【现货！】大数据技术基础-基于Hadoop与Spark 罗福强 李瑶 陈
二手会有少量涂画，整体不影响再次阅读使用！套装不一定齐全，请下单前咨询在线客服！
￥ 4 0.8折 ￥ 49.8 八五品
库存3件
上海黄浦
认证卖家担保交易快速发货售后保障
作者罗福强 李瑶 陈虹君
出版社人民邮电出版社
ISBN9787115454102
出版时间2017-05
版次1
装帧平装
开本16开
纸张胶版纸
页数292页
字数494千字
定价49.8元
货号9787115454102
上书时间2024-12-02
- 在售商品 暂无
- 平均发货时间 8小时
- 好评率 暂无
- 最新上架
商品详情
- 品相描述：八五品
- 商品描述
-
基本信息
书名:大数据技术基础-基于Hadoop与Spark
定价：49.8元
作者:罗福强 李瑶 陈虹君
出版社：人民邮电出版社
出版日期：2017-05-01
ISBN：9787115454102
字数：494
页码：292
版次：
装帧：平装
开本：16开
商品重量：
编辑推荐
内容提要
本书主要内容包括：章 大数据技术概述、第二章 Hadoop平台的安装与配置、第三章Hadoop分布式文件系统、第四章HDFS API编程、第五章 Hadoop分布式计算框架、第六章 MapReduce API编程、第七章 MapReduce 高级编程、第八章 Spark概述、第九章 Spark Streaming编程、第十章 Spark SQL编程。
目录
章 大数据技术概述 11.1 大数据技术的发展背景 11.1.1 大数据技术的发展过程 21.1.2 大数据技术的影响 31.1.3 大数据发展的重大事件 51.2 大数据的概念、特征及意义 71.2.1 什么是大数据 71.2.2 大数据的特征 81.2.3 大数据来自哪儿 91.2.4 大数据的挑战 101.2.5 研究大数据的意义 121.3 大数据的存储与计算模式 131.3.1 大数据的存储模式 131.3.2 大数据的计算模式 161.4 大数据的典型应用 181.4.1 智慧医疗的应用 191.4.2 智慧农业的应用 201.4.3 金融行业的应用 211.4.4 零售行业的应用 241.4.5 电子商务行业的应用 241.4.6 电子政务的应用 241.5 初识Hadoop大数据平台 261.5.1 Hadoop的发展过程 261.5.2 Hadoop的优势 271.5.3 Hadoop的生态系统 281.5.4 Hadoop的版本 291.6 习题 32第2章 Hadoop平台的安装与配置 332.1 安装准备 332.1.1 硬件要求 332.1.2 安装Linux 342.1.3 安装Java 362.2 Hadoop的集群安装 382.2.1 Hadoop的运行模式 382.2.2 Linux系统设置 392.2.3 SSH的安装 412.2.4 Hadoop的安装 422.2.5 Hadoop的配置 422.2.6 Hadoop的测试 492.3 Hadoop开发平台的安装 512.3.1 Eclipse的安装 512.3.2 下载hadoop-eclipse-plugin插件 532.3.3 在Eclipse中配置Hadoop 532.4 习题 552.5 实训 55第3章 Hadoop分布式文件系统 573.1 HDFS概述 573.1.1 HDFS简介 573.1.2 HDFS的基本概念 583.1.3 HDFS的特点 593.2 HDFS的体系结构 613.2.1 HDFS设计目标 613.2.2 HDFS的结构模型 613.2.3 HDFS文件的读写 633.2.4 HDFS的数据组织机制 633.2.5 HDFS的高可用性机制 663.3 HDFS Shell操作 683.3.1 Shell命令介绍 683.3.2 HDFS Shell帮助 683.3.3 文件操作命令 693.3.4 跨文件系统的交互操作命令 733.3.5 权限管理操作 743.4 习题 763.5 实训 77第4章 HDFS API编程 784.1 HDFS API概述 784.1.1 HDFS API简介 784.1.2 HDFS Java API的一般用法 824.2 HDFS Java API客户端编程 854.2.1 目录与文件的创建 854.2.2 文件上传与下载 874.2.3 数据流与文件读写操作 894.2.4 目录与文件的重命名 934.2.5 目录和文件的删除 944.2.6 文件系统的状态信息显示 954.3 HDFS应用举例——云盘系统的实现 994.3.1 云盘系统分析 994.3.2 云盘系统设计 994.3.3 云盘系统实现 1004.4 习题 1044.5 实训 104第5章 Hadoop分布式计算框架 1065.1 MapReduce概述 1065.1.1 为什么需要MapReduce 1065.1.2 MapReduce的优势 1105.1.3 MapReduce的基本概念 1115.1.4 MapReduce框架 1125.1.5 MapReduce发展 1145.2 YARN运行机制 1185.2.1 YARN组成结构 1185.2.2 YARN通信协议 1205.2.3 YARN工作流程 1215.3 数据的混洗处理 1235.3.1 map端 1245.3.2 reduce端 1255.4 作业的调度 1255.4.1 FIFO调度器 1265.4.2 Capacity调度器 1265.4.3 Fair调度器 1275.4.4 调度器的比较 1285.5 任务的执行 1295.5.1 推测执行 1295.5.2 JVM重用 1305.5.3 跳过坏记录 1305.6 失败处理机制 1305.6.1 任务运行失败 1305.6.2 ApplicationMaster运行失败 1315.6.3 NodeManager运行失败 1315.6.4 ResourceManager运行失败 1325.6.5 日志文件 1335.7 MapReduce示例演示——WordCount 1335.8 习题 136第6章 MapReduce API编程 1376.1 MapReduce API概述 1376.1.1 MapReduce API简介 1376.1.2 MapReduce API编程思路 1406.2 MapReduce的数据类型 1466.2.1 序列化 1466.2.2 Writable接口 1466.2.3 Writable类 1486.3 MapReduce的输入 1536.3.1 输入分片 1536.3.2 文件输入 1546.3.3 文本输入 1566.3.4 二进制输入 1576.3.5 多个输入 1586.3.6 数据库输入 1596.4 MapReduce的输出 1596.4.1 文本输出 1606.4.2 二进制输出 1606.4.3 多个输出 1606.4.4 延迟输出 1616.4.5 数据库输出 1616.5 MapReduce的任务 1616.5.1 map任务 1626.5.2 combine任务 1636.5.3 partition任务 1646.5.4 reduce任务 1646.5.5 任务的配置与执行 1656.6 MapReduce应用举例——倒排索引 1686.6.1 功能介绍 1686.6.2 准备数据 1696.6.3 分析与设计 1706.6.4 MapReduce编码实现 1716.6.5 测试结果 1736.7 习题 1746.8 实训 175第7章 MapReduce 高级编程 1777.1 自定义数据类型 1777.2 自定义输入/输出 1837.2.1 RecordReader与RecordWriter 1837.2.2 自定义输入 1887.2.3 自定义输出 1927.3 自定义Combiner/Partitioner 1947.3.1 自定义Combiner 1947.3.2 自定义Partitioner 1977.4 组合式计算作业 2007.4.1 迭代式计算 2007.4.2 依赖关系组合式计算 2017.4.3 链式计算 2027.5 MapReduce的特性 2037.5.1 计数器 2037.5.2 连接 2107.6 MapReduce应用举例——成绩分析系统的实现 2157.6.1 成绩分析系统解析 2157.6.2 成绩分析系统功能设计 2167.6.3 成绩分析系统实现 2167.7 习题 2257.8 实训 225第8章 Spark概述 2268.1 环境搭建 2268.1.1 Scala的下载和安装 2278.1.2 Spark的下载与安装 2288.2 Spark简介 2318.2.1 Spark的发展 2318.2.2 Spark的特点 2328.2.3 Spark与Hadoop的关系 2338.2.4 Spark的企业应用 2348.3 Spark大数据技术框架 2358.3.1 Spark技术体系 2358.3.2 四大组件概述 2378.4 Spark 2.0 使用体验 2388.4.1 Spark入口 2388.4.2 个Spark程序 2398.5 Spark的数据模型 2428.5.1 RDD介绍 2428.5.2 RDD的处理过程 2438.5.3 Transformation算子与使用 2438.5.4 Action算子与使用 2518.5.5 RDD分区 2538.5.6 RDD的依赖关系 2538.5.7 RDD的容错支持 2548.6 Spark任务调度 2558.6.1 Spark应用程序部署 2558.6.2 Spark任务的调度机制 2558.7 习题 2568.8 实训 257第9章 Spark Streaming编程 2589.1 Spark Streaming介绍 2589.2 Spark Streaming工作机制 2599.3 Spark的DStream流 2629.3.1 DStream转换 2629.3.2 Window操作 2639.3.3 DStream输出 2649.3.4 持久化与序列化 2659.3.5 设置检测点 2669.4 Spark Streaming案例 2679.5 集群处理与性能 2709.6 习题 2729.7 实训 2720章 Spark SQL编程 27310.1 Spark SQL概述 27310.2 DataFrame 27510.2.1 DataSet与DataFrame 27510.2.2 反射机制获取RDD内的Schema 27610.2.3 编程接口指定Schema 27710.3 数据源 27810.3.1 一般load/save方法 27810.3.2 Parquet数据集 27910.3.3 JSON数据集 28010.3.4 BC数据集 28110.3.5 DataFrame的案例 28210.4 Spark Streaming与Spark SQL综合案例 28510.5 习题 29010.6 实训 291参考文献 292
作者介绍
罗福强，副教授，教材作者。其编写的《Visual ET程序设计教程》教材，累计销售数万册。
序言
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价