Hadoop+Spark大数据分析实战电子书

内容简介

前言

第1章 大数据与Hadoop

1.1 什么是大数据

1.2 大数据的来源

1.3 如何处理大数据

1.3.1 数据分析与挖掘

1.3.2 基于云平台的分布式处理

1.4 Hadoop 3新特性

1.5 虚拟机与Linux操作系统的安装

1.5.1 VirtualBox虚拟机的安装

1.5.2 Linux操作系统的安装

1.6 SSH工具与使用

1.7 Linux统一设置

1.8 本章小结

第2章 Hadoop伪分布式集群

2.1 安装独立运行的Hadoop

2.2 Hadoop伪分布式环境准备

2.3 Hadoop伪分布式安装

2.4 HDFS操作命令

2.5 Java项目访问HDFS

2.6 winutils

2.7 快速MapReduce程序示例

2.8 本章小结

第3章 HDFS分布式文件系统

3.1 HDFS的体系结构

3.2 NameNode的工作

3.3 SecondaryNameNode

3.4 DataNode

3.5 HDFS的命令

3.6 RPC远程过程调用

3.7 本章小结

第4章 分布式运算框架MapReduce

4.1 MapReduce的运算过程

4.2 WordCount示例

4.3 自定义Writable

4.4 Partitioner分区编程

4.5 自定义排序

4.6 Combiner编程

4.7 默认Mapper和默认Reducer

4.8 倒排索引

4.9 Shuffle

4.9.1 Spill过程

4.9.2 Sort过程

4.9.3 Merge过程

4.10 本章小结

第5章 Hadoop输入输出

5.1 自定义文件输入流

5.1.1 自定义LineTextInputFormat

5.1.2 自定义ExcelInputFormat类

5.1.3 DBInputFormat

5.1.4 自定义输出流

5.2 顺序文件SequenceFile的读写

5.2.1 生成一个顺序文件

5.2.2 读取顺序文件

5.2.3 获取Key/Value类型

5.2.4 使用SequenceFileInputFormat读取数据

5.3 本章小结

第6章 Hadoop分布式集群配置

6.1 Hadoop集群

6.2 本章小结

第7章 Hadoop高可用集群搭建

7.1 ZooKeeper简介

7.2 ZooKeeper集群安装

7.3 znode节点类型

7.4 观察节点

7.5 配置Hadoop高可靠集群

7.6 用Java代码操作集群

7.7 本章小结

第8章 数据仓库Hive

8.1 Hive简介

8.2 Hive3的安装配置

8.2.1 使用Derby数据库保存元数据

8.2.2 使用MySQL数据库保存元数据

8.3 Hive命令

8.4 Hive内部表

8.5 Hive外部表

8.6 Hive表分区

8.6.1 分区的技术细节

8.6.2 分区示例

8.7 查询示例汇总

8.8 Hive函数

8.8.1 关系运算符号

8.8.2 更多函数

8.8.3 使用Hive函数实现WordCount

8.9 本章小结

第9章 HBase数据库

9.1 HBase的特点

9.1.1 HBase的高并发和实时处理数据

9.1.2 HBase的数据模型

9.2 HBase的安装

9.2.1 HBase的单节点安装

9.2.2 HBase的伪分布式安装

9.2.3 Java客户端代码

9.2.4 其他Java操作代码

9.3 HBase集群安装

9.4 HBase Shell操作

9.4.1 DDL操作

9.4.2 DML操作

9.5 本章小结

第10章 Flume数据采集

10.1 Flume简介

10.1.1 Flume原理

10.1.2 Flume的一些核心概念

10.2 Flume的安装与配置

10.3 快速示例

10.4 在ZooKeeper中保存Flume的配置文件

10.5 Flume的更多Source

10.5.1 avro source

10.5.2 thrift source和thrift sink

10.5.3 exec source

10.5.4 spool source

10.5.5 HDFS sinks

10.6 本章小结

第11章 Spark框架搭建及应用

11.1 安装Spark

11.1.1 本地模式

11.1.2 伪分布式安装

11.1.3 集群安装

11.1.4 Spark on YARN

11.2 使用Scala开发Spark应用

11.2.1 安装Scala

11.2.2 开发Spark程序

11.3 spark-submit

11.3.1 使用spark-submit提交

11.3.2 spark-submit参数说明

11.4 DataFrame

11.4.1 DataFrame概述

11.4.2 DataFrame基础应用

11.5 Spark SQL

11.5.1 快速示例

11.5.2 Read和Write

11.6 Spark Streaming

11.6.1 快速示例

11.6.2 DStream

11.6.3 FileStream

11.6.4 窗口函数

11.6.5 updateStateByKey

11.7 共享变量

11.7.1 广播变量

11.7.2 累加器

11.8 本章小结

第12章 Spark机器学习

12.1 机器学习

12.1.1 机器学习概述

12.1.2 Spark ML

12.2 典型机器学习流程介绍

12.2.1 提出问题

12.2.2 假设函数

12.2.3 代价函数

12.2.4 训练模型确定参数

12.3 经典算法模型实战

12.3.1 聚类算法实战

12.3.2 回归算法实战

12.3.3 协同过滤算法实战

第13章 影评分析项目实战

13.1 项目内容

13.2 项目需求及分析

13.3 详细实现

13.3.1 搭建项目环境

13.3.2 编写爬虫类

13.3.3 编写分词类

13.3.4 第一个job的Map阶段实现

13.3.5 一个job的Reduce阶段实现

13.3.6 第二个job的Map阶段实现

13.3.7 第二个job的自定义排序类阶段的实现

13.3.8 第二个job的自定义分区阶段实现

13.3.9 第二个job的Reduce阶段实现

13.3.10 Run程序主类实现

13.3.11 编写词云类

13.3.12 效果测试

第14章 旅游酒店评价分析项目实战

14.1 项目介绍

14.2 项目需求及分析

14.2.1 数据集需求

14.2.2 功能需求

14.3 详细实现

14.3.1 数据集上传到HDFS

14.3.2 Spark数据清洗

14.3.3 构建Hive数据仓库表

14.3.4 Hive表数据导出到MySQL

14.3.5 数据可视化开发