大數(shù)據(jù)開(kāi)發(fā)者權(quán)威教程：NoSQL Hadoop組件及大數(shù)據(jù)實(shí)施

目　錄
模塊1　額外的Hadoop工具：ZooKeeper、Sqoop、Flume、YARN和Storm
第1講　用ZooKeeper進(jìn)行分布式處理協(xié)調(diào)　3
1．1　ZooKeeper簡(jiǎn)介　4
1．1．1　ZooKeeper的好處　4
1．1．2　ZooKeeper術(shù)語(yǔ)　6
1．1．3　ZooKeeper命令行界面（CLI）　7
1．2　安裝和運(yùn)行ZooKeeper　9
1．2．1　支持的平臺(tái)　9
1．2．2　所需的軟件　9
1．2．3　單服務(wù)器的安裝　9
1．3　使用ZooKeeper　10
1．4　ZooKeeper應(yīng)用程序　12
1．4．1　FS爬取　13
1．4．2　Katta　14
1．4．3　Yahoo!消息代理（YMB）　14
1．5　使用ZooKeeper構(gòu)建應(yīng)用程序　15
1．5．1　Exec．java　15
1．5．2　處理事件　17
1．5．3　監(jiān)控?cái)?shù)據(jù)　19
1．5．4　實(shí)現(xiàn)屏障和生產(chǎn)者-消費(fèi)者隊(duì)列　22
練習(xí)　30
備忘單　33
第2講　利用Sqoop有效地傳輸批量數(shù)據(jù)　34
2．1　Sqoop簡(jiǎn)介　35
2．1．1　Sqoop中的工作流　36
2．1．2　Sqoop的特性　36
2．2　使用Sqoop 1　37
2．3　用Sqoop導(dǎo)入數(shù)據(jù)　41
2．3．1　導(dǎo)入完整的表　41
2．3．2　用HBase Sqoop導(dǎo)入帶有復(fù)合鍵的表　42
2．3．3　指定目標(biāo)目錄　43
2．3．4　導(dǎo)入選擇的行　43
2．3．5　密碼保護(hù)　44
2．3．6　用不同的文件格式導(dǎo)入數(shù)據(jù)　44
2．3．7　導(dǎo)入數(shù)據(jù)壓縮　45
2．4　控制并行　45
2．5　編碼NULL值　47
2．6　將數(shù)據(jù)導(dǎo)入Hive表　47
2．7　將數(shù)據(jù)導(dǎo)入HBase　47
2．7．1　使用自由形式查詢　48
2．7．2　重命名Sqoop作業(yè)　48
2．8　導(dǎo)出數(shù)據(jù)　49
2．8．1　批量導(dǎo)出　50
2．8．2　原子導(dǎo)出　50
2．9　將數(shù)據(jù)導(dǎo)出至列的子集　50
2．10　Sqoop中的驅(qū)動(dòng)程序和連接器　51
2．10．1　驅(qū)動(dòng)程序　51
2．10．2　連接器　52
2．10．3　連接到數(shù)據(jù)庫(kù)　52
2．11　Sqoop架構(gòu)概覽　54
2．12　Sqoop 2　55
2．12．1　Sqoop 2的優(yōu)勢(shì)　56
2．12．2　易于擴(kuò)展　56
2．12．3　安全　57
練習(xí)　58
備忘單　60
第3講　Flume　62
3．1　Flume簡(jiǎn)介　63
3．1．1　Flume架構(gòu)　64
3．1．2　流可靠性　66
3．2　Flume配置文件　66
3．2．1　流定義　67
3．2．2　配置單個(gè)組件　67
3．2．3　在代理中添加多個(gè)流　68
3．2．4　配置多代理流　69
3．2．5　配置流扇出　70
3．3　設(shè)置Flume　71
3．3．1　安裝Flume　71
3．3．2　配置Flume代理　72
3．3．3　數(shù)據(jù)消費(fèi)　74
3．4　構(gòu)建Flume　77
3．4．1　獲得源點(diǎn)　77
3．4．2　編譯/測(cè)試Flume　77
3．4．3　開(kāi)發(fā)自定義組件　77
練習(xí)　90
備忘單　92
第4講　超越MapReduce—YARN　94
4．1　YARN簡(jiǎn)介　95
4．2　為什么用YARN　96
4．2．1　提高可擴(kuò)展性　96
4．2．2　效率　97
4．2．3　集群共享　97
4．3　YARN生態(tài)系統(tǒng)　98
4．3．1　YARN架構(gòu)　99
4．3．2　資源　100
4．3．3　資源管理器　101
4．3．4　ApplicationMaster　103
4．3．5　YARN的局限性　106
4．4　YARN API例子　107
4．4．1　YARN應(yīng)用程序剖析　107
4．4．2　客戶端　108
4．4．3　把它們整合到一起　115
4．5　Mesos和YARN的比較　116
4．5．1　Mesos簡(jiǎn)介　116
4．5．2　Mesos和Hadoop　118
練習(xí)　120
備忘單　122
第5講　Storm on YARN　124
5．1　Storm和Hadoop　125
5．2　Storm簡(jiǎn)介　126
5．2．1　Storm架構(gòu)　126
5．2．2　Storm應(yīng)用剖析　129
5．3　Storm API　132
5．3．1　spout　132
5．3．2　bolt　134
5．4　Storm on YARN　134
5．4．1　Storm on YARN架構(gòu)　135
5．4．2　Storm on YARN的局限性　136
5．5　安裝Storm on YARN　136
5．5．1　先決條件　136
5．5．2　安裝步驟　137
5．5．3　排錯(cuò)　138
5．5．4　管理YARN on Storm　138
5．6　Storm on YARN的例子　139
5．6．1　傳感器數(shù)據(jù)spout　139
5．6．2　儀表盤bolt　140
5．6．3　HDFS日志記錄器bolt　142
5．6．4　主程序　144
5．6．5　運(yùn)行示例　146
練習(xí)　148
備忘單　151
模塊2　利用NoSQL和Hadoop：實(shí)時(shí)、安全和云
第1講　Hello NoSQL　155
1．1　看兩個(gè)簡(jiǎn)單的例子　156
1．1．1　持久化偏好數(shù)據(jù)的一個(gè)簡(jiǎn)單集合——MongoDB　156
1．1．2　存儲(chǔ)汽車品牌和型號(hào)數(shù)據(jù)——Apache Cassandra　162
1．2　利用語(yǔ)言綁定進(jìn)行工作　171
1．2．1　MongoDB的驅(qū)動(dòng)程序　171
1．2．2　初識(shí)Thrift　174
1．3　存儲(chǔ)和訪問(wèn)數(shù)據(jù)　177
1．4　在MongoDB中存儲(chǔ)和訪問(wèn)數(shù)據(jù)　178
1．5　在HBase中存儲(chǔ)和訪問(wèn)數(shù)據(jù)　185
1．6　在Apache Cassandra中存儲(chǔ)和訪問(wèn)數(shù)據(jù)　189
1．7　NoSQL數(shù)據(jù)存儲(chǔ)的語(yǔ)言綁定　191
1．7．1　用Thrift進(jìn)行診斷　191
1．7．2　Java的語(yǔ)言綁定　191
1．7．3　PHP的語(yǔ)言綁定　194
練習(xí)　195
備忘單　198
第2講　使用NoSQL　199
2．1　創(chuàng)建記錄　200
2．2　訪問(wèn)數(shù)據(jù)　213
2．2．1　訪問(wèn)來(lái)自MongoDB的文檔　213
2．2．2　訪問(wèn)來(lái)自HBase的數(shù)據(jù)　214
2．2．3　查詢Redis　215
2．3　更新和刪除數(shù)據(jù)　216
2．4　MongoDB查詢語(yǔ)言的能力　217
2．4．1　加載MovieLens數(shù)據(jù)　219
2．4．2　獲取評(píng)級(jí)數(shù)據(jù)　221
2．4．3　MongoDB中的MapReduce　224
2．5　訪問(wèn)來(lái)自HBase這樣的面向列的數(shù)據(jù)庫(kù)的數(shù)據(jù)　228
練習(xí)　230
備忘單　234
第3講　Hadoop安全　236
3．1　Hadoop安全挑戰(zhàn)　238
3．2　認(rèn)證　239
3．2．1　Kerberos認(rèn)證　239
3．2．2　Kerberos RPC　244
3．2．3　基于Web的控制臺(tái)的Kerberos　245
3．3　委托安全憑證　248
3．4　授權(quán)　253
3．4．1　HDFS文件權(quán)限　253
3．4．2　服務(wù)級(jí)別授權(quán)　257
3．4．3　作業(yè)授權(quán)　260
練習(xí)　261
備忘單　263
第4講　在AWS上運(yùn)行Hadoop應(yīng)用程序　265
4．1　開(kāi)始了解AWS　266
4．2　在AWS上運(yùn)行Hadoop的選項(xiàng)　267
4．2．1　使用EC2實(shí)例的自定義安裝　267
4．2．2　彈性MapReduce　268
4．3　了解EMR-Hadoop的關(guān)系　269
4．3．1　EMR架構(gòu)　270
4．3．2　使用S3存儲(chǔ)　271
4．3．3　最大化地利用EMR　272
4．3．4　使用CloudWatch和其他AWS組件　274
4．3．5　訪問(wèn)和使用EMR　274
4．4　使用AWS S3　280
4．4．1　了解桶的用法　280
4．4．2　利用控制臺(tái)的內(nèi)容瀏覽　282
4．4．3　編程訪問(wèn)S3中的文件　283
4．4．4　使用MapReduce上傳多個(gè)文件至S3　294
4．5　自動(dòng)化EMR作業(yè)流的創(chuàng)建和作業(yè)執(zhí)行　296
4．6　組織協(xié)調(diào)EMR中作業(yè)的執(zhí)行　301
4．6．1　使用EMR集群上的Oozie　301
4．6．2　AWS簡(jiǎn)單工作流　303
4．6．3　AWS數(shù)據(jù)管道　304
練習(xí)　306
備忘單　309
第5講　實(shí)時(shí)Hadoop　311
5．1　實(shí)時(shí)Hadoop應(yīng)用　312
5．2　使用HBase實(shí)現(xiàn)實(shí)時(shí)應(yīng)用　313
5．2．1　將HBase用作照片管理系統(tǒng)　315
5．2．2　將HBase用作Lucene的后端　322
5．3　使用專門的實(shí)時(shí)Hadoop查詢系統(tǒng)　342
5．3．1　Apache Drill　344
5．3．2　Impala　345
5．3．3　將實(shí)時(shí)查詢系統(tǒng)與MapReduce比較　347
5．4　使用基于Hadoop的事件處理系統(tǒng)　347
5．4．1　HFlame　348
5．4．2　Storm　350
5．4．3　將事件處理與MapReduce作比較　352
練習(xí)　353
備忘單　356
模塊3　Hadoop商業(yè)發(fā)行版和管理工具
第1講　大數(shù)據(jù)簡(jiǎn)介　359
1．1　Cloudera基礎(chǔ)　360
1．1．1　包含Apache Hadoop的Cloudera發(fā)行版　360
1．1．2　Cloudera管理器　361
1．1．3　Cloudera標(biāo)準(zhǔn)版　362
1．1．4　Cloudera企業(yè)版　363
1．2　Cloudera管理器簡(jiǎn)介　365
1．3　Cloudera管理器的管理控制臺(tái)　367
1．3．1　啟動(dòng)并登錄管理控制臺(tái)　370
1．3．2　主頁(yè)　370
1．4　添加和管理服務(wù)　371
1．4．1　添加新服務(wù)　371
1．4．2　啟動(dòng)服務(wù)　372
1．4．3　停止服務(wù)　372
1．4．4　重啟服務(wù)　373
1．5　使用Cloudera管理器的業(yè)務(wù)案例　373
1．6　Cloudera管理器的安裝要求　374
練習(xí)　375
備忘單　377
第2講　Cloudera上的Hive和Cloudera管理　379
2．1　Apache Hive簡(jiǎn)介　380
2．1．1　Hive特性　380
2．1．2　HiveQL　380
2．2　Hive服務(wù)　381
2．2．1　Hive元數(shù)據(jù)服務(wù)器　382
2．2．2　Hive網(wǎng)關(guān)　382
2．2．3　升級(jí)Cloudera管理器　382
2．3　為Hive元存儲(chǔ)配置模式　383
2．3．1　嵌入模式　383
2．3．2　本地模式　384
2．3．3　遠(yuǎn)程模式　385
2．4　配置Hive元存儲(chǔ)　386
2．4．1　Red Hat操作系統(tǒng)　386
2．4．2　SLES操作系統(tǒng)　388
2．4．3　Debian/Ubuntu操作系統(tǒng)　388
2．5　為Hive設(shè)置Cloudera Manager 4．5　389
2．6　Hive復(fù)制　391
練習(xí)　394
備忘單　396
第3講　Hortonworks和Greenplum Pivotal HD　397
3．1　Hortonworks數(shù)據(jù)平臺(tái)　398
3．1．1　核心服務(wù)　400
3．1．2　數(shù)據(jù)服務(wù)　400
3．1．3　操作服務(wù)　401
3．2　系統(tǒng)需求和環(huán)境　402
3．2．1　系統(tǒng)需求　402
3．2．2　構(gòu)建一個(gè)受支持的環(huán)境　404
3．3　安裝HDP　405
3．4　使用Talend Open Studio　409
3．4．1　安裝Talend Open Studio　410
3．4．2　將數(shù)據(jù)導(dǎo)入Talend Open Studio　411
3．4．3　執(zhí)行數(shù)據(jù)分析　413
3．5　Greenplum Pivotal HD　417
練習(xí)　420
備忘單　422
第4講　IBM InfoSphere BigInsights和MapR　424
4．1　InfoSphere BigInsights簡(jiǎn)介　425
4．1．1　Apache Hadoop發(fā)行版的InfoSphere BigInsights組件　426
4．1．2　額外的Hadoop技術(shù)　427
4．1．3　文本分析　428
4．1．4　IBM Big SQL服務(wù)器　428
4．1．5　InfoSphere BigInsights控制臺(tái)　428
4．1．6　InfoSphere BigInsights的Eclipse工具　429
4．2　安裝準(zhǔn)備　430
4．2．1　復(fù)核系統(tǒng)需求　431
4．2．2　選擇一個(gè)用戶　431
4．2．3　配置瀏覽器　432
4．2．4　下載InfoSphere BigInsights　437
4．2．5　完成常見(jiàn)先決條件的任務(wù)　437
4．3　安裝InfoSphere BigInsights　440
4．4　MapR簡(jiǎn)介　442
練習(xí)　445
備忘單　447
第5講　應(yīng)聘準(zhǔn)備　449
5．1　大數(shù)據(jù)開(kāi)發(fā)者需要的關(guān)鍵技術(shù)工具和框架　451
5．2　大數(shù)據(jù)開(kāi)發(fā)者的工作角色和職責(zé)　452
5．3　大數(shù)據(jù)開(kāi)發(fā)者職業(yè)機(jī)會(huì)領(lǐng)域　453