我爱电子书-《Hadoop基础教程》| pdf + epub + mobi + awz3, 高清版, 带目录，Kindle版, 多看精排版下载

注重体验与质量的电子书资源下载网站

分类于: 其它

简介

Hadoop基础教程豆 0.0分

资源最后更新于 2020-03-20 17:46:38

作者：https://itpanda.net/book/380/download/376

译者：张治起

出版社：出版社人民邮电出版社

出版日期：2014-01

文件格式： epub, mobi, azw3

标签：技术计算机入门数据挖掘

简介· · · · · ·

本书揭开了hadoop的神秘面纱，它着重讲解了如何应用hadoop和相关技术搭建工作系统并完成任务。在读者明白这些内容之后，又介绍了如何使用云服务完成相同任务。从hadoop的基本概念和初始设置入手，讲述了如何开发hadoop程序，如何在数据规模增长的时候维持系统运行，涵盖了有效使用hadoop处理实际问题所需用到的全部知识。Garry Turkington（作者），拥有14年行业经验，其大部分时间都专注于大型分布式系统的设计与实现。目前，他在Improve Digital公司担任数据工程部副总裁和公司的首席架构师。他主要负责实现可以存储、处理并从公司海量数据中挖掘潜在价值的系统。在加入 Improve Digital公司之前，他曾在Amazon 英国公司领导着几个软件开发团队，他们开发的系统用于处理Amazon为全世界所有对象创建的目录数据。在此之前，他还曾在英国和美国政府机关任职十年。他在北爱尔兰的贝尔法斯特女王大学获得了计算机学士和博士学位，并在美国斯蒂文斯理工学院获得系统工程的工程硕士学位。张治起（译者），Hadoop技术爱好者和研究者，对Hadoop技术有非常深刻的认识和理解，热切关注Hadoop和相关大数据处理技术。有着丰富的实践经验，热衷于技术分享，致力于不断探索揭开Hadoop的神秘面纱，帮助更多初学者接触和理解Hadoop。

直接下载

简介

Hadoop基础教程 豆 0.0分

简介· · · · · ·

目录

前言

本书内容

准备工作

目标读者

约定

实践环节：标题

原理分析

随堂测验：标题

一展身手：标题

读者反馈

客户支持

下载示例代码

勘误表

关于盗版

问题

第1章 绪论

1.1 大数据处理

1.1.1 数据的价值

1.1.2 受众较少

1. 经典的数据处理系统

2. 制约因素

1.1.3 一种不同的方法

1. 条条大路通罗马：向外扩展

2. 不共享任何内容

3. 故障预期

4. 软件智能化，硬件傻瓜化

5. 移动处理程序，而非移动数据

6. 构建应用程序，而非基础架构

1.1.4 Hadoop

1. 感谢Google

2. 感谢Doug

3. 感谢Yahoo

4. Hadoop的组成部分

5. 公共构建模块

6. HDFS

7. MapReduce

8. 组合使用效果更佳

9. 公共架构

10. 优势与劣势

1.2 基于Amazon Web Services的云计算

1.2.1 云太多了

1.2.2 第三种方法

1.2.3 不同类型的成本

1.2.4 AWS：Amazon的弹性架构

1. 弹性计算云（EC2）

2. 简单存储服务（S3）

3. 弹性 MapReduce（EMR）

1.2.5 本书内容

双管齐下

1.3 小结

第2章 安装并运行Hadoop

2.1 基于本地Ubuntu主机的Hadoop系统

其他操作系统

2.2 实践环节：检查是否已安装JDK

原理分析

2.2.1 安装Hadoop

各版本的注意事项

2.3 实践环节：下载Hadoop

原理分析

2.4 实践环节：安装SSH

原理分析

2.4.1 配置并运行Hadoop

2.5 实践环节：使用Hadoop计算圆周率

原理分析

3种模式

2.6 实践环节：配置伪分布式模式

原理分析

配置根目录并格式化文件系统

2.7 实践环节：修改HDFS的根目录

原理分析

2.8 实践环节：格式化NameNode

原理分析

启动并使用Hadoop

2.9 实践环节：启动Hadoop

原理分析

2.10 实践环节：使用HDFS

Hadoop基础教程豆 0.0分

第1章绪论

1.1　大数据处理

1.1.1　数据的价值

1.1.2　受众较少

1.1.3　一种不同的方法

1.1.4　Hadoop

1.2　基于Amazon Web Services的云计算

1.2.1　云太多了

1.2.2　第三种方法

1.2.3　不同类型的成本

1.2.4　AWS：Amazon的弹性架构

1.2.5　本书内容

1.3　小结

第2章　安装并运行Hadoop

2.1　基于本地Ubuntu主机的Hadoop系统

2.2　实践环节：检查是否已安装JDK

2.2.1　安装Hadoop

2.3　实践环节：下载Hadoop

2.4　实践环节：安装SSH

2.4.1　配置并运行Hadoop

2.5　实践环节：使用Hadoop计算圆周率

2.6　实践环节：配置伪分布式模式

2.7　实践环节：修改HDFS的根目录

2.8　实践环节：格式化NameNode

2.9　实践环节：启动Hadoop

2.10　实践环节：使用HDFS

2.11　实践环节：MapReduce的经典入门程序——字数统计

2.12　使用弹性MapReduce

2.13　实践环节：使用管理控制台在EMR运行WordCount

2.13.1　使用EMR的其他方式

2.13.2　AWS生态系统

2.14　本地Hadoop与EMR Hadoop的对比

2.15　小结

第3章　理解MapReduce

3.1　键值对

3.1.1　具体含义

3.1.2　为什么采用键/值数据

3.1.3　MapReduce作为一系列键/值变换

3.2　MapReduce的Hadoop Java API

3.3　编写MapReduce程序

3.4　实践环节：设置classpath

3.5　实践环节：实现WordCount

3.6　实践环节：构建JAR文件

3.7　实践环节：在本地Hadoop集群运行WordCount

3.8　实践环节：在EMR上运行WordCount

3.8.1　0.20之前版本的Java MapReduce API

3.8.2　Hadoop提供的mapper和reducer实现

3.9　实践环节：WordCount的简易方法

3.10　查看WordCount的运行全貌

3.10.1　启动

3.10.2　将输入分块

3.10.3　任务分配

3.10.4　任务启动

3.10.5　不断监视JobTracker

3.10.6　mapper的输入

3.10.7　mapper的执行

3.10.8　mapper的输出和reducer的输入

3.10.9　分块

3.10.10　可选分块函数

3.10.11　reducer类的输入

3.10.12　reducer类的执行

3.10.13　reducer类的输出

3.10.14　关机

3.10.15　这就是MapReduce的全部

3.10.16　也许缺了combiner

3.11　实践环节：使用combiner编写WordCount

3.12　实践环节：更正使用combiner的WordCount