Hadoop大數(shù)據(jù)開發(fā)基礎(chǔ)

一章　Hadoop介紹　1
1．1　Hadoop概述　1
1．1．1　Hadoop簡介　1
1．1．2　Hadoop的發(fā)展歷史　2
1．1．3　Hadoop的特點(diǎn)　3
1．2　Hadoop核心　4
1．2．1　分布式文件系統(tǒng)——HDFS　4
1．2．2　分布式計(jì)算框架——MapReduce　7
1．2．3　集群資源管理器——YARN　9
1．3　Hadoop生態(tài)系統(tǒng)　12
1．4　Hadoop應(yīng)用場景　14
小結(jié)　15
二章　Hadoop集群的搭建及配置　16
任務(wù)2．1　安裝及配置虛擬機(jī)　17
2．1．1　創(chuàng)建Linux虛擬機(jī)　17
2．1．2　設(shè)置固定IP　25
2．1．3　遠(yuǎn)程連接虛擬機(jī)　27
2．1．4　虛擬機(jī)在線安裝軟件　29
2．1．5　任務(wù)實(shí)現(xiàn)　32
任務(wù)2．2　安裝Java　32
2．2．1　在Windows下安裝Java　33
2．2．2　在Linux下安裝Java　35
2．2．3　任務(wù)實(shí)現(xiàn)　36
任務(wù)2．3　搭建Hadoop完全分布式集群　36
2．3．1　修改配置文件　36
2．3．2　克隆虛擬機(jī)　41
2．3．3　配置SSH免密碼登錄　43
2．3．4　配置時(shí)間同步服務(wù)　44
2．3．5　啟動關(guān)閉集群　46
2．3．6　監(jiān)控集群　47
小結(jié)　50
實(shí)訓(xùn)　50
實(shí)訓(xùn)1　為Hadoop集群增加一個(gè)節(jié)點(diǎn)　50
實(shí)訓(xùn)2　編寫Shell腳本同步集群時(shí)間　51
課后練習(xí)　51
第3章　Hadoop基礎(chǔ)操作　53
任務(wù)3．1　查看Hadoop集群的基本信息　54
3．1．1　查詢集群的存儲系統(tǒng)信息　55
3．1．2　查詢集群的計(jì)算資源信息　58
任務(wù)3．2　上傳文件到HDFS目錄　59
3．2．1　了解HDFS文件系統(tǒng)　59
3．2．2　掌握HDFS的基本操作　62
3．2．3　任務(wù)實(shí)現(xiàn)　65
任務(wù)3．3　運(yùn)行MapReduce任務(wù)　67
3．3．1　了解Hadoop官方的示例程序包　67
3．3．2　提交MapReduce任務(wù)給集群運(yùn)行　68
任務(wù)3．4　管理多個(gè)MapReduce任務(wù)　71
3．4．1　查詢MapReduce任務(wù)　72
3．4．2　中斷MapReduce任務(wù)　74
小結(jié)　76
實(shí)訓(xùn)　77
實(shí)訓(xùn)1　統(tǒng)計(jì)文件中所有單詞的平均長度　77
實(shí)訓(xùn)2　查詢與中斷MapReduce任務(wù)　77
課后練習(xí)　78
第4章　MapReduce編程入門　80
任務(wù)4．1　使用Eclipse創(chuàng)建MapReduce工程　81
4．1．1　下載與安裝Eclipse　81
4．1．2　配置MapReduce環(huán)境　82
4．1．3　新建MapReduce工程　84
任務(wù)4．2　通過源碼初識MapReduce編程　86
4．2．1　通俗理解MapReduce原理　86
4．2．2　了解MR實(shí)現(xiàn)詞頻統(tǒng)計(jì)的執(zhí)行流程　88
4．2．3　讀懂官方提供的WordCount源碼　89
任務(wù)4．3　編程實(shí)現(xiàn)按日期統(tǒng)計(jì)訪問次數(shù)　94
4．3．1　分析思路與處理邏輯　94
4．3．2　編寫核心模塊代碼　95
4．3．3　任務(wù)實(shí)現(xiàn)　97
任務(wù)4．4　編程實(shí)現(xiàn)按訪問次數(shù)排序　99
4．4．1　分析思路與處理邏輯　99
4．4．2　編寫核心模塊代碼　100
4．4．3　任務(wù)實(shí)現(xiàn)　102
小結(jié)　104
實(shí)訓(xùn)　104
實(shí)訓(xùn)1　獲取成績表的高分記錄　104
實(shí)訓(xùn)2　對兩個(gè)文件中的數(shù)據(jù)進(jìn)行合并與去重　105
課后練習(xí)　107
第5章　MapReduce進(jìn)階編程　110
任務(wù)5．1　篩選日志文件并生成序列化文件　111
5．1．1　MapReduce輸入格式　111
5．1．2　MapReduce輸出格式　113
5．1．3　任務(wù)實(shí)現(xiàn)　113
任務(wù)5．2　Hadoop Java API讀取序列化日志文件　115
5．2．1　FileSystem API管理文件夾　115
5．2．2　FileSystem API操作文件　119
5．2．3　FileSystem API讀寫數(shù)據(jù)　121
5．2．4　任務(wù)實(shí)現(xiàn)　123
任務(wù)5．3　優(yōu)化日志文件統(tǒng)計(jì)程序　124
5．3．1　自定義鍵值類型　124
5．3．2　初步探索Combiner　128
5．3．3　淺析Partitioner　130
5．3．4　自定義計(jì)數(shù)器　132
5．3．5　任務(wù)實(shí)現(xiàn)　134
任務(wù)5．4　Eclipse提交日志文件統(tǒng)計(jì)程序　137
5．4．1　傳遞參數(shù)　137
5．4．2　Hadoop輔助類ToolRunner　139
5．4．3　Eclipse自動打包并提交任務(wù)　140
小結(jié)　144
實(shí)訓(xùn)　144
實(shí)訓(xùn)1　統(tǒng)計(jì)全球每年的高氣溫和低氣溫　144
實(shí)訓(xùn)2　篩選氣溫在15～25℃之間的數(shù)據(jù)　145
課后練習(xí)　146
第6章　項(xiàng)目案例：電影網(wǎng)站用戶性別預(yù)測　151
任務(wù)6．1　認(rèn)識KNN算法　152
6．1．1　KNN算法簡介　152
6．1．2　KNN算法原理及流程　152
任務(wù)6．2　數(shù)據(jù)預(yù)處理　154
6．2．1　獲取數(shù)據(jù)　154
6．2．2　數(shù)據(jù)變換　155
6．2．3　數(shù)據(jù)清洗　160
6．2．4　劃分?jǐn)?shù)據(jù)集　163
任務(wù)6．3　實(shí)現(xiàn)用戶性別分類　167
6．3．1　實(shí)現(xiàn)思路　167
6．3．2　代碼實(shí)現(xiàn)　169
任務(wù)6．4　評價(jià)分類結(jié)果的準(zhǔn)確性　179
6．4．1　評價(jià)思路　179
6．4．2　實(shí)現(xiàn)分類評價(jià)　180
6．4．3　尋找優(yōu)K值　184
小結(jié)　188
參考文獻(xiàn)　189