第1章 物联网分析和挑战
1.1 虚拟情境
1.2 物联网分析的定义
1.2.1 分析的定义
1.2.2 物联网的定义
1.2.3 受限的概念
1.3 物联网数据分析的挑战
1.3.1 大数据量
1.3.2 与时间相关的问题
1.3.3 与空间相关的问题
1.3.4 数据质量问题
1.3.5 分析方面的挑战
1.4 和商业价值发现相关的考虑因素
1.5 小结
第2章 物联网设备和网络协议
2.1 物联网设备
2.1.1 物联网设备的缤纷世界
2.1.2 医疗保健
2.1.3 制造业
2.1.4 运输和物流
2.1.5 零售业
2.1.6 石油和天然气
2.1.7 家庭自动化和监控
2.1.8 可穿戴设备
2.1.9 传感器类型
2.2 有关网络的基础知识
2.3 物联网网络连接协议
2.3.1 电源受限时的连接协议
2.3.2 电源不受限时的连接协议
2.4 物联网网络数据消息传递协议
2.4.1 MQTT
2.4.2 超文本传输协议
2.4.3 CoAP
2.4.4 DDS
2.4.5 DDS的常见用例
2.5 分析数据以推断协议和设备特征
2.6 小结
第3章 云和物联网分析
3.1 构建弹性数据分析
3.1.1 关于云基础设施
3.1.2 弹性分析的概念
3.1.3 设计时要考虑最终结果
3.2 可扩展设计
3.2.1 解耦关键组件
3.2.2 封装分析
3.2.3 与消息队列解耦
3.2.4 分布式计算
3.2.5 避免将分析局限在一台服务器上
3.2.6 使用一台服务器的恰当时机
3.2.7 假设变化一直发生
3.2.8 利用托管服务
3.2.9 使用应用程序编程接口
3.3 云安全和数据分析
3.3.1 公钥/私钥
3.3.2 公共子网与私有子网
3.3.3 访问限制
3.3.4 保护客户数据的安全
3.4 AWS概述
3.4.1 AWS关键概念
3.4.2 AWS关键核心服务
3.4.3 用于物联网分析的AWS关键服务
3.5 Microsoft Azure概述
3.5.1 Azure数据湖存储
3.5.2 Azure分析服务
3.5.3 HDInsight
3.5.4 R服务器选项
3.6 ThingWorx概述
3.6.1 ThingWorx Core
3.6.2 ThingWorx Connection Services
3.6.3 ThingWorx Edge
3.6.4 ThingWorx概念
3.7 小结
第4章 创建AWS云分析环境
4.1 AWS CloudFormation概述
4.2 AWS虚拟私有云设置
4.2.1 为NAT和Bastion实例创建密钥对
4.2.2 创建S3存储桶来存储数据
4.3 为物联网分析创建VPC
4.3.1 关于NAT网关
4.3.2 关于Bastion主机
4.3.3 关于VPC架构
4.3.4 VPC创建演练
4.4 如何终止和清理环境
4.5 小结
第5章 收集所有数据的策略和技术
5.1 数据处理
5.1.1 Amazon Kinesis
5.1.2 AWS Lambda
5.1.3 AWS Athena
5.1.4 AWS物联网平台
5.1.5 Microsoft Azure IoT Hub
5.2 将大数据技术应用于存储
5.2.1 关于Hadoop
5.2.2 Hadoop集群架构
5.2.3 关于节点
5.2.4 节点类型
5.2.5 Hadoop分布式文件系统
5.2.6 Apache Parquet
5.2.7 Avro
5.2.8 Hive
5.2.9 序列化/反序列化
5.2.10 Hadoop MapReduce
5.2.11 YARN
5.2.12 HBase
5.2.13 Amazon DynamoDB
5.2.14 Amazon S
5.3 数据处理和Apache Spark
5.3.1 关于Apache Spark
5.3.2 Apache Spark和大数据分析
5.3.3 单机和机器集群的比较
5.3.4 使用Apache Spark进行物联网数据处理
5.4 数据流
5.4.1 流数据分析
5.4.2 Lambda架构
5.5 处理更改
5.6 小结
第6章 了解数据—探索物联网数据
6.1 探索和可视化数据
6.1.1 Tableau概述
6.1.2 了解数据质量
6.1.3 查看数据
6.1.4 数据的完整性
6.1.5 数据的有效性
6.1.6 评估信息滞后情况
6.1.7 代表性
6.1.8 基本时间序列分析
6.1.9 关于时间序列
6.1.10 应用时间序列分析
6.1.11 了解数据中的分类
6.1.12 引入地理信息分析
6.2 寻找可能具有预测价值的特性
6.3 使用R语言
6.3.1 安装R和RStudio
6.3.2 使用R进行统计分析
6.4 数据探索初步结果
6.5 解决特定行业的分析问题
6.5.1 制造业
6.5.2 医疗保健
6.5.3 零售业
6.6 小结
第7章 增强数据价值—添加内部和外部数据集
7.1 添加内部数据集
7.2 添加外部数据集
7.2.1 外部数据集—地理
7.2.2 外部数据集—人口统计
7.2.3 外部数据集—经济
7.3 小结
第8章 与他人交流—可视化和仪表板
8.1 可视化设计中的常见错误
8.1.1 避免可视化错误的技巧
8.1.2 可视化错误示例
8.2 问题分层方法
8.2.1 问题分层方法概述
8.2.2
展开
