编辑推荐

系统、全面、深入讲解hadoop开发者需要掌握的技术和知识。

内容简介

本书由资深hadoop技术专家撰写，内容包括hdfs的原理和应用、hadoop文件i/o的原理和应用、mapreduce的原理和高级应用、mapreduce的编程方法和技巧，以及hive、hbase和mahout等技术和工具的使用。并且提供大量基于实际生产环境的案例，实战性非常强。

作者简介

作者刘刚，参与过多个软件项目的研发、设计和管理工作，拥有项目管理师高 级认证、项目监理师中级认证，出版过《原型设计大师：Axure RP网站与APP设计从入门到精通》《Axure RP原型设计图解微课视频教程（Web+App）》书籍。在中国擎天公司、神州软件子公司任职过，在项目管理和项目实践、软件设计等方面有一定经验。曾负责过纪检监察廉政监督监管平台产品的设计与开发、国家邮政局项目的设计与开发、政务大数据项目的设计与开发等项目。

章节目录

版权信息

前言

第1章 Hadoop概述

1.1 Hadoop起源

1.1.1 Google与Hadoop模块

1.1.2 为什么会有Hadoop

1.1.3 Hadoop版本介绍

1.2 Hadoop生态系统

1.3 Hadoop常用项目介绍

1.4 Hadoop在国内的应用

1.5 本章小结

第2章 Hadoop安装

2.1 Hadoop环境安装配置

2.1.1 安装VMware

2.1.2 安装Ubuntu

2.1.3 安装VMware Tools

2.1.4 安装JDK

2.2 Hadoop安装模式

2.2.1 单机安装

2.2.2 伪分布式安装

2.2.3 分布式安装

2.3 如何使用Hadoop

2.3.1 Hadoop的启动与停止

2.3.2 Hadoop配置文件

2.4 本章小结

第3章 MapReduce快速入门

3.1 WordCount实例准备开发环境

3.1.1 使用Eclipse创建一个Java工程

3.1.2 导入Hadoop的JAR文件

3.2 MapReduce代码的实现

3.2.1 编写WordMapper类

3.2.2 编写WordReducer类

3.2.3 编写WordMain驱动类

3.3 打包、部署和运行

3.3.1 打包成JAR文件

3.3.2 部署和运行

3.3.3 测试结果

3.4 本章小结

第4章 Hadoop分布式文件系统详解

4.1 认识HDFS

4.1.1 HDFS的特点

4.1.2 Hadoop文件系统的接口

4.1.3 HDFS的Web服务

4.2 HDFS架构

4.2.1 机架

4.2.2 数据块

4.2.3 元数据节点

4.2.4 数据节点

4.2.5 辅助元数据节点

4.2.6 名字空间

4.2.7 数据复制

4.2.8 块备份原理

4.2.9 机架感知

4.3 Hadoop的RPC机制

4.3.1 RPC的实现流程

4.3.2 RPC的实体模型

4.3.3 文件的读取

4.3.4 文件的写入

4.3.5 文件的一致模型

4.4 HDFS的HA机制

4.4.1 HA集群

4.4.2 HA架构

4.4.3 为什么会有HA机制

4.5 HDFS的Federation机制

4.5.1 单个NameNode的HDFS架构的局限性

4.5.2 为什么引入Federation机制

4.5.3 Federation架构

4.5.4 多个名字空间的管理问题

4.6 Hadoop文件系统的访问

4.6.1 安全模式

4.6.2 HDFS的Shell访问

4.6.3 HDFS处理文件的命令

4.7 Java API接口

4.7.1 Hadoop URL读取数据

4.7.2 FileSystem类

4.7.3 FileStatus类

4.7.4 FSDataInputStream类

4.7.5 FSDataOutputStream类

4.7.6 列出HDFS下所有的文件

4.7.7 文件的匹配

4.7.8 PathFilter对象

4.8 维护HDFS

4.8.1 追加数据

4.8.2 并行复制

4.8.3 升级与回滚

4.8.4 添加节点

4.8.5 删除节点

4.9 HDFS权限管理

4.9.1 用户身份

4.9.2 权限管理的原理

4.9.3 设置权限的Shell命令

4.9.4 超级用户

4.9.5 HDFS权限配置参数

4.10 本章小结

第5章 Hadoop文件I/O详解

5.1 Hadoop文件的数据结构

5.1.1 SequenceFile存储

5.1.2 MapFile存储

5.1.3 SequenceFile转换为MapFile

5.2 HDFS数据完整性

5.2.1 校验和

5.2.2 数据块检测程序

5.3 文件序列化

5.3.1 进程间通信对序列化的要求

5.3.2 Hadoop文件的序列化

5.3.3 Writable接口

5.3.4 WritableComparable接口

5.3.5 自定义Writable接口

5.3.6 序列化框架

5.3.7 数据序列化系统Avro

5.4 Hadoop的Writable类型

5.4.1 Writable类的层次结构

5.4.2 Text类型

5.4.3 NullWritable类型

5.4.4 ObjectWritable类型

5.4.5 GenericWritable类型

5.5 文件压缩

5.5.1 Hadoop支持的压缩格式

5.5.2 Hadoop中的编码器和解码器

5.5.3 本地库

5.5.4 可分割压缩LZO

5.5.5 压缩文件性能比较

5.5.6 Snappy压缩

5.5.7 gzip、LZO和Snappy比较

5.6 本章小结

第6章 MapReduce工作原理

6.1 MapReduce的函数式编程概念

6.1.1 列表处理

6.1.2 Mapping数据列表

6.1.3 Reducing数据列表

6.1.4 Mapper和Reducer如何工作

6.1.5 应用实例：词频统计

6.2 MapReduce框架结构

6.2.1 MapReduce模型

6.2.2 MapReduce框架组成

6.3 MapReduce运行原理

6.3.1 作业的提交

6.3.2 作业初始化

6.3.3 任务的分配

6.3.4 任务的执行

6.3.5 进度和状态的更新

6.3.6 MapReduce的进度组成

6.3.7 任务完成

6.4 MapReduce容错

6.4.1 任务失败

6.4.2 TaskTracker失败

6.4.3 JobTracker失败

6.4.4 子任务失败

6.4.5 任务失败反复次数的处理方法

6.5 Shuffle阶段和Sort阶段

6.5.1 Map端的Shuffle

6.5.2 Reduce端的Shuffle

6.5.3 Shuffle过程参数调优

6.6 任务的执行

6.6.1 推测执行

6.6.2 任务JVM重用

6.6.3 跳过坏的记录

6.6.4 任务执行的环境

6.7 作业调度器

6.7.1 先进先出调度器

6.7.2 容量调度器

6.7.3 公平调度器

6.8 自定义Hadoop调度器

6.8.1 Hadoop调度器框架

6.8.2 编写Hadoop调度器

6.9 YARN介绍

6.9.1 异步编程模型

6.9.2 YARN支持的计算框架

6.9.3 YARN架构

6.9.4 YARN工作流程

6.10 本章小结

第7章 Eclipse插件的应用

7.1 编译Hadoop源码

7.1.1 下载Hadoop源码

7.1.2 准备编译环境

7.1.3 编译common组件

7.2 Eclipse安装MapReduce插件

7.2.1 查找MapReduce插件

7.2.2 新建一个Hadoop location

7.2.3 Hadoop插件操作HDFS

7.2.4 运行MapReduce的驱动类

7.3 MapReduce的Debug调试

7.3.1 进入Debug运行模式

7.3.2 Debug调试具体操作

7.4 单元测试框架MRUnit

7.4.1 认识MRUnit框架

7.4.2 准备测试案例

7.4.3 Mapper单元测试

7.4.4 Reducer单元测试

7.4.5 MapReduce单元测试

7.5 本章小结

第8章 MapReduce编程开发

8.1 WordCount案例分析

8.1.1 MapReduce工作流程

8.1.2 WordCount的Map过程

8.1.3 WordCount的Reduce过程

8.1.4 每个过程产生的结果

8.1.5 Mapper抽象类

8.1.6 Reducer抽象类

8.1.7 MapReduce驱动

8.1.8 MapReduce最小驱动

8.2 输入格式

8.2.1 InputFormat接口

8.2.2 InputSplit类

8.2.3 RecordReader类

8.2.4 应用实例：随机生成100个小数并求最大值

8.3 输出格式

8.3.1 OutputFormat接口

8.3.2 RecordWriter类

8.3.3 应用实例：把首字母相同的单词放到一个文件里

8.4 压缩格式

8.4.1 如何在MapReduce中使用压缩

8.4.2 Map作业输出结果的压缩

8.5 MapReduce优化

8.5.1 Combiner类

8.5.2 Partitioner类

8.5.3 分布式缓存

8.6 辅助类

8.6.1 读取Hadoop配置文件

8.6.2 设置Hadoop的配置文件属性

8.6.3 GenericOptionsParser选项

8.7 Streaming接口

8.7.1 Streaming工作原理

8.7.2 Streaming编程接口参数

8.7.3 作业配置属性

8.7.4 应用实例：抓取网页的标题

8.8 本章小结

第9章 MapReduce高级应用

9.1 计数器

9.1.1 默认计数器

9.1.2 自定义计数器

9.1.3 获取计数器

9.2 MapReduce二次排序

9.2.1 二次排序原理

9.2.2 二次排序的算法流程

9.2.3 代码实现

9.3 MapReduce中的Join算法

9.3.1 Reduce端Join

9.3.2 Map端Join

9.3.3 半连接Semi Join

9.4 MapReduce从MySQL读写数据

9.4.1 读数据

9.4.2 写数据

9.5 Hadoop系统调优

9.5.1 小文件优化

9.5.2 Map和Reduce个数设置

9.6 本章小结

第10章 数据仓库工具Hive

10.1 认识Hive

10.1.1 Hive工作原理

10.1.2 Hive数据类型

10.1.3 Hive的特点

10.1.4 Hive下载与安装

10.2 Hive架构

10.2.1 Hive用户接口

10.2.2 Hive元数据库

10.2.3 Hive的数据存储

10.2.4 Hive解释器

10.3 Hive文件格式

10.3.1 TextFile格式

10.3.2 SequenceFile格式

10.3.3 RCFile文件格式

10.3.4 自定义文件格式

10.4 Hive操作

10.4.1 表操作

10.4.2 视图操作

10.4.3 索引操作

10.4.4 分区操作

10.4.5 桶操作

10.5 Hive复合类型

10.5.1 Struct类型

10.5.2 Array类型

10.5.3 Map类型

10.6 Hive的JOIN详解

10.6.1 JOIN操作语法

10.6.2 JOIN原理

10.6.3 外部JOIN

10.6.4 Map端JOIN

10.6.5 JOIN中处理NULL值的语义区别

10.7 Hive优化策略

10.7.1 列裁剪

10.7.2 Map Join操作

10.7.3 Group By操作

10.7.4 合并小文件

10.8 Hive内置操作符与函数

10.8.1 字符串函数

10.8.2 集合统计函数

10.8.3 复合类型操作

10.9 Hive用户自定义函数接口

10.9.1 用户自定义函数UDF

10.9.2 用户自定义聚合函数UDAF

10.10 Hive的权限控制

10.10.1 角色的创建和删除

10.10.2 角色的授权和撤销

10.10.3 超级管理员权限

10.11 应用实例：使用JDBC开发Hive程序

10.11.1 准备测试数据

10.11.2 代码实现

10.12 本章小结

第11章 开源数据库HBase

11.1 认识HBase

11.1.1 HBase的特点

11.1.2 HBase访问接口

11.1.3 HBase存储结构

11.1.4 HBase存储格式

11.2 HBase设计

11.2.1 逻辑视图

11.2.2 框架结构及流程

11.2.3 Table和Region的关系

11.2.4 -ROOT-表和.META.表

11.3 关键算法和流程

11.3.1 Region定位

11.3.2 读写过程

11.3.3 Region分配

11.3.4 Region Server上线和下线

11.3.5 Master上线和下线

11.4 HBase安装

11.4.1 HBase单机安装

11.4.2 HBase分布式安装

11.5 HBase的Shell操作

11.5.1 一般操作

11.5.2 DDL操作

11.5.3 DML操作

11.5.4 HBase Shell脚本

11.6 HBase客户端

11.6.1 Java API交互

11.6.2 MapReduce操作HBase

11.6.3 向HBase中写入数据

11.6.4 读取HBase中的数据

11.6.5 Avro、REST和Thrift接口

11.7 本章小结

第12章 Mahout算法

12.1 Mahout的使用

12.1.1 安装Mahout

12.1.2 运行一个Mahout案例

12.2 Mahout数据表示

12.2.1 偏好Perference类

12.2.2 数据模型DataModel类

12.2.3 Mahout链接MySQL数据库

12.3 认识Taste框架

12.4 Mahout推荐器

12.4.1 基于用户的推荐器

12.4.2 基于项目的推荐器

12.4.3 Slope One推荐策略

12.5 推荐系统

12.5.1 个性化推荐

12.5.2 商品推荐系统案例

12.6 本章小结

附录A Hive内置操作符与函数

A.1 关系运算

A.2 逻辑运算与数学运算

A.3 Hive逻辑运算

A.4 数值运算

A.5 日期函数

A.6 条件函数

A.7 字符串函数

A.8 集合统计函数

A.9 符合类型构建操作

A.10 复杂类型访问操作

A.11 复杂类型长度统计函数

附录B HBase默认配置解释

附录C Hadoop三个配置文件的参数含义说明

C.1 常用的端口配置

C.2 集群目录配置

Hadoop应用开发技术详解是2014年由机械工业出版社华章分社出版,作者刘刚。

得书感谢您对《Hadoop应用开发技术详解》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。