• 
  信号与系统 （内容一致 印次 封面 原价不同 统一售价 随机发货）
  ￥6.90

《深入云计算:Hadoop应用开发实战详解》由浅入深,全面、系统地介绍了Hadoop这一高性能处理海量数据集的理想工具。《深入云计算:Hadoop应用开发实战详解》的内容主要包括hdfs、mapreduce、hive、hbase、mahout、pig、zookeeper、avro、chukwa等与hadoop相关的子项目,各个知识点都精心设计了大量经典的小案例,实战型强,可操作性强。 深入云计算-Hadoop 应用开发实战详解_万川梅,谢正兰 编_中国铁道出版社_

第1篇Hadoop技术篇
第 1章初识Hadoop
1.1Hadoop简介
1.1.1Hadoop的起源
1.1.2什么是Hadoop
1.1.3Hadoop的核心技术是Google核心技术的开源实现
1.1.4Hadoop的功能与优点
1.1.5Hadoop的应用现状和发展趋势
1.2Hadoop的体系结构
1.2.1HDFS的体系结构
1.2.2MapReduce的体系结构
1.3Hadoop与分布式开发
1.4Hadoop的数据管理
1.4.1HDFS的数据管理
1.4.2HBase的数据管理第1篇Hadoop技术篇
第 1章初识Hadoop
1.1Hadoop简介
1.1.1Hadoop的起源
1.1.2什么是Hadoop
1.1.3Hadoop的核心技术是Google核心技术的开源实现
1.1.4Hadoop的功能与优点
1.1.5Hadoop的应用现状和发展趋势
1.2Hadoop的体系结构
1.2.1HDFS的体系结构
1.2.2MapReduce的体系结构
1.3Hadoop与分布式开发
1.4Hadoop的数据管理
1.4.1HDFS的数据管理
1.4.2HBase的数据管理
1.4.3Hive的数据管理
1.5思考与总结
第 2章Hadoop的安装和配置
2.1在Windows下安装与配置Hadoop
2.1.1JDK的安装
2.1.2Cygwin的安装
2.1.3Hadoop的安装
2.2在Linux下安装与配置Hadoop
2.2.1Ubuntu的安装
2.2.2JDK的安装
2.2.3Hadoop的安装
2.3Hadoop的执行实例
2.3.1运行Hadoop
2.3.2运行wordcount.java程序
2.4Hadoop Eclipse简介和使用
2.4.1Eclipse插件介绍
2.4.2Eclipse插件开发配置
2.4.3在Eclipse下运行WordCount程序
2.5Hadoop的集群和优化
2.5.1Hadoop的性能优化
2.5.2Hadoop配置机架感知信息
2.6思考与总结
第 3章HDFS海量存储
3.1开源的GFS——HDFS
3.1.1HDFS简介
3.1.2HDFS的体系结构
3.1.3HDFS的保障可靠性措施
3.2HDFS的常用操作
3.2.1HDFS下的文件操作
3.2.2管理与更新
3.2.3HDFS API详解
3.2.4HDFS的读/写数据流
3.3用HDFS存储海量的视频数据
3.3.1场景分析
3.3.2设计实现
3.4思考与总结
第 4章初识MapReduce
4.1MapReduce简介
4.1.1MapReduce要解决什么问题
4.1.2MapReduce的理论基础
4.1.3MapReduce的编程模式
4.2MapReduce的集群行为
4.3Map/Reduce框架
4.4样例分析:单词计数
4.4.1WordCount实例的运行过程
4.4.2WordCount的源码分析和程序处理过程
4.4.3MapReduce常用类及其接口
4.5实例:倒排索引
4.5.1倒排索引的分析和设计
4.5.2倒排索引完整源码
4.5.3运行代码结果
4.6MapReduce 在日志分析中数据去重案例
4.6.1什么是数据去重
4.6.2设计思路
4.6.3程序代码
4.6.4代码运行结果
4.7数据排序实例
4.7.1实例描述
4.7.2设计思路
4.7.3程序代码
4.8思考与总结
第 5章分布式开源数据库HBase
5.1HBase简介
5.1.1HBase逻辑视图
5.1.2HBase物理存储
5.1.3子表Region服务器
5.1.4Hmaster主服务器
5.1.5元数据表
5.2HBase的安装配置
5.2.1HBase单机模式
5.2.2HBase伪分布模式
5.2.3HBase完全分布模式
5.3学生成绩表实例
5.3.1Shell的基本操作
5.3.2代码实现
5.3.3关于中文的处理
5.3.4常用HBase的 Shell操作
5.4思考与总结
第 6章MapReduce进阶
6.1API的配置
6.1.1一个简单的配置文件
6.1.2合并多个源文件
6.1.3可变的扩展
6.2配置开发环境
6.2.1配置文件设置
6.2.2设置用户标识
6.3复合键值对的使用
6.3.1小的键值对如何合并成大的键值对
6.3.2巧用复合键让系统完成排序
6.4用户定制数据类型
6.4.1内置数据类型
6.4.2用户自定义数据类型
6.5用户定制输入/输出格式
6.5.1内置数据的输入格式
6.5.2用户定制数据输入格式与RecordReader
6.5.3Hadoop内置的数据输出格式
6.5.4 Hadoop内置的数据输出格式与RecordWriter
6.6用户定制Partitioner和Combiner
6.7组合式的MapReduce作业
6.7.1MapReduce作业运行机制
6.7.2组合式MapReduce计算作业
6.8DataJoin链接多数据源
6.9思考与总结
第 7章Hive数据仓库
7.1Hive简介
7.2Hive安装与配置
7.3Hive的服务
7.3.1Hive shell
7.3.2JDBC/ODBC
7.3.3Thrift服务
7.3.4Web接口
7.3.5元数据服务
7.4HiveQL查询语言
7.5Hive实例
7.5.1UDF 编程实例
7.5.2UDAF 编程实例
7.5.3Hive的日志数据统计实战
7.6思考与总结
第 8章Pig开发应用
8.1Pig简介
8.2Pig的安装与配置
8.3Pig的使用
8.3.1Pig的MapReduce模式
8.3.2Pig的运行方式
8.4通过Grunt学习Pig Latin
8.4.1Pig的数据模型
8.4.2运算符
8.4.3常用操作
8.4.4各种SQL在Pig中的实现
8.4.5Pig Latin实现
8.5Pig使用的案例
8.6思考与总结
第 9章Chukwa数据收集系统
9.1Chukwa简介
9.1.1Chukwa是什么
9.1.2Chukwa主要解决什么问题
9.2Chukwa的安装配置
9.2.1Chukwa的安装
9.2.2Chukwa的配置
9.2.3Chukwa的启动
9.3Chukwa的基本命令
9.3.1Chukwa端的命令
9.3.2Agent 端的命令
9.4Chukwa在数据收集处理方面的运用
9.4.1数据生成
9.4.2数据收集
9.4.3数据处理
9.4.4数据析取
9.4.5数据稀释
9.4.6数据显示
9.5思考与总结
第 10章ZooKeeper开发应用
10.1ZooKeeper简介
10.1.1ZooKeeper的设计目标
10.1.2ZooKeeper主要解决什么问题
10.1.3ZooKeeper的基本概念和工作原理
10.2ZooKeeper的安装配置
10.2.1单机模式
10.2.2启动并测试ZooKeeper
10.2.3集群模式
10.3ZooKeeper提供的接口
10.4ZooKeeper事件
10.5ZooKeeper实例
10.5.1实例1:一个简单的应用——分布式互斥锁
10.5.2实例2:进程调度系统
10.6思考与总结
第2篇Hadoop管理和容错篇
第 11章Hadoop管理
11.1Hadoop权限管理
11.2HDFS文件系统管理
11.3Hadoop维护与管理
11.4Hadoop常见问题及解决办法
11.5思考与总结
第 12章Hadoop容错
12.1Hadoop的可靠性
12.1.1HDFS中的NameNode单点失效解决方案
12.1.2HDFS数据块副本机制
12.1.3HDFS心跳机制
12.1.4HDFS负载均衡
12.1.5MapReduce容错
12.2Hadoop的SecondayNameNode机制
12.2.1磁盘镜像与日志文件
12.2.2SecondaryNameNode更新镜像的流程
12.3Avatar机制
12.3.1Avatar机制简介
12.3.2Avatars部署实战
12.4Hadoop_HBase容错
12.5思考与总结
第3篇Hadoop实战篇
第 13章综合实战1:Hadoop中的数据库访问
13.1DBInputFormat类访问数据库
13.1.1在DBInputFormat类中包含的内置类
13.1.2使用DBInputFormat读取数据库表中的记录
13.1.3使用示例
13.2使用DBOutputFormat向数据库中写记录
13.3思考与总结
第 14章综合实战2:一个简单的分布式的Grep
14.1分析与设计
14.2实现代码
14.3运行程序
14.4思考与总结
第 15章综合实战3:打造一个搜索引擎
15.1搜索引擎工作原理
15.2网页搜集与信息提取
15.2.1设计的主要思想
15.2.2系统设计目标
15.3网页信息的提取与存储
15.4MapReduce的预处理
15.4.1**步:源数据过滤
15.4.2第二步:生成倒排文件
15.4.3第三步:建立二级索引
15.5建立Web信息查询服务
15.6思考与总结
第 16章综合实战4:移动通信信令监测与查询
16.1分析与设计
16.1.1CDR数据文件的检测与索引创建任务调度
16.1.2从HDFS读取数据并创建索引
16.1.3查询CDR信息
16.2代码实现
16.2.1CDR文件检测和索引创建任务程序
16.2.2读取CDR数据和索引创建处理
16.2.3CDR查询
16.3思考与总结
附录AHadoop命令大全
附录BHDFS命令大全

为什么需要云计算?可以通过一个简单的案例说明:一台计算机处理一批数据需要30小时,比如处理地震预测、天气预报的数据,这样的计算速度实在是太慢了。提升单台计算机的速度是过去的办法,但CPU的速度不可能再大幅度提升了。人们一直希望通过增加计算机数量并行运算提升运算和数据处理速度,例如,希望通过同时在300台计算机上处理数据,让处理这批数据的速度变成10分钟,并且看起来是在一台计算机上处理的。当然,这是一种理想状态。实际上,人们已经开始设计这样的分布式系统,通过把众多的计算机通过集群方式并行同时运行,以此来提高处理的速度。这就是云计算的源起。
在开源云计算系统中,Hadoop 稳居**。事实上,Hadoop 非常受欢迎,全球已经安装了数以万计的 Hadoop 系统。在诸多的云计算技术中,Hadoop具有****的优势,越来越多的公司和组织选择使用Hadoop开源项目作为其解决方案。
Hadoop是Apache基金会的开源项目,为***提供了一个分布式系统的基础架构,用户可以在不了解分布式系统的底层细节的情况下开发分布式的应用,充分利用集群的强大功能,实现高速运算和存储。Hadoop项目中包括一个分布式的文件系统HDFS,一个分布式的并行编程框架MapReduce,以及包括Hive、HBase、Mahout、Pig、ZooKeeper、Avro、Chukwa在内的诸多子项目。
本书的特点
1.结构合理,内容系统全面;叙述翔实,例程丰富
在内容的安排上,根据读者的学习习惯和内容的梯度合理安排,更加适合读者学习。同时,本书有详细的例程,每个例子都经过精挑细选,有很强的针对性。书中的程序都有完整的代码,而且代码非常简洁和**,便于读者学习和调试,读者也可以直接使用这些代码来解决自己的问题。
2.基础知识和实践并重
本书不仅注重基础知识,而且非常注重实践,让读者快速上手,迅速掌握Hadoop知识。
3.结合实际,实战项目贯穿其中
本书写作时特意给出了大量的实战项目,这些项目的灵活使用,将会让读者事半功倍。同时,为了便于读者**、直观地学习本书内容,对每章的内容的学习都特意编写了巩固习题。


本书内容体系
全书总共16章,分为3篇,各篇对应的章节和具体内容如下。
第1篇Hadoop技术篇,包括1~10章,主要介绍了初识Hadoop、Hadoop的安装和配置、HDFS海量存储、初识MapReduce、分布式开源数据库HBase、MapReduce进阶、Hive数据仓库、Pig开发应用、Chukwa数据收集系统、ZooKeeper开发应用。
第2篇Hadoop管理和容错篇,包括11~12章,主要介绍了 Hadoop管理和Hadoop容错。
第3篇Hadoop实战篇,包括13~16章,主要介绍了综合实战1:Hadoop中的数据访问;综合实战2:一个简单的分布式的Grep;综合实战3:打造一个搜索引擎;综合实战4:移动通信信令监测与查询。
本书读者对象
· Hadoop初学者。
· 想全面、系统地学习Hadoop的人员。
· Hadoop技术爱好者。
· 利用Hadoop进行编程和开发的技术人员。
· 大中专院校的学生和老师。
· 相关培训机构的学员。
由于编者水平有限,加之时间较紧,书中难免存在疏漏和错误之处,敬请读者批评指正,编者也会定期在www.rzchina.net进行答疑解惑。

全面掌握Hadoop编程和开发技术,获得快速分析和解决实际问题的能力。