目　　錄 Contents
譯者序
作者簡介
前言
第1章為什么會有大數(shù)據(jù)
1.1什么是大數(shù)據(jù)
1.2大數(shù)據(jù)技術(shù)背后的核心思想
1.2.1把數(shù)據(jù)分發(fā)到多個節(jié)點
1.2.2把計算邏輯移動到數(shù)據(jù)附近
1.2.3計算節(jié)點進行本地數(shù)據(jù)處理
1.2.4優(yōu)選順序讀，次之隨機讀
1.2.5一個例子
1.3大數(shù)據(jù)的編程模型
1.3.1大規(guī)模并行處理數(shù)據(jù)庫系統(tǒng)
1.3.2內(nèi)存數(shù)據(jù)庫系統(tǒng)
1.3.3MapReduce系統(tǒng)
1.3.4整體同步并行系統(tǒng)
1.4大數(shù)據(jù)和事務(wù)性系統(tǒng)
1.5我們能處理多大的數(shù)據(jù)量
1.5.1一個計算密集型的例子
1.5.2Amdhal定律
1.6大數(shù)據(jù)商業(yè)用例
1.7本章小結(jié)
第2章Hadoop中的概念
2.1Hadoop簡介
2.2MapReduce編程模型簡介
2.3Hadoop系統(tǒng)的組成
2.3.1Hadoop 分布式文件系統(tǒng)
2.3.2輔助名稱節(jié)點
2.3.3任務(wù)跟蹤器
2.3.4作業(yè)跟蹤器
2.4Hadoop 2.
2.4.1容器
2.4.2節(jié)點管理器
2.4.3資源管理器
2.4.4應(yīng)用程序管理器
2.4.5分步詳解YARN請求
2.5HDFS 的高可用性
2.6本章小結(jié)
第3章初識Hadoop框架
3.1安裝類型
3.1.1單機模式
3.1.2偽分布式集群模式
3.1.3多節(jié)點集群安裝模式
3.1.4基于Amazon EMR預(yù)安裝模式
3.2使用Cloudera虛擬機搭建開發(fā)環(huán)境
3.3一個MapReduce程序的組成
3.4第一個Hadoop程序
3.4.1以本地模式運行程序的必要條件
3.4.2使用舊API編寫的單詞計數(shù)程序
3.4.3構(gòu)建程序
3.4.4在集群模式下運行單詞計數(shù)程序
3.4.5使用新API編寫的單詞計數(shù)程序
3.4.6構(gòu)建程序
3.4.7在集群模式下運行單詞計數(shù)程序
3.5Hadoop作業(yè)中的第三方函數(shù)庫
3.6本章小結(jié)
第4章Hadoop系統(tǒng)管理
4.1Hadoop的配置文件
4.2配置Hadoop守護進程
4.3Hadoop配置文件的優(yōu)先級
4.4深入探究Hadoop配置文件
4.4.1coresite.xml
4.4.2hdfs*.xml
4.4.3mapredsite.xml
4.4.4yarnsite.xml
4.4.5YARN中的內(nèi)存分配
4.5調(diào)度器
4.5.1計算能力調(diào)度器
4.5.2公平調(diào)度器
4.5.3公平調(diào)度器配置
4.5.4　yarnsite.xml 配置
4.5.5策略文件的格式和配置
4.5.6按照drf策略來確定優(yōu)勢資源的分配
4.6從屬文件
4.7機架感知
4.8　集群管理工具
4.8.1檢查HDFS
4.8.2　HDFS管理命令行
4.8.3　均衡HDFS上的數(shù)據(jù)分布
4.8.4從HDFS中復(fù)制海量數(shù)據(jù)
4.9本章小結(jié)
第5章MapReduce開發(fā)基礎(chǔ)
5.1　Hadoop和數(shù)據(jù)處理
5.2　航空公司數(shù)據(jù)集介紹
5.2.1　準備開發(fā)環(huán)境
5.2.2　準備Hadoop系統(tǒng)
5.3　MapReduce編程模式
5.3.1　只有Map階段的作業(yè)（SELECT和WHERE查詢）
5.3.2　問題定義―SELECT子句
5.3.3　問題定義―WHERE子句
5.3.4　Map和Reduce作業(yè)（聚合查詢）
5.3.5　問題定義―GROUP BY和SUM子句
5.3.6　應(yīng)用Combiner提高Aggregation性能
5.3.7　問題定義―優(yōu)化后的Aggregators
5.3.8　Partitioner的作用
5.3.9　問題定義―按月分離航空數(shù)據(jù)
5.4　綜合分析
5.5　本章小結(jié)
第6章MapReduce開發(fā)進階
6.1　MapReduce編程模式
6.2　Hadoop I/O 介紹
6.3　問題定義―排序
6.3.1　主要挑戰(zhàn)：全排序
6.3.2　在Cluster中運行Sorting作業(yè)
6.3.3　僅根據(jù)Writable鍵排序
6.3.4　根據(jù)排序回顧Hadoop的關(guān)鍵特性
6.4　問題定義―分析連續(xù)的記錄
6.4.1　支持二次排序的重要組件
6.4.2　在沒有Grouping Comparator的情況下實現(xiàn)Secondary Sort
6.4.3　在Cluster中運行SecondarySort作業(yè)
6.4.4　利用Secondary Sort回顧Hadoop的關(guān)鍵特性
6.5　問題定義―使用MapReducer進行連接
6.5.1　處理多輸入：MultipleInputs 類
6.5.2　具備多個輸入的Mapper類
6.5.3　自定義 Partitioner: CarrierCodeBasedPartioner
6.5.4　在Reducer中實現(xiàn)連接
6.5.5　在集群中運行MapReduce連接作業(yè)
6.5.6　探討與MapReduce相關(guān)的Hadoop主要特性
6.6　問題定義―使用MapOnly 作業(yè)進行連接
6.6.1　基于DistributeCache的解決方案
6.6.2　在集群中運行MapOnly的連接作業(yè)
6.6.3　總結(jié)探討MapOnly連接時的Hadoop關(guān)鍵特性
6.7　在MR作業(yè)中保存結(jié)果到多輸出文件
6.8　使用計數(shù)器收集統(tǒng)計數(shù)據(jù)
6.9　本章小結(jié)
第7章　Hadoop輸入/輸出
7.1　壓縮方式
7.1.1　壓縮內(nèi)容的選擇
7.1.2　各種壓縮方式
7.1.3　配置壓縮方式
7.2　Hadoop的I/O處理過程內(nèi)部
7.2.1　Inputformat
7.2.2　OutputFormat
7.2.3　自定義OutputFormat：將文本轉(zhuǎn)換成XML
7.2.4　自定義 InputFormat：使用自定義的XML文件
7.3　Hadoop文件
7.3.1　SequenceFile
7.3.2　MapFiles
7.3.3　Avro Files
7.4　本章小結(jié)
第8章　測試Hadoop程序
8.1　回顧一下單詞統(tǒng)計的程序
8.2　MRUnit概述
8.2.1　安裝MRUnit
8.2.2　MRUnit 核心類
8.2.3　編寫一個MRUnit測試用例
8.2.4　測試計數(shù)器
8.2.5　MRUnit的特性
8.2.6　MRUnit的局限性
8.3　用LocalJobRunner測試
8.3.1　setUp( )方法
8.3.2　LocalJobRunner的局限性
8.4　用MiniMRCluster測試
8.4.1　配置開發(fā)環(huán)境
8.4.2　MiniMRCluster例子
8.4.3　MiniMRCluster的局限性
8.5　對訪問網(wǎng)絡(luò)資源的MR作業(yè)進行測試
8.6　本章小結(jié)
第9章Hadoop的監(jiān)控
9.1　在Hadoop MapReduce Jobs中寫日志消息
9.2　在Hadoop MapReduce Jobs中查看日志消息
9.3　在Hadoop 2.x中使用日志管理
9.3.1　Hadoop 2.x中的日志存儲
9.3.2　日志管理提升
9.3.3　使用基于Web的界面查看日志
9.3.4　命令行界面
9.3.5　日志的保存
9.4　Hadoop集群性能監(jiān)控
9.5　使用YARN REST API
9.6　使用供應(yīng)商工具管理Hadoop集群
9.7　本章小結(jié)
第10章使用Hadoop構(gòu)建數(shù)據(jù)倉庫
10.1　Apache Hive
10.1.1　安裝Hive
10.1.2　Hive的架構(gòu)
10.1.3　元數(shù)據(jù)存儲
10.1.4　HiveQL編譯基礎(chǔ)
10.1.5　Hive使
……
第11章　使用Pig進行數(shù)據(jù)處理
第12章　HCatalog和企業(yè)級Hadoop
第13章　使用Hadoop分析日志
第14章　使用HBase構(gòu)建實時系統(tǒng)
第15章　Hadoop與數(shù)據(jù)科學(xué)
第16章　Hadoop與云計算
第17章　構(gòu)建YARN應(yīng)用程序
附錄