Hadoop与大数据挖掘
全新正版 极速发货
￥ 36.9 5.3折 ￥ 69 全新
库存2件
广东广州
认证卖家担保交易快速发货售后保障
作者张良均 等 著
出版社机械工业出版社
ISBN9787111567875
出版时间2017-05
装帧平装
开本16开
定价69元
货号1201517504
上书时间2024-11-14
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
张良均，资历大数据挖掘专家和模式识别专家，有10多年的大数据挖掘应用、咨询经验，10余年数据仓库系统管理与实施经验，超过10年的系统开发与设计经验。为电信、电力、互联网、生产制造、零售、银行、生物、化工、医药等多个行业上百家大型企业提供过数据挖掘应用与咨询服务，实践经验很好丰富。此外，他精通Java EE企业级应用开发，是广东工业大学和华南师范大学兼职教授，著有《神经网络实用教程》、《数据挖掘：实用案例分析》等畅销书。
目录
前言
第一篇基础篇
第1章浅谈大数据2
1.1大数据概述3
1.2大数据平台4
1.3本章小结5
第2章大数据存储与运算利器—Hadoop6
2.1Hadoop概述6
2.1.1Hadoop简介6
2.1.2Hadoop存储—HDFS8
2.1.3Hadoop计算—MapReduce11
2.1.4Hadoop资源管理—YARN13
2.1.5Hadoop生态系统14
2.2Hadoop配置及IDE配置17
2.2.1准备工作17
2.2.2环境配置18
2.2.3集群启动关闭与监控24
2.2.4动手实践：一键式Hadoop集群启动关闭25
2.2.5动手实践：HadoopIDE配置26
2.3Hadoop集群命令28
2.3.1HDFS常用命令hdfsdfs30
2.3.2动手实践：hdfsdfs命令实战31
2.3.3MapReduce常用命令mapred job32
2.3.4YARN常用命令yarnjar32
2.3.5动手实践：运行MapReduce任务33
2.4Hadoop编程开发33
2.4.1HDFSJavaAPI操作33
2.4.2MapReduce原理35
2.4.3动手实践：编写Word Count程序并打包运行44
2.4.4MapReduce组件分析与编程实践46
2.5K—Means算法原理及Hadoop MapReduce实现53
2.5.1K—Means算法原理53
2.5.2动手实践：K—Means算法实现55
2.5.3Hadoop K—Means算法实现思路55
2.5.4Hadoop K—Means编程实现57
2.6TF—IDF算法原理及Hadoop MapReduce实现67
2.6.1TF—IDF算法原理67
2.6.2Hadoop TF—IDF编程思路67
2.6.3Hadoop TF—IDF编程实现68
2.7本章小结79
第3章大数据查询—Hive81
3.1Hive概述81
3.1.1Hive体系架构82
3.1.2Hive数据类型86
3.1.3Hive安装87
3.1.4动手实践：Hive安装配置91
3.1.5动手实践：HiveQL基础—SQL91
3.2HiveQL语句93
3.2.1数据库操作94
3.2.2Hive表定义94
3.2.3数据导入100
3.2.4数据导出103
3.2.5HiveQL查询104
3.3动手实践：基于Hive的学生信息查询108
3.4基于Hive的航空公司客户价值数据预处理及分析109
3.4.1背景与挖掘目标109
3.4.2分析方法与过程111
3.5本章小结115
第4章大数据快速读写—HBase116
4.1HBase概述116
4.2配置HBase集群118
4.2.1Zookeeper简介及配置118
4.2.2配置HBase121
4.2.3动手实践：HBase安装及运行122
4.2.4动手实践：ZooKeeper获取HBase状态122
4.3HBase原理与架构组件123
4.3.1HBase架构与组件123
4.3.2HBase数据模型127
4.3.3读取／写入HBase数据128
4.3.4RowKey设计原则129
4.3.5动手实践：HBase数据模型验证131
4.4HBaseShell操作132
4.4.1HBase常用Shell命令132
4.4.2动手实践：HBaseShell操作136
4.5Java API&MapReduce与HBase交互137
4.5.1搭建HBase开发环境137
4.5.2使用JavaAPI操作HBase表144
4.5.3动手实践：HBaseJava API使用147
4.5.4MapReduce与HBase交互147
4.5.5动手实践：HBase表导入导出150
4.6基于HBase的冠字号查询系统151
4.6.1案例背景151
4.6.2功能指标151
4.6.3系统设计152
4.6.4动手实践：构建基于HBase的冠字号查询系统162
4.7本章小结175
第5章大数据处理—Pig176
5.1Pig概述176
5.1.1Pig Latin简介177
5.1.2Pig数据类型179
5.1.3Pig与Hive比较179
5.2配置运行Pig180
5.2.1Pig配置181
5.2.2Pig运行模式181
5.3常用PigLatin操作182
5.3.1数据加载182
5.3.2数据存储184
5.3.3Pig参数替换185
5.3.4数据转换186
5.4综合实践194
5.4.1动手实践：访问统计信息数据处理194
5.4.2动手实践：股票交易数据处理195
5.5本章小结196
第6章大数据快速运算与挖掘—Spark197
6.1Spark概述197
6.2Spark安装集群199
6.2.13种运行模式199
6.2.2动手实践：配置Spark独立集群199
6.2.33种运行模式实例201
6.2.4动手实践：Spark Streaming实时日志统计205
6.2.5动手实践：Spark开发环境—Intellij IDEA配置207
6.3Spark架构与核心原理212
6.3.1Spark架构212
6.3.2RDD原理213
6.3.3深入理解Spark核心原理215
6.4Spark编程技巧218
6.4.1Scala基础218
6.4.2Spark基础编程218
6.5如何学习Spark MLlib225
6.5.1确定应用227
6.5.2ALS算法直观描述228
6.5.3编程实现229
6.5.4问题解决及模型调优233
6.6动手实践：基于Spark ALS电影推荐系统234
6.6.1动手实践：生成算法包235
6.6.2动手实践：完善推荐系统239
6.7本章小结250
第7章大数据工作流—Oozie252
7.1Oozie简介252
7.2编译配置并运行Oozie253
7.2.1动手实践：编译Oozie253
7.2.2动手实践：Oozie Server／client配置254
7.3Oozie WorkFlow实践257
7.3.1定义及提交工作流257
7.3.2动手实践：MapReduce Work—Flow定义及调度260
7.3.3动手实践：Pig WorkFlow定义及调度263
7.3.4动手实践：Hive WorkFlow定义及调度265
7.3.5动手实践：Spark WorkFlow定义及调度267
7.3.6动手实践：Spark On Yarn定义及调度268
7.4Oozie Coordinator实践270
7.4.1动手实践：基于时间调度270
7.4.2动手实践：基于数据有效性调度273
7.5本章小结275
第二篇挖掘实战篇
第8章法律服务大数据智能推荐278
8.1背景278
8.2目标279
8.3系统架构及流程279
8.4分析过程及实现281
8.4.1数据传输281
8.4.2数据传输：动手实践282
8.4.3数据探索分析283
8.4.4数据预处理292
8.4.5模型构建297
8.5构建法律服务大数据智能推荐系统313
8.5.1动手实践：构建推荐系统JavaEE313
8.5.2动手实践：Oozie工作流任务317
8.6本章小结322
内容摘要
这是一本适合教学和零基础自学的Hadoop与大数据挖掘的教程，即便你接近没有Hadoop编程基础和大数据挖掘基础，根据本书中的理论知识和上机实践，也能迅速掌握如何使用Hadoop进行大数据挖掘。全书主要分为两篇：基础篇（1-7章），首先从宏观上介绍了大数据相关概念和技术，然后逐一对Hadoop、Hive、HBase、Pig、Spark、Oozie等一系列大数据技术的概念、原理、架构，以及企业应用方法进行了详细介绍，同时配有大量的案例。掌握了这些内容，就具备了大数据技术的基础；挖掘实战篇（第8章），主要是一个企业级大数据应用项目——电子商务智能推荐系统。通过分析应用背景、构建系统，使读者了解针对系统的每一层应用使用什么大数据技术来解决问题。涉及的流程有数据采集、数据预处理、模型构建等，在每一个流程中会进行大数据相关技术实践，运用实际数据来进行分析，使读者切身感受到利用大数据技术解决问题的魅力。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价