大數(shù)據(jù)原理與技術(shù)

第1章 大數(shù)據(jù)概述 0
1．1 大數(shù)據(jù)的概念與價(jià)值 2
1．1．1 什么是大數(shù)據(jù) 2
1．1．2 大數(shù)據(jù)的來源 4
1．1．3 大數(shù)據(jù)有什么價(jià)值 5
1．1．4 如何挖掘企業(yè)大數(shù)據(jù)的價(jià)值 6
1．2 大數(shù)據(jù)的關(guān)鍵技術(shù) 7
1．2．1 大數(shù)據(jù)采集、預(yù)處理與存儲(chǔ)管理 7
1．2．2 大數(shù)據(jù)分析與挖掘 8
1．2．3 數(shù)據(jù)可視化 9
1．3 大數(shù)據(jù)產(chǎn)業(yè) 9
1．3．1 數(shù)據(jù)提供 9
1．3．2 技術(shù)提供 9
1．3．3 服務(wù)提供 10
1．4 大數(shù)據(jù)應(yīng)用場景 10
1．5 本章總結(jié) 11
練習(xí)題 12
第2章 Hadoop大數(shù)據(jù)處理平臺(tái) 14
2．1 Hadoop平臺(tái)概述 16
2．1．1 Hadoop簡介 16
2．1．2 Hadoop的特性 17
2．1．3 Hadoop應(yīng)用現(xiàn)狀 17
2．1．4 Hadoop版本及相關(guān)平臺(tái) 18
2．2 Hadoop生態(tài)系統(tǒng) 18
2．2．1 Hadoop存儲(chǔ)系統(tǒng)（HDFS&HBase） 18
2．2．2 Hadoop計(jì)算框架（MapReduce&YARN） 19
2．2．3 Hadoop數(shù)據(jù)倉庫（Hive） 20
2．2．4 Hadoop數(shù)據(jù)轉(zhuǎn)換與日志處理（Sqoop&Flume） 20
2．2．5 Hadoop應(yīng)用協(xié)調(diào)與工作流（ZooKeeper&Oozie） 20
2．2．6 大數(shù)據(jù)安全技術(shù)（Kerberos&LDAP） 21
2．2．7 大數(shù)據(jù)即時(shí)查詢與搜索（Impala&Solr） 21
2．2．8 大數(shù)據(jù)消息訂閱（Kafka） 21
2．3 Hadoop安裝部署 22
2．3．1 Hadoop規(guī)劃部署 22
2．3．2 Hadoop的安裝方式 23
2．4 華為FusionInsight HD安裝部署 26
2．4．1 FusionInsight HD簡介 26
2．4．2 FusionInsight HD集成設(shè)計(jì) 28
2．4．3 FusionInsight HD安裝部署 33
2．4．4 FusionInsight HD重要參數(shù)配置 41
2．5 本章總結(jié) 42
練習(xí)題 43
第3章 大數(shù)據(jù)存儲(chǔ)技術(shù)（HDFS） 44
3．1 概述 46
3．1．1 分布式文件系統(tǒng)的概念與作用 47
3．1．2 HDFS概述 47
3．2 HDFS的相關(guān)概念 48
3．2．1 塊 48
3．2．2 NameNode 49
3．2．3 Secondary NameNode 50
3．2．4 DataNode 51
3．3 HDFS體系架構(gòu)與原理 52
3．3．1 HDFS體系架構(gòu) 52
3．3．2 HDFS的高可用機(jī)制 52
3．3．3 HDFS的目錄結(jié)構(gòu) 54
3．3．4 HDFS的數(shù)據(jù)讀寫過程 57
3．4 HDFS接口及其在FusionInsight HD編程中的實(shí)踐 58
3．4．1 HDFS常用Shell命令 59
3．4．2 HDFS的Web界面 60
3．4．3 HDFS的Java接口及應(yīng)用實(shí)例 62
3．5 本章總結(jié) 67
練習(xí)題 67
第4章 大數(shù)據(jù)離線計(jì)算框架（MapReduce & YARN） 70
4．1 MapReduce技術(shù)原理 72
4．1．1 MapReduce概述 73
4．1．2 Map函數(shù)與Reduce函數(shù) 73
4．2 YARN技術(shù)原理 74
4．2．1 YARN的概述與應(yīng)用 74
4．2．2 YARN的架構(gòu) 75
4．2．3 MapReduce的計(jì)算過程 76
4．2．4 YARN的資源調(diào)度 78
4．3 FusionInsight HD中MapReduce的應(yīng)用 78
4．3．1 WordCount實(shí)例分析 78
4．3．2 MapReduce編程實(shí)踐 79
4．4 本章總結(jié) 85
練習(xí)題 86
第5章 大數(shù)據(jù)數(shù)據(jù)庫（HBase） 88
5．1 HBase概述 90
5．1．1 HBase簡介 90
5．1．2 HBase與關(guān)系型數(shù)據(jù)庫的區(qū)別 91
5．1．3 HBase的應(yīng)用場景 92
5．2 HBase的架構(gòu)原理 92
5．2．1 HBase的數(shù)據(jù)模型 92
5．2．2 表和Region 93
5．2．3 HBase的系統(tǒng)架構(gòu)與功能組件 94
5．2．4 HBase的讀寫流程 96
5．2．5 HBase的Compaction過程 97
5．3 FusionInsight HD中HBase的編程實(shí)踐 98
5．3．1 FusionInsight HD中HBase的常用參數(shù)配置 98
5．3．2 HBase的常用Shell命令 100
5．3．3 HBase常用的Java API及應(yīng)用實(shí)例 103
5．4 本章總結(jié) 118
練習(xí)題 118
第6章 大數(shù)據(jù)數(shù)據(jù)倉庫（Hive） 120
6．1 Hive概述 122
6．1．1 Hive簡介和應(yīng)用 122
6．1．2 Hive的特性 123
6．1．3 Hive與傳統(tǒng)數(shù)據(jù)倉庫的區(qū)別 124
6．2 Hive的架構(gòu)和數(shù)據(jù)存儲(chǔ) 124
6．2．1 Hive的架構(gòu)原理 124
6．2．2 Hive的數(shù)據(jù)存儲(chǔ)模型 127
6．2．3 HiveQL編程 128
6．3 FusionInsight HD中Hive應(yīng)用實(shí)踐 132
6．3．1 FusionInsight HD中Hive的常用參數(shù)配置 132
6．3．2 加載數(shù)據(jù)到Hive 133
6．3．3 使用HiveQL進(jìn)行數(shù)據(jù)分析 135
6．4 本章總結(jié) 139
練習(xí)題 139
第7章 大數(shù)據(jù)數(shù)據(jù)轉(zhuǎn)換（Sqoop與Loader） 142
7．1 Sqoop概述 144
7．1．1 Sqoop簡介與應(yīng)用 145
7．1．2 Sqoop的功能與特性 145
7．1．3 Sqoop與傳統(tǒng)ETL的區(qū)別 146
7．2 FusionInsight HD中Loader的應(yīng)用實(shí)踐 146
7．2．1 FusionInsight HD中Loader與Sqoop的對(duì)比 147
7．2．2 FusionInsight HD中Loader的參數(shù)配置 148
7．2．3 使用Loader進(jìn)行數(shù)據(jù)轉(zhuǎn)換 149
7．2．4 Loader的常用Shell命令 150
7．2．5 Loader應(yīng)用實(shí)踐 152
7．3 本章總結(jié) 153
練習(xí)題 154
第8章 大數(shù)據(jù)日志處理（Flume） 156
8．1 Flume概述 158
8．1．1 Flume簡介與應(yīng)用 158
8．1．2 Flume的功能與特性 161
8．1．3 Flume與其他主流開源日志收集系統(tǒng)的區(qū)別 162
8．2 FusionInsight HD中Flume的應(yīng)用實(shí)踐 162
8．2．1 FusionInsight HD中Flume的常用參數(shù)配置 163
8．2．2 Flume常用的Shell命令 164
8．2．3 Flume與Kafka結(jié)合進(jìn)行日志處理 165
8．3 本章總結(jié) 168
練習(xí)題 169
第9章 大數(shù)據(jù)實(shí)時(shí)計(jì)算框架（Spark） 170
9．1 Spark概述 172
9．1．1 Spark的概述與應(yīng)用 173
9．1．2 Scala語言介紹 174
9．1．3 Spark生態(tài)系統(tǒng)組件 174
9．1．4 Spark與Hadoop的對(duì)比 175
9．2 Spark技術(shù)架構(gòu) 176
9．2．1 Spark的運(yùn)行原理 176
9．2．2 RDD概念與原理 177
9．2．3 Spark的三種部署方式 181
9．2．4 使用開發(fā)工具測試Spark 182
9．3 FusionInsight HD中Spark應(yīng)用實(shí)踐 183
9．3．1 運(yùn)行Spark Shell 183
9．3．2 進(jìn)行Spark RDD操作 184
9．3．3 使用Spark客戶端工具運(yùn)行Spark程序 185
9．4 Spark Streaming 188
9．4．1 Spark Streaming的設(shè)計(jì)思想 188
9．4．2 Spark Streaming的應(yīng)用實(shí)例 189
9．5 Spark SQL 191
9．5．1 Spark SQL的功能 191
9．5．2 FusionInsight HD中Spark SQL的應(yīng)用實(shí)例 192
9．6 Spark MLlib 193
9．6．1 機(jī)器學(xué)習(xí)簡介 193
9．6．2 Spark MLlib的功能 194
9．7 Spark GraphX 194
9．7．1 圖計(jì)算簡介 194
9．7．2 Spark GraphX功能簡介 195
9．8 本章總結(jié) 195
練習(xí)題 196
第10章 大數(shù)據(jù)流計(jì)算 198
10．1 流計(jì)算概述 200
10．1．1 靜態(tài)數(shù)據(jù)和流數(shù)據(jù) 201
10．1．2 流計(jì)算的概念 201
10．1．3 MapReduce和流計(jì)算 202
10．1．4 流計(jì)算框架 202
10．2 流計(jì)算的處理流程 203
10．2．1 數(shù)據(jù)實(shí)時(shí)采集 203
10．2．2 數(shù)據(jù)實(shí)時(shí)計(jì)算 203
10．2．3 數(shù)據(jù)實(shí)時(shí)查詢 203
10．3 Streaming流計(jì)算 204
10．3．1 Streaming簡介 204
10．3．2 Streaming的特點(diǎn) 206
10．3．3 Streaming在FusionInsight HD上的應(yīng)用實(shí)踐 208
10．3．4 Spark Streaming與Streaming的差異 212
10．4 本章總結(jié) 213
練習(xí)題 213
第11章 數(shù)據(jù)可視化 216
11．1 可視化概述 218
11．1．1 數(shù)據(jù)可視化簡介 219
11．1．2 數(shù)據(jù)可視化的重要性 219
11．1．3 可視化的發(fā)展歷程 219
11．1．4 數(shù)據(jù)可視化的過程 221
11．2 可視化工具 222
11．2．1 入門級(jí)工具（Excel） 222
11．2．2 普通工具（R語言） 222
11．2．3 高級(jí)工具（Tableau和QlikView） 223
11．3 可視化的典型應(yīng)用 223
11．3．1 可視化在醫(yī)學(xué)上的應(yīng)用 223
11．3．2 可視化在工程中的應(yīng)用 224
11．3．3 可視化在互聯(lián)網(wǎng)的應(yīng)用 225
11．4 本章總結(jié) 225
練習(xí)題 226
第12章 大數(shù)據(jù)行業(yè)應(yīng)用 228
12．1 大數(shù)據(jù)在金融行業(yè)的應(yīng)用 230
12．2 大數(shù)據(jù)在電信行業(yè)的應(yīng)用 232
12．3 大數(shù)據(jù)在公安系統(tǒng)的應(yīng)用 236
12．4 大數(shù)據(jù)在互聯(lián)網(wǎng)行業(yè)的應(yīng)用 237
12．5 本章總結(jié) 237
練習(xí)題 238
術(shù)語表 240
參考文獻(xiàn) 252