了得網研究生_Hadoop大數據技術與應用

商品搜索

类别：

关键字：

商品分类

Hadoop大數據技術與應用
該商品所屬分類：研究生 -> 工學
【市場價】	608-880元
【優惠價】	380-550元
【作者】	楊治明
【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】	9787115503534
【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

開本：16開

紙張：膠版紙

包裝：平裝-膠訂

是否套裝：否

國際標準書號ISBN：9787115503534

叢書名：數據科學與大數據技術專業繫列規劃教材

作者：楊治明

出版社：人民郵電出版社

出版時間：2019年03月

編輯推薦

1.采用理論和實踐相結合方式全面介紹Hadoop技術
2.內容包括Hadoop環境配置，分布式文件繫統HDFS、資源調度框架YARN、分布式計算框架MapReduce、大數據數據倉庫Hive、分布式數據庫HBase、查詢大型半結構化數據集的語言Pig、分布式日志采集工具Flume、分布式數據庫與傳統數據庫數據相互轉換工具Sqoop、提供分布式協調一致性服務的ZooKeeper、Hadoop快速部署工具Ambari、提供可擴展的機器學習領域經典算法的Mahout

內容簡介

本書采用理論與實踐相結合的方式，全面介紹了Hadoop大數據技術。主要內容包括初識Hadoop大數據技術、Hadoop環境配置，分布式文件繫統HDFS、資源調度框架YARN、分布式計算框架MapReduce、大數據數據倉庫Hive、分布式數據庫HBase、查詢大型半結構化數據集的語言Pig、分布式日志采集工具Flume、分布式數據庫與傳統數據庫數據相互轉換工具Sqoop。

作者簡介

楊治明，教授，現任重慶科技學院數理與大數據學院院長，數據科學與大數據技術專業負責人。現任重慶市*教育信息化專家委員會成員、重慶市人工智能技術創新戰略聯盟專家委員會成員。獲得教學成果獎1項、重慶市高等教育教學成果獎二等獎、三等獎各1項。

第1章初識Hadoop大數據技術1

1.1大數據技術概述1

1.1.1大數據產生的背景1

1.1.2大數據的定義2

1.1.3大數據技術的發展2

1.2Google的“三駕馬車”3

1.2.1GFS的思想3
第1章初識Hadoop大數據技術1

1.1大數據技術概述1

1.1.1大數據產生的背景1

1.1.2大數據的定義2

1.1.3大數據技術的發展2

1.2Google的“三駕馬車”3

1.2.1GFS的思想3

1.2.2MapReduce的思想4

1.2.3BigTable的思想6

1.3Hadoop概述8

1.3.1Hadoop對Google公司三篇論文思想的實現8

1.3.2Hadoop的發展歷史9

1.3.3Hadoop版本的演變11

1.3.4Hadoop的發行版本12

1.3.5Hadoop的特點12

1.4Hadoop生態圈12

1.5Hadoop的典型應用場景與應用架構13

1.5.1Hadoop的典型應用場景13

1.5.2Hadoop的典型應用架構14

習題15

第2章Hadoop環境設置16

2.1安裝前準備16

2.1.1安裝虛擬機17

2.1.2安裝Ubuntu操作繫統20

2.1.3關閉防火牆22

2.1.4SSH安裝22

2.1.5安裝Xshell及Xftp22

2.1.6安裝JDK24

2.1.7下載Hadoop並解壓25

2.1.8克隆主機27

2.2Hadoop的安裝28

2.2.1安裝單機模式28

2.2.2安裝偽分布式模式29

2.2.3安裝完全分布式模式35

習題41

實驗搭建Hadoop偽分布式模式環境42

第3章HDFS44

3.1HDFS簡介44

3.2HDFS的組成與架構45

3.2.1NameNode45

3.2.2DataNode46

3.2.3SecondaryNameNode46

3.3HDFS的工作機制47

3.3.1機架感知與副本冗餘存儲策略47

3.3.2文件讀取49

3.3.3文件寫入50

3.3.4數據容錯52

3.4HDFS操作53

3.4.1通過Web界面進行HDFS操作53

3.4.2通過HDFS Shell進行HDFS操作54

3.4.3通過HDFS API進行HDFS操作60

3.5HDFS的高級功能68

3.5.1安全模式68

3.5.2回收站69

3.5.3快照70

3.5.4配額71

3.5.5高可用性71

3.5.6聯邦72

習題74

實驗1通過Shell命令訪問HDFS74

實驗2熟悉基於IDEA Maven的Java開發環境77

實驗3通過API訪問HDFS86

第4章YARN90

4.1YARN產生的背景90

4.2初識YARN92

4.3YARN的架構93

4.3.1YARN架構概述93

4.3.2YARN中應用運行的機制94

4.3.3YARN中任務進度的監控94

4.3.4MapReduce 1與YARN的組成對比95

4.4YARN的調度器95

4.4.1先進先出調度器95

4.4.2容器調度器96

4.4.3公平調度器97

4.4.4三種調度器的比較98

習題98

第5章MapReduce99

5.1MapReduce概述99

5.1.1MapReduce是什麼99

5.1.2MapReduce的特點99

5.1.3MapReduce不擅長的場景100

5.2MapReduce編程模型100

5.2.1MapReduce編程模型概述100

5.2.2MapReduce編程實例101

5.3MapReduce編程進階112

5.3.1MapReduce的輸入格式112

5.3.2MapReduce的輸出格式114

5.3.3分區115

5.3.4合並118

5.4MapReduce的工作機制119

5.4.1MapReduce作業的運行機制119

5.4.2進度和狀態的更新120

5.4.3Shuffle121

5.5MapReduce編程案例122

5.5.1排序122

5.5.2去重126

5.5.3多表查詢127

習題129

實驗1分析和編寫WordCount程序130

實驗2MapReduce序列化、分區實驗131

實驗3使用MapReduce求出各年銷售筆數、各年銷售總額134

實驗4使用MapReduce統計用戶在搜狗上的搜索數據136

第6章HBase、Hive、Pig139

6.1HBase139

6.1.1行式存儲與列式存儲139

6.1.2HBase簡介140

6.1.3HBase的數據模型141

6.1.4HBase的物理模型143

6.1.5HBase的繫統架構144

6.1.6HBase的安裝147

6.1.7訪問HBase152

6.2Hive157

6.2.1安裝Hive157

6.2.2Hive的架構與工作原理160

6.2.3Hive的數據類型與存儲格式163

6.2.4Hive的數據模型167

6.2.5查詢數據169

6.2.6用戶定義函數170

6.3Pig171

6.3.1Pig概述171

6.3.2安裝Pig172

6.3.3Pig Latin編程語言172

6.3.4Pig代碼實例177

6.3.5用戶自定義函數179

習題181

實驗1HBase實驗——安裝和配置（可選）181

實驗2HBase實驗——通過HBase Shell訪問HBase（可選）185

實驗3HBase實驗——通過Java API訪問HBase187

實驗4HBase實驗——通過Java API開發基於HBase的MapReduce程序189

實驗5Hive實驗——Metastore采用Local模式（MySQL數據庫）搭建Hive環境（可選）191

實驗6Hive實驗——Hive常用操作193

實驗7Pig實驗——安裝和使用Pig（可選）194

實驗8Pig實驗——使用Pig Latin操作員工表和部門表195

第7章Flume198

7.1Flume產生的背景198

7.2Flume簡介198

7.3Flume的安裝199

7.4Flume的架構200

7.5Flume的應用201

7.5.1Flume的組件類型及其配置項201

7.5.2Flume的配置和運行方法206

7.5.3Flume配置示例207

7.6Flume的工作方式209

習題210

實驗1Flume的配置與使用1——Avro Source Memory Channel Logger Sink211

實驗2Flume的配置與使用2——Syslogtcp Source Memory Channel HDFS Sink212

實驗3Flume的配置與使用3——Exec Source Memory Channel Logger Sink213

第8章Sqoop214

8.1Sqoop背景簡介214

8.2Sqoop的基本原理215

8.3Sqoop的安裝與部署216

8.3.1下載與安裝216

8.3.2配置Sqoop217

8.4Sqoop應用219

8.4.1列出MySQL數據庫的基本信息219

8.4.2MySQL和HDFS數據互導219

8.4.3MySQL和Hive數據互導220

習題221

實驗Sqoop常用功能的使用222

第9章ZooKeeper227

9.1ZooKeeper簡介227

9.2ZooKeeper的安裝228

9.2.1單機模式228

9.2.2集群模式229

9.3ZooKeeper的基本原理231

9.3.1Paxos算法231

9.3.2Zab算法232

9.3.3ZooKeeper的架構232

9.3.4ZooKeeper的數據模型233

9.4ZooKeeper的簡單操作235

9.4.1通過ZooKeeper Shell命令操作ZooKeeper235

9.4.2通過ZooInspector工具操作ZooKeeper238

9.4.3通過Java API操作ZooKeeper238

9.5ZooKeeper的特性239

9.5.1會話239

9.5.2臨時節點240

9.5.3順序節點240

9.5.4事務操作241

9.5.5版本號241

9.5.6監視242

9.6ZooKeeper的應用場景243

9.6.1Master選舉244

9.6.2分布式鎖245

習題246

實驗ZooKeeper的3種訪問方式246

第10章Ambari249

10.1Ambari簡介249

10.1.1背景249

10.1.2Ambari的主要功能250

10.2Ambari的安裝250

10.2.1安裝前準備250

10.2.2安裝Ambari254

10.3利用Ambari管理Hadoop集群257

10.3.1安裝與配置HDP集群258

10.3.2節點的擴展264

10.3.3啟用HA267

10.4Ambari的架構和工作原理271

10.4.1Ambari的總體架構271

10.4.2Ambari Agent272

10.4.3Ambari Server272

習題273

第11章Mahout274

11.1Mahout簡介274

11.1.1什麼是Mahout274

11.1.2Mahout能做什麼275

11.2Taste簡介276

11.2.1DataModel276

11.2.2Similarity277

11.2.3UserNeighborhood277

11.2.4Recommender277

11.2.5RecommenderEvaluator277

11.2.6RecommenderIRStatsEvaluator278

11.3使用Taste構建推薦繫統278

11.3.1創建Maven項目278

11.3.2導入Mahout依賴278

11.3.3獲取電影評分數據278

11.3.4編寫基於用戶的推薦279

11.3.5編寫基於物品的推薦280

11.3.6評價推薦模型281

11.3.7獲取推薦的查準率和查全率281

習題282

實驗基於Mahout的電影推薦繫統283

綜合實驗搜狗日志查詢分析（MapReduce Hive綜合實驗）284

參考文獻287

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】