深入理解大數(shù)據(jù)：大數(shù)據(jù)處理與編程實踐

第一部分　Hadoop系統(tǒng)第1章　大數(shù)據(jù)處理技術簡介1.1　并行計算技術簡介1.1.1　并行計算的基本概念1.1.2　并行計算技術的分類1.1.3　并行計算的主要技術問題1.2　大數(shù)據(jù)處理技術簡介1.2.1　大數(shù)據(jù)的發(fā)展背景和研究意義1.2.2　大數(shù)據(jù)的技術特點1.2.3　大數(shù)據(jù)研究的主要目標、基本原則和基本途徑1.2.4　大數(shù)據(jù)計算模式和系統(tǒng)1.2.5　大數(shù)據(jù)計算模式的發(fā)展趨勢1.2.6　大數(shù)據(jù)的主要技術層面和技術內容1.3　MapReduce并行計算技術簡介1.3.1　MapReduce的基本概念和由來1.3.2　MapReduce的基本設計思想1.3.3　MapReduce的主要功能和技術特征1.4　Hadoop系統(tǒng)簡介1.4.1　Hadoop的概述與發(fā)展歷史1.4.2　Hadoop系統(tǒng)分布式存儲與并行計算構架1.4.3　Hadoop平臺的基本組成與生態(tài)系統(tǒng)1.4.4　Hadoop的應用現(xiàn)狀和發(fā)展趨勢第2章　Hadoop系統(tǒng)的安裝與操作管理2.1　Hadoop系統(tǒng)安裝方法簡介2.2　單機和單機偽分布式Hadoop系統(tǒng)安裝基本步驟2.2.1　安裝和配置JDK2.2.2　創(chuàng)建Hadoop用戶2.2.3　下載安裝Hadoop2.2.4　配置SSH2.2.5　配置Hadoop環(huán)境2.2.6　Hadoop的運行2.2.7　運行測試程序2.2.8　查看集群狀態(tài)2.3　集群分布式Hadoop系統(tǒng)安裝基本步驟2.3.1　安裝和配置JDK2.3.2　創(chuàng)建Hadoop用戶2.3.3　下載安裝Hadoop2.3.4　配置SSH2.3.5　配置Hadoop環(huán)境2.3.6　Hadoop的運行2.3.7　運行測試程序2.3.8　查看集群狀態(tài)2.4　Hadoop& ；MapReduce程序開發(fā)過程2.5　集群遠程作業(yè)提交與執(zhí)行2.5.1　集群遠程作業(yè)提交和執(zhí)行過程2.5.2　查看作業(yè)執(zhí)行結果和集群狀態(tài)第3章　大數(shù)據(jù)存儲--分布式文件系統(tǒng)HDFS3.1　HDFS的基本特征與構架3.1.1　HDFS的基本特征3.1.2　HDFS的基本框架與工作過程3.2　HDFS可靠性設計3.2.1　HDFS數(shù)據(jù)塊多副本存儲設計3.2.2　HDFS可靠性的設計實現(xiàn)3.3　HDFS文件存儲組織與讀寫3.3.1　文件數(shù)據(jù)的存儲組織3.3.2　數(shù)據(jù)的讀寫過程3.4　HDFS文件系統(tǒng)操作命令3.4.1　HDFS啟動與關閉3.4.2　HDFS文件操作命令格式與注意事項3.4.3　HDFS文件操作命令3.4.4　高級操作命令和工具3.5　HDFS基本編程接口與示例3.5.1　HDFS編程基礎知識3.5.2　HDFS基本文件操作API3.5.3　HDFS基本編程實例第4章　Hadoop& ；MapReduce并行編程框架4.1　MapReduce基本編程模型和框架4.1.1　MapReduce并行編程抽象模型4.1.2　MapReduce的完整編程模型和框架4.2　Hadoop& ；MapReduce基本構架與工作過程4.2.1　Hadoop系統(tǒng)構架和MapReduce程序執(zhí)行過程4.2.2　Hadoop& ；MapReduce執(zhí)行框架和作業(yè)執(zhí)行流程4.2.3　Hadoop& ；MapReduce作業(yè)調度過程和調度方法4.2.4　MapReduce執(zhí)行框架的組件和執(zhí)行流程4.3　Hadoop& ；MapReduce主要組件與編程接口4.3.1　數(shù)據(jù)輸入格式InputFormat4.3.2　輸入數(shù)據(jù)分塊InputSplit4.3.3　數(shù)據(jù)記錄讀入RecordReader4.3.4　Mapper類4.3.5　Combiner4.3.6　Partitioner4.3.7　Sort4.3.8　Reducer類4.3.9　數(shù)據(jù)輸出格式OutputFormat4.3.10　數(shù)據(jù)記錄輸出RecordWriter第5章　分布式數(shù)據(jù)庫HBase5.1　HBase簡介5.1.1　為什么需要NoSQL數(shù)據(jù)庫5.1.2　HBase的作用和功能特點5.2　HBase的數(shù)據(jù)模型5.2.1　HBase的基本數(shù)據(jù)模型5.2.2　HBase的查詢模式5.2.3　HBase表設計5.3　HBase的基本構架與數(shù)據(jù)存儲管理方法5.3.1　HBase在Hadoop生態(tài)中的位置和關系5.3.2　HBase的基本組成結構5.3.3　HBase& ；Region5.3.4　Region& ；Server5.3.5　HBase的總體組成結構5.3.6　HBase的尋址和定位5.3.7　HBase節(jié)點的上下線管理5.4　HBase安裝與操作5.4.1　安裝一個單機版的HBase5.4.2　HBase& ；Shell操作命令5.4.3　基于集群的HBase安裝和配置5.5　HBase的編程接口和編程示例5.5.1　表創(chuàng)建編程接口與示例5.5.2　表數(shù)據(jù)更新編程接口與示例5.5.3　數(shù)據(jù)讀取編程接口與示例5.5.4　HBase& ；MapReduce支持和編程示例5.6　HBase的讀寫操作和特性5.6.1　HBase的數(shù)據(jù)寫入5.6.2　HBase的數(shù)據(jù)讀取5.7　其他HBase功能5.7.1　Coprocessor5.7.2　批量數(shù)據(jù)導入Bulk& ；Load第6章　分布式數(shù)據(jù)倉庫Hive6.1　Hive的作用與結構組成6.2　Hive的數(shù)據(jù)模型6.2.1　Hive的數(shù)據(jù)存儲模型6.2.2　Hive的元數(shù)據(jù)存儲管理6.2.3　Hive的數(shù)據(jù)類型6.3　Hive的安裝6.3.1　下載Hive安裝包6.3.2　配置環(huán)境變量6.3.3　創(chuàng)建Hive數(shù)據(jù)文件目錄6.3.4　修改Hive配置文件6.4　Hive查詢語言--HiveQL6.4.1　DDL語句6.4.2　DML語句6.4.3　SELECT查詢語句6.4.4　數(shù)據(jù)表操作語句示例6.4.5　分區(qū)的使用6.4.6　桶的使用6.4.7　子查詢6.4.8　Hive的優(yōu)化和高級功能6.5　Hive& ；JDBC編程接口與程序設計第7章　Intel& ；Hadoop系統(tǒng)優(yōu)化與功能增強7.1　Intel& ；Hadoop系統(tǒng)簡介7.1.1　Intel& ；Hadoop系統(tǒng)的主要優(yōu)化和增強功能7.1.2　Intel& ；Hadoop的系統(tǒng)構成與組件7.2　Intel& ；Hadoop系統(tǒng)的安裝和管理7.3　Intel& ；Hadoop& ；HDFS的優(yōu)化和功能擴展7.3.1　HDFS的高可用性7.3.2　Intel& ；Hadoop系統(tǒng)高可用性配置服務7.3.3　Intel& ；Hadoop系統(tǒng)高可用性配置服務操作7.3.4　自適應數(shù)據(jù)塊副本調整策略7.4　Intel& ；Hadoop& ；HBase的功能擴展和編程示例7.4.1　HBase大對象存儲（LOB）7.4.2　加鹽表7.4.3　HBase跨數(shù)據(jù)中心大表7.5　Intel& ；Hadoop& ；Hive的功能擴展和編程示例7.5.1　開源Hive的不足7.5.2　Intel& ；Hadoop“Hive& ；over& ；HBase”優(yōu)化設計7.5.3　Hive& ；over& ；HBase的架構第二部分　MapReduce的編程和算法設計第8章　MapReduce基礎算法程序設計8.1　WordCount8.1.1　WordCount算法編程實現(xiàn)8.2　矩陣乘法8.2.1　矩陣乘法原理和實現(xiàn)思路8.2.2　矩陣乘法的MapReduce程序實現(xiàn)8.3　關系代數(shù)運算8.3.1　選擇操作8.3.2　投影操作8.3.3　交運算8.3.4　差運算8.3.5　自然連接8.4　單詞共現(xiàn)算法8.4.1　單詞共現(xiàn)算法的基本設計8.4.2　單詞共現(xiàn)算法的實現(xiàn)8.4.3　單詞共現(xiàn)算法實現(xiàn)中的細節(jié)問題8.5　文檔倒排索引8.5.1　簡單的文檔倒排索引8.5.2　帶詞頻等屬性的文檔倒排索引8.6　PageRank網(wǎng)頁排名算法8.6.1　PageRank的簡化模型8.6.2　PageRank的隨機瀏覽模型8.6.3　PageRank的MapReduce實現(xiàn)8.7　專利文獻分析算法8.7.1　構建專利被引用列表8.7.2　專利被引用次數(shù)統(tǒng)計8.7.3　專利被引用次數(shù)直方圖統(tǒng)計8.7.4　按照年份或國家統(tǒng)計專利數(shù)第9章　MapReduce高級程序設計技術9.1　簡介9.2　復合鍵值對的使用9.2.1　把小的鍵值對合并成大的鍵值對9.2.2　巧用復合鍵讓系統(tǒng)完成排序9.3　用戶定制數(shù)據(jù)類型9.3.1　Hadoop內置的數(shù)據(jù)類型9.3.2　用戶自定義數(shù)據(jù)類型的實現(xiàn)9.4　用戶定制數(shù)據(jù)輸入輸出格式9.4.1　Hadoop內置的數(shù)據(jù)輸入格式與RecordReader9.4.2　用戶定制數(shù)據(jù)輸入格式與RecordReader9.4.3　Hadoop內置的數(shù)據(jù)輸出格式與RecordWriter9.4.4　用戶定制數(shù)據(jù)輸出格式與RecordWriter9.4.5　通過定制數(shù)據(jù)輸出格式實現(xiàn)多集合文件輸出9.5　用戶定制Partitioner和Combiner9.5.1　用戶定制Partitioner9.5.2　用戶定制Combiner9.6　組合式MapReduce計算作業(yè)9.6.1　迭代MapReduce計算任務9.6.2　順序組合式MapReduce作業(yè)的執(zhí)行9.6.3　具有復雜依賴關系的組合式MapReduce作業(yè)的執(zhí)行9.6.4　MapReduce前處理和后處理步驟的鏈式執(zhí)行9.7　多數(shù)據(jù)源的連接9.7.1　基本問題數(shù)據(jù)示例9.7.2　用DataJoin類實現(xiàn)Reduce端連接9.7.3　用全局文件復制方法實現(xiàn)Map端連接9.7.4　帶Map端過濾的Reduce端連接9.7.5　多數(shù)據(jù)源連接解決方法的限制9.8　全局參數(shù)/數(shù)據(jù)文件的傳遞與使用9.8.1　全局作業(yè)參數(shù)的傳遞9.8.2　查詢全局的MapReduce作業(yè)屬性9.8.3　全局數(shù)據(jù)文件的傳遞9.9　關系數(shù)據(jù)庫的連接與訪問9.9.1　從數(shù)據(jù)庫中輸入數(shù)據(jù)9.9.2　向數(shù)據(jù)庫中輸出計算結果第10章　MapReduce數(shù)據(jù)挖掘基礎算法10.1　K-Means聚類算法10.1.1　K-Means聚類算法簡介10.1.2　基于MapReduce的K-Means算法的設計實現(xiàn)10.2　KNN最近鄰分類算法10.2.1　KNN最近鄰分類算法簡介10.2.2　基于MapReduce的KNN算法的設計實現(xiàn)10.3　樸素貝葉斯分類算法10.3.1　樸素貝葉斯分類算法簡介10.3.2　樸素貝葉斯分類并行化算法的設計10.3.3　樸素貝葉斯分類并行化算法的實現(xiàn)10.4　決策樹分類算法10.4.1　決策樹分類算法簡介10.4.2　決策樹并行化算法的設計10.4.3　決策樹并行化算法的實現(xiàn)10.5　頻繁項集挖掘算法10.5.1　頻繁項集挖掘問題描述10.5.2& ；　Apriori頻繁項集挖掘算法簡介10.5.3　Apriori頻繁項集挖掘并行化算法的設計10.5.4　Apriori頻繁項集挖掘并行化算法的實現(xiàn)10.5.5　基于子集求取的頻繁項集挖掘算法的設計10.5.6　基于子集求取的頻繁項集挖掘并行化算法的實現(xiàn)10.6　隱馬爾科夫模型和最大期望算法10.6.1　隱馬爾科夫模型的基本描述10.6.2　隱馬爾科夫模型問題的解決方法10.6.3　最大期望算法概述10.6.4　并行化隱馬爾科夫算法設計10.6.5　隱馬爾科夫算法的并行化實現(xiàn)第11章　大數(shù)據(jù)處理算法設計與應用編程案例11.1　基于MapReduce的搜索引擎算法11.1.1　搜索引擎工作原理簡介11.1.2　基于MapReduce的文檔預處理11.1.3　基于MapReduce的文檔倒排索引構建11.1.4　建立Web信息查詢服務11.2　基于MapReduce的大規(guī)模短文本多分類算法11.2.1　短文本多分類算法工作原理簡介11.2.2　并行化分類訓練算法設計實現(xiàn)11.2.3　并行化分類預測算法設計實現(xiàn)11.3　基于MapReduce的大規(guī)?；蛐蛄斜葘λ惴?1.3.1　基因序列比對算法簡介11.3.2　并行化BLAST算法的設計與實現(xiàn)11.4　基于MapReduce的大規(guī)模城市路徑規(guī)劃算法11.4.1　問題背景和要求11.4.2　數(shù)據(jù)輸入11.4.3　程序設計要求11.4.4　算法設計總體框架和處理過程11.4.5　并行化算法的設計與實現(xiàn)11.5　基于MapReduce的大規(guī)模重復文檔檢測算法11.5.1　重復文檔檢測問題描述11.5.2　重復文檔檢測方法和算法設計11.5.3　重復文檔檢測并行化算法設計實現(xiàn)11.6　基于內容的并行化圖像檢索算法與引擎11.6.1　基于內容的圖像檢索問題概述11.6.2　圖像檢索方法和算法設計思路11.6.3　并行化圖像檢索算法實現(xiàn)11.7　基于MapReduce的大規(guī)模微博傳播分析11.7.1　微博分析問題背景與并行化處理過程11.7.2　并行化微博數(shù)據(jù)獲取算法的設計實現(xiàn)11.7.3　并行化微博數(shù)據(jù)分析算法的設計實現(xiàn)11.8　基于關聯(lián)規(guī)則挖掘的圖書推薦算法11.8.1　圖書推薦和關聯(lián)規(guī)則挖掘簡介11.8.2　圖書頻繁項集挖掘算法設計與數(shù)據(jù)獲取11.8.3　圖書關聯(lián)規(guī)則挖掘并行化算法實現(xiàn)11.9　基于Hadoop的城市智能交通綜合應用案例11.9.1　應用案例概述11.9.2　案例一：交通事件檢測11.9.3　案例二：交通流統(tǒng)計分析功能11.9.4　案例三：道路旅行時間分析11.9.5　案例四：HBase實時查詢11.9.6　案例五：HBase& ；Endpoint快速統(tǒng)計11.9.7　案例六：利用Hive高速統(tǒng)計附錄附錄A　OpenMP并行程序設計簡介附錄B　MPI并行程序設計簡介附錄C　英特爾Apache& ；Hadoop*系統(tǒng)安裝手冊參考文獻