2 架构设计

16.3 软件部署

16.4 连通性配置

16.5 实时计算层

16.6 总结

第17章 对数字未来的展望

17.1 建设数字中国

17.2 金融行业的数字化转型

17.3 数据架构核心

17.4 数据开发趋势

17.5 DataOps发展

17.6 总结

作者简介