内容简介 · · · · · ·

大数据贵在落实! 本书是一本讲解大数据实战的图书，按照“深入分析组件原理、充分展示搭建过程、详细指导应用开发”编写。全书分为三篇，第一篇为大数据的基本概念和技术，主要介绍大数据的背景、发展及关键技术;第二篇为Hadoop大数据平台搭建与基本应用，内容涉及Linux、HDFS、MapReduce、YARN、Hive、HBase、Sqoop、Kafka、Spark等;第三篇为大数据处理与项目开发，包括交互式数据处理、协同过滤推荐系统、销售数据分析系统，并就京东的部分销售数据应用大数据进行处理分析。

在线试读 前往豆瓣阅读试读本书

目录 · · · · · ·

第一篇 大数据的基本概念和技术

第1章 绪论 3

1.1 时代背景 3

1.1.1 全球大数据浪潮 3

1.1.2 我国的大数据国家战略 5

1.2 大数据的概念 7

1.2.1 概念 7

1.2.2 特征 8

1.3 技术支撑体系 9

1.3.1 概览 9

1.3.2 大数据采集层 9

1.3.3 大数据存储层 10

1.3.4 大数据分析(处理与服务)层 11

1.3.5 大数据应用层 11

1.3.6 垂直视图 13

1.4 大数据人才及其能力要求 14

1.4.1 首席数据官 14

1.4.2 数据科学家(数据分析师) 15

1.4.3 大数据开发工程师 16

1.4.4 大数据运维工程师 17

1.5 本章小结 17

第2章 Hadoop大数据关键技术 19

2.1 Hadoop生态系统 19

2.1.1 架构的基本理论 19

2.1.2 主要组件及其关系 21

2.2 数据采集 24

2.2.1 结构化数据采集工具 24

2.2.2 日志文件采集工具与技术 25

2.3 大数据存储技术 29

2.3.1 相关概念 29

2.3.2 分布式文件存储系统 34

2.3.3 数据库与数据仓库 38

2.4 分布式计算框架 43

2.4.1 离线计算框架 43

2.4.2 实时流计算平台 50

2.5 数据分析平台与工具 57

2.5.1 面向大数据的数据挖掘与分析工具 57

2.5.2 机器学习 61

2.6 本章小结 66

第二篇 Hadoop大数据平台搭建与基本应用

第3章 Linux操作系统与集群搭建 69

3.1 Linux操作系统 69

3.1.1 概述 69

3.1.2 特点 70

3.1.3 Linux的组成 72

3.2 Linux安装与集群搭建 75

3.2.1 安装VMware Workstation 75

3.2.2 在VMware上安装Linux(CentOS7) 79

3.3 集群的配置 91

3.3.1 设置主机名 91

3.3.2 网络设置 93

3.3.3 关闭防火墙 98

3.3.4 安装JDK 99

3.3.5 免密钥登录配置 102

3.4 Linux基本命令 105

3.5 本章小结 112

第4章 HDFS安装与基本应用 113

4.1 HDFS概述 113

4.1.1 特点 113

4.1.2 主要组件与架构 114

4.2 HDFS架构分析 114

4.2.1 数据块 114

4.2.2 NameNode 115

4.2.3 DataNode 116

4.2.4 SecondaryNameNode 117

4.2.5 数据备份 117

4.2.6 通信协议 118

4.2.7 可靠性保证 118

4.3 文件操作过程分析 119

4.3.1 读文件 119

4.3.2 写文件 120

4.3.3 删除文件 122

4.4 Hadoop HDFS安装与配置 122

4.4.1 解压Hadoop安装包 122

4.4.2 配置Hadoop环境变量 123

4.4.3 配置Yarn环境变量 124

4.4.4 配置核心组件文件 125

4.4.5 配置文件系统 125

4.4.6 配置yarn-site.xml文件 126

4.4.7 配置MapReduce计算框架文件 128

4.4.8 配置Master的slaves文件 129

4.4.9 复制Master上的Hadoop到Slave节点 129

4.5 Hadoop集群的启动 130

4.5.1 配置操作系统环境变量 130

4.5.2 创建Hadoop数据目录 131

4.5.3 格式化文件系统 132

4.5.4 启动和关闭Hadoop 133

4.5.5 验证Hadoop是否启动成功 133

4.6 Hadoop集群的基本应用 136

4.6.1 HDFS基本命令 136

4.6.2 在Hadoop集群中运行程序 139

4.7 本章小结 141

第5章 MapReduce与Yarn 143

5.1 MapReduce程序的概念 143

5.1.1 基本编程模型 143

5.1.2 计算过程分析 144

5.2 深入理解Yarn 147

5.2.1 Yarn的基本架构 147

5.2.2 Yarn的工作流程 151

5.3 在Linux平台安装Eclipse 152

5.3.1 Eclipse简介 153

5.3.2 安装并启动Eclipse 154

5.4 开发MapReduce程序的基本方法 155

5.4.1 为Eclipse安装Hadoop插件 156

5.4.2 WordCount：第一个MapReduce程序 160

5.5 本章小结 175

第6章 Hive和HBase的安装与应用 177

6.1 在CentOS7下安装MySQL 177

6.1.1 下载或复制MySQL安装包 177

6.1.2 执行安装命令 178

6.1.3 启动MySQL 179

6.1.4 登录MySQL 179

6.1.5 使用MySQL 181

6.1.6 问题与解决办法 182

6.2 Hive安装与应用 183

6.2.1 下载并解压Hive安装包 183

6.2.2 配置Hive 184

6.2.3 启动并验证Hive 187

6.2.4 Hive的基本应用 189

6.3 ZooKeeper集群安装 190

6.3.1 ZooKeeper简介 190

6.3.2 安装ZooKeeper 191

6.3.3 配置ZooKeeper 191

6.3.4 启动和测试 193

6.4 HBase的安装与应用 195

6.4.1 解压并安装HBase 195

6.4.2 配置HBase 196

6.4.3 启动并验证HBase 199

6.4.4 HBase的基本应用 200

6.4.5 应用HBase中常见问题及其解决办法 203

6.5 本章小结 204

第7章 Sqoop和Kafka的安装与应用 205

7.1 安装部署Sqoop 205

7.1.1 下载或复制Sqoop安装包 205

7.1.2 解压并安装Sqoop 206

7.1.3 配置Sqoop 206

7.1.4 启动并验证Sqoop 208

7.1.5 测试Sqoop与MySQL的连接 209

7.2 安装部署Kafka集群 211

7.2.1 下载或复制Kafka安装包 211

7.2.2 解压缩Kafka安装包 211

7.2.3 配置Kafka集群 211

7.2.4 Kafka的初步应用 213

7.3 本章小结 218

第8章 Spark集群安装与开发环境配置 219

8.1 深入理解Spark 219

8.1.1 Spark系统架构 219

8.1.2 关键概念 221

8.2 安装与配置Scala 224

8.2.1 下载Scala安装包 225

8.2.2 安装Scala 225

8.2.3 启动并应用Scala 226

8.3 Spark集群的安装与配置 226

8.3.1 安装模式 226

8.3.2 Spark的安装 227

8.3.3 启动并验证Spark 230

8.3.4 几点说明 234

8.4 开发环境安装与配置 236

8.4.1 IDEA简介 236

8.4.2 IDEA的安装 236

8.4.3 IDEA的配置 238

8.5 本章小结 243

第9章 Spark应用基础 245

9.1 Spark程序的运行模式 245

9.1.1 Spark on Yarn-cluster 245

9.1.2 Spark on Yarn-client 246

9.2 Spark应用设计 247

9.2.1 分布式估算圆周率 248

9.2.2 基于Spark MLlib的贷款风险预测 265

9.3 本章小结 285

第三篇 数据处理与项目开发术

第10章 交互式数据处理 289

10.1 数据预处理 289

10.1.1 查看数据 289

10.1.2 数据扩展 291

10.1.3 数据过滤 292

10.1.4 数据上传 293

10.2 创建数据仓库 294

10.2.1 创建Hive数据仓库的基本命令 294

10.2.2 创建Hive分区表 296

10.3 数据分析 299

10.3.1 基本统计 299

10.3.2 用户行为分析 301

10.3.3 实时数据 303

10.4 本章小结 304

第11章 协同过滤推荐系统 305

11.1 推荐算法概述 305

11.1.1 基于人口统计学的推荐 305

11.1.2 基于内容的推荐 306

11.1.3 协同过滤推荐 307

11.2 协同过滤推荐算法分析 308

11.2.1 基于用户的协同过滤推荐 308

11.2.2 基于物品的协同过滤推荐 310

11.3 Spark MLlib推荐算法应用 312

11.3.1 ALS算法原理 312

11.3.2 ALS的应用设计 315

11.4 本章小结 329

第12章 销售数据分析系统 331

12.1 数据采集 331

12.1.1 在Windows下安装JDK 331

12.1.2 在Windows下安装Eclipse 334

12.1.3 将WebCollector项目导入Eclipse 335

12.1.4 在Windows下安装MySQL 336

12.1.5 连接JDBC 339

12.1.6 运行爬虫程序 340

12.2 在HBase集群上准备数据 342

12.2.1 将数据导入到MySQL 342

12.2.2 将MySQL表中的数据导入到HBase表中 344

12.3 安装Phoenix中间件 347

12.3.1 Phoenix架构 347

12.3.2 解压安装Phoenix 348

12.3.3 Phoenix环境配置 349

12.3.4 使用Phoenix 350

12.4 基于Web的前端开发 353

12.4.1 将Web前端项目导入Eclipse 353

12.4.2 安装Tomcat 355

12.4.3 在Eclipse中配置Tomcat 355

12.4.4 在Web浏览器中查看执行结果 359

12.5 本章小结 361