基于Hadoop與Spark的大數(shù)據(jù)開(kāi)發(fā)實(shí)戰(zhàn)

序言
前言
關(guān)于引用作品的版權(quán)聲明
第　1章Hadoop初體驗(yàn)　1
任務(wù)1初識(shí)大數(shù)據(jù)　2
1．1．1　大數(shù)據(jù)基本概念　2
1．1．2　大數(shù)據(jù)帶來(lái)的挑戰(zhàn)　3
任務(wù)2初識(shí)Hadoop　3
1．2．1　Hadoop概述　4
1．2．2　Hadoop生態(tài)圈　6
1．2．3　Hadoop應(yīng)用案例　8
任務(wù)3安裝Hadoop平臺(tái)　9
1．3．1　安裝虛擬機(jī)　10
1．3．2　安裝Linux系統(tǒng)　13
1．3．3　安裝Hadoop偽分布式環(huán)境　30
本章總結(jié)　34
本章練習(xí)　34
第　2章Hadoop分布式文件系統(tǒng)　35
任務(wù)1HDFS入門(mén)　36
2．1．1　認(rèn)識(shí)HDFS　36
2．1．2　HDFS基礎(chǔ)　38
2．1．3　HDFS架構(gòu)　40
任務(wù)2HDFS基本操作　41
2．2．1　使用HDFS shell訪問(wèn)　41
2．2．2　使用Java API訪問(wèn)　45
任務(wù)3HDFS運(yùn)行原理　48
2．3．1　HDFS讀寫(xiě)流程　49
2．3．2　HDFS副本機(jī)制　50
2．3．3　HDFS負(fù)載均衡　51
2．3．4　HDFS機(jī)架感知　52
任務(wù)4HDFS高級(jí)知識(shí)　53
2．4．1　Hadoop序列化機(jī)制　53
2．4．2　SequenceFile　58
2．4．3　MapFile　63
本章總結(jié)　65
本章練習(xí)　66
第3章Hadoop分布式計(jì)算框架　67
任務(wù)1認(rèn)識(shí)MapReduce編程模型　68
3．1．1　MapReduce基礎(chǔ)　68
3．1．2　MapReduce編程模型　69
3．1．3　MapReduce詞頻統(tǒng)計(jì)編程實(shí)例　70
任務(wù)2MapReduce應(yīng)用開(kāi)發(fā)　75
3．2．1　MapReduce輸入/輸出類(lèi)型　75
3．2．2　MapReduce輸入格式　76
3．2．3　MapReduce輸出格式　78
3．2．4　Combiner操作　79
3．2．5　Partitioner操作　82
3．2．6　自定義RecordReader　86
任務(wù)3MapReduce高級(jí)應(yīng)用　92
3．3．1　使用MapReduce實(shí)現(xiàn)join操作　93
3．3．2　使用MapReduce實(shí)現(xiàn)排序　100
3．3．3　使用MapReduce實(shí)現(xiàn)二次排序　103
3．3．4　使用MapReduce合并小文件　108
本章總結(jié)　113
本章練習(xí)　113
第4章Hadoop新特性　115
任務(wù)1初識(shí)YARN　116
4．1．1　YARN產(chǎn)生背景　116
4．1．2　YARN簡(jiǎn)介　117
4．1．3　YARN架構(gòu)設(shè)計(jì)　119
任務(wù)2了解HDFS新特性　121
4．2．1　HDFS NameNode 高可用機(jī)制　121
4．2．2　HDFS NameNode Federation　129
4．2．3　HDFS Snapshots　130
4．2．4　HDFS REST API　134
4．2．5　DistCp工具　134
任務(wù)3了解YARN新特性　135
4．3．1　ResourceManager自動(dòng)重啟　135
4．3．2　ResourceManager高可用機(jī)制　136
本章總結(jié)　139
本章練習(xí)　139
第5章Hadoop分布式數(shù)據(jù)庫(kù)　141
任務(wù)1認(rèn)識(shí)HBase　142
5．1．1HBase簡(jiǎn)介　142
5．1．2　HBase體系結(jié)構(gòu)　143
5．1．3HBase數(shù)據(jù)模型　145
5．1．4HBase的安裝　148
任務(wù)2HBase　Shell操作　155
5．2．1　HBase Shell簡(jiǎn)介　155
5．2．2　HBase Shell的使用　156
任務(wù)3HBase編程　162
5．3．1　開(kāi)發(fā)HBase應(yīng)用程序　162
5．3．2HBase數(shù)據(jù)存儲(chǔ)管理API　163
本章總結(jié)　175
本章練習(xí)　175
第6章Hadoop綜合實(shí)戰(zhàn)——音樂(lè)排行榜　177
任務(wù)1MapReduce與HBase的集成　178
6．1．1　MapReduce與HBase的集成環(huán)境　178
6．1．2　批量數(shù)據(jù)導(dǎo)入（Bulk Loading）　181
任務(wù)2HBase　MapReduce API　182
6．2．1HBase　MapReduce API 簡(jiǎn)介　182
6．2．2　TableMapper的使用　183
6．2．3　TableReducer的使用　195
任務(wù)3實(shí)現(xiàn)音樂(lè)排行榜　197
6．3．1　程序的結(jié)構(gòu)與實(shí)現(xiàn)　198
6．3．2　HBase數(shù)據(jù)庫(kù)設(shè)計(jì)優(yōu)化　205
6．3．3　MapReduce全局共享數(shù)據(jù)　205
本章總結(jié)　207
本章練習(xí)　207
第7章數(shù)據(jù)倉(cāng)庫(kù)Hive　209
任務(wù)1Hive基礎(chǔ)　210
7．1．1　認(rèn)識(shí)Hive　210
7．1．2　Hive架構(gòu)設(shè)計(jì)　211
7．1．3　Hive與Hadoop　212
7．1．4　Hive與傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)　212
7．1．5　Hive數(shù)據(jù)存儲(chǔ)模型　213
7．1．6　Hive部署　213
任務(wù)2掌握Hive操作　214
7．2．1　Hive DDL　214
7．2．2　Hive DML　217
7．2．3　Hive shell　222
任務(wù)3Hive高級(jí)應(yīng)用　223
7．3．1　Hive函數(shù)　224
7．3．2　Hive調(diào)優(yōu)策略　227
本章總結(jié)　232
本章練習(xí)　232
第8章大數(shù)據(jù)離線處理輔助系統(tǒng)　233
任務(wù)1認(rèn)識(shí)并使用數(shù)據(jù)遷移框架Sqoop　234
8．1．1　Sqoop簡(jiǎn)介　234
8．1．2　使用Sqoop導(dǎo)入MySQL數(shù)據(jù)到HDFS　239
8．1．3　使用Sqoop導(dǎo)出HDFS數(shù)據(jù)到MySQL　246
8．1．4　使用Sqoop導(dǎo)入MySQL數(shù)據(jù)到Hive　248
8．1．5　Sqoop Job　250
任務(wù)2使用Azkaban實(shí)現(xiàn)工作流調(diào)度　250
8．2．1　Azkaban概述　250
8．2．2　Azkaban環(huán)境部署　252
8．2．3　Azkaban應(yīng)用實(shí)例　256
本章總結(jié)　259
本章練習(xí)　259
第9章Spark基礎(chǔ)　261
任務(wù)1Spark入門(mén)　262
9．1．1　Spark簡(jiǎn)介　262
9．1．2　Spark優(yōu)勢(shì)　262
9．1．3　Spark生態(tài)圈　264
任務(wù)2Scala基礎(chǔ)　267
9．2．1　Scala簡(jiǎn)介　268
9．2．2　Scala函數(shù)定義　271
9．2．3　Scala面向?qū)ο蟛僮鳌?72
9．2．4　Scala集合的使用　275
9．2．5　Scala高階函數(shù)　278
任務(wù)3編譯Spark　281
9．3．1　下載Spark源碼　281
9．3．2　編譯Spark源碼　282
任務(wù)4Spark初體驗(yàn)　284
9．4．1　Spark環(huán)境部署　284
9．4．2　spark-shell　285
本章總結(jié)　286
本章練習(xí)　286
第　10章Spark Core　287
任務(wù)1Spark　RDD　288
10．1．1　RDD介紹　288
10．1．2　RDD的創(chuàng)建　289
10．1．3　RDD的轉(zhuǎn)換算子　291
10．1．4　RDD的動(dòng)作算子　293
10．1．5　RDD的依賴(lài)關(guān)系　295
任務(wù)2RDD高級(jí)應(yīng)用　297
10．2．1　RDD緩存機(jī)制　297
10．2．2　共享變量　300
10．2．3　Spark架構(gòu)設(shè)計(jì)　302
任務(wù)3基于RDD的Spark應(yīng)用程序開(kāi)發(fā)　303
10．3．1　準(zhǔn)備工作　303
10．3．2　詞頻計(jì)數(shù)實(shí)例　304
10．3．3　年齡統(tǒng)計(jì)實(shí)例　308
本章總結(jié)　309
本章練習(xí)　309
第　11章Spark SQL　311
任務(wù)1認(rèn)識(shí)Spark　SQL　312
11．1．1　SQL　312
11．1．2　SQL on Hadoop框架　312
11．1．3　Spark SQL簡(jiǎn)介　314
任務(wù)2Spark　SQL編程基礎(chǔ)　315
11．2．1　Spark SQL編程入口　315
11．2．2　DataFrame基礎(chǔ)　317
11．2．3　DataFrame編程實(shí)例　318
任務(wù)3Spark　SQL編程進(jìn)階　325
11．3．1　Spark SQL操作外部數(shù)據(jù)源　325
11．3．2　Spark SQL函數(shù)　329
11．3．3　Spark SQL調(diào)優(yōu)　332
本章總結(jié)　334
本章練習(xí)　335
第　12章Spark Streaming　337
任務(wù)1流處理框架及Spark　Streaming　338
12．1．1　流處理框架簡(jiǎn)介　338
12．1．2　Spark Streaming簡(jiǎn)介　340
任務(wù)2使用Spark　Streaming編程　343
12．2．1　Spark Streaming核心　343
12．2．2　Spark Streaming編程實(shí)例　348
任務(wù)3Spark　Streaming高級(jí)應(yīng)用　352
12．3．1　使用Spark Streaming整合Flume　353
12．3．2　使用Spark Streaming整合Kafka　356
12．3．3　Spark Streaming優(yōu)化策略　361
本章總結(jié)　363
本章練習(xí)　363
附錄　365