3dwoo大學簡體電腦書店
實戰Hadoop 2.0(第二版)——從云計算到大數據
( 簡體 字)
作者:葉曉江,劉鵬類別:1. -> 程式設計 -> 雲計算
出版社:電子工業出版社實戰Hadoop 2.0(第二版)——從云計算到大數據 3dWoo書號: 44139
詢問書籍請說出此書號!
有庫存
NT售價: 395
出版日:6/1/2016
頁數:512
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 字 )
ISBN:9787121285646 加入購物車加到我的最愛 (請先登入會員)
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證, 繁體書的下載亦請直接連絡出版社)
|第1章| 大數據組件概述 1
1.1 Google大數據組件 2
1.2 Apache大數據組件 6
1.2.1 Hadoop核心組件 7
1.2.2 基于MR的數據分析組件 10
1.2.3 數據庫組件 16
1.2.4 BSP組件 19
1.2.5 基于YARN框架組件 20
1.2.6 基于YARN的編程類庫組件 24
1.2.7 搜索引擎組件 25
1.2.8 工作流組件 26
1.2.9 數據流組件 27
1.2.10 序列化和持久化組件 29
1.2.11 調試工具 30
1.2.12 安全性組件 31
1.2.13 兼容性組件 33
1.2.14 集群部署與管理組件 33
習題 34
參考文獻 35
|第2章| 大數據集群 39
2.1 大數據集群簡介 40
2.2 大數據集群bigCstor 45
2.3 我的大數據集群littleCstor 48
2.4 小結 52
習題 52
參考文獻 53
|第3章| 集群管理工具Ambari 55
3.1 Ambari簡介 56
3.2 使用Ambari部署HDP 59
3.3 使用Ambari搭建littleCstor 62
3.3.1 相關約定 62
3.3.2 制定部署規劃 63
3.3.3 搭建prelittleCstor 64
3.3.4 本地建倉 72
3.3.5 部署AmbariServer 77
3.3.6 搭建littleCstor 83
3.3.7 小結 105
3.4 使用Ambari管理littleCstor 110
3.5 小結 111
習題 111
參考文獻 111
|第4章| 分布式文件系統HDFS 113
4.1 分布式存儲引例 114
4.1.1 問題描述 114
4.1.2 常規解決方案 115
4.1.3 分布式解決方案 117
4.2 HDFS簡介 124
4.2.1 HDFS邏輯架構 124
4.2.2 HDFS物理拓撲 129
4.2.3 HDFS部署 133
4.2.4 HDFS其他概念[9] 135
4.3 HDFS接口 138
4.4 實戰HDFS Shell 140
4.4.1 HDFS文件級命令集 141
4.4.2 HDFS系統級命令集 143
4.5 實戰WebHDFS 149
4.5.1 WebHDFS簡介 149
4.5.2 WebHDFS示例 151
4.6 實戰HDFS JAVA API 156
4.6.1 搭建開發環境 156
4.6.2 常規操作示例 158
4.7 實戰HDFS大項目:用HDFS存儲海量視頻數據 163
4.7.1 應用場景 163
4.7.2 設計實現 164
習題 166
參考文獻 166

|第5章| 分布式資源管理器YARN 169
5.1 分布式資源管理器引例 170
5.1.1 分布式資源管理器簡介 170
5.1.2 分布式資源管理器架構 173
5.2 YARN簡介 177
5.2.1 基礎概念 177
5.2.2 物理拓撲 179
5.2.3 體系架構 180
5.2.4 集群部署 190
5.3 YARN接口 192
5.4 實戰YARN Shell 194
5.4.1 系統級命令 195
5.4.2 程序級命令 197
5.4.3 其他輔助命令 199
5.5 實戰YARN編程 199
5.5.1 常見并行化范式 199
5.5.2 YARN編程步驟 205
5.6 實戰YARN編程之DistributedShell 213
5.6.1 DistributedShell簡介 213
5.6.2 編寫DistributedShell 214
5.7 實戰YARN編程之三大范式 221
5.7.1 DistributedShell 222
5.7.2 MapReduce 222
5.7.3 Giraph 223
習題 224
參考文獻 224
|第6章| 分布式并行處理MapReduce 225
6.1 并行化范式M-S-R引例 226
6.1.1 問題描述 226
6.1.2 常規解決方案 227
6.1.3 分布式解決方案 228
6.1.4 小結 234
6.2 MapReduce簡介[1] 234
6.2.1 基本概念 235
6.2.2 編程模型 237
6.2.3 集群部署 239
6.2.4 體系架構 241
6.2.5 執行過程 245
6.3 MapReduce接口 247
6.4 實戰MapReduce Shell 250
6.5 實戰MapReduce編程 253
6.6 實戰MapReduce編程之WordCount[3] 256
6.6.1 WordCount代碼分析 256
6.6.2 WordCount處理過程 260
6.7 實戰MapReduce編程之SecondarySort 261
6.8 實戰MapReduce編程之倒排索引 265
6.8.1 簡介 265
6.8.2 分析與設計 266
6.8.3 倒排索引完整源碼 269
6.9 實戰MapReduce之性能優化 271
習題 280
參考文獻 280
|第7章| 分布式鎖服務ZooKeeper 281
7.1 ZooKeeper簡介 282
7.1.1 ZooKeeper應用場景 282
7.1.2 ZooKeeper體系架構[3] 285
7.1.3 ZooKeeper服務模型 287
7.1.4 ZooKeeper部署 289
7.2 ZooKeeper接口 292
7.2.1 接口匯總 292
7.2.2 實戰ZooKeeper Shell 292
7.3 實戰ZooKeeper編程 294
7.4 實戰ZooKeeper之進程通信 296
7.5 實戰ZooKeeper之進程調度系統 297
7.5.1 設計方案 297
7.5.2 設計實現 297
7.6 實戰ZooKeeper之實現NameNode自動切換 303
7.6.1 設計思想 304
7.6.2 詳細設計 304
7.6.3 編碼 305
7.6.4 實戰總結 310
習題 311
參考文獻 311
|第8章| 分布式數據庫HBase 313
8.1 HBase簡介 314
8.1.1 體系架構 314
8.1.2 數據模型 320
8.1.3 集群部署[21] 321
8.2 HBase接口 326
8.3 實戰HBase Shell 327
8.4 實戰HBase API 329
8.5 實戰HBase之綜例 330
8.6 實戰HBase之使用MapReduce構建索引 332
8.6.1 索引表藍圖 332
8.6.2 HBase和MapReduce 333
8.6.3 實現索引 334
習題 336
參考文獻 337
|第9章| 內存型計算框架Spark 339
9.1 Spark簡介 340
9.1.1 基礎概念 340
9.1.2 體系架構 346
9.1.3 集群部署 358
9.1.4 計算模型 366
9.1.5 工作機制 374
9.1.6 其他特性 375
9.2 Spark接口 377
9.3 實戰Spark Shell 379
9.3.1 集群管理 379
9.3.2 任務管理 381
9.4 實戰Spark編程之RDD 383
9.4.1 RDD屬性 383
9.4.2 并行化證明RDD、調試RDD 386
9.4.3 RDD操作 389
9.5 實戰Spark之WordCount[3] 396
9.6 實戰Spark之MLLib 397
習題 398
參考文獻 398

|第10章| 數據流實時處理系統Storm 399
10.1 Storm簡介 400
10.1.1 與Hadoop的關系 400
10.1.2 基礎概念 402
10.1.3 體系架構 408
10.1.4 集群部署[4] 412
10.1.5 計算模型 421
10.2 Storm接口 450
10.3 實戰Storm Shell 452
10.4 實戰Storm API之RollingTopWords 455
習題 457
參考文獻 458
|第11章| 數據倉庫工具Hive 459
11.1 Hive簡介 460
11.1.1 工作原理 460
11.1.2 體系架構 461
11.1.3 計算模型 462
11.1.4 集群部署 463
11.2 Hive接口 467
11.2.1 接口匯總 467
11.2.2 實戰Hive Web 467
11.3 實戰Hive Shell 468
11.3.1 DDL Operations 468
11.3.2 DML Operations 469
11.3.3 SQL Operations 470
11.4 實戰Hive之復雜語句 471
11.5 實戰Hive之綜合示例 473
11.6 實戰Hive API接口 474
11.6.1 UDF編程示例[3] 474
11.6.2 UDAF編程示例 475
習題 477
參考文獻 477
|第12章| 其他常見大數據組件 479
12.1 Pig 480
12.1.1 Pig簡介 480
12.1.2 實戰Pig 483
12.2 Oozie 483
12.2.1 Oozie簡介 483
12.2.2 實戰Oozie[4] 485
12.3 Flume 487
12.3.1 Flume簡介 487
12.3.2 Flume入門 489
12.4 Mahout 492
12.4.1 Mahout簡介 492
12.4.2 Mahout入門 492
習題 494
參考文獻 494
|附錄A| 手工部署Hadoop2.0 495
一、部署綜述 496
二、部署步驟 500
書是劉鵬教授主編的國內第一本Hadoop編程書籍《實戰Hadoop》的第二版。Hadoop堪稱業界最經典的開源云計算和大數據平臺軟件。本書系統介紹了Hadoop 2.0生態圈的核心和擴展組件,包括:管理工具Ambari、分布式文件系統HDFS、分布式資源管理器YARN、分布式并行處理MapReduce、內存型計算框架Spark、數據流實時處理系統Storm、分布式鎖服務ZooKeeper、分布式數據庫HBase、數據倉庫工具Hive,以及Pig、Oozie、Flume、Mahout等。

第二版前言

本書第一版早在2011年9月就出版了,是國內第一本Hadoop編程書籍。經過5年發展,我們欣喜地看到,Hadoop已經在我國遍地開花,成為云計算、大數據領域最受歡迎的開源平臺。
這些年來,經過全球眾多企業和個人的共同參與,Hadoop生態圈取得了長足進步。核心版本從1.x升級到2.x,并出現了以Spark和Storm為代表的全新開源軟件。本書第二版的目的就是追蹤最新技術,使得讀者能夠盡快邁進前沿。
編者從1988年在通信工程學院跟隨謝希仁教授從事計算機網絡的研究, 2000年起在清華大學跟隨李三立院士從事分布式計算的研究,先后以計算機網絡、網格計算、云計算和大數據為研究重點,出版了《網格計算》、《云計算》(第一、二、三版)、《實戰Hadoop》、《云計算大數據處理》、《軍事信息柵格理論與技術》等書。其中,《云計算》已經成為全國高校首選教材,成為云計算從業者的“紅寶書”,其免費配套PPT下載量逾百萬次。目前,編者正聯合全國多所高校和知名企業,以同樣的高標準編著《大數據》教材,即將于2016年中出版。希望自己所做的工作,對大家有所裨益。
下列同志參與了本書第一版的編寫工作,第二版中隱含了他們的貢獻。他們是:黃宜華、陳衛衛、程浩、王磊、顧榮、張貞、鄧鵬、楊曉亮、郭巖巖、李浩、魏家賓、王胤然、張欣、王海坤等。本書的編寫得到了云計算、大數據領域的領軍企業云創大數據(網址:www.cstor.cn,微信公眾號:cStor_cn,股票簡稱:云創數據,股票代碼:835305)在軟硬件環境和技術上的大力支持。在此,一并致謝!
劉鵬 教授
2016年2月1日
pagetop