hadoop實(shí)戰(zhàn)第3版pdf為讀者們從三大部分進(jìn)行指導(dǎo),讓讀者們可以通過(guò)此書(shū)快速了解Hadoop的基本知識(shí)和數(shù)據(jù)處理以及更大的系統(tǒng)程序,是對(duì)于Hadoop初學(xué)者們而言,提高自身能力的良好書(shū)籍,感興趣的朋友們快來(lái)下載吧!

本書(shū)介紹:

作為云計(jì)算所青睞的分布式架構(gòu),Hadoop 是一個(gè)用Java 語(yǔ)言實(shí)現(xiàn)的軟件框架,在由大量計(jì)算機(jī)組成的集群中運(yùn)行海量數(shù)據(jù)的分布式計(jì)算,是谷歌實(shí)現(xiàn)云計(jì)算的重要基石.本書(shū)分為3 個(gè)部分,深入淺出地介紹了Hadoop 框架、編寫(xiě)和運(yùn)行Hadoop 數(shù)據(jù)處理程序所需的實(shí)踐技能及Hadoop 之外更大的生態(tài)系統(tǒng).

《Hadoop實(shí)戰(zhàn)》適合需要處理大量離線數(shù)據(jù)的云計(jì)算程序員、架構(gòu)師和項(xiàng)目經(jīng)理閱讀參考.

本書(shū)目錄:

第一部分 Hadoop——一種分布式編程框架

第1 章 Hadoop簡(jiǎn)介

1.1 為什么寫(xiě)《Hadoop 實(shí)戰(zhàn)》

1.2 什么是Hadoop

1.3 了解分布式系統(tǒng)和Hadoop

1.4 比較SQL 數(shù)據(jù)庫(kù)和Hadoop

1.5 理解MapReduce

1.5.1 動(dòng)手?jǐn)U展一個(gè)簡(jiǎn)單程序

1.5.2 相同程序在MapReduce中的擴(kuò)展

1.6 用Hadoop統(tǒng)計(jì)單詞——運(yùn)行第一個(gè)程序

1.7 Hadoop歷史

1.8 小結(jié)

1.9 資源

第2 章 初識(shí)Hadoop

2.1 Hadoop 的構(gòu)造模塊

2.1.1 NameNode

2.1.2 DataNode

2.1.3 Secondary NameNode

2.1.4 JobTracker

2.1.5 TaskTracker

2.2 為Hadoop 集群安裝SSH

2.2.1 定義一個(gè)公共賬號(hào)

2.2.2 驗(yàn)證SSH安裝

2.2.3 生成SSH密鑰對(duì)

2.2.4 將公鑰分布并登錄驗(yàn)證

2.3 運(yùn)行Hadoop

2.3.1 本地(單機(jī))模式

2.3.2　 偽分布模式

2.3.3 全分布模式

2.4 基于Web 的集群用戶(hù)界面

2.5 小結(jié)

第3 章 Hadoop組件

3.1 HDFS 文件操作

3.1.1 基本文件命令

3.1.2 編程讀寫(xiě)HDFS

3.2 剖析MapReduce 程序

3.2.1 Hadoop數(shù)據(jù)類(lèi)型

3.2.2 Mapper

3.2.3 Reducer

3.2.4 Partitioner:重定向Mapper輸出

3.2.5 Combiner:本地reduce

3.2.6 預(yù)定義mapper和Reducer類(lèi)的單詞計(jì)數(shù)

3.3 讀和寫(xiě)

3.3.1 InputFormat

3.3.2 OutputFormat

3.4 小結(jié)

第二部分 實(shí)戰(zhàn)

第4 章 編寫(xiě)MapReduce基礎(chǔ)程序

4.1 獲得專(zhuān)利數(shù)據(jù)集

4.1.1 專(zhuān)利引用數(shù)據(jù)

4.1.2 專(zhuān)利描述數(shù)據(jù)

4.2 構(gòu)建MapReduce 程序的基礎(chǔ)模板

4.3 計(jì)數(shù)

4.4 適應(yīng)Hadoop API 的改變

4.5 Hadoop 的Streaming

4.5.1 通過(guò)Unix命令使用Streaming

4.5.2 通過(guò)腳本使用Streaming

4.5.3 用Streaming處理鍵/值對(duì)

4.5.4 通過(guò)Aggregate包使用Streaming

4.6 使用combiner 提升性能

4.7 溫故知新

4.8 小結(jié)

4.9 更多資源

第5 章 高階MapReduce

5.1 鏈接MapReduce 作業(yè)

5.1.1 順序鏈接MapReduce作業(yè)

5.1.2 具有復(fù)雜依賴(lài)的MapReduce鏈接

5.1.3 預(yù)處理和后處理階段的鏈接

5.2 聯(lián)結(jié)不同來(lái)源的數(shù)據(jù)

5.2.1 Reduce側(cè)的聯(lián)結(jié)

5.2.2 基于DistributedCache的復(fù)制聯(lián)結(jié)

5.2.3 半聯(lián)結(jié):map側(cè)過(guò)濾后在reduce側(cè)聯(lián)結(jié)

5.3 創(chuàng)建一個(gè)Bloom filter

5.3.1 Bloom filter做了什么

5.3.2 實(shí)現(xiàn)一個(gè)Bloom filter

5.3.3 Hadoop 0.20 以上版本的Bloom filter

5.4 溫故知新

5.5 小結(jié)

5.6 更多資源

第6 章 編程實(shí)踐

6.1 開(kāi)發(fā)MapReduce 程序

6.1.1 本地模式

6.1.2 偽分布模式

6.2 生產(chǎn)集群上的監(jiān)視和調(diào)試

6.2.1 計(jì)數(shù)器

6.2.2 跳過(guò)壞記錄

6.2.3 用IsolationRunner重新運(yùn)行出錯(cuò)的任務(wù)

6.3 性能調(diào)優(yōu)

6.3.1 通過(guò)combiner來(lái)減少網(wǎng)絡(luò)流量

6.3.2 減少輸入數(shù)據(jù)量

6.3.3 使用壓縮

6.3.4 重用JVM

6.3.5 根據(jù)猜測(cè)執(zhí)行來(lái)運(yùn)行

6.3.6 代碼重構(gòu)與算法重寫(xiě)

6.4 小結(jié)

第7 章 細(xì)則手冊(cè)

7.1 向任務(wù)傳遞作業(yè)定制的參數(shù)

7.2 探查任務(wù)特定信息

7.3 劃分為多個(gè)輸出文件

7.4 以數(shù)據(jù)庫(kù)作為輸入輸出

7.5 保持輸出的順序

7.6 小結(jié)

第8 章 管理Hadoop

8.1 為實(shí)際應(yīng)用設(shè)置特定參數(shù)值

8.2 系統(tǒng)體檢

8.3 權(quán)限設(shè)置

8.4 配額管理

8.5 啟用回收站

8.6 刪減DataNode

8.7 增加DataNode

8.8 管理NameNode 和SNN

8.9 恢復(fù)失效的NameNode

8.10 感知網(wǎng)絡(luò)布局和機(jī)架的設(shè)計(jì)

8.11 多用戶(hù)作業(yè)的調(diào)度

8.11.1 多個(gè)JobTracker

8.11.2 公平調(diào)度器

8.12 小結(jié)

第三部分 Hadoop也瘋狂

第9 章 在云上運(yùn)行Hadoop

9.1 Amazon Web Services 簡(jiǎn)介

9.2 安裝AWS

9.2.1 獲得AWS身份認(rèn)證憑據(jù)

9.2.2 獲得命令行工具

9.2.3 準(zhǔn)備SSH密鑰對(duì)

9.3 在EC2 上安裝Hadoop

9.3.1 配置安全參數(shù)

9.3.2 配置集群類(lèi)型

9.4 在EC2 上運(yùn)行MapReduce 程序

9.4.1 將代碼轉(zhuǎn)移到Hadoop集群上

9.4.2 訪問(wèn)Hadoop集群上的數(shù)據(jù)

9.5 清空和關(guān)閉EC2 實(shí)例

9.6 Amazon Elastic MapReduce 和其他AWS 服務(wù)

9.6.1 Amazon Elastic MapReduce

9.6.2 AWS導(dǎo)入/導(dǎo)出

9.7 小結(jié)

第10 章 用Pig編程

10.1 像Pig 一樣思考

10.1.1 數(shù)據(jù)流語(yǔ)言

10.1.2 數(shù)據(jù)類(lèi)型

10.1.3 用戶(hù)定義函數(shù)

10.2 安裝Pig

10.3 運(yùn)行Pig

10.4 通過(guò)Grunt 學(xué)習(xí)Pig Latin

10.5 談?wù)凱ig Latin

10.5.1 數(shù)據(jù)類(lèi)型和schema

10.5.2 表達(dá)式和函數(shù)

10.5.3 關(guān)系型運(yùn)算符

10.5.4 執(zhí)行優(yōu)化

10.6 用戶(hù)定義函數(shù)

10.6.1 使用UDF

10.6.2 編寫(xiě)UDF

10.7 腳本

10.7.1 注釋

10.7.2 參數(shù)替換

10.7.3 多查詢(xún)執(zhí)行

10.8 Pig 實(shí)戰(zhàn)——計(jì)算相似專(zhuān)利的例子

10.9 小結(jié)

第11 章 Hive及Hadoop群

11.1 Hive

11.1.1 安裝與配置Hive

11.1.2 查詢(xún)的示例

11.1.3 深入HiveQL

11.1.4 Hive小結(jié)

11.2 其他Hadoop 相關(guān)的部分

11.2.1 HBase

11.2.2 Zookeeper

11.2.3 Cascading

11.2.4 Cloudera

11.2.5 Katta

11.2.6 CloudBase

11.2.7 Aster Data和Greenplum

11.2.8 Hama和Mahout

11.2.9 search-hadoop.com

11.3 小結(jié)

第12 章 案例研究

12.1 轉(zhuǎn)換《紐約時(shí)報(bào)》1100 萬(wàn)個(gè)庫(kù)存圖片文檔

12.2 挖掘中國(guó)移動(dòng)的數(shù)據(jù)

12.3 在StumbleUpon 推薦最佳網(wǎng)站

12.3.1 分布式StumbleUpon 的開(kāi)端

12.3.2 HBase 和StumbleUpon

12.3.3 StumbleUpon 上的更多Hadoop 應(yīng)用

12.4 搭建面向企業(yè)查詢(xún)的分析系統(tǒng)——IBM的ES2 項(xiàng)目

12.4.1 ES2 系統(tǒng)結(jié)構(gòu)

12.4.2 ES2 爬蟲(chóng)

12.4.3 ES2 分析

12.4.4 小結(jié)

12.4.5 參考文獻(xiàn)

附錄A HDFS文件命令