本书共9章，主要内容包括：Python语法基础、Python数据结构、函数和类、正则表达式与格式化输出、Numpy和Pandas、数据处理与分析、网络爬虫、数据可视化、应用案例...
类似推荐
内容简介
Hadoop是一种分布式数据和计算的框架，在大数据处理中应用非常广泛。MapReduce是一种编程模型。Hadoop正是以MapReduce作为核心编程模型的。
《MapReduce 2.0源码分析与编程实战》比较系统地介绍了新一代MapReduce 2.0的理论体系、架构和程序设计方法。全书分为10章，系统地介绍了HDFS存储系统，Hadoop的文件I/O系统，MapReduce 2.0的框架结构和源码分析，MapReduce 2.0的配置与测试，MapReduce 2.0运行流程，MapReduce 2.0高级程序设计以及相关特性等内容。《MapReduce 2.0源码分析与编程实战》**后部分介绍了数据挖掘的初步知识，以及不同应用类型的MapReduce 2.0编程实战。
《MapReduce 2.0源码分析与编程实战》强调理论联系实际，帮助读者在掌握MapReduce 2.0基本知识和特性的基础上，培养实际编程和解决大数据处理相关问题的能力。《MapReduce 2.0源码分析与编程实战》可作为学习MapReduce 2.0的源码、MapReduce 2.0程序设计、数据挖掘、机器学习等相关内容的程序设计人员的培训和自学读物，也可以作为高等院校相关专业的教学辅导书。
章节目录
- 封面
- 扉页
- 作者简介
- 序
- 前言
- 第1章 大象也会跳舞
- 1.1 大数据时代
- 1.2 大数据分析时代
- 1.3 简单、粗暴、有效——这就是Hadoop
- 1.4 MapReduce与Hadoop
- 1.5 看，大象也会跳舞
- 本章小结
- 第2章 大象的肚子——HDFS文件系统详解
- 2.1 HDFS基础详解
- 2.1.1 HDFS设计思路
- 2.1.2 HDFS架构与基本存储单元
- 2.2 HDFS数据存取流程分析
- 2.2.1 HDFS数据存储位置与复制详解
- 2.2.2 HDFS 输入流程分析
- 2.2.3 HDFS输出流程分析
- 2.3 HDFS命令行操作详解
- 2.3.1 HDFS中4个通用的命令行操作
- 2.3.2 HDFS文件18个基本命令行的操作
- 2.3.3 HDFS文件访问权限详解
- 2.4 通过Web浏览HDFS文件
- 2.5 HDFS接口使用详解
- 2.5.1 使用FileSystem API操作HDFS中的内容
- 2.5.2 使用FileSystem API读取数据详解
- 2.5.3 使用FileSystem API写入数据详解
- 2.6 HDFS文件同步与并发访问
- 本章小结
- 第3章 “吃下去吐出来”——Hadoop文件I/O系统详解
- 3.1 Hadoop的压缩类型介绍
- 3.2 Hadoop的压缩类库
- 3.2.1 从一个简单的例子开始
- 3.2.2 CompressionCodec接口
- 3.2.3 CompressionCodecFactory类详解
- 3.2.4 压缩池
- 3.2.5 在Hadoop中使用压缩
- 3.3 I/O中序列化类型详解
- 3.3.1 Text类详解
- 3.3.2 IntWritable类详解
- 3.3.3 ObjectWritable类详解
- 3.3.4 NullWritable类详解
- 3.3.5 ByteWritable类详解
- 3.4 实现自定义的Writable类型
- 3.4.1 Writable接口
- 3.4.2 WritableComparable接口与RawComparator接口
- 3.4.3 自定义的Writable类
- 3.4.4 为了更快的比较
- 3.5 Hadoop中小文件处理详解
- 3.5.1 SequenceFile详解
- 3.5.2 MapFile详解
- 本章小结
- 第4章 “大象的大脑”——MapReduce框架结构与源码分析
- 4.1 MapReduce框架结构与源码分析
- 4.1.1 MapReduce框架分析与执行过程详解
- 4.1.2 MapReduce输入输出与源码分析
- 4.1.3 MapReduce中Job类详解
- 4.2 编程实战：经典的MapReduce单词计数程序
- 4.2.1 准备工作
- 4.2.2 MapReduce过程分析
- 4.2.3 计数程序的MapReduce实现
- 4.2.4 计数程序的P04方法
- 4.2.5 注意事项
- 4.2.6 运行结果
- 4.2.7 Mapper中的Combiner详解
- 本章小结
- 第5章 深入！MapReduce配置与测试
- 5.1 MapReduce环境变量配置详解
- 5.1.1 使用XML配置新的配置文件
- 5.1.2 修改已有的配置文件
- 5.1.3 辅助类ToolRunner、Configured详解
- 5.2 使用MRUnit对MapReduce进行测试
- 5.2.1 MRUnit简介与使用
- 5.2.2 使用MRUnit完成Mapper单元测试
- 5.2.3 使用MRUnit完成Reduce单元测试
- 5.2.4 使用MRUnit完成MapReduce单元测试
- 5.3 在本地磁盘上进行MapReduce测试
- 5.3.1 伪环境欺骗
- 5.3.2 在Eclipse中配置Hadoop插件
- 5.3.3 编写本地测试代码
- 5.4 MapReduce计数器
- 5.4.1 使用计数器的MapReduce程序设计
- 5.4.2 通过Web接口进行任务分析
- 5.4.3 通过Web接口查看计数器
- 本章小结
- 第6章 大象的思考流程——MapReduce运行流程详解
- 6.1 经典MapReduce任务的工作流程
- 6.1.1 ClientNode执行任务的初始化
- 6.1.2 消息传递
- 6.1.3 MapReduce任务的执行
- 6.1.4 任务的完成与状态更新
- 6.2 经典MapReduce任务异常处理详解
- 6.2.1 MapReduce任务异常的处理方式
- 6.2.2 MapReduce任务失败的处理方式
- 6.3 经典MapReduce任务的数据处理过程
- 6.3.1 Map端的输入数据处理过程
- 6.3.2 Reduce端的输入数据处理过程
- 6.3.3 Java虚拟机重用
- 6.4 MapReduce 2.0（YARN）工作流程详解
- 6.4.1 YARN概述
- 6.4.2 YARN任务过程分析
- 6.4.3 YARN的异常处理
- 本章小结
- 第7章 更强的大象——MapReduce高级程序设计续
- 7.1 MapReduce程序设计默认格式类型详解
- 7.1.1 map与reduce方法的默认输入输出类型
- 7.1.2 自定义输入输出类型设置
- 7.1.3 自定义全局类型变量设置要求
- 7.1.4 默认的MapReduce程序设置
- 7.2 InputFormat输入格式详解
- 7.2.1 输入记录与分区
- 7.2.2 InputFormat源码及执行过程分析
- 7.2.3 实现自己的RecordReader类
- 7.2.4 自定义的FileInputFormat类
- 7.2.5 一些常用的 InputFormat类详解
- 7.3 OutputFormat输出格式详解
- 7.3.1 OutputFormat默认输出格式
- 7.3.2 自定义OutputFormat输出格式
- 7.3.3 对Reduce任务数进行设置
- 7.3.4 OutputFormat分区类Partitioner详解
- 7.4 多种输入与输出使用介绍
- 7.4.1 MultipleInputs多种输入方式详解
- 7.4.2 MultipleOutputs多种输出方式详解
- 本章小结
- 第8章 MapReduce相关特性详解
- 8.1 MapReduce计数器
- 8.1.1 Hadoop框架内置的计数器
- 8.1.2 自定义计数器
- 8.1.3 动态计数器
- 8.1.4 获取计数器值
- 8.2 排序与查找
- 8.2.1 普通排序规则与查找
- 8.2.2 使用MapFile进行排序与查找
- 8.3 对输出结果的值分组排序
- 8.3.1 准备工作
- 8.3.2 对结果进行分组处理
- 8.3.3 对键的二次排序
- 8.3.4 自定义输出分组
- 8.4 编程实战：使用二次排序自动查找最小值
- 8.4.1 思路分析
- 8.4.2 验证输入输出结果
- 8.4.3 对结果进行二次排序
- 8.4.4 对结果进行分组
- 8.4.5 分片处理排序与分组
- 8.4.6 验证结果
- 本章小结
- 第9章 啤酒与尿布——MapReduce连接与数据挖掘初步
- 9.1 对于同样格式数据进行MapReduce连接
- 9.2 对于不同格式数据进行MapReduce连接
- 9.3 不能说的秘密—啤酒与尿布
- 9.3.1 销售清单的秘密
- 9.3.2 设计程序
- 9.3.3 程序执行结果
- 9.4 数据挖掘初步
- 本章小结
- 第10章 MapReduce实战编程及深度分析
- 10.1 编程实战：自定义数据库中读取数据
- 10.1.1 准备工作
- 10.1.2 程序分析
- 10.1.3 自定义SQLInputFormat
- 10.1.4 使用自定义程序从数据库中读取数据
- 10.1.5 程序运行及数据分析
- 10.1.6 使用合并记录进行性能调优
- 10.2 编程实战：串联寻找共同转载微博
- 10.2.1 应用分析
- 10.2.2 第一步表转换
- 10.2.3 建立关注连接
- 10.2.4 自定义的OutputFormat
- 10.2.5 串联解决共同转载微博
- 10.2.6 性能调优及后续处理
- 10.3 编程实战：云存储模型
- 10.3.1 应用分析
- 10.3.2 Tomcat简介
- 10.3.3 配置Tomcat服务器
- 10.3.4 测试Tomcat服务器
- 10.3.5 在Eclipse中配置Tomcat
- 10.3.6 创建云存储目录
- 10.3.7 获取云存储列表
- 10.3.8 将文件上传至数据云存储中
- 10.3.9 删除文件
- 10.3.10 下载云端存储文件
- 10.3.11 程序执行与性能调优
- 10.4 编程实战：多文档相似关键字检索
- 10.4.1 应用分析
- 10.4.2 自定义任务处理类
- 10.4.3 程序执行及后续分析
- 10.5 编程实战：学生成绩整理与分组
- 10.5.1 应用分析
- 10.5.2 自定义的ScoreWritable
- 10.5.3 自定义的MapReduce
- 10.5.4 自定义的分组
- 10.5.5 程序运行结果
- 10.5.6 采用更多分组类型
- 本章小结
- 版权
展开全部
MapReduce 2.0源码分析与编程实战是2014年由人民邮电出版社出版,作者王晓华 著。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《MapReduce 2.0源码分析与编程实战》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。
电子书
电子书
本书的主要内容为：数据的存储及表示形式、汇编语言入门、熟悉调试工具OllyDbg、PE工具详解、PE文件格式实例（包括加壳与脱壳工具的使用）、十六进制编辑器与反编译工具、IDA...
电子书
本书系统地描述了如何利用Python语言进行数据分析。由浅入深的编写方式可以帮助读者轻松愉快地进入数据的世界。全书从理论到实践、从基础语法到科学计算库，循序渐进地讲解了Pyth...
电子书
|a本书以Python数据分析常用技术与真实案例相结合的方式，介绍Python商务数据分析应用的重要内容。全书共10章，内容包括：商务数据分析概述、Python数据分析简介、数...
电子书
本书共11章，分为基础篇(第1-5章)和实战篇(第6-11章)，基础篇包括数据挖掘基础、Python数据挖掘编程基础、数据探索、数据预处理、数据挖掘算法基础等基础知识：实战篇包...
电子书
本书共13章，主要包括：数据分析概述及R语言环境，R语言的数据对象及其类型，R语言数据存储与读取，R语言编程，R语言可视化，R语言描述性统计，R语言参数估计，R语言参数假设检验...
电子书
本书从Java语言的基本特点入手，全面介绍了Java语言的基本概念和编程方法，并扼要介绍了Java的高特。全书内容涉及Java基本语法、数据类型、异常、界面设计、小应用程序、I...