大数据科学与应用丛书 Hadoop大数据实战权威指南
作者：黄东军
出版时间：2017年版
丛编项： 大数据科学与应用丛书
内容简介
大数据贵在落实！本书是一本讲解大数据实战的图书，按照“深入分析组件原理、充分展示搭建过程、详细指导应用开发”编写。全书分为三篇，第一篇为大数据的基本概念和技术，主要介绍大数据的背景、发展及关键技术；第二篇为Hadoop大数据平台搭建与基本应用，内容涉及Linux、HDFS、MapReduce、YARN、Hive、HBase、Sqoop、Kafk、Spark等；第三篇为大数据处理与项目开发，包括交互式数据处理、协同过滤推荐系统、销售数据分析系统，并就的部分销售数据应用大数据进行处理分析。
目录
目 录
第一篇 大数据的基本概念和技术
第1章 绪论\t3
1．1 时代背景\t3
1．1．1 全球大数据浪潮\t3
1．1．2 我国的大数据国家战略\t5
1．2 大数据的概念\t7
1．2．1 概念\t7
1．2．2 特征\t8
1．3 技术支撑体系\t9
1．3．1 概览\t9
1．3．2 大数据采集层\t9
1．3．3 大数据存储层\t10
1．3．4 大数据分析（处理与服务）层\t11
1．3．5 大数据应用层\t11
1．3．6 垂直视图\t13
1．4 大数据人才及其能力要求\t14
1．4．1 首席数据官\t14
1．4．2 数据科学家（数据分析师）\t15
1．4．3 大数据开发工程师\t16
1．4．4 大数据运维工程师\t17
1．5 本章小结\t17
第2章 Hadoop大数据关键技术\t19
2．1 Hadoop生态系统\t19
2．1．1 架构的基本理论\t19
2．1．2 主要组件及其关系\t21
2．2 数据采集\t24
2．2．1 结构化数据采集工具\t24
2．2．2 日志文件采集工具与技术\t25
2．3 大数据存储技术\t29
2．3．1 相关概念\t29
2．3．2 分布式文件存储系统\t34
2．3．3 数据库与数据仓库\t38
2．4 分布式计算框架\t43
2．4．1 离线计算框架\t43
2．4．2 实时流计算平台\t50
2．5 数据分析平台与工具\t57
2．5．1 面向大数据的数据挖掘与分析工具\t57
2．5．2 机器学习\t61
2．6 本章小结\t66
第二篇 Hadoop大数据平台搭建与基本应用
第3章 Linux操作系统与集群搭建\t69
3．1 Linux操作系统\t69
3．1．1 概述\t69
3．1．2 特点\t70
3．1．3 Linux的组成\t72
3．2 Linux安装与集群搭建\t75
3．2．1 安装VMware Workstation\t75
3．2．2 在VMware上安装Linux（CentOS7）\t79
3．3 集群的配置\t91
3．3．1 设置主机名\t91
3．3．2 网络设置\t93
3．3．3 关闭防火墙\t98
3．3．4 安装JDK\t99
3．3．5 免密钥登录配置\t102
3．4 Linux基本命令\t105
3．5 本章小结\t112
第4章 HDFS安装与基本应用\t113
4．1 HDFS概述\t113
4．1．1 特点\t113
4．1．2 主要组件与架构\t114
4．2 HDFS架构分析\t114
4．2．1 数据块\t114
4．2．2 NameNode\t115
4．2．3 DataNode\t116
4．2．4 SecondaryNameNode\t117
4．2．5 数据备份\t117
4．2．6 通信协议\t118
4．2．7 可靠性保证\t118
4．3 文件操作过程分析\t119
4．3．1 读文件\t119
4．3．2 写文件\t120
4．3．3 删除文件\t122
4．4 Hadoop HDFS安装与配置\t122
4．4．1 解压Hadoop安装包\t122
4．4．2 配置Hadoop环境变量\t123
4．4．3 配置Yarn环境变量\t124
4．4．4 配置核心组件文件\t125
4．4．5 配置文件系统\t125
4．4．6 配置yarn-site．xml文件\t126
4．4．7 配置MapReduce计算框架文件\t128
4．4．8 配置Master的slaves文件\t129
4．4．9 复制Master上的Hadoop到Slave节点\t129
4．5 Hadoop集群的启动\t130
4．5．1 配置操作系统环境变量\t130
4．5．2 创建Hadoop数据目录\t131
4．5．3 格式化文件系统\t132
4．5．4 启动和关闭Hadoop\t133
4．5．5 验证Hadoop是否启动成功\t133
4．6 Hadoop集群的基本应用\t136
4．6．1 HDFS基本命令\t136
4．6．2 在Hadoop集群中运行程序\t139
4．7 本章小结\t141
第5章 MapReduce与Yarn\t143
5．1 MapReduce程序的概念\t143
5．1．1 基本编程模型\t143
5．1．2 计算过程分析\t144
5．2 深入理解Yarn\t147
5．2．1 Yarn的基本架构\t147
5．2．2 Yarn的工作流程\t151
5．3 在Linux平台安装Eclipse\t152
5．3．1 Eclipse简介\t153
5．3．2 安装并启动Eclipse\t154
5．4 开发MapReduce程序的基本方法\t155
5．4．1 为Eclipse安装Hadoop插件\t156
5．4．2 WordCount：第一个MapReduce程序\t160
5．5 本章小结\t175
第6章 Hive和HBase的安装与应用\t177
6．1 在CentOS7下安装MySQL\t177
6．1．1 下载或复制MySQL安装包\t177
6．1．2 执行安装命令\t178
6．1．3 启动MySQL\t179
6．1．4 登录MySQL\t179
6．1．5 使用MySQL\t181
6．1．6 问题与解决办法\t182
6．2 Hive安装与应用\t183
6．2．1 下载并解压Hive安装包\t183
6．2．2 配置Hive\t184
6．2．3 启动并验证Hive\t187
6．2．4 Hive的基本应用\t189
6．3 ZooKeeper集群安装\t190
6．3．1 ZooKeeper简介\t190
6．3．2 安装ZooKeeper\t191
6．3．3 配置ZooKeeper\t191
6．3．4 启动和测试\t193
6．4 HBase的安装与应用\t195
6．4．1 解压并安装HBase\t195
6．4．2 配置HBase\t196
6．4．3 启动并验证HBase\t199
6．4．4 HBase的基本应用\t200
6．4．5 应用HBase中常见问题及其解决办法\t203
6．5 本章小结\t204
第7章 Sqoop和Kafka的安装与应用\t205
7．1 安装部署Sqoop\t205
7．1．1 下载或复制Sqoop安装包\t205
7．1．2 解压并安装Sqoop\t206
7．1．3 配置Sqoop\t206
7．1．4 启动并验证Sqoop\t208
7．1．5 测试Sqoop与MySQL的连接\t209
7．2 安装部署Kafka集群\t211
7．2．1 下载或复制Kafka安装包\t211
7．2．2 解压缩Kafka安装包\t211
7．2．3 配置Kafka集群\t211
7．2．4 Kafka的初步应用\t213
7．3 本章小结\t218
第8章 Spark集群安装与开发环境配置\t219
8．1 深入理解Spark\t219
8．1．1 Spark系统架构\t219
8．1．2 关键概念\t221
8．2 安装与配置Scala\t224
8．2．1 下载Scala安装包\t225
8．2．2 安装Scala\t225
8．2．3 启动并应用Scala\t226
8．3 Spark集群的安装与配置\t226
8．3．1 安装模式\t226
8．3．2 Spark的安装\t227
8．3．3 启动并验证Spark\t230
8．3．4 几点说明\t234
8．4 开发环境安装与配置\t236
8．4．1 IDEA简介\t236
8．4．2 IDEA的安装\t236
8．4．3 IDEA的配置\t238
8．5 本章小结\t243
第9章 Spark应用基础\t245
9．1 Spark程序的运行模式\t245
9．1．1 Spark on Yarn-cluster\t245
9．1．2 Spark on Yarn-client\t246
9．2 Spark应用设计\t247
9．2．1 分布式估算圆周率\t248
9．2．2 基于Spark MLlib的贷款风险预测\t265
9．3 本章小结\t285
第三篇 数据处理与项目开发术
第10章 交互式数据处理\t289
10．1 数据预处理\t289
10．1．1 查看数据\t289
10．1．2 数据扩展\t291
10．1．3 数据过滤\t292
10．1．4 数据上传\t293
10．2 创建数据仓库\t294
10．2．1 创建Hive数据仓库的基本命令\t294
10．2．2 创建Hive分区表\t296
10．3 数据分析\t299
10．3．1 基本统计\t299
10．3．2 用户行为分析\t301
10．3．3 实时数据\t303
10．4 本章小结\t304
第11章 协同过滤推荐系统\t305
11．1 推荐算法概述\t305
11．1．1 基于人口统计学的推荐\t305
11．1．2 基于内容的推荐\t306
11．1．3 协同过滤推荐\t307
11．2 协同过滤推荐算法分析\t308
11．2．1 基于用户的协同过滤推荐\t308
11．2．2 基于物品的协同过滤推荐\t310
11．3 Spark MLlib推荐算法应用\t312
11．3．1 ALS算法原理\t312
11．3．2 ALS的应用设计\t315
11．4 本章小结\t329
第12章 销售数据分析系统\t331
12．1 数据采集\t331
12．1．1 在Windows下安装JDK\t331
12．1．2 在Windows下安装Eclipse\t334
12．1．3 将WebCollector项目导入Eclipse\t335
12．1．4 在Windows下安装MySQL\t336
12．1．5 连接JDBC\t339
12．1．6 运行爬虫程序\t340
12．2 在HBase集群上准备数据\t342
12．2．1 将数据导入到MySQL\t342
12．2．2 将MySQL表中的数据导入到HBase表中\t344
12．3 安装Phoenix中间件\t347
12．3．1 Phoenix架构\t347
12．3．2 解压安装Phoenix\t348
12．3．3 Phoenix环境配置\t349
12．3．4 使用Phoenix\t350
12．4 基于Web的前端开发\t353
12．4．1 将Web前端项目导入Eclipse\t353
12．4．2 安装Tomcat\t355
12．4．3 在Eclipse中配置Tomcat\t355
12．4．4 在Web浏览器中查看执行结果\t359
12．5 本章小结\t361
