掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
大數(shù)據(jù)技術入門到商業(yè)實戰(zhàn) Hadoop+Spark+Flink全解析 版權信息
- ISBN：9787111686187
- 條形碼：9787111686187 ; 978-7-111-68618-7
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
大數(shù)據(jù)技術入門到商業(yè)實戰(zhàn) Hadoop+Spark+Flink全解析 本書特色
以精煉的語言和經典實例，用圖文并茂的形式，向讀者生動展示大數(shù)據(jù)技術商業(yè)實戰(zhàn)開發(fā)
大數(shù)據(jù)技術入門到商業(yè)實戰(zhàn) Hadoop+Spark+Flink全解析 內容簡介
本書全面詳細地介紹了大數(shù)據(jù)生態(tài)系統(tǒng)中的主流技術。全書共10章，主要包括大數(shù)據(jù)生態(tài)系統(tǒng)概述、大數(shù)據(jù)采集技術、大數(shù)據(jù)存儲技術、大數(shù)據(jù)分析處理技術等內容，書中涵蓋了Hadoop、Hive、Hbase、Kafka、Spark、Flink等技術的原理和實踐，其中重點介紹了Hadoop技術、Spark技術及Flink技術。本書詳細介紹了主流大數(shù)據(jù)技術框架的基本原理、環(huán)境搭建、操作使用和在典型行業(yè)中的具體應用，使讀者不僅能夠在宏觀上全面認知大數(shù)據(jù)生態(tài)系統(tǒng)，而且還能在微觀上深入理解大數(shù)據(jù)技術細節(jié)。本書不僅適合大數(shù)據(jù)技術初學者閱讀，還可以幫助金融、電信、電商、能源、政府部門的大數(shù)據(jù)應用決策和技術人員，以及IT經理、CTO、CIO等快速學習大數(shù)據(jù)技術，并能作為大數(shù)據(jù)相關崗位培訓的教程。
大數(shù)據(jù)技術入門到商業(yè)實戰(zhàn) Hadoop+Spark+Flink全解析 目錄
前言
第1章 初識大數(shù)據(jù)
1．1 什么是大數(shù)據(jù)
1．2 大數(shù)據(jù)行業(yè)應用
1．3 什么是Hadoop
1．4 Hadoop產生背景
1．5 Hadoop的架構模塊介紹
1．6 Hadoop在大數(shù)據(jù)、云計算中的位置和關系
1．7 國內外Hadoop應用案例介紹
1．8 Hadoop生態(tài)圈以及各組成部分簡介
1．9 本章小結
第2章 Hadoop之分布式文件系統(tǒng)HDFS
2．1 構建Hadoop集群
2．1．1 集群簡介
2．1．2 Hadoop集群部署
2．2 Hadoop集群啟動和停止
2．2．1 Hadoop集群啟動
2．2．2 Hadoop集群停止
2．3 HDFS的Shell命令行客戶端操作
2．4 HDFS的工作機制
2．4．1 HDFS概述
2．4．2 HDFS的重要特性
2．4．3 HDFS寫數(shù)據(jù)流程
2．4．4 HDFS讀數(shù)據(jù)流程
2．5 NameNode和SecondaryNameNode功能剖析
2．5．1 NameNode與SecondaryNameNode解析
2．5．2 元數(shù)據(jù)的checkpoint的條件
2．5．3 fsimage與edits詳解
2．5．4 fsimage和edits文件信息查看
2．6 DataNode的工作機制及存儲
2．6．1 DataNode工作機制
2．6．2 數(shù)據(jù)完整性保證
2．6．3 DataNode掉線判斷時限參數(shù)
2．7 HDFS的安全模式
2．8 本章小結
第3章 Hadoop之分布式計算MapReduce
3．1 MapReduce概述
3．1．1 MapReduce介紹
3．1．2 為什么要使用MapReduce
3．2 MapReduce框架結構及核心運行機制
3．3 MapReduce編程規(guī)范和示例編寫
3．3．1 編程規(guī)范
3．3．2 MapReduce編程入門之單詞計數(shù)
3．4 MapTask數(shù)量及切片機制
3．4．1 MapTask個數(shù)
3．4．2 如何控制MapTask的個數(shù)
3．4．3 Map并行度的經驗之談
3．5 ReduceTask并行度的決定
3．6 MapReduce中的combiner
3．7 MapReduce中的Shuffle
3．7．1 Map端
3．7．2 Reduce端
3．7．3 Shuffle小結
3．8 MapReduce與Yam
3．8．1 Yarn概述
3．8．2 Yarn的重要概念
3．9 MapReduce在Yarn上運行流程
……
第4章 分布式協(xié)調服務Zookeeper
第5章 分布式數(shù)據(jù)庫Hbase
第6章 數(shù)據(jù)倉庫Hive
第7章 日志采集框架Flume
第8章 分布式消息系統(tǒng)Kafka
第9章 Spark內存計算框架
第10章 Flink實時流處理
第1章 初識大數(shù)據(jù)
1．1 什么是大數(shù)據(jù)
1．2 大數(shù)據(jù)行業(yè)應用
1．3 什么是Hadoop
1．4 Hadoop產生背景
1．5 Hadoop的架構模塊介紹
1．6 Hadoop在大數(shù)據(jù)、云計算中的位置和關系
1．7 國內外Hadoop應用案例介紹
1．8 Hadoop生態(tài)圈以及各組成部分簡介
1．9 本章小結
第2章 Hadoop之分布式文件系統(tǒng)HDFS
2．1 構建Hadoop集群
2．1．1 集群簡介
2．1．2 Hadoop集群部署
2．2 Hadoop集群啟動和停止
2．2．1 Hadoop集群啟動
2．2．2 Hadoop集群停止
2．3 HDFS的Shell命令行客戶端操作
2．4 HDFS的工作機制
2．4．1 HDFS概述
2．4．2 HDFS的重要特性
2．4．3 HDFS寫數(shù)據(jù)流程
2．4．4 HDFS讀數(shù)據(jù)流程
2．5 NameNode和SecondaryNameNode功能剖析
2．5．1 NameNode與SecondaryNameNode解析
2．5．2 元數(shù)據(jù)的checkpoint的條件
2．5．3 fsimage與edits詳解
2．5．4 fsimage和edits文件信息查看
2．6 DataNode的工作機制及存儲
2．6．1 DataNode工作機制
2．6．2 數(shù)據(jù)完整性保證
2．6．3 DataNode掉線判斷時限參數(shù)
2．7 HDFS的安全模式
2．8 本章小結
第3章 Hadoop之分布式計算MapReduce
3．1 MapReduce概述
3．1．1 MapReduce介紹
3．1．2 為什么要使用MapReduce
3．2 MapReduce框架結構及核心運行機制
3．3 MapReduce編程規(guī)范和示例編寫
3．3．1 編程規(guī)范
3．3．2 MapReduce編程入門之單詞計數(shù)
3．4 MapTask數(shù)量及切片機制
3．4．1 MapTask個數(shù)
3．4．2 如何控制MapTask的個數(shù)
3．4．3 Map并行度的經驗之談
3．5 ReduceTask并行度的決定
3．6 MapReduce中的combiner
3．7 MapReduce中的Shuffle
3．7．1 Map端
3．7．2 Reduce端
3．7．3 Shuffle小結
3．8 MapReduce與Yam
3．8．1 Yarn概述
3．8．2 Yarn的重要概念
3．9 MapReduce在Yarn上運行流程
……
第4章 分布式協(xié)調服務Zookeeper
第5章 分布式數(shù)據(jù)庫Hbase
第6章 數(shù)據(jù)倉庫Hive
第7章 日志采集框架Flume
第8章 分布式消息系統(tǒng)Kafka
第9章 Spark內存計算框架
第10章 Flink實時流處理
展開全部
書友推薦
- >
朝聞道
- >
上帝之肋:男人的真實旅程
- >
苦雨齋序跋文-周作人自編集
- >
史學評論
- >
龍榆生：詞曲概論/大家小書
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
詩經-先民的歌唱
- >
二體千字文
本類暢銷
