本书介绍交通工程实践中常用的数据结构与数据库管理系统，在此基础上介绍一些常用的存储技术和方法，如常用数据库、数据组织方法、数据库操作与优化等，帮助读者理解交通大数据存储的原理和应用。此外，交通大数据的计算通常涉及复杂的算法和大规模的数据处理，对计算资源和算法的效率提出了高要求。本书将介绍一些常用的计算方法和技术，如并行计算、分布式计算、虚拟化技术等，帮助读者掌握交通大数据计算的关键技能。 具体而言，本书第1章对交通工程领域的大数据、大数据存储技术以及行业现状进行了系统介绍。第2章介绍了交通大数据项目开发中最为广泛使用的版本管理工具——分布式版本控制系统（Git）。第3～5章向读者介绍了数据库存储的基础知识、管理与优化方法。在此基础上，第6～8章介绍了数据库计算的基础知识，包括两种最为常见的计算架构Hadoop与Spark，以及虚拟化技术与Docker。

第1章 交通大数据结构与行业现状
1.1 交通大数据概述
1.1.1 大数据基本结构
1.1.2 交通大数据特征
1.1.3 交通大数据内涵
1.1.4 交通大数据基本类型与特点
1.1.5 交通大数据应用场景
1.2 交通大数据存储技术
1.2.1 大数据存储系统特征
1.2.2 数据存储流程
1.3 交通大数据计算技术
1.4 交通大数据行业困境
1.4.1 行业标准不统一、数据融合困难
1.4.2 数据收集不足、分析方法单
1.4.3 数据运维水平低、数据管理能力差
1.4.4 数据存在安全风险、隐私保护需要完善
1.4.5 大数据投入成本过高、存储与计算效率过低
1.5 本章小结
1.6 本章习题
1.7 参考文献
第2章 Git的基础使用
2.1 背景介绍
2.1.1 版本管理
2.1.2 Git简介
2.1.3 Git命令行
2.1.4 Git安装
2.1.5 Git基础配置
2.2 Git基础操作
2.2.1 建立版本库
2.2.2 新建文件
2.2.3 修改文件
2.2.4 重命名文件
2.2.5 查看版本历史
2.2.6 撤销与移除
2.2.7 比较差异
2.2.8 忽略文件
2.2.9 分支操作
2.3 多人协作
2.3.1 远程仓库建立
2.3.2 成员协作
2.4 本章小结
2.5 本章习题
2.6 参考文献
第3章 数据库应用与数据组织
3.1 数据库与数据库管理系统
3.1.1 数据库概念与类型
3.1.2 数据库发展历史
3.1.3 常用的数据库管理系统
3.1.4 数据库管理系统术语
3.2 数据库原理
3.2.1 三级模式、两级映像与数据独立性
3.2.2 数据库设计规范
3.2.3 数据库系统生命周期
3.3 新兴数据库
3.3.1 键值数据库
3.3.2 图数据库
3.3.3 时序数据库
3.4 本章小结
3.5 本章习题
3.6 参考文献
第4章 数据库操作
4.1 数据库基本操作
4.1.1 Windows环境下的MySQL安装
4.1.2 数据库操作
4.1.3 数据表操作
4.1.4 数据完整性约束
4.1.5 索引创建与管理
4.2 数据库查询操作
4.2.1 单表查询
4.2.2 多表查询
4.2.3 嵌套查询
4.3 MySQL运算符和内置函数
4.3.1 运算符
4.3.2 内置函数
4.4 数据管理
4.4.1 数据的导入与导出
4.4.2 数据备份
4.5 数据库入门实战
4.5.1 数据集介绍
4.5.2 数据的存储
4.5.3 数据预处理
4.5.4 索引的应用
4.5.5 单表查询的应用
4.5.6 多表查询的应用
4.5.7 嵌套查询的应用
4.5.8 新表生成和数值统计
4.5.9 字段形式处理
4.6 本章小结
4.7 本章习题
4.8 参考文献
第5章 数据库管理与优化
5.1 数据库初步优化
5.1.1 MySQL数据结构
5.1.2 索引优化
5.1.3 查询优化
5.1.4 架构优化
5.1 _5 SQL优化
5.2 进阶SQL语法在大数据管理中的应用
5.2.1 CASE WHEN
5.2.2 WITH AS
5.2.3 GROUP BY ROLLUP
5.2.4 UNION／UNION ALL／INTERSECT／EXCEPT
5.2.5 LIMT
5.2.6 IN／NOT IN／EXISTS／NOT EXISTS／BETWEEN
5.2.7 CROSS JOIN／FULL JOIN／INNER JOIN／RIGHT JOIN／LEFT JOIN／隐式连接
5.3 Hive SQL
5.3.1 Hive基本介绍
5.3.2 Hive的特点
5.3.3 Hive中的内部表与外部表
5.3.4 Hive的基本操作
5.3.5 Hive内置函数
5.4 本章小结
5.5 本章习题
5.6 参考文献
第6章 分布式系统和Hadoop
6.1 分布式系统
6.1.1 分布式系统概述
6.1.2 分布式系统开源框架
6.2 Hadoop计算框架与主要模块
6.2.1 Hadoop生态系统
6.2.2 HDFS
6.2.3 MapReduce
6.2.4 Yarn
6.2.5 其余主要模块简介
6.3 Hadoop的安装与基本使用
6.3.1 环境搭建与Hadoop安装
6.3.2 分布式Hadoop配置与测试
6.3.3 使用Hadoop解决交通问题
6.3.4 Java编写MapRedtlCe程序简介
6.4 本章小结
6.5 本章习题
6.6 参考文献
第7章 Spark计算架构
7.1 Sparlk简介
7.2 Spark操作基础
7.2.1 RDD基础
7.2.2 RDD常用转化及行动操作
7.2.3 Spark SQL
7.2.4 Spark分区与并行
7.3 Spark在解决交通问题中的应用
7.3.1 特征提取
7.3.2 并行机器学习方法
7.3.3 单线程处理方法
7.4 本章小结
7.5 本章习题
7.6 参考文献
第8章 虚拟化技术与Docker
8.1 Docker概述及其组成
8.1.1 虚拟化技术简介
8.1.2 Docker架构及其组件
8.2 Docker的安装与基本使用
8.2.1 Docker的安装
8.2.2 Docker的使用
8.3 Docker镜像与仓库
8.3.1 Docker Hub与Docker镜像、仓库的相关操作
8.3.2 通过Dockerfile构