《Hadoop权威指南（第3版）》—

Velocity中国 Strata北京 AI北京 O'Reilly Conferences

Hadoop权威指南（第3版）

华东师范大学数据科学与工程学院译

出版时间：2014年10月

页数：678

“你终于有机会向大师学习Hadoop了——不仅是技术，还有常识和大实话。”
——Doug Cutting，Cloudera

准备好释放数据的强大潜能了吗？借助于这本《Hadoop权威指南》，你将学习如何使用Apache Hadoop构建和维护稳定性高、伸缩性强的分布式系统。本书是为程序员写的，可帮助他们分析任何大小的数据集。本书同时也是为管理员写的，帮助他们了解如何设置和运行Hadoop集群。
本书通过丰富的案例学习来解释Hadoop的幕后机理，阐述了Hadoop如何解决现实生活中的具体问题。第3版覆盖Hadoop的最新动态，包括MapReduce API、MapReduce 2及其灵活性更强的执行模型（YARN）。

本书主题：
· 使用Hadoop分布式文件系统(HDFS)存储大数据集
· 使用MapReduce运行分布式计算
· 使用Hadoop的数据和I/O构建块进行压缩、数据完整性、序列化（包括Avro）和持久化
· 探究MapReduce应用开发中常见的陷阱和高级特性
· 设计、构建和管理Hadoop专用集群或在云上运行Hadoop
· 使用Sqoop把数据从关系型数据库载入HDFS，
· 使用Pig查询语言执行大规模数据处理
· 使用Hive(Hadoop的数据仓库系统)来分析数据集
· 充分利用HBase（针对结构化数据和半结构化数据）以及充分利用Zookeeper构建分布式系统

目录
产品信息
关于作者

第1章初识Hadoop
1.1 数据！数据！
1.2 数据的存储与分析
1.3 相较于其他系统的优势
1.3.1 关系型数据库管理系统
1.3.2 网格计算
1.3.3 志愿计算
1.4 Hadoop发展简史
1.5 Apache Hadoop和Hadoop生态系统
1.6 Hadoop的发行版本
1.6.1 本书包含的内容
1.6.2 兼容性
第2章关于MapReduce
2.1 气象数据集
2.2 使用Unix工具来分析数据
2.3 使用Hadoop来分析数据
2.3.1 map和reduce
2.3.2 Java MapReduce
2.4 横向扩展
2.4.1 数据流
2.4.2 combiner函数
2.4.3 运行分布式的MapReduce作业
2.5 Hadoop Streaming
2.5.1 Ruby版本
2.5.2 Python版本
2.6 Hadoop Pipes
第3章 Hadoop分布式文件系统
3.1 HDFS的设计
3.2 HDFS的概念
3.2.1 数据块
3.2.2 namenode和datanode
3.2.3 联邦HDFS
3.2.4 HDFS的高可用性
3.3 命令行接口
3.4 Hadoop文件系统
3.5 Java接口
3.5.1 从Hadoop URL读取数据
3.5.2 通过FileSystem API读取数据
3.5.3 写入数据
3.5.4 目录
3.5.5 查询文件系统
3.5.6 删除数据
3.6 数据流
3.6.1 剖析文件读取
3.6.2 剖析文件写入
3.6.3 一致模型
3.7 通过Flume和Sqoop导入数据
3.8 通过distcp并行复制
3.9 Hadoop存档
3.9.1 使用Hadoop存档工具
3.9.2 不足
第4章 Hadoop的I/O操作
4.1 数据完整性
4.1.1 HDFS的数据完整性
4.1.2 LocalFileSystem
4.1.3 ChecksumFileSystem
4.2 压缩
4.2.1 codec
4.2.2 压缩和输入分片
4.2.3 在MapReduce中使用压缩
4.3 序列化
4.3.1 Writable接口
4.3.2 Writable类
4.3.3 实现定制的Writable集合
4.3 序列化框架
4.4 Avro
4.4.1 Avro数据类型和模式
4.4.2 内存中的序列化和反序列化
4.4.3 Avro数据文件
4.4.4 互操作性
4.4.5 模式的解析
4.4.6 排列顺序
4.4.7 关于Avro MapReduce
4.4.8 使用Avro MapReduce进行排序
4.4.9 其他语言的Avro MapReduce
4.5 基于文件的数据结构
4.5.1 关于SequenceFile
4.5.2 关于MapFile
第5章 MapReduce应用开发
5.1 用于配置的API
5.1.1 资源合并
5.1.2 可变的扩展
5.2 配置开发环境
5.2.1 管理配置
5.2.2 辅助类GenericOptionsParser，Tool和ToolRunner
5.3 用MRUnit来写单元测试
5.3.1 关于Mapper
5.3.2 关于Reducer
5.4 本地运行测试数据
5.4.1 在本地作业运行器上运行作业
5.4.2 测试驱动程序
5.5 在集群上运行
5.5.1 打包作业
5.5.2 启动作业
5.5.3 MapReduce的Web界面
5.5.4 获取结果
5.5.5 作业调试
5.5.6 Hadoop日志
5.5.7 远程调试
5.6 作业调优
5.7 MapReduce的工作流
5.7.1 将问题分解成MapReduce作业
5.7.2 关于JobControl
5.7.3 关于Apache Oozie
第6章 MapReduce的工作机制
6.1 剖析MapReduce作业运行机制
6.1.1 经典的MapReduce (MapReduce 1)
6.1.2 YARN (MapReduce 2)
6.2 失败
6.2.1 经典MapReduce中的失败
6.2.2 YARN中的失败
6.3 作业的调度
6.3.1 公平调度器
6.3.2 容量调度器
6.4 shuffle和排序
6.4.1 map端
6.4.2 reduce端
6.4.3 配置调优
6.5 任务的执行
6.5.1 任务执行环境
6.5.2 推测执行
6.5.3 关于OutputCommitters
6.5.4 任务JVM重用
6.5.5 跳过坏记录
第7章 MapReduce的类型与格式
7.1 MapReduce的类型
7.1.1 默认的MapReduce作业
7.1.2 默认的Streaming作业
7.2 输入格式
7.2.1 输入分片与记录
7.2.2 文本输入
7.2.3 二进制输入
7.2.4 多个输入
7.2.5 数据库输入(和输出)
7.3 输出格式
7.3.1 文本输出
7.3.2 二进制输出
7.3.3 多个输出
7.3.4 延迟输出
7.3.5 数据库输出
第8章 MapReduce的特性
8.1 计数器
8.1.1 内置计数器
8.1.2 用户定义的Java计数器
8.1.3 用户定义的Streaming计数器
8.2 排序
8.2.1 准备
8.2.2 部分排序
8.2.3 全排序
8.2.4 辅助排序
8.3 连接
8.3.1 map端连接
8.3.2 reduce端连接
8.4 边数据分布
8.4.1 利用JobConf来配置作业
8.4.2 分布式缓存
8.5 MapReduce库类
第9章构建Hadoop集群
9.1 集群规范
9.2 集群的构建和安装
9.2.1 安装Java
9.2.2 创建Hadoop用户
9.2.3 安装Hadoop
9.2.4 测试安装
9.3 SSH配置
9.4 Hadoop配置
9.4.1 配置管理
9.4.2 环境设置
9.4.3 Hadoop守护进程的关键属性
9.4.4 Hadoop守护进程的地址和端口
9.4.5 Hadoop的其他属性
9.4.6 创建用户帐号
9.5 YARN配置
9.5.1 YARN守护进程的重要属性
9.5.2 YARN守护进程的地址和端口
9.6 安全性
9.6.1 Kerberos和Hadoop
9.6.2 委托令牌
9.6.3 其他安全性改进
9.7 利用基准评测程序测试Hadoop集群
9.7.1 Hadoop基准评测程序
9.7.2 用户作业
9.8 云端的Hadoop
第10章管理Hadoop
10.1 HDFS
10.1.1 永久性数据结构
10.1.2 安全模式
10.1.3 日志审计
10.1.4 工具
10.2 监控
10.2.1 日志
10.2.2 度量
10.2.3 Java管理扩展(JMX)
10.3 维护
10.3.1 日常管理过程
10.3.2 委任和解除节点
10.3.3 升级
第11章关于Pig
11.1 安装与运行Pig
11.1.1 执行类型
11.1.2 运行Pig程序
11.1.3 Grunt
11.1.4 Pig Latin编辑器
11.2 示例
11.3 与数据库进行比较
11.4 Pig Latin
11.4.1 结构
11.4.2 语句
11.4.3 表达式
11.4.4 类型
11.4.5 模式
11.4.6 函数
11.4.7 宏
11.5 用户自定义函数
11.5.1 过滤UDF
11.5.2 计算UDF
11.5.3 加载UDF
11.6 数据处理操作
11.6.1 数据的加载和存储
11.6.2 数据的过滤
11.6.3 数据的分组与连接
11.6.4 数据的排序
11.6.5 数据的组合和切分
11.7 Pig实战
11.7.1 并行处理
11.7.2 参数代换
第12章关于Hive
12.1 安装Hive
12.2 示例
12.3 运行Hive
12.3.1 配置Hive
12.3.2 Hive服务
12.3.3 Metastore
12.4 Hive与传统数据库相比
12.4.1 读时模式vs.写时模式
12.4.2 更新、事务和索引
12.5 HiveQL
12.5.1 数据类型
12.5.2 操作与函数
12.6 表
12.6.1 托管表和外部表
12.6.2 分区和桶
12.6.3 存储格式
12.6.4 导入数据
12.6.5 表的修改
12.6.6 表的丢弃
12.7 查询数据
12.7.1 排序和聚集
12.7.2 MapReduce脚本
12.7.3 连接
12.7.4 子查询
12.7.5 视图
12.8 用户定义函数
12.8.1 写UDF
12.8.2 写UDAF
第13章关于HBase
13.1 HBase基础
13.2 概念
13.3.1 数据模型的“旋风之旅”
13.3.2 实现
13.3 安装
13.4 客户端
13.4.1 Java
13.4.2 Avro、REST和Thrift
13.5 示例
13.5.1 模式
13.5.2 加载数据
13.5.3 Web查询
13.6 HBase和RDBMS的比较
13.6.1 成功的服务
13.6.2 HBase
13.6.3 实例：HBase在Streamy.com的使用
13.7 Praxis
13.7.1 版本
13.7.2 HDFS
13.7.3 用户界面
13.7.4 度量
13.7.5 模式的设计
13.7.6 计数器
13.7.7 批量加载
第14章关于ZooKeeper
14.1 安装和运行ZooKeeper
14.2 示例
14.2.1 ZooKeeper中的组成员关系
14.2.2 创建组
14.2.3 加入组
14.2.4 列出组成员
14.2.5 删除组
14.3 ZooKeeper服务
14.3.1 数据模型
14.3.2 操作
14.3.3 实现
14.3.4 一致性
14.3.5 会话
14.3.6 状态
14.4 使用ZooKeeper来构建应用
14.4.1 配置服务
14.4.2 可复原的ZooKeeper应用
14.4.3 锁服务
14.4.4 更多分布式数据结构和协议
14.5 生产环境中的ZooKeeper
14.5.1 可恢复性和性能
14.5.2 配置
第15章关于Sqoop
15.1 获取Sqoop
15.2 Sqoop连接器
15.3 一个导入的例子
15.4 生成代码
15.5 深入了解数据库导入
15.5.1 导入控制
15.5.2 导入和一致性
15.5.3 直接模式导入
15.6 使用导入的数据
15.7 导入大对象
15.8 执行导出
15.9 深入了解导出功能
15.9.1 导出与事务
15.9.2 导出和SequenceFile
第16章实例学习
16.1 Hadoop 在Last.fm的应用
16.1.1 Last.fm：社会音乐史上的革命
16.1.2 Hadoop在Last.fm中的应用
16.1.3 用Hadoop制作图表
16.1.4 Track Statistics程序
16.1.5 总结
16.2 Hadoop和Hive在Facebook的应用
16.2.1 Hadoop在Facebook的使用
16.2.2 虚构的使用样例
16.2.3 Hive
16.2.4 存在的问题与未来工作计划
16.3 Nutch搜索引擎
16.3.1 背景介绍
16.3.2 数据结构
16.3.3 Nutch系统利用Hadoop进行数据处理的精选实例
16.3.4 总结
16.4 Rackspace的日志处理
16.4.1 要求/问题
16.4.2 简史
16.4.3 选择Hadoop
16.4.4 收集和存储
16.4.5 对日志的MapReduce处理
16.5 关于Cascading
16.5.1 字段、元组和管道
16.5.2 操作
16.5.3 Tap、Scheme和Flow
16.5.4 Cascading实战
16.5.5 灵活性
16.5.6 Hadoop和Cascading在ShareThis的应用
16.5.7 总结
16.6 Apache Hadoop上万亿数量级排序
16.7 用Pig和Wukong探索10亿数量级边的网络图
16.7.1 社区判断
16.7.2 每个人都在和我说话：Twitter回复关系图
16.7.3 对称链接
16.7.4 社区提取
附录A 安装Apache Hadoop
附录B 关于CDH
附录C 准备NCDC气象数据

书名：Hadoop权威指南（第3版）

作者：Tom White 著

译者：华东师范大学数据科学与工程学院译

国内出版社：清华大学出版社

出版时间：2014年10月

页数：678

书号：978-7-302-37085-7

原版书书名：Hadoop: The Definitive Guide, third edition

原版书出版商：O'Reilly Media

Tom White

自从 2007 年 2 月以来,Tom White 一直担任 Apache Hadoop 项目负责人。他是 Apache 软件基金会的成员之一。他就职于 Cloudera,该公司提供 Hadoop 产品、服务、支持和培训服务。在此之前,Tom 是一名独立的 Hadoop 顾问,曾帮助很多公司搭建、使用和扩展 Hadoop 应用。他曾为 O’Reilly.com,Java.net 和 IBM 的 developerWorks 写过大量文章,并定期在行业大会上发表 Hadoop 主题演讲。Tom 拥有英国剑桥大学数学学士学位和利兹大学科学哲学硕士学位。现在,他和他的家人居住在旧金山。

查看Tom White更多信息

购买选项

定价：99.00元

书号：978-7-302-37085-7

出版社：清华大学出版社

联系出版社邮购