类似推荐
编辑推荐
本书旨在带领你了解Hadoop生态系统。
内容简介
本书内容分为两大部分。第一部分（第1章到第5章）从非常高的层次介绍分布式计算，讨论如何在集群上运行计算。第二部分（第6章到第10章）更加具体地关注数据科学家应该了解的工具和技术，意在为各种分析和大规模数据管理提供动力。
作者简介
作者Benjamin Bengfort，数据科学家，目前正在马里兰大学攻读博士学位，方向为机器学习和分布式计算；熟悉自然语言处理、Python数据科学、Hadoop和Spark分析等。 Jenny Kim，经验丰富的大数据工程师，不仅进行商业软件的开发，在学术界也有所建树，在海量数据、机器学习以及生产和研究环境的Hadoop实施方面有深入研究。目前任职于Cloudera的Hue团队。
章节目录
版权信息
版权声明
O'Reilly Media, Inc. 介绍
业界评论
前言
本书目标
目标读者
阅读方式
内容概述
编程和示例代码
GitHub仓库
执行分布式作业
使用示例代码
反馈及作者联系方式
Safari® Books Online
联系我们
致谢
电子书
第一部分 分布式计算入门
第1章 数据产品时代
1.1 什么是数据产品
1.2 使用Hadoop构建大规模数据产品
1.3 数据科学流水线和Hadoop生态系统
1.4 小结
第2章 大数据操作系统
2.1 基本概念
2.2 Hadoop架构
2.3 使用分布式文件系统
2.4 使用分布式计算
2.5 向YARN提交MapReduce作业
2.6 小结
第3章 Python 框架和 Hadoop Streaming
3.1 Hadoop Streaming
3.2 Python的MapReduce框架
3.3 MapReduce进阶
3.4 小结
第4章 Spark 内存计算
4.1 Spark基础
4.2 基于PySpark的交互性Spark
4.3 编写Spark应用程序
4.4 小结
第5章 分布式分析和模式
5.1 键计算
5.2 设计模式
5.3 迈向最后一英里分析
5.4 小结
第二部分 大数据科学的工作流和工具
第6章 数据挖掘和数据仓储
6.1 Hive结构化数据查询
6.2 HBase
6.3 小结
第7章 数据采集
7.1 使用Sqoop导入关系数据
7.2 使用Flume获取流式数据
7.3 小结
第8章 使用高级 API 进行分析
8.1 Pig
8.2 Spark高级API
8.3 小结
第9章 机器学习
9.1 使用Spark进行可扩展的机器学习
9.2 小结
第10章 总结：分布式数据科学实战
10.1 数据产品生命周期
10.2 机器学习生命周期
10.3 小结
附录 A 创建 Hadoop 伪分布式开发环境
A.1 快速上手
A.2 设置Linux环境
A.2.1 创建Hadoop用户
A.2.2 配置SSH
A.2.3 安装Java
A.2.4 禁用IPv6
A.3 安装Hadoop
A.3.1 解压
A.3.2 环境
A.3.3 Hadoop配置
A.3.4 格式化NameNode
A.3.5 启动Hadoop
A.3.6 重启Hadoop
附录 B 安装 Hadoop 生态系统产品
B.1 打包的Hadoop发行版
B.2 自己安装Apache Hadoop生态系统产品
B.2.1 基本安装和配置步骤
B.2.2 Sqoop特定配置
B.2.3 Hive特定配置
B.2.4 HBase特定配置
B.2.5 安装Spark
术语表
关于作者
关于封面
Hadoop数据分析是2018年由人民邮电出版社·图灵出品出版,作者[美] Benjamin Bengfort。
得书感谢您对《Hadoop数据分析》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
