Hadoop大数据解决方案 PDF下载

编辑推荐

；；；本书面向使用Hadoop来执行数据相关作业的任何人，也适合希望更好地从任意数据存储中获取有意义信息的读者。这包括大数据解决方案架构师、Linux系统和大数据工程师、大数据平台工程师、Java程序员和数据库管理员。

；

内容简介

使用Hadoop构建更优秀的大数据解决方案　　
Hadoop开源且基于Java、几乎没有入门障碍，它提供了迅速占据市场的实用大数据解决方案。《Hadoop大数据解决方案》由包括已认证Hadoop开发者、Committers和峰会演讲者在内的专家团队编写，可以作为有关该框架流程和功能的自学教程。书中单独介绍了各个组件，ZUI后用实际项目将它们联系起来并构建示例应用。本书跳过数据库开发基础知识，直奔主题，帮助有经验的开发者快速上手，并开始在真实场景中使用Hadoop。
主要内容
◆ 向你展示使用Hadoop Stack配置存储、用户体验和内存计算的方法
◆ 解释使用Kafka实时消息和Storm数据流将Hadoop与其他系统集成的方法
◆ 演示关键安全特性与技术，同时给出保证数据安全的专家建议
◆ 讲授使用Apache BigTop打包、测试和配置的基础知识，以及使用Ignite更快速执行MapReduce的方法<；p>；使用Hadoop构建更优秀的大数据解决方案　　<；/p>； <；p>；；；；；Hadoop开源且基于Java、几乎没有入门障碍，它提供了迅速占据市场的实用大数据解决方案。《Hadoop大数据解决方案》由包括已认证Hadoop开发者、Committers和峰会演讲者在内的专家团队编写，可以作为有关该框架流程和功能的自学教程。书中单独介绍了各个组件，ZUI后用实际项目将它们联系起来并构建示例应用。本书跳过数据库开发基础知识，直奔主题，帮助有经验的开发者快速上手，并开始在真实场景中使用Hadoop。<；/p>； <；p>；；；；；主要内容<；/p>； <；p>；◆ 向你展示使用Hadoop Stack配置存储、用户体验和内存计算的方法<；/p>； <；p>；◆ 解释使用Kafka实时消息和Storm数据流将Hadoop与其他系统集成的方法<；/p>； <；p>；◆ 演示关键安全特性与技术，同时给出保证数据安全的专家建议<；/p>； <；p>；◆ 讲授使用Apache BigTop打包、测试和配置的基础知识，以及使用Ignite更快速执行MapReduce的方法<；/p>； <；p>；◆ 带你领略示例应用构建过程，展示核心组件如何协同工作，同时提供了所有示例代码<；/p>；

作者简介

暂无

Hadoop大数据解决方案 PDF下载

第1章 Hadoop概述 1
1.1 商业分析与大数据 2
1.1.1 Hadoop的组件 3
1.1.2 Hadoop分布式文件系统(HDFS) 3
1.1.3 MapReduce是什么 4
1.1.4 YARN是什么 5
1.2 ZooKeeper是什么 6
1.3 Hive是什么 7
1.4 与其他系统集成 8
1.4.1 Hadoop生态系统 9
1.4.2 数据集成与Hadoop 11
1.5 小结 16
第2章 存储 19
2.1 Hadoop HDFS的基础知识 20<；p>；第1章 ； Hadoop概述 1<；/p>；
<；p>；1.1 ； 商业分析与大数据 2<；/p>；
<；p>；1.1.1 ；Hadoop的组件 3<；/p>；
<；p>；1.1.2 ；Hadoop分布式文件系统(HDFS) 3<；/p>；
<；p>；1.1.3 ；MapReduce是什么 4<；/p>；
<；p>；1.1.4 ；YARN是什么 5<；/p>；
<；p>；1.2 ；ZooKeeper是什么 6<；/p>；
<；p>；1.3 ；Hive是什么 7<；/p>；
<；p>；1.4 ； 与其他系统集成 8<；/p>；
<；p>；1.4.1 ；Hadoop生态系统 9<；/p>；
<；p>；1.4.2 ；数据集成与Hadoop 11<；/p>
<p>1.5  小结 16</p>
<p>第2章  存储 19</p>
<p>2.1 Hadoop HDFS的基础知识 20</p>
<p>2.1.1 概念 21</p>
<p>2.1.2 架构 25</p>
<p>2.1.3 接口 29</p>
<p>2.2  在分布式模式下设置HDFS群集 35</p>
<p>2.3 HDFS的高级特性 40</p>
<p>2.3.1 快照 41</p>
<p>2.3.2 离线查看器 44</p>
<p>2.3.3 分层存储 52</p>
<p>2.3.4 纠删码 55</p>
<p>2.4  文件格式 59</p>
<p>2.5  云存储 63</p>
<p>2.6  小结 64</p>
<p>第3章  计算 65</p>
<p>3.1 Hadoop MapReduce的基础 66</p>
<p>3.1.1 概念 66</p>
<p>3.1.2 架构 69</p>
<p>3.2  如何启动MapReduce作业 76</p>
<p>3.2.1 编写Map任务 77</p>
<p>3.2.2 编写reduce任务 79</p>
<p>3.2.3 编写MapReduce作业 80</p>
<p>3.2.4 配置 83</p>
<p>3.3 MapReduce的高级特性 85</p>
<p>3.3.1 分布式缓存 85</p>
<p>3.3.2 计数器 87</p>
<p>3.3.3 作业历史服务器 89</p>
<p>3.4  与Spark作业的区别 91</p>
<p>3.5  小结 92</p>
<p>第4章  用户体验 93</p>
<p>4.1 Apache Hive 94</p>
<p>4.1.1 安装Hive 96</p>
<p>4.1.2 HiveQL 97</p>
<p>4.1.3 UDF/SerDe 103</p>
<p>4.1.4 Hive调优 105</p>
<p>4.2 Apache Pig 106</p>
<p>4.2.1 安装Pig 107</p>
<p>4.2.2 Pig Latin 108</p>
<p>4.3 UDF 110</p>
<p>4.4 Hue 111</p>
<p>4.5 Apache Oozie 114</p>
<p>4.5.1 安装Oozie 115</p>
<p>4.5.2 Oozie的工作原理 118</p>
<p>4.5.3 工作流/协调器 119</p>
<p>4.5.4 Oozie CLI 124</p>
<p>4.6  小结 124</p>
<p>第5章  与其他系统集成 125</p>
<p>5.1 Apache Sqoop 126</p>
<p>5.2 Apache Flume 130</p>
<p>5.3 Apache Kafka 136</p>
<p>5.3.1 工作原理 138</p>
<p>5.3.2 Kafka Connect 141</p>
<p>5.3.3 流处理 143</p>
<p>5.4 Apache Storm 144</p>
<p>5.4.1 工作原理 145</p>
<p>5.4.2 Trident 148</p>
<p>5.4.3 Kafka集成 149</p>
<p>5.5  小结 152</p>
<p>第6章  Hadoop安全 153</p>
<p>6.1  提升Hadoop群集安全性 154</p>
<p>6.1.1 边界安全 154</p>
<p>6.1.2 Kerberos认证 156</p>
<p>6.1.3 Hadoop中的服务级授权 162</p>
<p>6.1.4 用户模拟 167</p>
<p>6.1.5 提升HTTP信道的安全性 170</p>
<p>6.2  提升数据安全性 174</p>
<p>6.2.1 数据分类 175</p>
<p>6.2.2 将数据传到群集 176</p>
<p>6.2.3 保护群集中的数据 182</p>
<p>6.3  增强应用程序安全性 189</p>
<p>6.3.1 YARN架构 189</p>
<p>6.3.2 YARN中的应用提交 190</p>
<p>6.4  小结 195</p>
<p>第7章  自由的生态圈：Hadoop与ApacheBigTop 197</p>
<p>7.1  基础概念 198</p>
<p>7.1.1 软件栈 199</p>
<p>7.1.2 测试栈 200</p>
<p>7.1.3 在我的笔记本电脑上工作 201</p>
<p>7.2  开发定制的软件栈 201</p>
<p>7.2.1 Apache Bigtop：历史 201</p>
<p>7.2.2 Apache Bigtop：概念和哲学思想 202</p>
<p>7.2.3 项目结构 204</p>
<p>7.2.4 谈谈构建系统 205</p>
<p>7.2.5 工具链和开发环境 206</p>
<p>7.2.6 BOM定义 207</p>
<p>7.3  部署 208</p>
<p>7.3.1 Bigtop Provisioner 208</p>
<p>7.3.2 群集的无主节点Puppet部署 209</p>
<p>7.3.3 使用Puppet进行配置管理 213</p>
<p>7.4  集成验证 215</p>
<p>7.4.1 iTests和验证应用程序 216</p>
<p>7.4.2 栈集成测试开发 217</p>
<p>7.4.3 栈的验证 220</p>
<p>7.4.4 群集故障测试 221</p>
<p>7.4.5 栈的冒烟测试 222</p>
<p>7.5  将所有工作组合在一起223</p>
<p>7.6  小结 224</p>
<p>第8章  Hadoop软件栈的In-Memory计算 227</p>
<p>8.1 In-Memory计算简介 229</p>
<p>8.2 Apache Ignite：内存优先 231</p>
<p>8.2.1 Apache Ignite的系统体系架构 232</p>
<p>8.2.2 数据网格 233</p>
<p>8.2.3 高可用性讨论 236</p>
<p>8.2.4 计算网格 237</p>
<p>8.2.5 服务网格 238</p>
<p>8.2.6 内存管理 238</p>
<p>8.2.7 持久化存储 240</p>
<p>8.3  使用Ignite加速旧式Hadoop240</p>
<p>8.3.1 In-Memory存储的好处 241</p>
<p>8.3.2 内存文件系统：HDFS缓存 242</p>
<p>8.3.3 In-Memory MapReduce 243</p>
<p>8.4 Apache Ignite的高级用法 247</p>
<p>8.4.1 Spark和Ignite 247</p>
<p>8.4.2 共享状态 249</p>
<p>8.4.3 Hadoop上的In-Memory SQL 251</p>
<p>8.4.4 使用Ignite的SQL 252</p>
<p>8.4.5 使用Apache Ignite进行流处理 255</p>
<p>8.5  小结 256</p>
<p>术语表 259</p>