歡迎光臨中圖網(wǎng) 請 | 注冊

Hadoop權(quán)威指南

作者：TomWhite
出版社：清華大學(xué)出版社出版時間：2015-01-01
開本： 16開 頁數(shù)： 679
中 圖 價:¥48.5(4.9折) 定價  ¥99.0 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
溫馨提示：5折以下圖書主要為出版社尾貨，大部分為全新（有塑封/無塑封），個別圖書品相8-9成新、切口
有劃線標(biāo)記、光盤等附件不全詳細品相說明>>
本類五星書更多>

Hadoop權(quán)威指南 版權(quán)信息

Hadoop權(quán)威指南 本書特色

　　準(zhǔn)備好釋放數(shù)據(jù)的強大潛能了嗎？借助于這本《hadoop權(quán)威指南》，你將學(xué)習(xí)如何使用apache hadoop構(gòu)建和維護穩(wěn)定性高、伸縮性強的分布式系統(tǒng)。本書是為程序員寫的，可幫助他們分析任何大小的數(shù)據(jù)集。本書同時也是為管理員寫的，幫助他們了解如何設(shè)置和運行hadoop集群。 　　本書通過豐富的案例學(xué)習(xí)來解釋hadoop的幕后機理，闡述了hadoop如何解決現(xiàn)實生活中的具體問題。第3版覆蓋hadoop的*新動態(tài)，包括新增的mapreduce api，以及mapreduce 2及其靈活性更強的執(zhí)行模型（yarn）。

Hadoop權(quán)威指南 內(nèi)容簡介

　　新版新特色，內(nèi)容更權(quán)威，更適合收藏和找hadoop之父簽名兒！ 　　2014年12月13日中國大數(shù)據(jù)大會，http://bdtc2014.hadooper.cn/ 　　歡迎光臨新云南皇冠假日酒店，與hadoop之父doug cutting不見不散！

Hadoop權(quán)威指南 目錄

第1章 初識hadoop 
1.1 數(shù)據(jù)！數(shù)據(jù)！ 
1.2 數(shù)據(jù)的存儲與分析 
1.3 相較于其他系統(tǒng)的優(yōu)勢 
1.3.1 關(guān)系型數(shù)據(jù)庫管理系統(tǒng) 
1.3.2 網(wǎng)格計算 
1.3.3 志愿計算 
1.4 hadoop發(fā)展簡史 
1.5 apache hadoop和hadoop生態(tài)系統(tǒng) 
1.6 hadoop的發(fā)行版本 
1.6.1 本書包含的內(nèi)容 
1.6.2 兼容性 

第2章 關(guān)于mapreduce 
2.1 氣象數(shù)據(jù)集 
2.2 使用unix工具來分析數(shù)據(jù) 
2.3 使用hadoop來分析數(shù)據(jù) 
2.3.1 map和reduce 
2.3.2 java mapreduce 
2.4 橫向擴展 
2.4.1 數(shù)據(jù)流 
2.4.2 combiner函數(shù) 
2.4.3 運行分布式的mapreduce作業(yè) 
2.5 hadoop streaming 
2.5.1 ruby版本 
2.5.2 python版本 
2.6 hadoop pipes 

第3章 hadoop分布式文件系統(tǒng) 
3.1 hdfs的設(shè)計 
3.2 hdfs的概念 
3.2.1 數(shù)據(jù)塊 
3.2.2 namenode和datanode 
3.2.3 聯(lián)邦hdfs 
3.2.4 hdfs的高可用性 
3.3 命令行接口 
3.4 hadoop文件系統(tǒng) 
3.5 java接口 
3.5.1 從hadoop url讀取數(shù)據(jù) 
3.5.2 通過filesystem api讀取數(shù)據(jù) 
3.5.3 寫入數(shù)據(jù) 
3.5.4 目錄 
3.5.5 查詢文件系統(tǒng) 
3.5.6 刪除數(shù)據(jù) 
3.6 數(shù)據(jù)流 
3.6.1 剖析文件讀取 
3.6.2 剖析文件寫入 
3.6.3 一致模型 
3.7 通過flume和sqoop導(dǎo)入數(shù)據(jù) 
3.8 通過distcp并行復(fù)制 
3.9 hadoop存檔 
3.9.1 使用hadoop存檔工具 
3.9.2 不足 

第4章 hadoop的i／o操作 
4.1 數(shù)據(jù)完整性 
4.1.1 hdfs的數(shù)據(jù)完整性 
4.1.2 localfilesystem 
4.1.3 checksumfilesystem 
4.2 壓縮 
4.2.1 codec 
4.2.2 壓縮和輸入分片 
4.2.3 在mapreduce中使用壓縮 
4.3 序列化 
4.3.1 writable接口 
4.3.2 writable類 
4.3.3 實現(xiàn)定制的writable集合 
4.3 序列化框架 
4.4 avro 
4.4.1 avro數(shù)據(jù)類型和模式 
4.4.2 內(nèi)存中的序列化和反序列化 
4.4.3 avro數(shù)據(jù)文件 
4.4.4 互操作性 
4.4.5 模式的解析 
4.4.6 排列順序 
4.4.7 關(guān)于avro mapreduce 
4.4.8 使用avro mapreduce進行排序 
4.4.9 其他語言的avro mapreduce 
4.5 基于文件的數(shù)據(jù)結(jié)構(gòu) 
4.5.1 關(guān)于sequencefile 
4.5.2 關(guān)于mapfile 

第5章 mapreduce應(yīng)用開發(fā) 
5.1 用于配置的api 
5.1.1 資源合并 
5.1.2 可變的擴展 
5.2 配置開發(fā)環(huán)境 
5.2.1 管理配置 
5.2.2 輔助類genericoptionsparser，tool和toolrunner 
5.3 用mrunit來寫單元測試 
5.3.1 關(guān)于mapper 
5.3.2 關(guān)于reducer 
5.4 本地運行測試數(shù)據(jù) 
5.4.1 在本地作業(yè)運行器上運行作業(yè) 
5.4.2 測試驅(qū)動程序 
5.5 在集群上運行 
5.5.1 打包作業(yè) 
5.5.2 啟動作業(yè) 
5.5.3 mapreduce的web界面 
5.5.4 獲取結(jié)果 
5.5.5 作業(yè)調(diào)試 
5.5.6 hadoop日志 
5.5.7 遠程調(diào)試 
5.6 作業(yè)調(diào)優(yōu) 
5.7 mapreduce的工作流 
5.7.1 將問題分解成mapreduce作業(yè) 
5.7.2 關(guān)于jobcontrol 
5.7.3 關(guān)于apache oozie 

第6章 mapreduce的工作機制 
6.1 剖析mapreduce作業(yè)運行機制 
6.1.1 經(jīng)典的mapreduce （mapreduce 1） 
6.1.2 yarn （mapreduce 2） 
6.2 失敗 
6.2.1 經(jīng)典mapreduce中的失敗 
6.2.2 yarn中的失敗 
6.3 作業(yè)的調(diào)度 
6.3.1 公平調(diào)度器 
6.3.2 容量調(diào)度器 
6.4 shuffle和排序 
6.4.1 map端 
6.4.2 reduce端 
6.4.3 配置調(diào)優(yōu) 
6.5 任務(wù)的執(zhí)行 
6.5.1 任務(wù)執(zhí)行環(huán)境 
6.5.2 推測執(zhí)行 
6.5.3 關(guān)于outputcommitters 
6.5.4 任務(wù)jvm重用 
6.5.5 跳過壞記錄 

第7章 mapreduce的類型與格式 
7.1 mapreduce的類型 
7.1.1 默認的mapreduce作業(yè) 
7.1.2 默認的streaming作業(yè) 
7.2 輸入格式 
7.2.1 輸入分片與記錄 
7.2.2 文本輸入 
7.2.3 二進制輸入 
7.2.4 多個輸入 
7.2.5 數(shù)據(jù)庫輸入（和輸出） 
7.3 輸出格式 
7.3.1 文本輸出 
7.3.2 二進制輸出 
7.3.3 多個輸出 
7.3.4 延遲輸出 
7.3.5 數(shù)據(jù)庫輸出 

第8章 mapreduce的特性 
8.1 計數(shù)器 
8.1.1 內(nèi)置計數(shù)器 
8.1.2 用戶定義的java計數(shù)器 
8.1.3 用戶定義的streaming計數(shù)器 
8.2 排序 
8.2.1 準(zhǔn)備 
8.2.2 部分排序 
8.2.3 全排序 
8.2.4 輔助排序 
8.3 連接 
8.3.1 map端連接 
8.3.2 reduce端連接 
8.4 邊數(shù)據(jù)分布 
8.4.1 利用jobconf來配置作業(yè) 
8.4.2 分布式緩存 
8.5 mapreduce庫類 

第9章 構(gòu)建hadoop集群 
9.1 集群規(guī)范 
9.2 集群的構(gòu)建和安裝 
9.2.1 安裝java 
9.2.2 創(chuàng)建hadoop用戶 
9.2.3 安裝hadoop 
9.2.4 測試安裝 
9.3 ssh配置 
9.4 hadoop配置 
9.4.1 配置管理 
9.4.2 環(huán)境設(shè)置 
9.4.3 hadoop守護進程的關(guān)鍵屬性 
9.4.4 hadoop守護進程的地址和端口 
9.4.5 hadoop的其他屬性 
9.4.6 創(chuàng)建用戶帳號 
9.5 yarn配置 
9.5.1 yarn守護進程的重要屬性 
9.5.2 yarn守護進程的地址和端口 
9.6 安全性 
9.6.1 kerberos和hadoop 
9.6.2 委托令牌 
9.6.3 其他安全性改進 
9.7 利用基準(zhǔn)評測程序測試hadoop集群 
9.7.1 hadoop基準(zhǔn)評測程序 
9.7.2 用戶作業(yè) 
9.8 云端的hadoop 

第10章 管理hadoop 
10.1 hdfs 
10.1.1 永久性數(shù)據(jù)結(jié)構(gòu) 
10.1.2 安全模式 
10.1.3 日志審計 
10.1.4 工具 
10.2 監(jiān)控 
10.2.1 日志 
10.2.2 度量 
10.2.3 java管理擴展（jmx） 
10.3 維護 
10.3.1 日常管理過程 
10.3.2 委任和解除節(jié)點 
10.3.3 升級 

第11章 關(guān)于pig 
11.1 安裝與運行pig 
11.1.1 執(zhí)行類型 
11.1.2 運行pig程序 
11.1.3 grunt 
11.1.4 pig latin編輯器 
11.2 示例 
11.3 與數(shù)據(jù)庫進行比較 
11.4 pig latin 
11.4.1 結(jié)構(gòu) 
11.4.2 語句 
11.4.3 表達式 
11.4.4 類型 
11.4.5 模式 
11.4.6 函數(shù) 
11.4.7 宏 
11.5 用戶自定義函數(shù) 
11.5.1 過濾udf 
11.5.2 計算udf 
11.5.3 加載udf 
11.6 數(shù)據(jù)處理操作 
11.6.1 數(shù)據(jù)的加載和存儲 
11.6.2 數(shù)據(jù)的過濾 
11.6.3 數(shù)據(jù)的分組與連接 
11.6.4 數(shù)據(jù)的排序 
11.6.5 數(shù)據(jù)的組合和切分 
11.7 pig實戰(zhàn) 
11.7.1 并行處理 
11.7.2 參數(shù)代換 

第12章 關(guān)于hive 
12.1 安裝hive 
12.2 示例 
12.3 運行hive 
12.3.1 配置hive 
12.3.2 hive服務(wù) 
12.3.3 metastore 
12.4 hive與傳統(tǒng)數(shù)據(jù)庫相比 
12.4.1 讀時模式vs.寫時模式 
12.4.2 更新、事務(wù)和索引 
12.5 hiveql 
12.5.1 數(shù)據(jù)類型 
12.5.2 操作與函數(shù) 
12.6 表 
12.6.1 托管表和外部表 
12.6.2 分區(qū)和桶 
12.6.3 存儲格式 
12.6.4 導(dǎo)入數(shù)據(jù) 
12.6.5 表的修改 
12.6.6 表的丟棄 
12.7 查詢數(shù)據(jù) 
12.7.1 排序和聚集 
12.7.2 mapreduce腳本 
12.7.3 連接 
12.7.4 子查詢 
12.7.5 視圖 
12.8 用戶定義函數(shù) 
12.8.1 寫udf 
12.8.2 寫udaf 

第13章 關(guān)于hbase 
13.1 hbase基礎(chǔ) 
13.2 概念 
13.3.1 數(shù)據(jù)模型的“旋風(fēng)之旅” 
13.3.2 實現(xiàn) 
13.3 安裝 
13.4 客戶端 
13.4.1 java 
13.4.2 avro、rest和thrift 
13.5 示例 
13.5.1 模式 
13.5.2 加載數(shù)據(jù) 
13.5.3 web查詢 
13.6 hbase和rdbms的比較 
13.6.1 成功的服務(wù) 
13.6.2 hbase 
13.6.3 實例：hbase在streamy.com的使用 
13.7 praxis 
13.7.1 版本 
13.7.2 hdfs 
13.7.3 用戶界面 
13.7.4 度量 
13.7.5 模式的設(shè)計 
13.7.6 計數(shù)器 
13.7.7 批量加載 

第14章 關(guān)于zookeeper 
14.1 安裝和運行zookeeper 
14.2 示例 
14.2.1 zookeeper中的組成員關(guān)系 
14.2.2 創(chuàng)建組 
14.2.3 加入組 
14.2.4 列出組成員 
14.2.5 刪除組 
14.3 zookeeper服務(wù) 
14.3.1 數(shù)據(jù)模型 
14.3.2 操作 
14.3.3 實現(xiàn) 
14.3.4 一致性 
14.3.5 會話 
14.3.6 狀態(tài) 
14.4 使用zookeeper來構(gòu)建應(yīng)用 
14.4.1 配置服務(wù) 
14.4.2 可復(fù)原的zookeeper應(yīng)用 
14.4.3 鎖服務(wù) 
14.4.4 更多分布式數(shù)據(jù)結(jié)構(gòu)和協(xié)議 
14.5 生產(chǎn)環(huán)境中的zookeeper 
14.5.1 可恢復(fù)性和性能 
14.5.2 配置 

第15章 關(guān)于sqoop 
15.1 獲取sqoop 
15.2 sqoop連接器 
15.3 一個導(dǎo)入的例子 
15.4 生成代碼 
15.5 深入了解數(shù)據(jù)庫導(dǎo)入 
15.5.1 導(dǎo)入控制 
15.5.2 導(dǎo)入和一致性 
15.5.3 直接模式導(dǎo)入 
15.6 使用導(dǎo)入的數(shù)據(jù) 
15.7 導(dǎo)入大對象 
15.8 執(zhí)行導(dǎo)出 
15.9 深入了解導(dǎo)出功能 
15.9.1 導(dǎo)出與事務(wù) 
15.9.2 導(dǎo)出和sequencefile 

第16章 實例學(xué)習(xí) 
16.1 hadoop 在last.fm的應(yīng)用 
16.1.1 last.fm：社會音樂史上的革命 
16.1.2 hadoop在last.fm中的應(yīng)用 
16.1.3 用hadoop制作圖表 
16.1.4 track statistics程序 
16.1.5 總結(jié) 
16.2 hadoop和hive在facebook的應(yīng)用 
16.2.1 hadoop在facebook的使用 
16.2.2 虛構(gòu)的使用樣例 
16.2.3 hive 
16.2.4 存在的問題與未來工作計劃 
16.3 nutch搜索引擎 
16.3.1 背景介紹 
16.3.2 數(shù)據(jù)結(jié)構(gòu) 
16.3.3 nutch系統(tǒng)利用hadoop進行數(shù)據(jù)處理的精選實例 
16.3.4 總結(jié) 
16.4 rackspace的日志處理 
16.4.1 要求／問題 
16.4.2 簡史 
16.4.3 選擇hadoop 
16.4.4 收集和存儲 
16.4.5 對日志的mapreduce處理 
16.5 關(guān)于cascading 
16.5.1 字段、元組和管道 
16.5.2 操作 
16.5.3 tap、scheme和flow 
16.5.4 cascading實戰(zhàn) 
16.5.5 靈活性 
16.5.6 hadoop和cascading在sharethis的應(yīng)用 
16.5.7 總結(jié) 
16.6 apache hadoop上萬億數(shù)量級排序 
16.7 用pig和wukong探索10億數(shù)量級邊的網(wǎng)絡(luò)圖 
16.7.1 社區(qū)判斷 
16.7.2 每個人都在和我說話：twitter回復(fù)關(guān)系圖 
16.7.3 對稱鏈接 
16.7.4 社區(qū)提取 

附錄a 安裝apache hadoop 
附錄b 關(guān)于cdh 
附錄c 準(zhǔn)備ncdc氣象數(shù)據(jù) 
展開全部

Hadoop權(quán)威指南 相關(guān)資料

　　在這本《hadoop權(quán)威指南(第3版)》即將出版之際，我十分高興地再次向廣大讀者推薦這本書。
　　一本書的價值最重要的是取決于它的用途。今天，開源的hadoop已經(jīng)成為研究大數(shù)據(jù)十分重要的平臺，在我國已經(jīng)形成一個龐大的hadoop用戶社群，他們對學(xué)習(xí)、掌握和提高hadoop提出了很高的需求，《hadoop權(quán)威指南(第3版)》恰好滿足這樣的需要，其用途和價值不言而喻。這一點也可以從下面的事實中得到佐證：從2011年年底出版至今，本書的第2版已經(jīng)實現(xiàn)了12次印刷，擁有近3.5萬名讀者并連續(xù)兩年位列專業(yè)圖書暢銷榜榜首。
　　一本書的價值還來自于它的內(nèi)容。原著是用英文寫作的，它的內(nèi)容組織得當(dāng)，思路清晰，緊密結(jié)合實際。但是要把它翻譯成中文介紹給中國的讀者，并非易事。它不單單要求譯者能夠熟練地掌握英文，還要求他們對書中的技術(shù)性內(nèi)容有深入、準(zhǔn)確的了解和掌握。從這兩點來審視，本書的譯者團隊完全足以勝任。作為大學(xué)老師，他們不僅在大數(shù)據(jù)領(lǐng)域從事一線教學(xué)和科研，同時還負責(zé)指導(dǎo)研究生從事數(shù)據(jù)庫方面的研究。從 2006 年開始，他們就在計算機集群上部署了hadoop并成功完成了很多項研究。在這幾年的工作過程中，他們對hadoop及其應(yīng)用開發(fā)有著深入的理解和認識，這是本書翻譯質(zhì)量有保證的重要前提。
　　經(jīng)過再一次升級、修訂和更新，值此《hadoop權(quán)威指南(第3版)》出版之際，我衷心地希望這本書繼續(xù)為廣大讀者帶來更高的學(xué)習(xí)價值，更友好的閱讀體驗。
　　周立柱@清華園
　　2014年秋


Hadoop權(quán)威指南 作者簡介

說明: E:\2011圖書\Hadoop權(quán)威指南（第2版）\Hadoop權(quán)威指南第2版info\Tom.jpgTom White 　　數(shù)學(xué)王子&Hadoop專家。身為Apache Hadoop提交者八年之久，Apache軟件基金會成員之一。全球知名云計算公司Cloudera的軟件工程師。Tom擁有英國劍橋大學(xué)數(shù)學(xué)學(xué)士學(xué)位和利茲大學(xué)科學(xué)哲學(xué)碩士學(xué)位。 　　【推薦序作者介紹】 　　Doug Cutting 　　三大有全球影響力的開源項目之父，Apache軟件基金會董事會成員，早年畢業(yè)于斯坦福大學(xué)。他打造的三大開源項目對企業(yè)市場具有重大而深遠的影響，其中最著名的當(dāng)屬云計算和大數(shù)據(jù)領(lǐng)域的明星——Hadoop。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
返回頂部
中圖網(wǎng)
在線客服