了得網研究生_大數據技術基礎—

商品搜索

类别：

关键字：

商品分类

　研究生
　 工学
　 公共课
　 经济管理
　 理学
　 农学
　 文法类
　 医学

　音乐
　 音乐理论

　声乐　通俗音乐　音乐欣赏　钢琴　二胡　小提琴

大數據技術基礎——基於Hadoop與Spark
該商品所屬分類：研究生 -> 工學
【市場價】	248-358元
【優惠價】	155-224元
【作者】	羅福強　李瑤　陳虹君
【所屬類別】	圖書教材研究生/本科/專科教材工學
【出版社】	人民郵電出版社
【ISBN】	9787115454102
【折扣說明】	一次購物滿999元台幣免運費+贈品一次購物滿2000元台幣95折+免運費+贈品一次購物滿3000元台幣92折+免運費+贈品一次購物滿4000元台幣88折+免運費+贈品
【本期贈品】	①優質無紡布環保袋，做工棒！②品牌簽字筆 ③品牌手帕紙巾

版本	正版全新電子版PDF檔
您已选择：	正版全新
溫馨提示：如果有多種選項，請先選擇再點擊加入購物車。 . 電子圖書價格是0.69折，例如了得網價格是100元，電子書pdf的價格則是69元。 . 購買電子書不支持貨到付款，購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意，可以聯絡我們退款。謝謝。

內容介紹

包裝：平裝

國際標準書號ISBN：9787115454102

叢書名：大數據創新人纔培養繫列

作者：羅福強李瑤陳虹君

出版社：人民郵電出版社

出版時間：2017年05月

編輯推薦

*，重點突出，避免市場上大多數的大數據書籍面面俱到、不適合教學的弊端
第二、內容結構完整，根據循序漸進的認識規律設計章節順序
第三、提供了大量的案例，所有案例代碼都是完整的，都通過了JDK 1.8調試並給出了運行效果
第四，全書配備了豐富的、符合初學者習慣的思考和實踐任務
第五，全書不僅包含了Hadoop 和 Spark的概念、原理及其應用方法，還通過應用案例以圖文並茂的方式展示了大數據應用繫統的設計與實現過程，為讀者深入學習Hadoop與Spark技術提供了頗具價值的參考

內容簡介

本書主要內容包括：*章大數據技術概述、第二章 Hadoop平臺的安裝與配置、第三章Hadoop分布式文件繫統、第四章HDFS API編程、第五章 Hadoop分布式計算框架、第六章 MapReduce API編程、第七章 MapReduce 高級編程、第八章 Spark概述、第九章 Spark Streaming編程、第十章 Spark SQL編程。

作者簡介

羅福強，副教授，暢銷教材作者。其編寫的《Visual C#.NET程序設計教程》教材，累計銷售數萬冊。

第1章大數據技術概述1

1.1大數據技術的發展背景1

1.1.1大數據技術的發展過程2

1.1.2大數據技術的影響3

1.1.3大數據發展的重大事件5

1.2大數據的概念、特征及意義7

1.2.1什麼是大數據7
第1章大數據技術概述1

1.1大數據技術的發展背景1

1.1.1大數據技術的發展過程2

1.1.2大數據技術的影響3

1.1.3大數據發展的重大事件5

1.2大數據的概念、特征及意義7

1.2.1什麼是大數據7

1.2.2大數據的特征8

1.2.3大數據來自哪兒9

1.2.4大數據的挑戰10

1.2.5研究大數據的意義12

1.3大數據的存儲與計算模式13

1.3.1大數據的存儲模式13

1.3.2大數據的計算模式16

1.4大數據的典型應用18

1.4.1智慧醫療的應用19

1.4.2智慧農業的應用20

1.4.3金融行業的應用21

1.4.4零售行業的應用24

1.4.5電子商務行業的應用24

1.4.6電子政務的應用24

1.5初識Hadoop大數據平臺26

1.5.1Hadoop的發展過程26

1.5.2Hadoop的優勢27

1.5.3Hadoop的生態繫統28

1.5.4Hadoop的版本29

1.6習題32

第2章Hadoop平臺的安裝與配置33

2.1安裝準備33

2.1.1硬件要求33

2.1.2安裝Linux34

2.1.3安裝Java36

2.2Hadoop的集群安裝38

2.2.1Hadoop的運行模式38

2.2.2Linux繫統設置39

2.2.3SSH的安裝41

2.2.4Hadoop的安裝42

2.2.5Hadoop的配置42

2.2.6Hadoop的測試49

2.3Hadoop開發平臺的安裝51

2.3.1Eclipse的安裝51

2.3.2下載hadoop-eclipse-plugin插件53

2.3.3在Eclipse中配置Hadoop53

2.4習題55

2.5實訓55

第3章Hadoop分布式文件繫統57

3.1HDFS概述57

3.1.1HDFS簡介57

3.1.2HDFS的基本概念58

3.1.3HDFS的特點59

3.2HDFS的體繫結構61

3.2.1HDFS設計目標61

3.2.2HDFS的結構模型61

3.2.3HDFS文件的讀寫63

3.2.4HDFS的數據組織機制63

3.2.5HDFS的高可用性機制66

3.3HDFS Shell操作68

3.3.1Shell命令介紹68

3.3.2HDFS Shell幫助68

3.3.3文件操作命令69

3.3.4跨文件繫統的交互操作命令73

3.3.5權限管理操作74

3.4習題76

3.5實訓77

第4章HDFS API編程78

4.1HDFS API概述78

4.1.1HDFS API簡介78

4.1.2HDFS Java API的一般用法82

4.2HDFS Java API客戶端編程85

4.2.1目錄與文件的創建85

4.2.2文件上傳與下載87

4.2.3數據流與文件讀寫操作89

4.2.4目錄與文件的重命名93

4.2.5目錄和文件的刪除94

4.2.6文件繫統的狀態信息顯示95

4.3HDFS應用舉例——雲盤繫統的實現99

4.3.1雲盤繫統分析99

4.3.2雲盤繫統設計99

4.3.3雲盤繫統實現100

4.4習題104

4.5實訓104

第5章Hadoop分布式計算框架106

5.1MapReduce概述106

5.1.1為什麼需要MapReduce106

5.1.2MapReduce的優勢110

5.1.3MapReduce的基本概念111

5.1.4MapReduce框架112

5.1.5MapReduce發展114

5.2YARN運行機制118

5.2.1YARN組成結構118

5.2.2YARN通信協議120

5.2.3YARN工作流程121

5.3數據的混洗處理123

5.3.1map端124

5.3.2reduce端125

5.4作業的調度125

5.4.1FIFO調度器126

5.4.2Capacity調度器126

5.4.3Fair調度器127

5.4.4調度器的比較128

5.5任務的執行129

5.5.1推測執行129

5.5.2JVM重用130

5.5.3跳過壞記錄130

5.6失敗處理機制130

5.6.1任務運行失敗130

5.6.2ApplicationMaster運行失敗131

5.6.3NodeManager運行失敗131

5.6.4ResourceManager運行失敗132

5.6.5日志文件133

5.7MapReduce示例演示——WordCount133

5.8習題136

第6章MapReduce API編程137

6.1MapReduce API概述137

6.1.1MapReduce API簡介137

6.1.2MapReduce API編程思路140

6.2MapReduce的數據類型146

6.2.1序列化146

6.2.2Writable接口146

6.2.3Writable類148

6.3MapReduce的輸入153

6.3.1輸入分片153

6.3.2文件輸入154

6.3.3文本輸入156

6.3.4二進制輸入157

6.3.5多個輸入158

6.3.6數據庫輸入159

6.4MapReduce的輸出159

6.4.1文本輸出160

6.4.2二進制輸出160

6.4.3多個輸出160

6.4.4延遲輸出161

6.4.5數據庫輸出161

6.5MapReduce的任務161

6.5.1map任務162

6.5.2combine任務163

6.5.3partition任務164

6.5.4reduce任務164

6.5.5任務的配置與執行165

6.6MapReduce應用舉例——倒排索引168

6.6.1功能介紹168

6.6.2準備數據169

6.6.3分析與設計170

6.6.4MapReduce編碼實現171

6.6.5測試結果173

6.7習題174

6.8實訓175

第7章MapReduce 高級編程177

7.1自定義數據類型177

7.2自定義輸入/輸出183

7.2.1RecordReader與RecordWriter183

7.2.2自定義輸入188

7.2.3自定義輸出192

7.3自定義Combiner/Partitioner194

7.3.1自定義Combiner194

7.3.2自定義Partitioner197

7.4組合式計算作業200

7.4.1迭代式計算200

7.4.2依賴關繫組合式計算201

7.4.3鏈式計算202

7.5MapReduce的特性203

7.5.1計數器203

7.5.2連接210

7.6MapReduce應用舉例——成績分析

繫統的實現215

7.6.1成績分析繫統解析215

7.6.2成績分析繫統功能設計216

7.6.3成績分析繫統實現216

7.7習題225

7.8實訓225

第8章Spark概述226

8.1環境搭建226

8.1.1Scala的下載和安裝227

8.1.2Spark的下載與安裝228

8.2Spark簡介231

8.2.1Spark的發展231

8.2.2Spark的特點232

8.2.3Spark與Hadoop的關繫233

8.2.4Spark的企業應用234

8.3Spark大數據技術框架235

8.3.1Spark技術體繫235

8.3.2四大組件概述237

8.4Spark 2.0 使用體驗238

8.4.1Spark入口238

8.4.2個Spark程序239

8.5Spark的數據模型242

8.5.1RDD介紹242

8.5.2RDD的處理過程243

8.5.3Transformation算子與使用243

8.5.4Action算子與使用251

8.5.5RDD分區253

8.5.6RDD的依賴關繫253

8.5.7RDD的容錯支持254

8.6Spark任務調度255

8.6.1Spark應用程序部署255

8.6.2Spark任務的調度機制255

8.7習題256

8.8實訓257

第9章Spark Streaming編程258

9.1Spark Streaming介紹258

9.2Spark Streaming工作機制259

9.3Spark的DStream流262

9.3.1DStream轉換262

9.3.2Window操作263

9.3.3DStream輸出264

9.3.4持久化與序列化265

9.3.5設置檢測點266

9.4Spark Streaming案例267

9.5集群處理與性能270

9.6習題272

9.7實訓272

第10章Spark SQL編程273

10.1Spark SQL概述273

10.2DataFrame275

10.2.1DataSet與DataFrame275

10.2.2反射機制獲取RDD內

的Schema276

10.2.3編程接口指定Schema277

10.3數據源278

10.3.1一般load/save方法278

10.3.2Parquet數據集279

10.3.3JSON數據集280

10.3.4JDBC數據集281

10.3.5DataFrame的案例282

10.4Spark Streaming與Spark SQL

綜合案例285

10.5習題290

10.6實訓291

參考文獻292

網友評論我們期待著您對此商品發表評論

相關商品

商品搜索

商品分类

【醫學】

【各大出版社】