Hadoop大數(shù)據(jù)技術(shù)與應(yīng)用

定　價(jià)：￥62.80

作　者：	方曙東，許桂秋編
出版社：	浙江科學(xué)技術(shù)出版社
叢編項(xiàng)：	大數(shù)據(jù)專業(yè)應(yīng)用型人才培養(yǎng)規(guī)劃教材
標(biāo)　簽：	暫缺

購(gòu)買這本書(shū)可以去

京東 (￥62.80)

ISBN：	9787534188947	出版時(shí)間：	2020-01-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	336	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《Hadoop大數(shù)據(jù)技術(shù)與應(yīng)用/大數(shù)據(jù)專業(yè)應(yīng)用型人才培養(yǎng)規(guī)劃教材》作為Hadoop的入門教材，采用理論與實(shí)踐相結(jié)合的方式，全面介紹了Hadoop大數(shù)據(jù)技術(shù)。它將幫助您：·使用Hadoop分布式文件系統(tǒng)（HDFS）來(lái)存儲(chǔ)海量數(shù)據(jù)集，通過(guò)MapReduce對(duì)這些數(shù)據(jù)集進(jìn)行分布式計(jì)算?！な褂肏adoop YARN資源管理器統(tǒng)一管理和調(diào)度Hadoop資源?！な煜adoop的數(shù)據(jù)和I／O構(gòu)件，用于壓縮、數(shù)據(jù)集成、序列化和持久處理?！ざ聪ぞ帉?xiě)MapReduce實(shí)際應(yīng)用時(shí)的常見(jiàn)陷阱和高級(jí)特性?！ぴO(shè)計(jì)、構(gòu)建和管理一個(gè)專用的Hadoop集群或在云上運(yùn)行Hadoop。·使用高級(jí)查詢語(yǔ)言Pig來(lái)處理大規(guī)模數(shù)據(jù)?！だ肏adoop數(shù)據(jù)庫(kù)HBase來(lái)保存和處理結(jié)構(gòu)化／半結(jié)構(gòu)化數(shù)據(jù)?！だ肏IVE數(shù)據(jù)倉(cāng)庫(kù)工具對(duì)Hadoop文件中的數(shù)據(jù)集進(jìn)行數(shù)據(jù)整理、特殊查詢和分析存儲(chǔ)?！だ肧qoopSqoop在關(guān)系數(shù)據(jù)庫(kù)以及Hadoop數(shù)據(jù)存儲(chǔ)和處理平臺(tái)進(jìn)行數(shù)據(jù)導(dǎo)入、導(dǎo)出。·學(xué)會(huì)利用ZooKeeper來(lái)構(gòu)建分布式系統(tǒng)。·學(xué)會(huì)利用Ambari來(lái)構(gòu)建、管理、監(jiān)控Hadoop生態(tài)的集群?！禜adoop大數(shù)據(jù)技術(shù)與應(yīng)用/大數(shù)據(jù)專業(yè)應(yīng)用型人才培養(yǎng)規(guī)劃教材》直接將相關(guān)行業(yè)典型案例作為實(shí)驗(yàn)教學(xué)內(nèi)容編入，展示了如何用Hadoop解決實(shí)際行業(yè)場(chǎng)景中的問(wèn)題，對(duì)實(shí)際操作更有針對(duì)性。《Hadoop大數(shù)據(jù)技術(shù)與應(yīng)用/大數(shù)據(jù)專業(yè)應(yīng)用型人才培養(yǎng)規(guī)劃教材》可作為高等院校數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)、計(jì)算機(jī)、信息管理等相關(guān)專業(yè)的大數(shù)據(jù)入門教材。

作者簡(jiǎn)介

暫缺《Hadoop大數(shù)據(jù)技術(shù)與應(yīng)用》作者簡(jiǎn)介

圖書(shū)目錄

第1章初識(shí)Hadoop大數(shù)據(jù)技術(shù)
1．1 大數(shù)據(jù)技術(shù)概述
1．2 Google的“三駕馬車
1．3 Hadoop概述
1．4 Hadoop生態(tài)圈
1．5 Hadoop的典型應(yīng)用場(chǎng)景與應(yīng)用架構(gòu)
第2章 Hadoop環(huán)境設(shè)置
2．1 安裝前準(zhǔn)備
2．2 Hadoop的安裝
實(shí)驗(yàn)1 搭建Hadoop偽分布式模式環(huán)境
第3章 HDFS
3．1 HDFS簡(jiǎn)介
3．2 HDFS的組成與架構(gòu)
3．3 HDFS的工作機(jī)制
3．4 HDFS操作
3．5 HDFS的高級(jí)功能
實(shí)驗(yàn)2 通過(guò)Shall命令訪問(wèn)HDFS
實(shí)驗(yàn)3 熟悉基于IDEA+Maven的Java開(kāi)發(fā)環(huán)境
實(shí)驗(yàn)4 通過(guò)API訪問(wèn)HDFS
第4章 YARN
4．1 YARN產(chǎn)生的背景
4．2 初識(shí)YARN
4．3 YARN的架構(gòu)
4．4 YARN的調(diào)度器
第5章 MapReduce
5．1 MapReduce概述
5．2 MapReduce編程模型
5．3 MapReduce編程進(jìn)階
5．4 MapReduce的工作機(jī)制
5．5 MapReduce編程案例
實(shí)驗(yàn)5 分析和編寫(xiě)WordCount程序
實(shí)驗(yàn)6 MapReduce序列化、分區(qū)實(shí)驗(yàn)
實(shí)驗(yàn)7 使用MapReduce求出各年銷售筆數(shù)、各年銷售總額
實(shí)驗(yàn)8 使用MapReduce統(tǒng)計(jì)用戶在搜狗_k_gs搜索數(shù)據(jù)
第6章 HBase、Hive、Pig
6．1 HBase
6．2 Hive
6．3 Pig
實(shí)驗(yàn)9 HBase實(shí)驗(yàn)——安裝和配置（可選）
實(shí)驗(yàn)10 HBase實(shí)驗(yàn)——通過(guò)ItBase Shell訪問(wèn)HBase（可選）
實(shí)驗(yàn)11 HBase實(shí)驗(yàn)——通過(guò)JavaAPI訪問(wèn)HBase
實(shí)驗(yàn)12 HBase實(shí)驗(yàn)——通過(guò)Java API開(kāi)發(fā)基于HBase的MapReduce程序
實(shí)驗(yàn)13 Hive實(shí)驗(yàn)——Metastore采用Local模式（MySQL數(shù)據(jù)庫(kù)）搭建Hive環(huán)境（可選）
實(shí)驗(yàn)14 Hive實(shí)驗(yàn)——Hive常用操作
實(shí)驗(yàn)15 Pig實(shí)驗(yàn)——安裝和使用Pig（可選）
實(shí)驗(yàn)16 Pig實(shí)驗(yàn)——使用Pig Latin操作員工表和部門表
第7章 Flume
7．1 Flume產(chǎn)生的背景
7．2 Flume簡(jiǎn)介
7．3 Flume的安裝
7．4 Flume的架構(gòu)
7．5 Flume的應(yīng)用
7．6 Flume的工作方式
實(shí)驗(yàn)17 Flume的配置與使用1——Avro Source+Memory Channel+Logger Sink
實(shí)驗(yàn)18 Flume的配置與使用2——Syslogtcp Source+Memory Channel HDFS Sink
實(shí)驗(yàn)19 Fhune的配置與使用3——Exec Source+Memory Channel+ Logger Sink
第8章 Sqoop
8．1 Sqoop背景簡(jiǎn)介
8．2 Sqoop的基本原理
8．3 Sqoop的安裝與部署
8．4 Sqoop應(yīng)用
實(shí)驗(yàn)20 Sqoop常用功能的使用
第9章 ZooKeeper
9．1 ZooKeeper簡(jiǎn)介
9．2 ZooKeeper的安裝
9．3 ZooKeeper的基本原理
9．4 ZooKeeper的簡(jiǎn)單操作
9．5 ZooKeeper的特性
9．6 ZooKeeper的應(yīng)用場(chǎng)景
實(shí)驗(yàn)21 ZooKeeper的3種訪問(wèn)方式
第10章 Ambari
10．1 Ambari簡(jiǎn)介
10．2 Ambari的安裝
10．3 利用Ambari管理Hadoop集群
10．4 Ambari的架構(gòu)和工作原理
第11章 Mahout
11．1 Mahout簡(jiǎn)介
11．2 Taste簡(jiǎn)介
11．3 使用Taste構(gòu)建推薦系統(tǒng)
實(shí)驗(yàn)22 基于Mahout的電影推薦系統(tǒng)
實(shí)驗(yàn)23 搜狗日志查詢分析（MapReduce+Hive綜合實(shí)驗(yàn)）