大數(shù)據(jù)導(dǎo)論

定　價：￥42.00

作　者：	李建偉編
出版社：	北京郵電大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787563558810	出版時間：	2019-09-01	包裝：	平裝
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　《大數(shù)據(jù)導(dǎo)論》系統(tǒng)地介紹了大數(shù)據(jù)技術(shù)的基礎(chǔ)知識。《大數(shù)據(jù)導(dǎo)論》實(shí)戰(zhàn)環(huán)節(jié)的知識是在大數(shù)據(jù)培訓(xùn)的基礎(chǔ)上總結(jié)提煉出來的，案例都為企業(yè)實(shí)際開發(fā)中的案例，所以內(nèi)容的科學(xué)性和有效性已經(jīng)被證實(shí)過，期望讀者通過對《大數(shù)據(jù)導(dǎo)論》的學(xué)習(xí)和對《大數(shù)據(jù)導(dǎo)論》案例的實(shí)踐，理解大數(shù)據(jù)技術(shù)的概念和原理，掌握Hadoop大數(shù)據(jù)技術(shù)中基礎(chǔ)和重要的知識和實(shí)踐。　《大數(shù)據(jù)導(dǎo)論》的主要內(nèi)容包括大數(shù)據(jù)的概念及價值，Hadoop2.0介紹，分布式文件系統(tǒng)HDFS的原理、常用命令操作和編程實(shí)踐，分布式計(jì)算框架MapReduce的原理、基礎(chǔ)編程和高級編程，分布式資源管理系統(tǒng)YARN平臺，分布式鎖服務(wù)ZooKeeper，Hadoop高可用集群搭建和Hadoop實(shí)戰(zhàn)項(xiàng)目。　《大數(shù)據(jù)導(dǎo)論》可作為高等院校成人教育數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)、計(jì)算機(jī)科學(xué)與技術(shù)和軟件工程等專業(yè)的大數(shù)據(jù)課程教材，也可作為相關(guān)技術(shù)人員的參考書。

作者簡介

　　李建偉，2005年畢業(yè)于北京郵電大學(xué)，美國Marist College訪問學(xué)者，主要研究方向：智能自適應(yīng)學(xué)習(xí)系統(tǒng)和大數(shù)據(jù)學(xué)習(xí)分析，曾主持研發(fā)了北京郵電大學(xué)網(wǎng)絡(luò)教育學(xué)院遠(yuǎn)程教育平臺。主要參與的國家、省部級科研項(xiàng)目有國家“十五”重大科技攻關(guān)計(jì)劃“網(wǎng)絡(luò)教育關(guān)鍵技術(shù)及示范工程項(xiàng)目”，國家科技支撐計(jì)劃項(xiàng)目“虛擬實(shí)驗(yàn)智能指導(dǎo)與管理系統(tǒng)的研發(fā)”，國家科技重大專項(xiàng)“寬帶無線校園創(chuàng)新實(shí)驗(yàn)網(wǎng)體系架構(gòu)與關(guān)鍵技術(shù)研究”等，已發(fā)表論文19篇，獲得國家發(fā)明專利2項(xiàng)，獲得北京市教學(xué)成果二等獎1次。

圖書目錄

第1章大數(shù)據(jù)概述
1．1 大數(shù)據(jù)概念及價值
1．2 大數(shù)據(jù)數(shù)據(jù)源
1．3 大數(shù)據(jù)技術(shù)應(yīng)用場景
1．4 大數(shù)據(jù)處理流程及技術(shù)
1．5 大數(shù)據(jù)與云計(jì)算的關(guān)系
1．6 大數(shù)據(jù)與人工智能的關(guān)系
本章小結(jié)
習(xí)題一
第2章 Hadoop介紹
2．1 Hadoop簡介
2．1．1 Hadoop由來
2．1．2 Hadoop發(fā)展歷程
2．1．3 Hadoop生態(tài)系統(tǒng)
2．2 Hadoop的體系架構(gòu)
2．2．1 分布式文件系統(tǒng)HDFS
2．2．2 分布式計(jì)算框架MapReduce
2．2．3 分布式資源調(diào)度系統(tǒng)YARN
2．3 Hadoop依賴的技術(shù)基礎(chǔ)
2．3．1 Java編程基礎(chǔ)
2．3．2 Web可視化技術(shù)基礎(chǔ)
2．3．3 關(guān)系數(shù)據(jù)庫基礎(chǔ)
2．3．4 Linux基礎(chǔ)
2．4 Hadoop2．0集群搭建
2．4．1 偽分布式安裝部署
2．4．2 全分布式安裝部署
本章小結(jié)
習(xí)題二
第3章分布式文件系統(tǒng)HDFS
3．1 HDFS簡介
3．2 HDFS的設(shè)計(jì)目標(biāo)
3．3 HDFS的體系架構(gòu)
3．3．1 主從架構(gòu)
3．3．2 HDFS高可用性架構(gòu)
3．4 HDFS的核心設(shè)計(jì)
3．4．1 數(shù)據(jù)復(fù)制
3．4．2 健壯性設(shè)計(jì)
3．4．3 數(shù)據(jù)組織
3．4．4 存儲空間回收機(jī)制
3．4．5 可訪問性
3．5 HDFS中數(shù)據(jù)流的讀寫
3．5．1 RPC實(shí)現(xiàn)流程
3．5．2 文件的讀取
3．5．3 文件的寫入
3．5．4 一致性模型
3．6 HDFS的聯(lián)邦機(jī)制
本章小結(jié)
習(xí)題三
第4章訪問HDFS的常用接口
4．1 HDFS常用命令接口
4．2 HDFS編程環(huán)境準(zhǔn)備
4．2．1 IDEA的安裝配置及特性
4．2．2 Maven的安裝配置
4．3 Java接口
4．3．1 在本地Windows機(jī)器上配置Hadoop環(huán)境變量
4．3．2 編寫Java客戶端程序
本章小結(jié)
習(xí)題四
第5章分布式計(jì)算框架MapReduce
5．1 MapReduce編程模型簡介
5．1．1 產(chǎn)生背景
5．1．2 MapReduce編程模型
5．1．3 MapReduce工作流程
5．1．4 MapReduce兩個版本比較
5．2 MapReduce入門編程
5．2．1 認(rèn)識Map和Reduce
5．2．2 MapTask階段
5．2．3 ReduceTask階段
本章小結(jié)
習(xí)題五
第6章 MapReduce基礎(chǔ)編程
6．1 MapReduce編程設(shè)計(jì)
6．1．1 MapReduce分布式計(jì)算模型
6．1．2 MapReduce分布式編程框架
6．2 MapReduce編程實(shí)例wordcount
6．2．1 wordcount開發(fā)需求分析
6．2．2 編程環(huán)境準(zhǔn)備
6．2．3 編寫Mapper類
6．2．4 編寫Reducer類
6．2．5 MapReduce程序在YARN集群的運(yùn)行機(jī)制
6．2．6 編寫YARN的客戶端
6．2．7 YARN集群的配置、作業(yè)打包和啟動
本章小結(jié)
習(xí)題六
第7章分布式資源管理系統(tǒng)YARN
7．1 YARN簡介
7．2 發(fā)展史
7．2．1 Hadoop1．
7．2．2 Hadoop2．0和Hadoop1．0的區(qū)別
7．2．3 MapReduce計(jì)算框架的演變
7．3 YARN的架構(gòu)
7．4 YARN集群執(zhí)行應(yīng)用程序的工作流程
7．5 Hadoop如何使用YARN運(yùn)行一個Job
7．6 YARN的調(diào)度策略
7．7 YARN的重要概念總結(jié)
本章小結(jié)
習(xí)題七
第8章 MapReduce高級編程
8．1 Combiner
8．2 Partitioner
8．3 計(jì)數(shù)器
8．4 排序
8．5 Join連接
8．6 倒排索引
8．7 求平均值和數(shù)據(jù)去重
本章小結(jié)
習(xí)題八
第9章分布式鎖服務(wù)ZooKeeper
9．1 ZooKeeper基本概念介紹
9．1．1 ZooKeeper的定義
9．1．2 ZooKeeper的基本原理和應(yīng)用場景
9．1．3 ZooKeeper的選舉機(jī)制
9．1．4 ZooKeeper的存儲機(jī)制
9．2 ZooKeeper集群部署
9．3 ZooKeeper編程實(shí)例
9．3．1 ZooKeeper API基礎(chǔ)知識
9．3．2 ZooKeeper API介紹及編程實(shí)例
本章小結(jié)
習(xí)題九
第10章 Hadoop高可用集群搭建
10．1 HDFS高可用的工作機(jī)制
10．2 集群規(guī)劃
10．3 Hadoop HA集群搭建
10．3．1 前期準(zhǔn)備
10．3．2 安裝ZooKeeper集群
10．3．3 安裝Hadoop集群
10．3．4 啟動集群
10．3．5 測試
本章小結(jié)
習(xí)題十
參考文獻(xiàn)