Hadoop大數(shù)據(jù)開發(fā)實戰(zhàn)

第1章　大數(shù)據(jù)概論　1
1．1　大數(shù)據(jù)的學(xué)習(xí)基礎(chǔ)　1
1．2　大數(shù)據(jù)的背景　2
1．3　對大數(shù)據(jù)的不同認識　2
1．3．1　資深編程者眼中的大數(shù)據(jù)　2
1．3．2　營銷者和學(xué)者眼中的大數(shù)據(jù)　3
1．3．3　商家看大數(shù)據(jù)　4
1．4　大數(shù)據(jù)的行業(yè)案例　4
1．4．1　電子地圖　4
1．4．2　電子商務(wù)——用戶畫像　5
1．5　大數(shù)據(jù)的基本概念　6
1．5．1　兩個核心　6
1．5．2　分布式存儲　6
1．5．3　分布式計算　7
1．6　大數(shù)據(jù)技術(shù)生態(tài)圈　7
本章總結(jié)　8
本章習(xí)題　8
第2章　搭建Hadoop分布式集群　9
2．1　云平臺　9
2．1．1　了解云平臺　9
2．1．2　安裝VMware軟件　9
2．2　安裝CentOS 6　10
2．2．1　安裝CentOS 6　10
2．2．2　安裝中的關(guān)鍵問題　15
2．2．3　克隆HadoopSlave和HadoopSlave1　16
2．2．4　安裝SSH客戶端傳輸軟件　18
2．2．5　安裝Xshell　20
2．3　Linux系統(tǒng)配置　23
2．4　Hadoop的配置部署　39
本章總結(jié)　47
本章習(xí)題　47
第3章　HDFS入門　48
3．1　Hadoop分布式文件系統(tǒng)HDFS　48
3．1．1　認識HDFS　48
3．1．2　HDFS的優(yōu)勢　49
3．1．3　HDFS局限性　50
3．1．4　HDFS特性　51
3．2　HDFS核心設(shè)計　52
3．2．1　數(shù)據(jù)塊　53
3．2．2　數(shù)據(jù)塊復(fù)制　53
3．2．3　數(shù)據(jù)塊副本的存放策略　54
3．2．4　機架感知　55
3．2．5　數(shù)據(jù)塊的備份數(shù)　56
3．2．6　安全模式　56
3．2．7　負載均衡　57
3．2．8　心跳機制　60
3．3　HDFS體系結(jié)構(gòu)　60
3．3．1　主從架構(gòu)　61
3．3．2　核心組件功能　61
3．3．3　數(shù)據(jù)塊損壞處理　63
本章總結(jié)　64
本章習(xí)題　64
第4章　HDFS接口　65
4．1　HDFS命令行接口　65
4．2　HDFS Java接口　67
4．2．1　在Linux虛擬機中安裝Eclipse　68
4．2．2　從Hadoop URL讀取數(shù)據(jù)　69
4．2．3　使用FileSystem讀取文件　70
4．2．4　FSDataInputStream對象隨機讀取　71
4．2．5　使用FileSystem寫入數(shù)據(jù)　72
4．2．6　FSDataOutputStream對象批量寫入　73
4．2．7　查詢文件狀態(tài)FileStatus　74
4．2．8　創(chuàng)建目錄　75
4．2．9　刪除文件與目錄　76
本章總結(jié)　77
本章習(xí)題　77
第5章　HDFS的運行機制　78
5．1　HDFS中數(shù)據(jù)流的讀寫　78
5．1．1　RPC流程　78
5．1．2　RPC實現(xiàn)模型　79
5．1．3　RPC Client主要流程　81
5．1．4　RPC Server實現(xiàn)模型　82
5．1．5　文件讀取　83
5．1．6　文件寫入　84
5．2　HA機制　85
5．2．1　HDFS的HA機制　85
5．2．2　集群節(jié)點任務(wù)規(guī)劃　87
5．2．3　初識ZooKeeper　87
5．2．4　安裝部署ZooKeeper　89
5．2．5　格式化ZooKeeper集群　93
5．2．6　配置Hadoop　94
5．2．7　啟動JournalNode共享存儲集群　99
5．2．8　格式化ActiveNameNode　100
5．2．9　啟動ZooKeeperFailoverController　101
5．2．10　啟動ActiveNameNode　101
5．2．11　格式化StandbyNameNode　102
5．2．12　啟動所有DataNode節(jié)點　102
5．2．13　驗證HA的故障自動轉(zhuǎn)移　103
5．3　Federation機制　105
5．3．1　初始HDFS Federation機制　105
5．3．2　HDFS Federation架構(gòu)原理　106
本章總結(jié)　107
本章習(xí)題　107
第6章　Hadoop I/O流操作　108
6．1　數(shù)據(jù)完整性　108
6．1．1　數(shù)據(jù)發(fā)生錯誤　108
6．1．2　數(shù)據(jù)的檢測　109
6．1．3　數(shù)據(jù)完整性機制　109
6．2　壓縮　111
6．2．1　壓縮格式　111
6．2．2　Hadoop中對壓縮格式的實現(xiàn)Codec　111
6．2．3　壓縮格式是否支持切分　114
6．3　序列化　114
6．3．1　序列化簡介　114
6．3．2　反序列化　115
6．3．3　序列化的分布式應(yīng)用　115
6．3．4　初識Hadoop序列化　115
6．3．5　Hadoop序列化實現(xiàn)　116
6．3．6　接口Comparable & Comparator與WritableComparable & WritableComparator　117
6．3．7　Writable類　123
6．4　基于文件的數(shù)據(jù)結(jié)構(gòu)SequenceFile　125
本章總結(jié)　127
本章習(xí)題　127
第7章　初識MapReduce編程模型　128
7．1　MapReduce編程框架　128
7．1．1　函數(shù)式編程模型　128
7．1．2　MapReduce編程模型概念　129
7．1．3　MapReduce的設(shè)計目標　130
7．2　WordCount編程實例　130
7．2．1　案例需求　130
7．2．2　搭建開發(fā)環(huán)境Eclipse　131
7．2．3　代碼實現(xiàn)　132
7．2．4　代碼測試　135
7．2．5　案例剖析　139
7．3　Hadoop MapReduce架構(gòu)　141
7．3．1　Hadoop MapReduce架構(gòu)的基本概念　141
7．3．2　MapReduce架構(gòu)核心組件　142
本章總結(jié)　144
本章習(xí)題　144
第8章　MapReduce應(yīng)用編程開發(fā)　145
8．1　MapReduce編程開發(fā)　145
8．1．1　設(shè)計思路　145
8．1．2　搜索引擎數(shù)據(jù)處理實戰(zhàn)　147
8．2　MapReduce在集群上的運作　152
8．2．1　打包作業(yè)　152
8．2．2　啟動作業(yè)　154
8．2．3　通過WebUI查看Job狀態(tài)　154
8．3　MapReduce的類型與格式　155
8．3．1　combiner函數(shù)　155
8．3．2　MapReduce框架Partitioner分區(qū)方法　157
8．3．3　MapReduce輸入格式　158
本章總結(jié)　166
本章習(xí)題　166
第9章　MapReduce編程案例　167
9．1　數(shù)據(jù)去重　167
9．1．1　實例表述　167
9．1．2　設(shè)計思路　168
9．1．3　程序代碼　168
9．1．4　代碼結(jié)果　169
9．2　數(shù)據(jù)排序　170
9．2．1　實例表述　171
9．2．2　設(shè)計思路　171
9．2．3　程序代碼　171
9．2．4　代碼結(jié)果　173
9．3　平均成績　174
9．3．1　實例表述　174
9．3．2　設(shè)計思路　175
9．3．3　程序代碼　175
9．3．4　代碼結(jié)果　177
9．4　多表關(guān)聯(lián)　178
9．4．1　實例表述　178
9．4．2　設(shè)計思路　179
9．4．3　程序代碼　179
9．4．4　代碼結(jié)果　181
9．5　二次排序　182
9．5．1　實例描述　182
9．5．2　設(shè)計思路　182
9．5．3　程序代碼　182
9．5．4　代碼結(jié)果　185
本章總結(jié)　186
本章習(xí)題　186
第10章　MapReduce運行機制與YARN平臺　187
10．1　剖析MapReduce作業(yè)運行機制　187
10．1．1　提交作業(yè)的方式　187
10．1．2　作業(yè)的運行組件　187
10．1．3　作業(yè)的運行解析　188
10．2　Shuffle和排序　190
10．2．1　Mapper端　190
10．2．2　Reducer端　193
10．2．3　MapReduce性能調(diào)優(yōu)　196
10．3　任務(wù)的執(zhí)行　197
10．4　作業(yè)的調(diào)度　199
10．4．1　先進先出調(diào)度器　199
10．4．2　公平調(diào)度器　199
10．4．3　計算能力調(diào)度器　200
10．5　YARN平臺簡介　200
10．5．1　YARN的誕生　200
10．5．2　YARN的工作原理　200
10．6　YARN平臺架構(gòu)　201
本章總結(jié)　204
本章習(xí)題　204
第11章　汽車銷售數(shù)據(jù)統(tǒng)計分析項目　205
11．1　數(shù)據(jù)概況　205
11．2　項目實戰(zhàn)　206
11．2．1　統(tǒng)計乘用車輛和商用車輛的數(shù)量和銷售額分布　206
11．2．2　統(tǒng)計某年每個月的汽車銷售數(shù)量的比例　208
11．2．3　統(tǒng)計某個月份各市區(qū)縣的汽車銷售的數(shù)量　210
11．2．4　用戶數(shù)據(jù)市場分析——統(tǒng)計買車的男女比例　213
11．2．5　統(tǒng)計不同所有權(quán)、型號和類型汽車的銷售數(shù)量　216
11．2．6　統(tǒng)計不同車型的用戶的年齡和性別　218
11．2．7　統(tǒng)計分析不同車型銷售數(shù)據(jù)　219
11．2．8　通過不同類型（品牌）汽車銷售情況統(tǒng)計發(fā)動機型號和燃料種類　222
11．2．9　統(tǒng)計同排量不同品牌汽車的銷售量　224
本章總結(jié)　226
本章習(xí)題　226