Hadoop海量数据处理：技术详解与项目实战 PDF 完整版

《Hadoop海量数据处理：技术详解与项目实战》介绍了Hadoop技术的相关知识，并将理论知识与实际项目相结合。全书共分为三个部分：基础篇、应用篇和总结篇。基础篇详细介绍了Hadoop、MapReduce、HDFS、Hive和Sqoop，并深入探讨了Hadoop的运维和调优；应用篇则包含了一个具有代表性的完整的基于Hadoop的商业智能系统的设计和实现；结束篇对全书进行总结，并对技术发展做了展望。《Hadoop海量数据处理：技术详解与项目实战》结构针对学习曲线进行了优化，由浅至深，从理论基础到项目实战，适合Hadoop的初学者阅读，也适合作为高等院校相关课程的教学参考书。

目录

• 基础篇：Hadoop基础
• 第1章 绪论 2
• 1.1 Hadoop和云计算 2
• 1.1.1 Hadoop的电梯演讲 2
• 1.1.2 Hadoop生态圈 3
• 1.1.3 云计算的定义 5
• 1.1.4 云计算的类型 7
• 1.1.5 Hadoop和云计算 8
• 1.2 Hadoop和大数据 9
• 1.2.1 大数据的定义 9
• 1.2.2 大数据的结构类型 11
• 1.2.3 大数据行业应用实例 12
• 1.2.4 Hadoop和大数据 13
• 1.2.5 其他大数据处理平台 15
• 1.3 数据挖掘和商业智能 16
• 1.3.1 数据挖掘的定义 16
• 1.3.2 数据仓库 18
• 1.3.3 操作数据库系统和数据仓库系统的区别 19
• 1.3.4 为什么需要分离的数据仓库 19
• 1.3.5 商业智能 20
• 1.3.6 大数据时代的商业智能 21
• 第2章 环境准备 23
• 2.1 Hadoop的发行版本选择 23
• 2.1.1 Apache Hadoop 23
• 2.1.2 CDH 23
• 2.1.3 Hadoop的版本 24
• 2.1.4 如何选择Hadoop的版本 26
• 2.2 Hadoop架构 27
• 2.2.1 Hadoop HDFS架构 27
• 2.2.2 Hadoop MapReduce架构 28
• 2.2.3 Hadoop架构 29
• 2.3 安装Hadoop 31
• 2.3.1 安装运行环境 32
• 2.3.2 修改主机名和用户名 37
• 2.3.3 配置静态IP地址 38
• 2.3.4 配置SSH无密码连接 39
• 2.3.5 安装JDK 40
• 2.3.6 配置Hadoop 41
• 2.3.7 格式化HDFS 44
• 2.3.8 启动Hadoop并验证安装 44
• 2.4 安装Hive 46
• 2.4.1 安装元数据库 46
• 2.4.2 修改Hive配置文件 47
• 2.4.3 验证安装 48
• 2.5 安装Sqoop 48
• 2.6 Eclipse Hadoop插件的安装和使用 49
• 2.6.1 安装并配置Eclipse Hadoop插件 49
• 2.6.2 Eclipse插件的使用 51
• 第3章 Hadoop的基石：HDFS 53
• 3.1 认识HDFS 53
• 3.1.1 HDFS的设计理念 55
• 3.1.2 HDFS的架构 55
• 3.1.3 HDFS容错 59
• 3.2 HDFS读取文件和写入文件 60
• 3.2.1 块的分布 60
• 3.2.2 数据读取 61
• 3.2.3 写入数据 62
• 3.2.4 数据完整性 64
• 3.3 如何访问HDFS 65
• 3.3.1 命令行接口 65
• 3.3.2 Java API 68
• 3.3.3 其他常用的接口 78
• 3.3.4 Web UI 78
• 第4章 分而治之的智慧：MapReduce 80
• 4.1 认识MapReduce 80
• 4.1.1 MapReduce的编程思想 80
• 4.1.2 MapReduce运行环境 83
• 4.1.3 MapReduce作业和任务 85
• 4.1.4 MapReduce的计算资源划分 86
• 4.1.5 MapReduce的局限性 87
• 4.2 Hello WordCount 87
• 4.2.1 WordCount的设计思路 87
• 4.2.2 编写WordCount 88
• 4.2.3 运行程序 91
• 4.2.4 还能更快吗 92
• 4.3 MapReduce的过程 93
• 4.3.1 从输入到输出 94
• 4.3.2 input 94
• 4.3.3 map及中间结果的输出 96
• 4.3.4 shuffle 98
• 4.3.5 reduce及最后结果的输出 99
• 4.3.6 sort 99
• 4.3.7 作业的进度组成 100
• 4.4 MapReduce的工作机制 101
• 4.4.1 作业提交 101
• 4.4.2 作业初始化 102
• 4.4.3 任务分配 102
• 4.4.4 任务执行 103
• 4.4.5 任务完成 103
• 4.4.6 推测执行 103
• 4.4.7 MapReduce容错 104
• 4.5 MapReduce编程 105
• 4.5.1 Writable类 105
• 4.5.2 编写Writable类 108
• 4.5.3 编写Mapper类 109
• 4.5.4 编写Reducer类 111
• 4.5.5 控制shuffle 112
• 4.5.6 控制sort 113
• 4.5.7 编写main函数 115
• 4.6 MapReduce编程实例：连接 116
• 4.6.1 设计思路 116
• 4.6.2 编写Mapper类 117
• 4.6.3 编写Reducer类 118
• 4.6.4 编写main函数 119
• 4.7 MapReduce编程实例：二次排序 120
• 4.7.1 设计思路 120
• 4.7.2 编写Mapper类 121
• 4.7.3 编写Partitioner类 121
• 4.7.4 编写SortComparator类 122
• 4.7.5 编写Reducer类 123
• 4.7.6 编写main函数 123
• 4.8 MapReduce编程实例：全排序 125
• 4.8.1 设计思路 125
• 4.8.2 编写代码 127
• 第5章 SQL on Hadoop：Hive 129
• 5.1 认识Hive 129
• 5.1.1 从MapReduce到SQL 130
• 5.1.2 Hive架构 132
• 5.1.3 Hive与关系型数据库的区别 134
• 5.1.4 Hive命令的使用 135
• 5.2 数据类型和存储格式 137
• 5.2.1 基本数据类型 137
• 5.2.2 复杂数据类型 137
• 5.2.3 存储格式 138
• 5.2.4 数据格式 139
• 5.3 HQL：数据定义 140
• 5.3.1 Hive中的数据库 140
• 5.3.2 Hive中的表 142
• 5.3.3 创建表 142
• 5.3.4 管理表 144
• 5.3.5 外部表 144
• 5.3.6 分区表 145
• 5.3.7 删除表 147
• 5.3.8 修改表 147
• 5.4 HQL：数据操作 148
• 5.4.1 装载数据 148
• 5.4.2 通过查询语句向表中插入数据 149
• 5.4.3 利用动态分区向表中插入数据 149
• 5.4.4 通过CTAS加载数据 150
• 5.4.5 导出数据 150
• 5.5 HQL：数据查询 150
• 5.5.1 SELECT…FROM语句 151
• 5.5.2 WHERE语句 152
• 5.5.3 GROUP BY和HAVING语句 153
• 5.5.4JOIN语句 153
• 5.5.5 ORDER BY和SORT BY语句 156
• 5.5.6 DISTRIBUTE BY和SORTBY语句 157
• 5.5.7 CLUSTER BY 157
• 5.5.8 分桶和抽样 157
• 5.5.9 UNION ALL 158
• 5.6 Hive函数 158
• 5.6.1 标准函数 158
• 5.6.2 聚合函数 158
• 5.6.3 表生成函数 158
• 5.7 Hive用户自定义函数 159
• 5.7.1 UDF 159
• 5.7.2 UDAF 159
• 5.7.3 UDTF 161
• 5.7.4 运行 163
• 第6章 SQL to Hadoop : Sqoop 164
• 6.1 一个Sqoop示例 164
• 6.2 导入过程 166
• 6.3 导出过程 168
• 6.4 Sqoop的使用 169
• 6.4.1 codegen 170
• 6.4.2 create-hive-table 170
• 6.4.3 eval 171
• 6.4.4 export 171
• 6.4.5 help 172
• 6.4.6 import 172
• 6.4.7 import-all-tables 173
• 6.4.8 job 174
• 6.4.9 list-databases 174
• 6.4.10 list-tables 175
• 6.4.11 merge 175
• 6.4.12 metastore 176
• 6.4.13 version 176
• 第7章 Hadoop性能调优和运维 177
• 7.1 Hadoop客户端 177
• 7.2 Hadoop性能调优 178
• 7.2.1 选择合适的硬件 178
• 7.2.2 操作系统调优 180
• 7.2.3 JVM调优 181
• 7.2.4 Hadoop参数调优 181
• 7.3 Hive性能调优 187
• 7.3.1 JOIN优化 187
• 7.3.2 Reducer的数量 187
• 7.3.3 列裁剪 187
• 7.3.4 分区裁剪 188
• 7.3.5 GROUP BY优化 188
• 7.3.6 合并小文件 189
• 7.3.7 MULTI-GROUP BY和MULTI-INSERT 189