大数据从基础理论到佳实践

图书标准信息

• 作者 祁伟、刘冰、常志军、赵廷涛、高俊秀 著
• 出版社 清华大学出版社
• 出版时间 2017-01
• 版次 1
• ISBN 9787302457435
• 定价 59.80元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 331页
• 字数 499千字
• 正文语种 简体中文

【内容简介】

　　《大数据：从基础理论到*佳实践》侧重于大数据的实践性技术，系统地介绍了主流大数据平台及工具的安装部署、管理维护和应用开发。平台和工具的选择均为当前业界主流的开源产品，因此，对于读者来说，有很强的可操作性。
　　本书涉及的开源技术包括：HDFS、MapReduce、YARN、Zookeeper、HBase、Hive、Sqoop、Storm、Kafka、Flume等。除介绍一般性的背景知识、安装部署、管理维护和应用开发技术外，还特别注重案例实践，重要的技术点以实际工作场景或案例为依托，使读者能快速入门，参考案例动手实践，通过具体深入的实践，体会大数据的技术本质特征，领略大数据技术带来的创新理念，更好地理解和把握信息技术的发展趋势。
　　本书主要内容包括以下几大部分。
　　大数据存储篇：以HDFS为基础，介绍分布式文件系统的原理、安装、fs命令的使用、编程，介绍如何用HDFS实现，并通过HTTP调用。
　　大数据计算篇：以MapReduce、YARN为基础，介绍分布式计算的原理、部署，以及编程案例。
　　非关系型数据库篇：以HBase为基础，重点介绍非关系型数据库的优势、原理、部署，以及命令行使用，编程案例，与Sqoop配合使用等。
　　大数据仓库篇：以Hive、数据仓库等为基础，重点介绍数据的抽取、原理、部署、分析与编程。
　　大数据实时计算篇：以Storm、Kafka为基础，介绍实时计算的架构、组成、使用与开发。
　　本书非常适合从事大数据技术开发与使用的初学者，以及从事大数据技术研发的企事业单位工程师学习和参考，也适合高校计算机相关专业的专科生、本科生和研究生学习使用。

【作者简介】

　　祁伟，毕业于北京师范大学，目前担任《中国教育信息化》杂志社总编辑，具有超过20年的IT工作经验，在网络路由、服务器虚拟化、数据库等方面有深入研究和丰富的实践经验。

　　刘冰，毕业于中国科学院计算技术研究所，数据中心架构师，从事虚拟化、监测与大数据分析等方面研究，曾与祁伟总编共同著有《云计算：从基础架构到*佳实践》，现就职于教育部教育管理信息中心。

　　常志军，毕业于中国科学院自动化研究所，大数据平台架构师，分布式系统研究人员。先后在搜狐畅游、中国搜索、Opera欧朋、中科院自动化所从事大数据领域的探索与研发工作。

　　赵廷涛，毕业于中国传媒大学，现就职于科技部信息中心，有多年大数据存储研发经验，现从事数据中心管理运维工作，专注于虚拟化、应用系统建设等相关技术研究。

　　高俊秀，毕业于北京航空航天大学计算机学院，数据仓库架构师，八年互联网大数据从业经验。历任百度、豌豆荚、今日头条的数据平台和数据仓库核心研发和负责人，对数据在业务上发挥价值有深入的理解。

【目录】

大数据存储篇
第1章  概述    1
1.1  什么是大数据    2
1.2  大数据的技术转型    3
1.3  数据分片    4
1.4  数据一致性    5
1.4.1  CAP原则    5
1.4.2  CAP与ACID    7
1.4.3  BASE原则    8
1.5  主流大数据技术    8
1.6  大数据职业方向    10
1.7  大数据实践平台的搭建    10
1.7.1  初学者模式    10
1.7.2  物理集群模式    11
1.7.3  虚拟化集群模式    11
1.8  小结    12
第2章  HDFS文件系统    13
2.1　HDFS概述    14
2.1.1　分布式文件系统    14
2.1.2  HDFS介绍    16
2.2　HDFS的运行机制    18
2.2.1  HDFS的结构与组成    18
2.2.2  HDFS的数据操作    20
2.2.3  访问权限    22
2.2.4  通信协议簇    23
2.2.5  HDFS的高可用性    24
2.2.6  集中缓存管理    25
2.2.7  日志和检查点    26
2.2.8  HDFS快照    28
2.3　HDFS的数据存储    29
2.3.1　数据完整性    29
2.3.2　数据压缩    30
2.3.3　序列化    32
2.4　HDFS的安装和配置    34
2.4.1　Hadoop的安装    34
2.4.2  HDFS的配置    40
2.4.3  启动HDFS    45
2.5　小结    47
第3章  HDFS操作实践    49
3.1　HDFS接口与编程    50
3.1.1  Shell命令    50
3.1.2  Java接口操作    62
3.1.3  WebHDFS    69
3.1.4  其他接口    71
3.2　操作实践    73
3.2.1　文件操作    73
3.2.2　压缩与解压缩    77
3.3　小结    80
大数据计算篇
第4章  YARN    81
4.1  YARN概述    82
4.2  YARN的主要组成模块    83
4.3  YARN的整体设计    83
4.4  容量调度器    84
4.4.1  什么是容量调度器    84
4.4.2  容量调度器的特性    85
4.4.3  配置RM使用容量调度器    85
4.5  公平调度器(Fair Scheduler)    86
4.5.1  什么是公平调度器    86
4.5.2  分级队列    87
4.5.3  公平调度器队列的设置    87
4.6  资源管理者(RM)重启机制    90
4.6.1  什么是资源管理器重启    90
4.6.2  非工作保存RM重启    90
4.6.3  工作保存RM重启    91
4.6.4  RM重启配置yarn-site.xml    91
4.7  资源管理器的高可用性(RM HA)    92
4.7.1  什么是资源管理器的
高可用性    92
4.7.2  自动故障转移    92
4.7.3  客户端/应用管理器/节点
管理器的故障转移    92
4.7.4  部署RM HA    93
4.7.5  配置例子    94
4.7.6  管理员命令    95
4.8  节点标签    95
4.8.1  节点标签的特点    95
4.8.2  节点标签的属性    95
4.8.3  节点标签的配置    96
4.8.4  使用节点标签的调度器配置    96
4.8.5  节点标签配置示例    97
4.8.6  指定应用的节点标签    97
4.8.7  节点标签的监控    98
4.9  YARN编程    98
4.9.1  什么是YARN级别编程    98
4.9.2  YARN的相关接口    99
4.9.3  编程实践    99
4.10  YARN服务注册    107
4.10.1  为什么需要服务注册    107
4.10.2  配置服务注册    107
4.10.3  安全选项    108
4.11  小结    108
第5章  MapReduce    109
5.1  MapReduce概述    110
5.1.1  Hadoop MapReduce    110
5.1.2  MapReduce的发展史    110
5.1.3  MapReduce的使用场景    111
5.2　Key-Value结构的特点    111
5.2.1  key的设计    111
5.2.2  value的设计    112
5.3  MapReduce的部署    112
5.3.1  软件准备    112
5.3.2  配置文件    113
5.3.3  启动YARN守护进程    113
5.4  MapReduce的程序结构    113
5.4.1  MR框架的输入和输出    114
5.4.2  WordCount    114
5.5  MapReduce的编程接口    116
5.5.1  Mapper接口    117
5.5.2  Reducer接口    117
5.5.3  Partitioner(分区)    118
5.5.4  Counter(计数器)    118
5.5.5  job工作机理    118
5.5.6  任务提交和监控(Job
Submission and Monitoring)    121
5.5.7  任务的辅助文件(Task
Side-Effect Files)    123
5.5.8  提交作业到队列    123
5.5.9  MR中的计数器(Counters)    123
5.5.10  Profiling    123
5.5.11  Debugging    124
5.5.12  job Outputs    124
5.5.13  忽略坏记录(Skipping
Bad Records)    124
5.6  MapReduce的命令行    125
5.6.1  概述    125
5.6.2  用户命令(User Commands)    125
5.6.3  管理员命令(Administration
Commands)    127
5.6.4  YARN-MapReduce的部署    128
5.7  WordCount的实现    129
5.8  小结    136
非关系型数据库篇
第6章  使用HBase    137
6.1  HBase基础    138
6.1.1  HBase是什么    138
6.1.2  HBase伪分布式部署    140
6.1.3  服务的启动与验证    142
6.1.4  HBase Shell测试    142
6.1.5  Web测试    144
6.1.6  服务的关闭    147
6.2  HBase的架构原理    147
6.2.1  组成架构    147
6.2.2  数据模型    151
6.2.3  物理存储    153
6.3  HBase的命令实践    156
6.3.1  概述    157
6.3.2  命名空间    158
6.3.3  表管理    160
6.4  HBase的数据管理    166
6.4.1  数据的添加    167
6.4.2  数据的追加    168
6.4.3  数据的获取    169
6.4.4  数据统计    172
6.4.5  表的扫描    173
6.4.6  数据的删除    175
6.4.7  表的重建    175
6.5  HBase的集群管理    177
6.5.1  集群部署    177
6.5.2  自动化脚本    180
6.5.3  权限管理    182
6.5.4  集群调度    184
6.5.5  日志分析    186
6.6  小结    187
第7章  HBase编程开发    189
7.1  HBase的编程接口    190
7.1.1  rest编程接口    190
7.1.2  thrift接口    196
7.1.3  Java API接口    198
7.1.4  Java API示例    199
7.2  表与命名空间的编程    202
7.2.1  表的查看    203
7.2.2  表的创建    206
7.2.3  表的删除    207
7.2.4  表的修改    208
7.2.5  命名空间    210
7.3  数据编程    213
7.3.1  数据的增加    214
7.3.2  单行查询    216
7.3.3  集合查询    217
7.3.4  过滤器    219
7.3.5  数据删除    221
7.4  集群与优化编程    222
7.4.1  集群管理    222
7.4.2  集群监测    224
7.4.3  多表与表池    227
7.4.4  批处理    230
7.4.5  数据迁移    231
7.5  小结    234
大数据仓库篇
第8章  数据仓库概论    235
第9章  Hive    263
大数据实时计算篇
第10章  Storm实时系统    303