网志栈编辑推荐
大数据类型多样、数量庞大、变化快速，这些特征对大数据分析师提出了新挑战。作为一种应对方案，大数据分析技术广泛应用于物联网、云计算等新兴领域，能够帮助企业用户在合理时间内处理海量数据，并为改善经营决策提供有效帮助。目前，存在多种大数据分析工具，相关技术正在不断走向成熟。Hadoop 作为一种优秀的开源框架，基于该架构的数据分析应用具有显著技术优势和应用前景，目前与Hadoop 大数据分析相关的出版物中，大多偏重于理论和技术介绍，有关具体应用实践方面的书籍相对偏少。为了满足应用需求，《Hadoop 高级数据分析 使用Hadoop 生态系统设计和构建大数据系统》以设计并实现用于获取、分析、可视化大数据集的软件系统为目标，以应用案例为背景，系统地介绍利用Hadoop 及其生态系统进行大数据分析的各种工具和方法；本书讲述Hadoop 大数据分析的基本原理，呈现构建分析系统时所使用的标准架构、算法和技术，对应用案例进行了深入浅出的剖析，为读者掌握大数据分析基础架构及实施方法提供了详明实用的方案。《Hadoop 高级数据分析 使用Hadoop 生态系统设计和构建大数据系统》在注重Hadoop 数据分析理论的同时，与大数据分析案例实践相结合，以生物、电信、资源勘查等行业真实案例为主线，详细讲解Hadoop 高级数据分析的过程。使读者可以自己动手实践，亲自体会开发的乐趣及大数据分析的强大魅力。通过本书的学习，读者能够更加快速且有效地掌握Hadoop 数据分析方法并积累实践经验。阅读《Hadoop 高级数据分析 使用Hadoop 生态系统设计和构建大数据系统》，可以帮助读者了解并掌握Hadoop 高级数据分析技术的具体操作方法，让读者真正理解其核心概念和基本原理。
内容简介
掌握Hadoop高级数据分析技术
学习高级分析技术，并利用现有工具包使分析应用更加强大、精确和高效！《Hadoop高级数据分析 使用Hadoop生态系统设计和构建大数据系统》将架构、设计及实现信息恰当地融为一体，将指导你创建超越基础方法(SF分类、聚类、推荐)的分析系统。
在《Hadoop 高级数据分析 使用Hadoop 生态系统设计和构建大数据系统》中，*实践强调“确保连贯、高效的开发”。将使用包含工具箱、库、可视化组件和报表代码在内的标准第三方组件，借助集成“组合件”开发一个可运行的、可扩展的、端到端的完整示例系统。
《Hadoop 高级数据分析 使用Hadoop 生态系统设计和构建大数据系统》强调以下四点：
● 具有分析组件及合理可视化结果的完整、灵活、可配置、高性能数据管道系统的重要性。深入探讨的主题包括Spark、H2O、Vopal Wabbit(NLP)、Stanford NLP、Apache Mahout，以及其他适用的工具包、库和插件。
● *实践和结构化设计原则。包括重要主题及示例部分。
● 用混合搭配或混合系统实现应用目标的重要性。你在学习深度示例时可体会到混合方法的重要性。
● 使用现有第三方库是有效开发的关键。在开发示例系统时，深度示例将展示一些第三方工具包的功能。
作者简介
Kerry Koitzsch在计算机科学、图像处理和软件工程等领域拥有超过二十年的工作经验，致力于研究Apache Hadoop和Apache Spark技术。Kerry擅长软件咨询，精通一些定制的大数据应用，包括分布式搜索、图像分析、立体视觉和智能图像检索系统。Kerry目前就职于Kildane软件技术股份有限公司，该公司是加州桑尼维尔市的一个机器人系统和图像分析软件提供商。
目录
第Ⅰ部分 概念
第1章 概述：用Hadoop构建数据分析
系统 3
1.1 构建DAS的必要性 4
1.2 Hadoop Core及其简史 4
1.3 Hadoop生态系统概述 5
1.4 AI技术、认知计算、深度学习
以及BDA 6
1.5 自然语言处理与BDAS 6
1.6 SQL与NoSQL查询处理 6
1.7 必要的数学知识 7
1.8 设计及构建BDAS的循环过程 7
1.9 如何利用Hadoop生态系统
实现BDA 10
1.10 “图像大数据”(IABD)基本
思想 10
1.10.1 使用的编程语言 12
1.10.2 Hadoop生态系统的多语言
组件 12
1.10.3 Hadoop生态系统架构 13
1.11 有关软件组合件与框架的
注意事项 13
1.12 Apache Lucene、Solr及其他：
开源搜索组件 14
1.13 建立BDAS的架构 15
1.14 你需要了解的事情 15
1.15 数据可视化与报表 17
1.15.1 使用Eclipse IDE作为开发
环境 18
1.15.2 本书未讲解的内容 19
1.16 本章小结 21
第2章 Scala及Python进阶 23
2.1 动机：选择正确的语言定义
应用 23
2.2 Scala概览 24
2.3 Python概览 29
2.4 错误诊断、调试、配置文件及
文档 31
2.4.1 Python的调试资源 32
2.4.2 Python文档 33
2.4.3 Scala的调试资源 33
2.5 编程应用与示例 33
2.6 本章小结 34
2.7 参考文献 34
第3章 Hadoop及分析的标准工具集 35
3.1 库、组件及工具集：概览 35
3.2 在评估系统中使用深度学习方法 38
3.3 使用Spring框架及Spring Data 44
3.4 数字与统计库：R、Weka及
其他 44
3.5 分布式系统的OLAP技术 44
3.6 用于分析的Hadoop工具集：
Apache Mahout及相关工具 45
3.7 Apache Mahout的可视化 46
3.8 Apache Spark库与组件 46
3.8.1 可供选择的不同类型的shell 46
3.8.2 Apache Spark数据流 47
3.8.3 Sparkling Water与H2O
机器学习 48
3.9 组件使用与系统建立示例 48
3.10 封包、测试和文档化示例
系统 50
3.11 本章小结 51
3.12 参考文献 51
第4章 关系、NoSQL及图数据库 53
4.1 图查询语言：Cypher及
Gremlin 55
4.2 Cypher示例 55
4.3 Gremlin示例 56
4.4 图数据库：Apache Neo4J 58
4.5 关系数据库及Hadoop生态
系统 59
4.6 Hadoop以及UA组件 59
4.7 本章小结 63
4.8 参考文献 64
第5章 数据管道及其构建方法 65
5.1 基本数据管道 66
5.2 Apache Beam简介 67
5.3 Apache Falcon简介 68
5.4 数据源与数据接收：使用
Apache Tika构建数据管道 68
5.5 计算与转换 70
5.6 结果可视化及报告 71
5.7 本章小结 74
5.8 参考文献 74
第6章 Hadoop、Lucene、Solr与
高级搜索技术 75
6.1 Lucene/Solr生态系统简介 75
6.2 Lucene查询语法 76
6.3 使用Solr的编程示例 79
6.4 使用ELK栈(Elasticsearch、
Logstash、Kibana) 85
6.5 Solr与Elasticsearch：特点与
逻辑 93
6.6 应用于Elasticsearch和Solr的
Spring Data组件 95
6.7 使用LingPipe和GATE实现定制
搜索 99
6.8 本章小结 108
6.9 参考文献 108
第Ⅱ部分 架构及算法
第7章 分析技术及算法概览 111
7.1 算法类型综述 111
7.2 统计/数值技术 112
7.3 贝叶斯技术 113
7.4 本体驱动算法 114
7.5 混合算法：组合算法类型 115
7.6 代码示例 116
7.7 本章小结 119
7.8 参考文献 119
第8章 规则引擎、系统控制与系统
编排 121
8.1 规则系统JBoss Drools介绍 121
8.2 基于规则的软件系统控制 124
8.3 系统协调与JBoss Drools 125
8.4 分析引擎示例与规则控制 126
8.5 本章小结 129
8.6 参考文献 129
第9章 综合提升：设计一个完整的分析
系统 131
9.1 本章小结 136
9.2 参考文献 136
第Ⅲ部分 组件与系统
第10章 数据可视化：可视化与交互
分析 139
10.1 简单的可视化 139
10.2 Angular JS和Friends简介 143
10.3 使用JHipster集成Spring XD
和Angular JS 143
10.4 使用d3.js、sigma.js及其他
工具 152
10.5 本章小结 153
10.6 参考文献 153
第Ⅳ部分 案例研究与应用
第11章 生物信息学案例研究：
分析显微镜载玻片数据 157
11.1 生物信息学介绍 157
11.2 自动显微镜简介 159
11.3 代码示例：使用图像填充
HDFS 162
11.4 本章小结 165
11.5 参考文献 165
第12章 贝叶斯分析组件：识别信用
卡诈骗 167
12.1 贝叶斯分析简介 167
12.2 贝叶斯组件用于信用卡诈骗
检测 169
12.3 本章小结 172
12.4 参考文献 172
第13章 寻找石油：使用Apache Mahout
分析地理数据 173
13.1 基于领域的Apache Mahout推理
介绍 173
13.2 智能制图系统和Hadoop
分析 179
13.3 本章小结 180
13.4 参考文献 180
第14章 “图像大数据”系统：一些
案例研究 181
14.1 图像大数据简介 181
14.2 使用HIPI系统的第一个代码
示例 184
14.3 BDA图像工具包利用高级语言
功能 187
14.4 究竟什么是图像数据分析？ 187
14.5 交互模块和仪表板 189
14.6 添加新的数据管道和分布式
特征查找 189
14.7 示例：分布式特征查找算法 190
14.8 IABD工具包中的低级图像
处理程序 194
14.9 术语 194
14.10 本章小结 195
14.11 参考文献 195
第15章 构建通用数据管道 199
15.1 示例系统的体系架构和描述 199
15.2 如何获取和运行示例系统 200
15.3 管道构建的五大策略 200
15.3.1 从数据源和接收装置
工作 200
15.3.2 由中间向外发展 200
15.3.3 基于企业集成模式(EIP)的
开发 200
15.3.4 基于规则的消息管道开发 201
15.3.5 控制 数据(控制流)管道 202
15.4 本章小结 202
15.5 参考文献 203
第16章 大数据分析的总结与展望 205
16.1 总结 205
16.2 大数据分析的现状 206
16.3 “孵化项目”和“初期
项目” 208
16.4 未来Hadoop及其后续思考 209
16.5 不同观点：目前Hadoop的
替代方案 211
16.6 在“未来Hadoop”中使用机器
学习和深度学习技术 211
16.7 数据可视化和BDA的前沿
领域 212
16.8 结束语 212
附录A 设置分布式分析环境 215
附录B 获取、安装和运行示例分析
系统 227
Hadoop高级数据分析 使用Hadoop生态系统设计和构建大数据系统 pdf下载声明
本pdf资料下载仅供个人学习和研究使用，不能用于商业用途，请在下载后24小时内删除。如果喜欢，请购买正版
