本书通过对Linux 2.6内核源代码的分析，详细讨论存储技术的内在实现原理。分为三条主线：解释PCI设备、SCSI设备以及块设备的发现过程；跟踪存储I/O路径，即用户对文件的读/写请求怎么通过中间各个层次，最终到达磁盘介质；此外，还简要介绍主机适配器、块设备驱动以及文件系统等编程框架。书中将设计一些主要的场景，跟踪实现的各个层次，对其中的主要函数进行代码级的讲解。在分析每个模块时，会给出整体框架、主要数据结构之间的关系，并列出各个域的详细含义。

本书通过对Linux 2.6内核源代码的分析，详细讨论存储技术的内在实现原理。分为三条主线：解释PCI设备、SCSI设备以及块设备的发现过程；跟踪存储I/O路径，即用户对文件的读/写请求怎么通过中间各个层次，最终到达磁盘介质；此外，还简要介绍主机适配器、块设备驱动以及文件系统等编程框架。书中将设计一些主要的场景，跟踪实现的各个层次，对其中的主要函数进行代码级的讲解。在分析每个模块时，会给出整体框架、主要数据结构之间的关系，并列出各个域的详细含义。

《存储技术原理分析:基于Linux 2.6内核源代码》通过对Linux 2.6内核源代码的分析，详细讨论存储技术的内在实现原理。分为三条主线：解释PCI设备、SCSI设备以及块设备的发现过程；跟踪存储I/O路径，即用户对文件的读/写请求怎么通过中间各个层次，最终到达磁盘介质；此外，还简要介绍主机适配器、块设备驱动以及文件系统等编程框架。 书中将设计一些主要的场景，跟踪实现的各个层次，对其中的主要函数进行代码级的讲解。在分析每个模块时，会给出整体框架、主要数据结构之间的关系，并列出各个域的详细含义。 采用这种方式，我们希望读者能对存储相关概念（如RAID、快照等）的内在实现有具体的了解，也试图帮助读者理解Linux内核设计和开发的一些思想，为进一步分析其他模块（如进程管理、内存管理等）起借鉴作用。 读者对象：《存储技术原理分析:基于Linux 2.6内...(展开全部)

本书试图以时间轴的方式描述自20世纪50年代IBM的第一个硬盘出现以来，整个存储工业及技术的演进。本书内容聚焦于存储的技术演进，除基本技术的描述外，重点放在数据中心在云计算及大数据环境下存储新技术出现的背景、新技术架构、原理及实现，同时本书也把一部分内容放在具体的存储解决方案及实际运维管理中。作为存储知识技术类图书，本书可以用于高校信息管理专业的教材或参考书，也非常适合信息管理专业技术人员、IT经理人等专业人士阅读参考，为技术专家、高校学生以及更多愿意了解和投入到存储浪潮中的人们搭建一座桥梁。

本书试图以时间轴的方式描述自20世纪50年代IBM的第一个硬盘出现以来，整个存储工业及技术的演进。本书内容聚焦于存储的技术演进，除基本技术的描述外，重点放在数据中心在云计算及大数据环境下存储新技术出现的背景、新技术架构、原理及实现，同时本书也把一部分内容放在具体的存储解决方案及实际运维管理中。作为存储知识技术类图书，本书可以用于高校信息管理专业的教材或参考书，也非常适合信息管理专业技术人员、IT经理人等专业人士阅读参考，为技术专家、高校学生以及更多愿意了解和投入到存储浪潮中的人们搭建一座桥梁。

本书系统介绍了大数据的相关知识，分为大数据基础篇、大数据存储与管理篇、大数据处理与分析篇、大数据应用篇。全书共17章，内容包含大数据的基本概念、大数据处理架构Hadoop、分布式文件系统HDFS、分布式数据库HBase、NoSQL数据库、云数据库、MapReduce、数据仓库Hive、Spark、流计算、Flink、图计算、数据可视化以及大数据在互联网、生物医学领域和其他行业的应用。本书在Hadoop、HDFS、HBase、MapReduce、Hive、Spark和Flink等重要章节安排了入门级的实践操作，以便读者更好地学习和掌握大数据关键技术。

大数据作为继云计算、物联网之后IT行业又一颠覆性的技术，备受关注。大数据处不在，包括金融、汽车、零售、餐饮、电信、能源、政务、医疗、体育、娱乐等在内的社会各行各业，都融入了大数据的印迹，大数据对人类的社会生产和生活必将产生重大而深远的影响。 大数据时代的到来，迫切需要高校及时建立大数据技术课程体系，为社会培养和输送一大批具备大数据专业素养的高级人才，满足社会对大数据人才日益旺盛的需求。本书定位为大数据技术入门教材，为读者搭建起通向“大数据知识空间”的桥梁和纽带。本书将系统梳理总结大数据相关技术，介绍大数据技术的基本原理和大数据主要应用，帮助读者形成对大数据知识体系及其应用领域的轮廓性认识，为读者在大数据领域“深耕细作”奠定基础、指明方向。在本书的基础上，感兴趣的读者可以通过其他诸如《Hadoop权威指南》等工具书，继续深入学习和实践大数据相关技术。

本书系统介绍了大数据的相关知识，分为大数据基础篇、大数据存储与管理篇、大数据处理与分析篇、大数据应用篇。全书共17章，内容包含大数据的基本概念、大数据处理架构Hadoop、分布式文件系统HDFS、分布式数据库HBase、NoSQL数据库、云数据库、MapReduce、数据仓库Hive、Spark、流计算、Flink、图计算、数据可视化以及大数据在互联网、生物医学领域和其他行业的应用。本书在Hadoop、HDFS、HBase、MapReduce、Hive、Spark和Flink等重要章节安排了入门级的实践操作，以便读者更好地学习和掌握大数据关键技术。

马丁 J. 普林格（Martin J. Pring） 普林格研究所所长、金融教育类网站www.pring.com的总裁，还是著名时事通讯杂志《市场评论》的主编。作为当今技术分析界最具影响力的思想领袖之一，他本人被美国著名财经杂志《巴伦周刊》誉为“技术分析师中的技术分析师”，而他的《马丁·普林格论技术分析》系列丛书也被奉为获取技术分析清晰脉络及实践知识的“圣经”。

在投资决策时，人们往往是不理性的，而这决定了面对商业公告信息、财报的披露，大多数人都会做出趋同的决策，而这些可以通过技术分析的图线指标显现出来。根据历史经验判断未来市场的走势，这正是技术分析的精髓所在。 然而经过近一百多年的演进，技术分析形成了一套复杂庞大，且门派林立的思想体系。本书系统整合了技术分析现有各个流派的理论，并将其梳理为一个有机的整体。因其系统而明确的向广大投资者展示了技术分析思想脉络，因此被欧美投资界人士奉为“技术分析的经典教科书”。 本书自从1980年首次面世后，历经近30年岁月，书的内容从原先的300多页扩展到现在的600多页，紧跟市场趋势的脉搏，指引一批批投资者迈向财务自由之路。本书的第4版增添了许多新的交易工具和研判指标，并引入了逆向选择理论，还大大丰富了交易与投资心理方面的内容，使研判方法更为趋于严谨准确。