中图网(原中国图书网)：网上书店，尾货特色书店，30万种特价书低至2折！

歡迎光臨中圖網(wǎng) 請 | 注冊
> >>
大數(shù)據(jù)技術(shù)與編程基礎/大數(shù)據(jù)開發(fā)者權(quán)威教程

包郵 大數(shù)據(jù)技術(shù)與編程基礎/大數(shù)據(jù)開發(fā)者權(quán)威教程

出版社：人民郵電出版社出版時間：2018-01-01
開本： 其他 頁數(shù)： 499
中 圖 價:¥66.4(6.1折) 定價  ¥109.0 登錄后可看到會員價
加入購物車 收藏
開年大促， 全場包郵
?新疆、西藏除外
本類五星書更多>

大數(shù)據(jù)技術(shù)與編程基礎/大數(shù)據(jù)開發(fā)者權(quán)威教程 版權(quán)信息

大數(shù)據(jù)技術(shù)與編程基礎/大數(shù)據(jù)開發(fā)者權(quán)威教程 本書特色

學習方法和特色◆ 涵蓋了大數(shù)據(jù)開發(fā)者所需的大數(shù)據(jù)和Hadoop 基礎組件及相關(guān)組件的基本知識，使參與者有可能在一個系列書中獲得對所有相關(guān)知識、新興技術(shù)和平臺的了解。◆ 在與大數(shù)據(jù)架構(gòu)、大數(shù)據(jù)應用程序開發(fā)以及與大數(shù)據(jù)實施相關(guān)的產(chǎn)業(yè)相關(guān)技術(shù)有著極密切關(guān)聯(lián)的編程和技術(shù)領(lǐng)域中，鍛煉自己全面的和結(jié)構(gòu)化的本領(lǐng)。◆ 基于場景的學習方法，通過多種有代表性的現(xiàn)實場景的使用和案例研究，將IT 基礎知識融入現(xiàn)實環(huán)境，鼓勵參與者積極、全面地學習和研究，實現(xiàn)體驗式教學。◆ 強調(diào)目標明確、基于成果的學習。每一講都以“本講目標”開始，該目標會進一步關(guān)聯(lián)整個教程的更廣泛的目標。◆ 簡明、循序漸進的編程和編碼指導，清晰地解釋每行代碼的基本原理。◆ 強調(diào)高效、實用的過程和技術(shù)，幫助參與者深入理解巧妙且符合道德倫理的專業(yè)實踐及其對業(yè)務的影響。大數(shù)據(jù)是當今科技行業(yè)的流行語之一。全世界的企業(yè)都已經(jīng)意識到可用的大量數(shù)據(jù)的價值，并盡****努力來管理和分析數(shù)據(jù)、發(fā)揮其作用，以建立戰(zhàn)略和發(fā)展競爭優(yōu)勢。與此同時，這項技術(shù)的出現(xiàn)，導致了各種新的和增強的工作角色的演變。“大數(shù)據(jù)開發(fā)者**教程”系列的目標是培養(yǎng)新一代的國際化全能大數(shù)據(jù)程序員、開發(fā)者和技術(shù)專家，使其熟悉大數(shù)據(jù)的相關(guān)工具、平臺和架構(gòu)，幫助企業(yè)有效地存儲、管理并處理海量和多樣的數(shù)據(jù)。同時，本書還有助于讀者了解如何有效地整合、實現(xiàn)、定制和管理大數(shù)據(jù)基礎架構(gòu)。本系列旨在為讀者提供處理大數(shù)據(jù)的技術(shù)、存儲、處理、管理和安全基礎架構(gòu)方面的技能，豐富讀者與Hadoop 及其組件工具協(xié)同工作的經(jīng)驗，并使其可以開發(fā)MapReduce 和Pig 程序，操縱分布式文件，以及了解支持MapReduce 程序的API 等。讀者同時可以熟悉一些流行的Hadoop 商業(yè)發(fā)行版系統(tǒng)，如Cloudera、Hortonworks 和Greenplum 等。*后通過一個完整的項目介紹，使讀者能夠開發(fā)一個集成的大數(shù)據(jù)應用程序。本系列共兩卷，第1 卷“大數(shù)據(jù)技術(shù)與編程基礎”包含4 個模塊，涉及大數(shù)據(jù)入門，管理大數(shù)據(jù)生態(tài)系統(tǒng)，使用HDFS 和MapReduce 存儲和處理數(shù)據(jù)，利用Hadoop 工具（如Hive、Pig 和Oozie 等）提升效率；第2 卷“NoSQL、Hadoop 組件及大數(shù)據(jù)實施”包含3 個模塊，涉及ZooKeeper、Sqoop、Flume、YARN 和Storm 等額外的Hadoop 工具，如何利用NoSQL 和Hadoop 實現(xiàn)實時、安全和云，以及Hadoop 商業(yè)發(fā)行版和管理工具簡介。

大數(shù)據(jù)技術(shù)與編程基礎/大數(shù)據(jù)開發(fā)者權(quán)威教程 內(nèi)容簡介

“大數(shù)據(jù)”近年成為IT領(lǐng)域的熱點話題，人們每天都會通過互聯(lián)網(wǎng)、移動設備等產(chǎn)生大量數(shù)據(jù)。如何管理大數(shù)據(jù)、掌握大數(shù)據(jù)的核心技術(shù)、理解大數(shù)據(jù)相關(guān)的生態(tài)系統(tǒng)等，是作為大數(shù)據(jù)開發(fā)者必須學習和熟練掌握的。本系列書以“大數(shù)據(jù)開發(fā)者”應掌握的技術(shù)為主線，共分兩卷，以7個模塊分別介紹如何管理大數(shù)據(jù)生態(tài)系統(tǒng)、如何存儲和處理數(shù)據(jù)、如何利用Hadoop工具、如何利用NoSQL與Hadoop協(xié)同工作，以及如何利用Hadoop商業(yè)發(fā)行版和管理工具。本系列書涵蓋了大數(shù)據(jù)開發(fā)工作的核心內(nèi)容，全面且詳盡地涵蓋了大數(shù)據(jù)開發(fā)的各個領(lǐng)域。 本書為卷，共4個模塊，分別介紹大數(shù)據(jù)基礎知識、大數(shù)據(jù)生態(tài)系統(tǒng)的管理、HDFS和MapReduce以及Hadoop工具（如Hive、Pig和Oozie等）。本書適用于想成為大數(shù)據(jù)開發(fā)者以及所有對大數(shù)據(jù)開發(fā)感興趣的技術(shù)人員和決策者閱讀。

大數(shù)據(jù)技術(shù)與編程基礎/大數(shù)據(jù)開發(fā)者權(quán)威教程 目錄

模塊1　大數(shù)據(jù)入門
第　1講 大數(shù)據(jù)簡介　3
1．1　什么是大數(shù)據(jù)　4
1．1．1　大數(shù)據(jù)的優(yōu)勢　5
1．1．2　挖掘各種大數(shù)據(jù)源　6
1．2　數(shù)據(jù)管理的歷史——大數(shù)據(jù)的演化　7
1．3　大數(shù)據(jù)的結(jié)構(gòu)化　9
1．4　大數(shù)據(jù)要素　13
1．4．1　數(shù)據(jù)量　13
1．4．2　速度　14
1．4．3　多樣性　14
1．5　大數(shù)據(jù)在商務環(huán)境中的應用　14
1．6　大數(shù)據(jù)行業(yè)中的職業(yè)機會　16
1．6．1　職業(yè)機會　17
1．6．2　所需技能　17
1．6．3　大數(shù)據(jù)的未來　19
練習　20
備忘單　22
第　2講 大數(shù)據(jù)在商業(yè)上的應用　23
2．1　社交網(wǎng)絡數(shù)據(jù)的重要性　24
2．2　金融欺詐和大數(shù)據(jù)　30
2．3　保險業(yè)的欺詐檢測　32
2．4　在零售業(yè)中應用大數(shù)據(jù)　36
練習　40
備忘單　42
第3講　處理大數(shù)據(jù)的技術(shù)　43
3．1　大數(shù)據(jù)的分布式和并行計算　44
3．1．1　并行計算技術(shù)　46
3．1．2　虛擬化及其對大數(shù)據(jù)的重要性　47
3．2　Hadoop簡介　47
3．3　云計算和大數(shù)據(jù)　50
3．3．1　大數(shù)據(jù)計算的特性　50
3．3．2　云部署模型　51
3．3．3　云交付模型　52
3．3．4　大數(shù)據(jù)云　52
3．3．5　大數(shù)據(jù)云市場中的供應商　53
3．3．6　使用云服務所存在的問題　54
3．4　大數(shù)據(jù)內(nèi)存計算技術(shù)　54
練習　56
備忘單　58
第4講　了解Hadoop生態(tài)系統(tǒng)　59
4．1　Hadoop生態(tài)系統(tǒng)　60
4．2　用HDFS存儲數(shù)據(jù)　61
4．2．1　HDFS架構(gòu)　62
4．2．2　HDFS的一些特殊功能　65
4．3　利用Hadoop MapReduce處理數(shù)據(jù)　65
4．3．1　MapReduce是如何工作的　66
4．3．2　MapReduce的優(yōu)點和缺點　66
4．3．3　利用Hadoop YARN管理資源和應用　67
4．4　利用HBase存儲數(shù)據(jù)　68
4．5　使用Hive查詢大型數(shù)據(jù)庫　69
4．6　與Hadoop生態(tài)系統(tǒng)的交互　70
4．6．1　Pig和Pig Latin　70
4．6．2　Sqoop　71
4．6．3　Zookeeper　72
4．6．4　Flume　72
4．6．5　Oozie　73
練習　74
備忘單　76
第5講　MapReduce基礎　77
5．1　MapReduce的起源　78
5．2　MapReduce是如何工作的　79
5．3　MapReduce作業(yè)的優(yōu)化技術(shù)　85
5．3．1　硬件/網(wǎng)絡拓撲　85
5．3．2　同步　86
5．3．3　文件系統(tǒng)　86
5．4　MapReduce的應用　86
5．5　HBase在大數(shù)據(jù)處理中的角色　87
5．6　利用Hive挖掘大數(shù)據(jù)　89
練習　91
備忘單　94
模塊2　管理大數(shù)據(jù)生態(tài)系統(tǒng)
第　1講 大數(shù)據(jù)技術(shù)基礎　97
1．1　探索大數(shù)據(jù)棧　98
1．2　冗余物理基礎設施層　99
1．2．1　物理冗余網(wǎng)絡　100
1．2．2　管理硬件：存儲和服務器　101
1．2．3　基礎設施的操作　101
1．3　安全基礎設施層　101
1．4　接口層以及與應用程序和互聯(lián)網(wǎng)的雙向反饋　102
1．5　可操作數(shù)據(jù)庫層　103
1．6　組織數(shù)據(jù)服務層及工具　104
1．7　分析數(shù)據(jù)倉庫層　105
1．8　分析層　105
1．9　大數(shù)據(jù)應用層　106
1．10　虛擬化和大數(shù)據(jù)　107
1．11　虛擬化方法　108
1．11．1　服務器虛擬化　109
1．11．2　應用程序虛擬化　109
1．11．3　網(wǎng)絡虛擬化　110
1．11．4　處理器和內(nèi)存虛擬化　110
1．11．5　數(shù)據(jù)和存儲虛擬化　111
1．11．6　用管理程序進行虛擬化管理　111
1．11．7　抽象與虛擬化　112
1．11．8　實施虛擬化來處理大數(shù)據(jù)　112
練習　114
備忘單　116
第　2講 大數(shù)據(jù)管理系統(tǒng)——數(shù)據(jù)庫和數(shù)據(jù)倉庫　117
2．1　RDBMS和大數(shù)據(jù)環(huán)境　118
2．2　非關(guān)系型數(shù)據(jù)庫　119
2．2．1　鍵值數(shù)據(jù)庫　120
2．2．2　文檔數(shù)據(jù)庫　122
2．2．3　列式數(shù)據(jù)庫　124
2．2．4　圖數(shù)據(jù)庫　125
2．2．5　空間數(shù)據(jù)庫　127
2．3　混合持久化　129
2．4　將大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)倉庫相集成　130
2．4．1　優(yōu)化數(shù)據(jù)倉庫　130
2．4．2　大數(shù)據(jù)結(jié)構(gòu)與數(shù)據(jù)倉庫的區(qū)別　130
2．5　大數(shù)據(jù)分析和數(shù)據(jù)倉庫　132
2．6　改變大數(shù)據(jù)時代的部署模式　134
2．6．1　設備模型　134
2．6．2　云模型　135
練習　136
備忘單　138
第3講　分析與大數(shù)據(jù)　139
3．1　使用大數(shù)據(jù)以獲取結(jié)果　140
3．1．1　基本分析　142
3．1．2　高級分析　143
3．1．3　可操作性分析　144
3．1．4　貨幣化分析　145
3．2　是什么構(gòu)成了大數(shù)據(jù)　145
3．2．1　構(gòu)成大數(shù)據(jù)的數(shù)據(jù)　145
3．2．2　大數(shù)據(jù)分析算法　146
3．2．3　大數(shù)據(jù)基礎設施支持　146
3．3　探索非結(jié)構(gòu)化數(shù)據(jù)　148
3．4　理解文本分析　149
3．4．1　分析和提取技術(shù)　150
3．4．2　理解提取的信息　151
3．4．3　分類法　152
3．4．4　將結(jié)果與結(jié)構(gòu)化數(shù)據(jù)放在一起　153
3．5　建立新的模式和方法以支持大數(shù)據(jù)　156
3．5．1　大數(shù)據(jù)分析的特征　156
3．5．2　大數(shù)據(jù)分析的應用　157
3．5．3　大數(shù)據(jù)分析框架的特性　161
練習　163
備忘單　165
第4講　整合數(shù)據(jù)、實時數(shù)據(jù)和實施大數(shù)據(jù)　168
4．1　大數(shù)據(jù)分析的各個階段　169
4．1．1　探索階段　170
4．1．2　編纂階段　171
4．1．3　整合和合并階段　171
4．2　大數(shù)據(jù)集成的基礎　173
4．2．1　傳統(tǒng)ETL　174
4．2．2　ELT——提取、加載和轉(zhuǎn)換　175
4．2．3　優(yōu)先處理大數(shù)據(jù)質(zhì)量　175
4．2．4　數(shù)據(jù)性能分析工具　176
4．2．5　將Hadoop用作ETL　177
4．3　流數(shù)據(jù)和復雜的事件處理　177
4．3．1　流數(shù)據(jù)　178
4．3．2　復雜事件處理　181
4．3．3　區(qū)分CEP和流　182
4．3．4　流數(shù)據(jù)和CEP對業(yè)務的影響　183
4．4　使大數(shù)據(jù)成為運營流程的一部分　183
4．5　了解大數(shù)據(jù)的工作流　186
4．6　確保大數(shù)據(jù)有效性、準確性和時效性　187
4．6．1　數(shù)據(jù)的有效性和準確性　187
4．6．2　數(shù)據(jù)的時效性　187
練習　189
備忘單　191
第5講　大數(shù)據(jù)解決方案和動態(tài)數(shù)據(jù)　192
5．1　大數(shù)據(jù)作為企業(yè)戰(zhàn)略工具　193
5．1．1　階段1：利用數(shù)據(jù)做計劃　193
5．1．2　階段2：執(zhí)行分析　194
5．1．3　階段3：檢查結(jié)果　194
5．1．4　階段4：根據(jù)計劃行事　194
5．2　實時分析：把新的維度添加到周期　194
5．2．1　階段5：實時監(jiān)控　195
5．2．2　階段6：調(diào)整影響　195
5．2．3　階段7：實驗　195
5．3　對動態(tài)數(shù)據(jù)的需求　196
5．4　案例1：針對環(huán)境影響使用流數(shù)據(jù)　198
5．4．1　這是怎么做到的　198
5．4．2　利用傳感器提供實時信息　198
5．4．3　利用實時數(shù)據(jù)進行研究　199
5．5　案例2：為了公共政策使用大數(shù)據(jù)　199
5．5．1　問題　200
5．5．2　使用流數(shù)據(jù)　200
5．6　案例3：在醫(yī)療保健行業(yè)使用流數(shù)據(jù)　200
5．6．1　問題　201
5．6．2　使用流數(shù)據(jù)　201
5．7　案例4：在能源行業(yè)使用流數(shù)據(jù)　201
5．7．1　利用流數(shù)據(jù)提高能源效率　201
5．7．2　流數(shù)據(jù)的使用推進了可替代能源的生產(chǎn)　202
5．8　案例5：用實時文本分析提高客戶體驗　202
5．9　案例6：在金融業(yè)使用實時數(shù)據(jù)　203
5．9．1　保險　204
5．9．2　銀行　204
5．9．3　信用卡公司　204
5．10　案例7：使用實時數(shù)據(jù)防止保險欺詐　205
練習　207
備忘單　210
模塊3　存儲和處理數(shù)據(jù)：HDFS和MapReduce
第　1講 在Hadoop中存儲數(shù)據(jù)　213
1．1　HDFS　214
1．1．1　HDFS的架構(gòu)　214
1．1．2　使用HDFS文件　218
1．1．3　Hadoop特有的文件類型　220
1．1．4　HDFS聯(lián)盟和高可用性　224
1．2　HBase　226
1．2．1　HBase的架構(gòu)　226
1．2．2　HBase模式設計準則　231
1．3　HBase編程　232
1．4　為有效的數(shù)據(jù)存儲結(jié)合HDFS和HBase　237
1．5　為應用程序選擇恰當?shù)腍adoop數(shù)據(jù)組織　237
1．5．1　數(shù)據(jù)被MapReduce獨占訪問時　237
1．5．2　創(chuàng)建新數(shù)據(jù)時　238
1．5．3　數(shù)據(jù)尺寸太大時　238
1．5．4　數(shù)據(jù)用于實時訪問時　238
練習　239
備忘單　241
第　2講 利用MapReduce處理數(shù)據(jù)　242
2．1　開始了解MapReduce　243
2．1．1　MapReduce框架　243
2．1．2　MapReduce執(zhí)行管道　244
2．1．3　MapReduce的運行協(xié)調(diào)和任務管理　247
2．2　第 一個MapReduce應用程序　249
2．3　設計MapReduce的實現(xiàn)　257
2．3．1　使用MapReduce作為并行處理的框架　258
2．3．2　MapReduce的簡單數(shù)據(jù)處理　259
2．3．3　構(gòu)建與MapReduce的連接　260
2．3．4　構(gòu)建迭代的MapReduce應用程序　264
2．3．5　用還是不用MapReduce　268
2．3．6　常見的MapReduce設計提示　269
練習　271
備忘單　274
第3講　自定義MapReduce執(zhí)行　275
3．1　用InputFormat控制MapReduce的執(zhí)行　276
3．1．1　為計算密集型應用程序?qū)嵤㊣nputFormat　277
3．1．2　實現(xiàn)InputFormat控制map的數(shù)量　282
3．1．3　為多HBase表實現(xiàn)InputFormat　287
3．2　用你自定義RecordReader的方式讀取數(shù)據(jù)　290
3．3　用自定義OutputFormat組織輸出數(shù)據(jù)　292
3．4　自定義RecordWriter以你的方式寫數(shù)據(jù)　293
3．5　利用結(jié)合器優(yōu)化MapReduce執(zhí)行　295
3．6　用分區(qū)器來控制reducer的執(zhí)行　298
練習　299
備忘單　302
第4講　測試和調(diào)試MapReduce應用程序　303
4．1　MapReduce應用程序的單元測試　304
4．1．1　測試mapper　306
4．1．2　測試reducer　307
4．1．3　集成測試　308
4．2　用Eclipse進行本地程序測試　310
4．3　利用日志文件做Hadoop測試　312
4．4　利用工作計數(shù)器進行報表度量　316
4．5　在MapReduce中的防御式編程　318
練習　320
備忘單　322
第5講　實現(xiàn)MapReduce WordCount程序——案例學習　323
5．1　背景　324
5．1．1　句子層級的情感分析　325
5．1．2　情感詞法采集　325
5．1．3　文檔級別的情感分析　325
5．1．4　比較情感分析　325
5．1．5　基于外觀的情感分析　326
5．2　場景　326
5．3　數(shù)據(jù)解釋　326
5．4　方法論　326
5．5　方法　327
模塊4　利用Hadoop工具Hive、Pig和Oozie提升效率
第　1講 探索Hive　343
1．1　介紹Hive　344
1．1．1　Hive數(shù)據(jù)單元　345
1．1．2　Hive架構(gòu)　346
1．1．3　Hive元數(shù)據(jù)存儲　347
1．2　啟動Hive　347
1．2．1　Hive命令行界面　348
1．2．2　Hive變量　349
1．2．3　Hive屬性　349
1．2．4　Hive一次性命令　349
1．3　執(zhí)行來自文件的Hive查詢　350
1．3．1　shell執(zhí)行　350
1．3．2　Hadoop dfs命令　350
1．3．3　Hive中的注釋　351
1．4　數(shù)據(jù)類型　351
1．4．1　基本數(shù)據(jù)類型　352
1．4．2　復雜數(shù)據(jù)類型　354
1．4．3　Hive內(nèi)置運算符　355
1．5　Hive內(nèi)置函數(shù)　356
1．6　壓縮的數(shù)據(jù)存儲　358
1．7　Hive數(shù)據(jù)定義語言　359
1．7．1　管理Hive中的數(shù)據(jù)庫　359
1．7．2　管理Hive中的表　360
1．8　Hive中的數(shù)據(jù)操作　364
1．8．1　將數(shù)據(jù)載入Hive表　364
1．8．2　將數(shù)據(jù)插入表　365
1．8．3　插入至本地文件　367
練習　368
備忘單　370
第　2講 高級Hive查詢　371
2．1　HiveQL查詢　372
2．1．1　SELECT查詢　372
2．1．2　LIMIT子句　373
2．1．3　嵌入查詢　373
2．1．4　CASE…WHEN…THEN　373
2．1．5　LIKE和RLIKE　373
2．1．6　GROUP BY　374
2．1．7　HAVING　374
2．2　使用函數(shù)操作列值　374
2．2．1　內(nèi)置函數(shù)　374
2．2．2　用戶定義函數(shù)　375
2．3　Hive中的連接　376
2．3．1　內(nèi)連接　376
2．3．2　外連接　377
2．3．3　笛卡兒積連接　378
2．3．4　Map側(cè)的連接　379
2．3．5　ORDER BY　379
2．3．6　UNION ALL　379
2．4　Hive的*佳實踐　380
2．4．1　使用分區(qū)　380
2．4．2　規(guī)范化　381
2．4．3　有效使用單次掃描　381
2．4．4　桶的使用　381
2．5　性能調(diào)優(yōu)和查詢優(yōu)化　382
2．5．1　EXPLAIN命令　383
2．5．2　LIMIT調(diào)優(yōu)　387
2．6　各種執(zhí)行類型　387
2．6．1　本地執(zhí)行　387
2．6．2　并行執(zhí)行　387
2．6．3　索引　388
2．6．4　預測執(zhí)行　388
2．7　Hive文件和記錄格式　388
2．7．1　文本文件　388
2．7．2　序列文件　389
2．7．3　RCFile　389
2．7．4　記錄格式（SerDe）　390
2．7．5　Regex SerDe　390
2．7．6　Avro SerDe　391
2．7．7　JSON SerDe　392
2．8　HiveThrift服務　393
2．8．1　啟動HiveThrift服務器　393
2．8．2　使用JDBC的樣例HiveThrift客戶端　393
2．9　Hive中的安全　395
2．9．1　認證　395
2．9．2　授權(quán)　395
練習　397
備忘單　400
第3講　用Pig分析數(shù)據(jù)　402
3．1　介紹Pig　403
3．1．1　Pig架構(gòu)　403
3．1．2　Pig Latin的優(yōu)勢　404
3．2　安裝Pig　405
3．2．1　安裝Pig所需條件　405
3．2．2　下載Pig　405
3．2．3　構(gòu)建Pig庫　406
3．3　Pig的屬性　406
3．4　運行Pig　407
3．5　Pig Latin應用程序流　408
3．6　開始利用Pig Latin　409
3．6．1　Pig Latin結(jié)構(gòu)　410
3．6．2　Pig數(shù)據(jù)類型　411
3．6．3　Pig語法　412
3．7　Pig腳本接口　413
3．8　Pig Latin的腳本　415
3．8．1　用戶定義函數(shù)　415
3．8．2　參數(shù)替代　418
3．9　Pig中的關(guān)系型操作　419
3．9．1　FOREACH　419
3．9．2　FILTER　420
3．9．3　GROUP　421
3．9．4　ORDER BY　422
3．9．5　DISTINCT　423
3．9．6　JOIN　424
3．9．7　LIMIT　425
3．9．8　SAMPLE　426
練習　427
備忘單　430
第4講　Oozie對數(shù)據(jù)處理進行自動化　431
4．1　開始了解Oozie　432
4．2　Oozie工作流　433
4．2．1　在Oozie工作流中執(zhí)行異步活動　436
4．2．2　實現(xiàn)Oozie工作流　437
4．3　Oozie協(xié)調(diào)器　443
4．4　Oozie套件　448
4．5　利用EL的Oozie參數(shù)化　451
4．5．1　工作流函數(shù)　451
4．5．2　協(xié)調(diào)器函數(shù)　452
4．5．3　套件函數(shù)　452
4．5．4　其他EL函數(shù)　452
4．6　Oozie作業(yè)執(zhí)行模型　452
4．7　訪問Oozie　455
4．8　Oozie SLA　456
練習　460
備忘單　462
第5講　使用Oozie　464
5．1　業(yè)務場景：使用探測包驗證關(guān)于位置的信息　465
5．2　根據(jù)探測包設計位置驗證　466
5．3　設計Oozie工作流　467
5．4　實現(xiàn)Oozie工作流應用程序　469
5．4．1　實現(xiàn)數(shù)據(jù)準備工作流　469
5．4．2　實現(xiàn)考勤指數(shù)和集群簇的工作流　477
5．5　實現(xiàn)工作流的活動　479
5．5．1　從java行為中填充執(zhí)行上下文　479
5．5．2　在Oozie工作流中使用MapReduce作業(yè)　480
5．6　實現(xiàn)Oozie協(xié)調(diào)器應用程序　483
5．7　實現(xiàn)Oozie套件應用程序　488
5．8　部署、測試和執(zhí)行Oozie應用程序　489
5．8．1　使用Oozie CLI執(zhí)行Oozie應用程序　490
5．8．2　將參數(shù)傳遞給Oozie作業(yè)　493
5．8．3　決定如何將參數(shù)傳遞給Oozie作業(yè)　495
練習　497
備忘單　499
展開全部

大數(shù)據(jù)技術(shù)與編程基礎/大數(shù)據(jù)開發(fā)者權(quán)威教程 作者簡介

本書作者均為國際知名IT培訓機構(gòu)的知名講師，他們通過對技術(shù)、IT市場需求以及當今就業(yè)培訓方面的全球行業(yè)標準進行了廣泛并嚴格的調(diào)研之后，集結(jié)成這套“大數(shù)據(jù)開發(fā)者**教程”。作者們的目標是通過這套書為有志于在大數(shù)據(jù)開發(fā)領(lǐng)域取得事業(yè)成功的人技術(shù)人員和決策者提供必備的技術(shù)和技能。譯者簡介顧晨，男，碩士、PMP、信息系統(tǒng)項目管理師。畢業(yè)于上海交通大學。曾獲邀參加舊金山的Google I/O大會。喜歡所有與編程相關(guān)的事物，擁有14年的編程經(jīng)驗。對于大數(shù)據(jù)、SAP HANA數(shù)據(jù)庫和思科技術(shù)有著極其濃厚的興趣，是國內(nèi)較早從事HANA數(shù)據(jù)庫研究的人員之一。先后錄制了MCSE、CCNP等多種教學視頻，在多家知名網(wǎng)站發(fā)布。精通C#、Java編程，目前正致力于人臉識別、室內(nèi)定位和門店人流統(tǒng)計方面的研究。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服
主站蜘蛛池模板： 耐酸泵,耐腐蚀真空泵,耐酸真空泵-淄博华舜耐腐蚀真空泵有限公司 精密模具-双色注塑模具加工-深圳铭洋宇通 | 泰安办公家具-泰安派格办公用品有限公司 | 托盘租赁_塑料托盘租赁_托盘出租_栈板出租_青岛托盘租赁-优胜必达 | 金属抛光机-磁悬浮抛光机-磁力研磨机-磁力清洗机 - 苏州冠古科技 | 山东锐智科电检测仪器有限公司_超声波测厚仪,涂层测厚仪,里氏硬度计,电火花检漏仪,地下管线探测仪 | 不锈钢水箱生产厂家_消防水箱生产厂家-河南联固供水设备有限公司 | 步进驱动器「一体化」步进电机品牌厂家-一体式步进驱动 | 健康管理师报考条件，考试时间，报名入口—首页 | 在线钠离子分析仪-硅酸根离子浓度测定仪-油液水分测定仪价格-北京时代新维测控设备有限公司 | 光环国际-新三板公司_股票代码：838504 | 急救箱-应急箱-急救包厂家-北京红立方医疗设备有限公司 | 通辽信息港 - 免费发布房产、招聘、求职、二手、商铺等信息 www.tlxxg.net | 矿用履带式平板车|探水钻机|气动架柱式钻机|架柱式液压回转钻机|履带式钻机-启睿探水钻机厂家 | 「安徽双凯」自动售货机-无人售货机-成人用品-自动饮料食品零食售货机 | 山东艾德实业有限公司| 考勤系统_考勤管理系统_网络考勤软件_政企|集团|工厂复杂考勤工时统计排班管理系统_天时考勤 | 合肥升降机-合肥升降货梯-安徽升降平台「厂家直销」-安徽鼎升自动化科技有限公司 | 电脑知识|软件|系统|数据库|服务器|编程开发|网络运营|知识问答|技术教程文章 - 好吧啦网 | 轴流风机-鼓风机-离心风机-散热风扇-罩极电机,生产厂家-首肯电子 | 不锈钢管件(不锈钢弯头,不锈钢三通,不锈钢大小头),不锈钢法兰「厂家」-浙江志通管阀 | 小型单室真空包装机,食品单室真空包装机-百科 | 东莞螺丝|东莞螺丝厂|东莞不锈钢螺丝|东莞组合螺丝|东莞精密螺丝厂家-东莞利浩五金专业紧固件厂家 | PCB设计,PCB抄板,电路板打样,PCBA加工-深圳市宏力捷电子有限公司 | 光栅尺厂家_数显表维修-苏州泽升精密机械 | 淄博不锈钢,淄博不锈钢管,淄博不锈钢板-山东振远合金科技有限公司 | 招商帮-一站式网络营销服务|搜索营销推广|信息流推广|短视视频营销推广|互联网整合营销|网络推广代运营|招商帮企业招商好帮手 | 立刷【微电签pos机】-嘉联支付立刷运营中心 | 菲希尔FISCHER测厚仪-铁素体检测仪-上海吉馨实业发展有限公司 | 福建珂朗雅装饰材料有限公司「官方网站」| 砂磨机_立式纳米砂磨机_实验室砂磨机-广州儒佳化工设备厂家 | 上海logo设计 | 全自动真空上料机_粉末真空上料机_气动真空上料机-南京奥威环保科技设备有限公司 | 拉力机-万能试验机-材料拉伸试验机-电子拉力机-拉力试验机厂家-冲击试验机-苏州皖仪实验仪器有限公司 | 400电话_400电话申请_888元包年_400电话办理服务中心_400VIP网 | 铝箔袋,铝箔袋厂家,东莞铝箔袋,防静电铝箔袋,防静电屏蔽袋,防静电真空袋,真空袋-东莞铭晋让您的产品与众不同 | 搪瓷反应釜厂家,淄博搪瓷反应釜-淄博卓耀 | 台湾阳明固态继电器-奥托尼克斯光电传感器-接近开关-温控器-光纤传感器-编码器一级代理商江苏用之宜电气 | 注塑机-压铸机-塑料注塑机-卧式注塑机-高速注塑机-单缸注塑机厂家-广东联升精密智能装备科技有限公司 | 闸阀_截止阀_止回阀「生产厂家」-上海卡比阀门有限公司 | 知网论文检测系统入口_论文查重免费查重_中国知网论文查询_学术不端检测系统 | 护栏打桩机-打桩机厂家-恒新重工 |