大數(shù)據(jù)技術(shù)基礎(chǔ)：基于Hadoop與Spark

第1章　大數(shù)據(jù)技術(shù)概述　1
1．1　大數(shù)據(jù)技術(shù)的發(fā)展背景　1
1．1．1　大數(shù)據(jù)技術(shù)的發(fā)展過程　2
1．1．2　大數(shù)據(jù)技術(shù)的影響　3
1．1．3　大數(shù)據(jù)發(fā)展的重大事件　5
1．2　大數(shù)據(jù)的概念、特征及意義　7
1．2．1　什么是大數(shù)據(jù)　7
1．2．2　大數(shù)據(jù)的特征　8
1．2．3　大數(shù)據(jù)來自哪兒　9
1．2．4　大數(shù)據(jù)的挑戰(zhàn)　10
1．2．5　研究大數(shù)據(jù)的意義　12
1．3　大數(shù)據(jù)的存儲與計算模式　13
1．3．1　大數(shù)據(jù)的存儲模式　13
1．3．2　大數(shù)據(jù)的計算模式　16
1．4　大數(shù)據(jù)的典型應用　18
1．4．1　智慧醫(yī)療的應用　19
1．4．2　智慧農(nóng)業(yè)的應用　20
1．4．3　金融行業(yè)的應用　21
1．4．4　零售行業(yè)的應用　24
1．4．5　電子商務行業(yè)的應用　24
1．4．6　電子政務的應用　24
1．5　初識Hadoop大數(shù)據(jù)平臺　26
1．5．1　Hadoop的發(fā)展過程　26
1．5．2　Hadoop的優(yōu)勢　27
1．5．3　Hadoop的生態(tài)系統(tǒng)　28
1．5．4　Hadoop的版本　29
1．6　習題　32
第2章　Hadoop平臺的安裝與配置　33
2．1　安裝準備　33
2．1．1　硬件要求　33
2．1．2　安裝Linux　34
2．1．3　安裝Java　36
2．2　Hadoop的集群安裝　38
2．2．1　Hadoop的運行模式　38
2．2．2　Linux系統(tǒng)設置　39
2．2．3　SSH的安裝　41
2．2．4　Hadoop的安裝　42
2．2．5　Hadoop的配置　42
2．2．6　Hadoop的測試　49
2．3　Hadoop開發(fā)平臺的安裝　51
2．3．1　Eclipse的安裝　51
2．3．2　下載hadoop-eclipse-plugin插件　53
2．3．3　在Eclipse中配置Hadoop　53
2．4　習題　55
2．5　實訓　55
第3章　Hadoop分布式文件系統(tǒng)　57
3．1　HDFS概述　57
3．1．1　HDFS簡介　57
3．1．2　HDFS的基本概念　58
3．1．3　HDFS的特點　59
3．2　HDFS的體系結(jié)構(gòu)　61
3．2．1　HDFS設計目標　61
3．2．2　HDFS的結(jié)構(gòu)模型　61
3．2．3　HDFS文件的讀寫　63
3．2．4　HDFS的數(shù)據(jù)組織機制　63
3．2．5　HDFS的高可用性機制　66
3．3　HDFS Shell操作　68
3．3．1　Shell命令介紹　68
3．3．2　HDFS Shell幫助　68
3．3．3　文件操作命令　69
3．3．4　跨文件系統(tǒng)的交互操作命令　73
3．3．5　權(quán)限管理操作　74
3．4　習題　76
3．5　實訓　77
第4章　HDFS API編程　78
4．1　HDFS API概述　78
4．1．1　HDFS API簡介　78
4．1．2　HDFS Java API的一般用法　82
4．2　HDFS Java API客戶端編程　85
4．2．1　目錄與文件的創(chuàng)建　85
4．2．2　文件上傳與下載　87
4．2．3　數(shù)據(jù)流與文件讀寫操作　89
4．2．4　目錄與文件的重命名　93
4．2．5　目錄和文件的刪除　94
4．2．6　文件系統(tǒng)的狀態(tài)信息顯示　95
4．3　HDFS應用舉例——云盤系統(tǒng)的實現(xiàn)　99
4．3．1　云盤系統(tǒng)分析　99
4．3．2　云盤系統(tǒng)設計　99
4．3．3　云盤系統(tǒng)實現(xiàn)　100
4．4　習題　104
4．5　實訓　104
第5章　Hadoop分布式計算框架　106
5．1　MapReduce概述　106
5．1．1　為什么需要MapReduce　106
5．1．2　MapReduce的優(yōu)勢　110
5．1．3　MapReduce的基本概念　111
5．1．4　MapReduce框架　112
5．1．5　MapReduce發(fā)展　114
5．2　YARN運行機制　118
5．2．1　YARN組成結(jié)構(gòu)　118
5．2．2　YARN通信協(xié)議　120
5．2．3　YARN工作流程　121
5．3　數(shù)據(jù)的混洗處理　123
5．3．1　map端　124
5．3．2　reduce端　125
5．4　作業(yè)的調(diào)度　125
5．4．1　FIFO調(diào)度器　126
5．4．2　Capacity調(diào)度器　126
5．4．3　Fair調(diào)度器　127
5．4．4　調(diào)度器的比較　128
5．5　任務的執(zhí)行　129
5．5．1　推測執(zhí)行　129
5．5．2　JVM重用　130
5．5．3　跳過壞記錄　130
5．6　失敗處理機制　130
5．6．1　任務運行失敗　130
5．6．2　ApplicationMaster運行失敗　131
5．6．3　NodeManager運行失敗　131
5．6．4　ResourceManager運行失敗　132
5．6．5　日志文件　133
5．7　MapReduce示例演示——WordCount　133
5．8　習題　136
第6章　MapReduce API編程　137
6．1　MapReduce API概述　137
6．1．1　MapReduce API簡介　137
6．1．2　MapReduce API編程思路　140
6．2　MapReduce的數(shù)據(jù)類型　146
6．2．1　序列化　146
6．2．2　Writable接口　146
6．2．3　Writable類　148
6．3　MapReduce的輸入　153
6．3．1　輸入分片　153
6．3．2　文件輸入　154
6．3．3　文本輸入　156
6．3．4　二進制輸入　157
6．3．5　多個輸入　158
6．3．6　數(shù)據(jù)庫輸入　159
6．4　MapReduce的輸出　159
6．4．1　文本輸出　160
6．4．2　二進制輸出　160
6．4．3　多個輸出　160
6．4．4　延遲輸出　161
6．4．5　數(shù)據(jù)庫輸出　161
6．5　MapReduce的任務　161
6．5．1　map任務　162
6．5．2　combine任務　163
6．5．3　partition任務　164
6．5．4　reduce任務　164
6．5．5　任務的配置與執(zhí)行　165
6．6　MapReduce應用舉例——倒排索引　168
6．6．1　功能介紹　168
6．6．2　準備數(shù)據(jù)　169
6．6．3　分析與設計　170
6．6．4　MapReduce編碼實現(xiàn)　171
6．6．5　測試結(jié)果　173
6．7　習題　174
6．8　實訓　175
第7章　MapReduce 高級編程　177
7．1　自定義數(shù)據(jù)類型　177
7．2　自定義輸入 輸出　183
7．2．1　RecordReader與RecordWriter　183
7．2．2　自定義輸入　188
7．2．3　自定義輸出　192
7．3　自定義Combiner Partitioner　194
7．3．1　自定義Combiner　194
7．3．2　自定義Partitioner　197
7．4　組合式計算作業(yè)　200
7．4．1　迭代式計算　200
7．4．2　依賴關(guān)系組合式計算　201
7．4．3　鏈式計算　202
7．5　MapReduce的特性　203
7．5．1　計數(shù)器　203
7．5．2　連接　210
7．6　MapReduce應用舉例——成績分析
系統(tǒng)的實現(xiàn)　215
7．6．1　成績分析系統(tǒng)解析　215
7．6．2　成績分析系統(tǒng)功能設計　216
7．6．3　成績分析系統(tǒng)實現(xiàn)　216
7．7　習題　225
7．8　實訓　225
第8章　Spark概述　226
8．1　環(huán)境搭建　226
8．1．1　Scala的下載和安裝　227
8．1．2　Spark的下載與安裝　228
8．2　Spark簡介　231
8．2．1　Spark的發(fā)展　231
8．2．2　Spark的特點　232
8．2．3　Spark與Hadoop的關(guān)系　233
8．2．4　Spark的企業(yè)應用　234
8．3　Spark大數(shù)據(jù)技術(shù)框架　235
8．3．1　Spark技術(shù)體系　235
8．3．2　四大組件概述　237
8．4　Spark 2．0 使用體驗　238
8．4．1　Spark入口　238
8．4．2　第一個Spark程序　239
8．5　Spark的數(shù)據(jù)模型　242
8．5．1　RDD介紹　242
8．5．2　RDD的處理過程　243
8．5．3　Transformation算子與使用　243
8．5．4　Action算子與使用　251
8．5．5　RDD分區(qū)　253
8．5．6　RDD的依賴關(guān)系　253
8．5．7　RDD的容錯支持　254
8．6　Spark任務調(diào)度　255
8．6．1　Spark應用程序部署　255
8．6．2　Spark任務的調(diào)度機制　255
8．7　習題　256
8．8　實訓　257
第9章　Spark Streaming編程　258
9．1　Spark Streaming介紹　258
9．2　Spark Streaming工作機制　259
9．3　Spark的DStream流　262
9．3．1　DStream轉(zhuǎn)換　262
9．3．2　Window操作　263
9．3．3　DStream輸出　264
9．3．4　持久化與序列化　265
9．3．5　設置檢測點　266
9．4　Spark Streaming案例　267
9．5　集群處理與性能　270
9．6　習題　272
9．7　實訓　272
第10章　Spark SQL編程　273
10．1　Spark SQL概述　273
10．2　DataFrame　275
10．2．1　DataSet與DataFrame　275
10．2．2　反射機制獲取RDD內(nèi)
的Schema　276
10．2．3　編程接口指定Schema　277
10．3　數(shù)據(jù)源　278
10．3．1　一般load save方法　278
10．3．2　Parquet數(shù)據(jù)集　279
10．3．3　JSON數(shù)據(jù)集　280
10．3．4　JDBC數(shù)據(jù)集　281
10．3．5　DataFrame的案例　282
10．4　Spark Streaming與Spark SQL
綜合案例　285
10．5　習題　290
10．6　實訓　291
參考文獻　292