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
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
深入理解HIVE:從基礎到高階 版權信息
- ISBN：9787302665724
- 條形碼：9787302665724 ; 978-7-302-66572-4
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
深入理解HIVE:從基礎到高階 本書特色
《深入理解Hive:從基礎到高階:視頻教學版》將帶領讀者深入探索如何將ChatGPT和Hive兩大強大工具進行整合，揭示它們在數據分析領域的創新應用。書中詳細探討了ChatGPT在大數據領域的應用，并深入介紹了它與Hive的深度整合，解釋了ChatGPT的自然語言處理能力如何加速Hive中的數據挖掘過程，使數據分析更為便捷、高效。通過學習本書，讀者將掌握ChatGPT和Hive的基本原理和優勢，學習如何進行智能整合，了解ChatGPT在Hive數據分析中的實際運用場景，提升數據探索和分析的效率和精度。 這本書將為數據分析師、工程師以及對數據探索和處理感興趣的讀者提供一種全新的思路和方法，幫助他們更好地利用ChatGPT和Hive，開拓數據分析的新境界。 詳細探討ChatGPT在大數據領域的應用，并深入介紹了它與Hive的整合。
深入理解HIVE:從基礎到高階 內容簡介
"《深入理解Hive:從基礎到高階:視頻教學版》采用“理論+實戰”的形式編寫，通過大量的實例，結合作者多年一線開發實戰經驗，全面地介紹Hive的使用方法。《深入理解Hive:從基礎到高階:視頻教學版》的撰寫秉承方便學習、易于理解、便于查詢的理念。無論是剛入門的初學者想系統地學習Hive的基礎知識，還是擁有多年開發經驗的開發者想學習Hive，都能通過《深入理解Hive:從基礎到高階:視頻教學版》迅速掌握Hive的各種基礎語法和實戰技巧。《深入理解Hive:從基礎到高階:視頻教學版》作者曾經與極客學院合作，擁有豐富的教學視頻制作經驗，為讀者精心錄制了詳細的教學視頻。此外，《深入理解Hive:從基礎到高階:視頻教學版》還免費提供所有案例的源碼，為讀者的學習和工作提供更多的便利。 《深入理解Hive:從基礎到高階:視頻教學版》分為12章，分別介紹Hive學習平臺的搭建、Hive數據治理、Hive數據分析與應用等內容。在*后一章對Hive進行了拓展，深入探討AI大模型在數據分析領域的應用，并介紹其與Hive的深度整合，解釋如何利用AI大模型來加速Hive中的數據挖掘過程，使數據分析更為便捷、高效。同時，《深入理解Hive:從基礎到高階:視頻教學版》提供了多個實際案例和示例，用于展示AI大模型在Hive數據分析中的實際運用場景。 《深入理解Hive:從基礎到高階:視頻教學版》結構清晰、案例豐富、通俗易懂、實用性強，特別適合初學者自學和進階讀者查詢及參考。另外，《深入理解Hive:從基礎到高階:視頻教學版》也適合社會培訓機構作為培訓教材使用，還適合大中專院校相關專業的師生作為教學參考書。"
深入理解HIVE:從基礎到高階 目錄
第1篇 準 備
第1章 大數據時代的查詢引擎 2
1.1 大數據初探 2
1.1.1 數據處理的引擎 2
1.1.2 計算框架的數據處理機制 3
1.2 大數據處理的引擎之選 7
1.2.1 大數據時代的利器 7
1.2.2 揭秘Hadoop的核心要素 8
1.3 數據倉庫Hive的重要性 9
1.3.1 Hive與MapReduce 10
1.3.2 解讀Hive的不足 10
1.4 快速解鎖Hive核心 11
1.4.1 數據倉庫 11
1.4.2 數據單元 12
1.5 Hive的設計理念 14
1.5.1 設計初衷 14
1.5.2 解讀Hive的性 14
1.5.3 使用場景 15
1.6 本章小結 16
第2章 快速搭建Hive學環境 17
2.1 基礎環境安裝與配置的完整步驟 17
2.1.1 基礎軟件下載 17
2.1.2 實例：Linux作系統的安裝與配置 18
2.1.3 實例：SSH的安裝與配置 20
2.1.4 實例：Java運行環境的安裝與配置 21
2.1.5 實例：安裝與配置ZooKeeper 23
2.1.6 實例：Hadoop的安裝與配置 27
2.2 安裝Hive 41
2.2.1 實例：單機模式署 41
2.2.2 實例：分布式模式署 44
2.3 Hive在線編輯器安裝指南 50
2.3.1 實例：在Linux系統環境編譯Hue源代碼并獲得安裝 50
2.3.2 實例：安裝Hue安裝 51
2.4 學Hive的建議 54
2.4.1 看透本書理論，模仿實戰例子 54
2.4.2 利用編程工具自主學 54
2.4.3 建立高的邏輯思維模式 55
2.4.4 控制代碼版本，降低犯錯的代 56
2.4.5 獲取新、全的學資料 57
2.4.6 學會自己發現和解決問題 57
2.4.7 善于提問，成功一半 58
2.4.8 積累總結，舉一反三 59
2.5 本章小結 60
2.6 題 60
第2篇 入 門
第3章 實理解Hive的數據類型和存儲方式 62
3.1 掌握Hive的基本數據類型 62
3.1.1 字段類型 62
3.1.2 實例：快速構建含常用類型的表 64
3.1.3 實例：NULL值的處理和使用 68
3.1.4 允許隱式轉換 70
3.2 Hive文件格式應用實踐 70
3.2.1 TextFile 70
3.2.2 SequenceFile 72
3.2.3 RCFile 73
3.2.4 AvroFile 74
3.2.5 ORCFile 77
3.2.6 Parquet 79
3.2.7 選擇不同的文件類型 82
3.3 存儲方式應用實踐 82
3.3.1 數據壓縮存儲 83
3.3.2 實例：壓縮數據大小和原始數據大小對比 85
3.4 本章小結 89
3.5 題 89
第4章 Hive數據管理與查詢技巧 90
4.1 了解Hive命令 90
4.1.1 Hive命令列表 90
4.1.2 Hive命令分類 91
4.2 選擇不同的客戶端執行Hive命令 95
4.2.1 實例：使用Hive CLI客戶端執行Hive命令 95
4.2.2 實例：使用Beeline客戶端執行Hive命令 96
4.2.3 實例：使用Hue客戶端執行Hive命令 100
4.3 使用Hive的變量 102
4.3.1 Hive變量 102
4.3.2 實例：使用Hive CLI客戶端設置系統環境變量 103
4.3.3 實例：使用Hive CLI客戶端設置屬性變量 103
4.3.4 實例：使用Hive CLI客戶端設置自定義變量 103
4.3.5 實例：使用Hive CLI客戶端設置Java屬性變量 104
4.4 實例：使用Hive的拓展工具——HCatalog 104
4.5 本章小結 106
4.6 題 106
第5章 智能數據治理 107
5.1 Hive的數據庫性 107
5.1.1 Hive數據庫 107
5.1.2 如何管理Hive數據庫 109
5.2 認識表類型 111
5.2.1 內表 111
5.2.2 外表 112
5.2.3 臨時表 113
5.3 管理表 114
5.3.1 實例：創建表 114
5.3.2 實例：修改表 119
5.3.3 實例：刪除表 122
5.4 管理表分區 126
5.4.1 實例：新增表分區 127
5.4.2 實例：重命名表分區 128
5.4.3 實例：交換表分區 128
5.4.4 實例：刪除表分區 130
5.5 導入與導出表數據 130
5.5.1 實例：將業務數據導入Hive表 130
5.5.2 實例：從Hive表中導出業務數據 136
5.6 本章小結 140
5.7 題 140
第6章 智能數據庫查詢 141
6.1 使用SELECT語句 141
6.1.1 實例：分組詳解 141
6.1.2 實例：排序詳解 145
6.1.3 實例：JOIN查詢詳解 153
6.1.4 實例：UNION查詢詳解 165
6.2 使用用戶自定義函數 168
6.2.1 了解用戶自定義函數 168
6.2.2 開發用戶自定義函數功能 171
6.3 使用窗口函數與分析函數來查詢數據 178
6.3.1 了解窗口函數和分析函數 178
6.3.2 實例：窗口函數和分析函數詳解 179
6.4 本章小結 185
6.5 題 185
第7章 數據智能應用：以視圖簡化查詢流程 186
7.1 什么是視圖 186
7.2 管理視圖 187
7.2.1 創建視圖 187
7.2.2 修改視圖 191
7.2.3 刪除視圖 192
7.3 物化視圖 193
7.3.1 非視圖非表 193
7.3.2 創建物化視圖 194
7.3.3 物化視圖的生命周期 198
7.4 本章小結 200
7.5 題 200
第3篇 進
第8章 使用Hive RPC服務 202
8.1 RPC的重要性 202
8.1.1 什么是RPC 202
8.1.2 了解RPC的用途 203
8.2 HiveServer2和MetaStore 205
8.2.1 HiveServer2的架構 205
8.2.2 MetaStore元存儲管理 206
8.3 HiveServer2和MetaStore的關系及區別 207
8.3.1 使用不同模式下的MetaStore 208
8.3.2 使用HiveServer2服務 210
8.4 維護Hive集群服務 212
8.4.1 實例：編寫自動化腳本讓服務維護變得簡單 212
8.4.2 實例：編寫監控腳本讓服務狀態變得透明 215
8.5 HiveServer2服務應用實戰 216
8.5.1 嵌入式模式訪問 216
8.5.2 遠程模式訪問 218
8.6 本章小結 223
8.7 題 223
第9章 引入機制證Hive數據 224
9.1 數據的重要性 224
9.1.1 數據 224
9.1.2 數據的三大原則 225
9.1.3 大數據的性 226
9.2 Hive中的權限認證 226
9.2.1 授權與回收權限 226
9.2.2 傳統模式授權 227
9.2.3 基于文件存儲的授權 231
9.2.4 基于SQL標準的授權 233
9.3 使用Apache Ranger管理Hive權限 236
9.3.1 大數據組件方案對比 236
9.3.2 什么是Apache Ranger 239
9.3.3 Apache Ranger的安裝與署 240
9.3.4 使用Apache Ranger對HDFS授權 245
9.3.5 使用Apache Ranger對Hive庫表授權 248
9.4 本章小結 252
9.5 題 252
第10章 數據提取與多維呈現：深度解析Hive編程 253
10.1 使用編程語言作Hive 253
10.2 Java作Hive實踐 254
10.2.1 環境準備 261
10.2.2 實例：實現簡易天氣分析系統 261
10.3 Python作Hive實踐 274
10.3.1 選擇Python作Hive SQL 274
10.3.2 使用JayDeBeApi實現Python訪問Hive 275
10.4 數據洞察與分析 278
10.4.1 數據洞察的值 278
10.4.2 數據洞察的方法論 279
10.4.3 數據洞察可視化實踐 279
10.5 本章小結 283
10.6 題 283
第4篇 項目實戰
第11章 基于Hive的高效推薦系統實踐 286
11.1 什么是推薦系統 286
11.1.1 推薦系統的發展歷程 286
11.1.2 推薦系統解決的核心問題 287
11.1.3 推薦系統的應用領域 287
11.2 數據倉庫驅動的推薦系統設計 288
11.2.1 推薦系統類型詳解 288
11.2.2 建立推薦系統的核心步驟 293
11.2.3 設計一個簡易的推薦系統架構 294
11.2.4 構建推薦系統模型 297
11.3 代碼如何實現推薦效果 306
11.3.1 構建數據倉庫 306
11.3.2 數據清洗 311
11.3.3 協同過濾算法實現 314
11.4 本章小結 329
11.5 題 330
第12章 基于AI的Hive大數據分析實踐 331
12.1 融合ChatGPT與Hive的數據智能探索 331
12.1.1 開啟數據智能新紀元：ChatGPT簡介 331
12.1.2 ChatGPT在Hive數據分析中的角色 336
12.2 構建智能化的Hive數據處理引擎 337
12.2.1 ChatGPT與Hive的集成實現 337
12.2.2 智能引擎應用案例分析 338
12.3 ChatGPT的自然語言處理與Hive數據分析與挖掘 341
12.3.1 聚變智慧：ChatGPT與Hive技術的革新整合 341
12.3.2 自然語言處理在Hive數據分析中的應用 343
12.4 ChatGPT與Hive數據分析未來展望 347
12.4.1 ChatGPT技術發展前景 347
12.4.2 未來Hive數據分析中的ChatGPT潛在應用 348
12.5 本章小結 350
12.6 題 350
展開全部
深入理解HIVE:從基礎到高階 作者簡介
鄧杰，計算機科學與技術專業本科畢業，曾在平安科技任職，目前在Vivo移動互聯網工作，負責大數據和ChatGPT方向的開發工作。他在數據倉庫(Hive)、Hadoop、Spark、Flink、Kafka等大數據生態組件方面有深入的研究。作為ChatGPT大模型技術的實踐者和研究者，他在全網上撰寫了多篇高質量的ChatGPT和Hive數據倉庫相關技術文章，并出版了《Kafka并不難學》(電子工業出版社，2018年11月出版)和《Hadoop大數據挖掘從入門到進階實戰(視頻教學版)》(機械工業出版社，2018年6月)兩本書。
書友推薦
- >
推拿
- >
詩經-先民的歌唱
- >
【精裝繪本】畫給孩子的中國神話
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
唐代進士錄
- >
莉莉和章魚
- >
朝聞道
- >
伊索寓言-世界文學名著典藏-全譯本
本類暢銷
