相關商品
商品簡介
作者簡介
目次
商品簡介
通過提供分布式數據存儲和並行計算框架，Hadoop已經從一個集群計算的抽象演化成了一個大數據的操作系統。本書旨在通過以可讀且直觀的方式提供集群計算和分析的概覽，為數據科學家深入瞭解特定主題領域鋪平道路，從數據科學家的視角介紹Hadoop集群計算和分析。本書分為兩大部分，* 一部分從非常高的層次介紹分布式計算，討論如何在集群上運行計算；* 二部分則重點關注數據科學家應該瞭解的工具和技術，意在為各種分析和大規模數據管理提供動力。
作者簡介
Benjamin Bengfort，數據科學家，目前正在馬裡蘭大學攻讀博士學位，方向為機器學習和分布式計算；熟悉自然語言處理、Python數據科學、Hadoop和Spark分析等。
Jenny Kim，經驗豐富的大數據工程師，不僅進行商業軟件的開發，在學術界也有所建樹，在海量數據、機器學習以及生產和研究環境的Hadoop實施方面有深入研究。目前任職於Cloudera的Hue團隊。
Jenny Kim，經驗豐富的大數據工程師，不僅進行商業軟件的開發，在學術界也有所建樹，在海量數據、機器學習以及生產和研究環境的Hadoop實施方面有深入研究。目前任職於Cloudera的Hue團隊。
目次
前言 ix
* 一部分 分布式計算入門
* 1章 數據產品時代 2
1.1 什麼是數據產品 2
1.2 使用Hadoop構建大規模數據產品 4
1.2.1 利用大型數據集 4
1.2.2 數據產品中的Hadoop 5
1.3 數據科學流水線和Hadoop生態系統 6
1.4 小結 8
* 2 章 大數據操作系統 9
2.1 基本概念 10
2.2 Hadoop架構 11
2.2.1 Hadoop集群 12
2.2.2 HDFS 14
2.2.3 YARN 15
2.3 使用分布式文件系統 16
2.3.1 基本的文件系統操作 16
2.3.2 HDFS文件權限 18
2.3.3 其他HDFS接口 19
2.4 使用分布式計算 20
2.4.1 MapReduce：函數式編程模型 20
2.4.2 MapReduce：集群上的實現 22
2.4.3 不止一個MapReduce：作業鏈 27
2.5 向YARN 提交MapReduce 作業 28
2.6 小結 30
第3 章 Python 框架和Hadoop Streaming 31
3.1 Hadoop Streaming 32
3.1.1 使用Streaming在CSV 數據上運行計算 34
3.1.2 執行Streaming作業 38
3.2 Python 的MapReduce框架 39
3.2.1 短語計數 42
3.2.2 其他框架 45
3.3 MapReduce進階 46
3.3.1 combiner 46
3.3.2 partitioner 47
3.3.3 作業鏈 47
3.4 小結 50
第4 章 Spark內存計算 52
4.1 Spark基礎 53
4.1.1 Spark棧 54
4.1.2 RDD 55
4.1.3 使用RDD 編程 56
4.2 基於PySpark的交互性Spark 59
4.3 編寫Spark應用程序 61
4.4 小結 67
第5 章 分布式分析和模式 69
5.1 鍵計算 70
5.1.1 複合鍵 71
5.1.2 鍵空間模式 74
5.1.3 pair與stripe 78
5.2 設計模式 80
5.2.1 概要 81
5.2.2 索引 85
5.2.3 過濾 90
5.3 邁向* 後一英里分析 95
5.3.1 模型擬合 96
5.3.2 模型驗證 97
5.4 小結 98
* 二部分 大數據科學的工作流和工具
第6 章 數據挖掘和數據倉 102
6.1 Hive 結構化數據查詢 103
6.1.1 Hive 命令行接口（CLI） 103
6.1.2 Hive 查詢語言 104
6.1.3 Hive 數據分析 108
6.2 HBase 113
6.2.1 NoSQL 與列式數據庫 114
6.2.2 HBase 實時分析 116
6.3 小結 122
第7 章 數據采集 123
7.1 使用Sqoop 導入關係數據 124
7.1.1 從MySQL 導入HDFS 124
7.1.2 從MySQL 導入Hive 126
7.1.3 從MySQL 導入HBase 128
7.2 使用Flume 獲取流式數據 130
7.2.1 Flume 數據流 130
7.2.2 使用Flume 獲取產品印象數據 133
7.3 小結 136
第8 章 使用高 級API 進行分析 137
8.1 Pig 137
8.1.1 Pig Latin 138
8.1.2 數據類型 142
8.1.3 關係運算符 142
8.1.4 用戶定義函數 143
8.1.5 Pig 小結 144
8.2 Spark 高 級API 144
8.2.1 Spark SQL 146
8.2.2 DataFrame 148
8.3 小結 153
第9 章 機器學習 154
9.1 使用Spark 進行可擴展的機器學習 154
9.1.1 協同過濾 156
9.1.2 分類 161
9.1.3 聚類 163
9.2 小結 166
* 10 章 總結：分布式數據科學實戰 167
10.1 數據產品生命週期 168
10.1.1 數據湖泊 169
10.1.2 數據采集 171
10.1.3 計算數據存儲 172
10.2 機器學習生命週期 173
10.3 小結 175
附錄A 創建Hadoop 偽分布式開發環境 176
附錄B 安裝Hadoop 生態系統產品 184
術語表 193
關於作者 211
關於封面 211
* 一部分 分布式計算入門
* 1章 數據產品時代 2
1.1 什麼是數據產品 2
1.2 使用Hadoop構建大規模數據產品 4
1.2.1 利用大型數據集 4
1.2.2 數據產品中的Hadoop 5
1.3 數據科學流水線和Hadoop生態系統 6
1.4 小結 8
* 2 章 大數據操作系統 9
2.1 基本概念 10
2.2 Hadoop架構 11
2.2.1 Hadoop集群 12
2.2.2 HDFS 14
2.2.3 YARN 15
2.3 使用分布式文件系統 16
2.3.1 基本的文件系統操作 16
2.3.2 HDFS文件權限 18
2.3.3 其他HDFS接口 19
2.4 使用分布式計算 20
2.4.1 MapReduce：函數式編程模型 20
2.4.2 MapReduce：集群上的實現 22
2.4.3 不止一個MapReduce：作業鏈 27
2.5 向YARN 提交MapReduce 作業 28
2.6 小結 30
第3 章 Python 框架和Hadoop Streaming 31
3.1 Hadoop Streaming 32
3.1.1 使用Streaming在CSV 數據上運行計算 34
3.1.2 執行Streaming作業 38
3.2 Python 的MapReduce框架 39
3.2.1 短語計數 42
3.2.2 其他框架 45
3.3 MapReduce進階 46
3.3.1 combiner 46
3.3.2 partitioner 47
3.3.3 作業鏈 47
3.4 小結 50
第4 章 Spark內存計算 52
4.1 Spark基礎 53
4.1.1 Spark棧 54
4.1.2 RDD 55
4.1.3 使用RDD 編程 56
4.2 基於PySpark的交互性Spark 59
4.3 編寫Spark應用程序 61
4.4 小結 67
第5 章 分布式分析和模式 69
5.1 鍵計算 70
5.1.1 複合鍵 71
5.1.2 鍵空間模式 74
5.1.3 pair與stripe 78
5.2 設計模式 80
5.2.1 概要 81
5.2.2 索引 85
5.2.3 過濾 90
5.3 邁向* 後一英里分析 95
5.3.1 模型擬合 96
5.3.2 模型驗證 97
5.4 小結 98
* 二部分 大數據科學的工作流和工具
第6 章 數據挖掘和數據倉 102
6.1 Hive 結構化數據查詢 103
6.1.1 Hive 命令行接口（CLI） 103
6.1.2 Hive 查詢語言 104
6.1.3 Hive 數據分析 108
6.2 HBase 113
6.2.1 NoSQL 與列式數據庫 114
6.2.2 HBase 實時分析 116
6.3 小結 122
第7 章 數據采集 123
7.1 使用Sqoop 導入關係數據 124
7.1.1 從MySQL 導入HDFS 124
7.1.2 從MySQL 導入Hive 126
7.1.3 從MySQL 導入HBase 128
7.2 使用Flume 獲取流式數據 130
7.2.1 Flume 數據流 130
7.2.2 使用Flume 獲取產品印象數據 133
7.3 小結 136
第8 章 使用高 級API 進行分析 137
8.1 Pig 137
8.1.1 Pig Latin 138
8.1.2 數據類型 142
8.1.3 關係運算符 142
8.1.4 用戶定義函數 143
8.1.5 Pig 小結 144
8.2 Spark 高 級API 144
8.2.1 Spark SQL 146
8.2.2 DataFrame 148
8.3 小結 153
第9 章 機器學習 154
9.1 使用Spark 進行可擴展的機器學習 154
9.1.1 協同過濾 156
9.1.2 分類 161
9.1.3 聚類 163
9.2 小結 166
* 10 章 總結：分布式數據科學實戰 167
10.1 數據產品生命週期 168
10.1.1 數據湖泊 169
10.1.2 數據采集 171
10.1.3 計算數據存儲 172
10.2 機器學習生命週期 173
10.3 小結 175
附錄A 創建Hadoop 偽分布式開發環境 176
附錄B 安裝Hadoop 生態系統產品 184
術語表 193
關於作者 211
關於封面 211
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。