大數(shù)據(jù)平臺應(yīng)用

定　價：￥39.00

作　者：	張靖，李俊翰，孫小娟，王磊編
出版社：	電子工業(yè)出版社
叢編項：	高等職業(yè)教育云計算系列規(guī)劃教材
標(biāo)　簽：	暫缺

購買這本書可以去

京東 (￥39.00)

ISBN：	9787121385407	出版時間：	2020-03-01	包裝：	平裝
開本：	16開	頁數(shù)：	182	字?jǐn)?shù)：

內(nèi)容簡介

　　《大數(shù)據(jù)平臺應(yīng)用》是結(jié)合職業(yè)教育的實(shí)際情況而開發(fā)的云計算技術(shù)與應(yīng)用專業(yè)系列教材之一，對云計算技術(shù)與應(yīng)用專業(yè)、大數(shù)據(jù)技術(shù)與應(yīng)用專業(yè)的學(xué)生及大數(shù)據(jù)初學(xué)者而言是一本不錯的入門教程?！洞髷?shù)據(jù)平臺應(yīng)用》強(qiáng)調(diào)理論知識以夠用為度，注重動手能力，在動手中逐漸掌握大數(shù)據(jù)相關(guān)技術(shù)?！洞髷?shù)據(jù)平臺應(yīng)用》內(nèi)容包括感知大數(shù)據(jù)、環(huán)視Hadoop、部署Hadoop大數(shù)據(jù)平臺、設(shè)計爬蟲獲取數(shù)據(jù)源、清洗數(shù)據(jù)與存儲結(jié)構(gòu)化、分析大數(shù)據(jù)、可視化大數(shù)據(jù)、平臺化快速部署Hadoop等知識?！洞髷?shù)據(jù)平臺應(yīng)用》涵蓋內(nèi)容較為廣泛，但注重點(diǎn)到為止，方便讀者快速入門。《大數(shù)據(jù)平臺應(yīng)用》不僅可以作為高職高專、應(yīng)用型本科相關(guān)專業(yè)的教材，也可以作為云計算培訓(xùn)及自學(xué)教材，還可以作為電子信息類專業(yè)教師及學(xué)生的參考書。

作者簡介

　　張靖（1988.6―），男，重慶大學(xué)軟件工程碩士畢業(yè)，重慶電子工程職業(yè)學(xué)院云計算技術(shù)與應(yīng)用專業(yè)專職教師。近幾年來，獲得中國通信工業(yè)協(xié)會第一屆教學(xué)成果獎一等獎；實(shí)用新型專利2項；發(fā)表論文3篇；云數(shù)據(jù)庫應(yīng)用（MySQL）副主編；2018年全國職業(yè)院校技能大賽云計算技術(shù)與應(yīng)用賽項二等獎指導(dǎo)老師，2018年全國職業(yè)技能競賽大數(shù)據(jù)技術(shù)與應(yīng)用一等獎指導(dǎo)老師；指導(dǎo)學(xué)生參加重慶市技能競賽獲一等獎1項，2等獎1項，3等獎2項。

圖書目錄

第1章感知大數(shù)據(jù)\t1
任務(wù)1 認(rèn)知大數(shù)據(jù)\t1
子任務(wù)1 定義大數(shù)據(jù)\t2
子任務(wù)2 洞悉大數(shù)據(jù)的特征\t2
任務(wù)2 探究大數(shù)據(jù)常用的技術(shù)\t3
任務(wù)3 窺視大數(shù)據(jù)的商業(yè)應(yīng)用\t4
課后練習(xí)\t5
第2章環(huán)視Hadoop\t6
任務(wù)1 溯源Hadoop\t6
子任務(wù)1 較量Hadoop與傳統(tǒng)文件系統(tǒng)\t8
子任務(wù)2 發(fā)現(xiàn)Hadoop的核心和特點(diǎn)\t9
子任務(wù)3 初訪MapReduce\t10
任務(wù)2 查究Hadoop分布式文件系統(tǒng)\t12
子任務(wù)1 探究HDFS工作機(jī)制\t12
子任務(wù)2 厘清HDFS的前提和設(shè)計目標(biāo)\t15
子任務(wù)3 深挖HDFS的核心機(jī)制\t19
任務(wù)3 構(gòu)建MapReduce編程模型\t22
子任務(wù)1 解構(gòu)MapReduce編程模型\t22
子任務(wù)2 揭秘YARN與MapReduce\t24
任務(wù)4 漫游Hadoop系統(tǒng)及其生態(tài)圈\t25
課后練習(xí)\t32
第3章部署Hadoop大數(shù)據(jù)平臺\t34
任務(wù)1 掌控Hadoop平臺的部署模式\t34
任務(wù)2 部署Hadoop集群\t36
任務(wù)3 編寫首個MapReduce程序\t59
任務(wù)4 初次運(yùn)行MapReduce程序\t60
課后練習(xí)\t64
本章附錄\t65
第4章設(shè)計爬蟲獲取數(shù)據(jù)源\t69
任務(wù)1 初探大數(shù)據(jù)\t69
任務(wù)2 剖析大數(shù)據(jù)\t74
任務(wù)3 爬取大數(shù)據(jù)\t76
任務(wù)4 活用Scrapy框架高效編制爬蟲\t79
任務(wù)5 運(yùn)用Scrapy\t81
課后練習(xí)\t89
第5章清洗數(shù)據(jù)與存儲結(jié)構(gòu)化\t91
任務(wù)1 揭示數(shù)據(jù)清洗\t91
任務(wù)2 清洗數(shù)據(jù)\t92
子任務(wù)1 熟知數(shù)據(jù)的基本操作\t92
子任務(wù)2 處理數(shù)據(jù)缺失\t94
子任務(wù)3 規(guī)范化數(shù)據(jù)\t96
子任務(wù)4 處理數(shù)據(jù)表結(jié)構(gòu)的錯誤\t97
子任務(wù)5 處理日期數(shù)據(jù)的問題\t102
任務(wù)3 使用分布式數(shù)據(jù)庫系統(tǒng)和結(jié)構(gòu)存儲數(shù)據(jù)\t104
子任務(wù)1 安裝并使用Hive數(shù)據(jù)倉庫\t104
子任務(wù)2 安裝并使用HBase分布式數(shù)據(jù)庫\t110
課后練習(xí)\t114
第6章分析大數(shù)據(jù)\t115
任務(wù)1 透視數(shù)據(jù)分析\t115
任務(wù)2 構(gòu)建分析模型\t116
子任務(wù)1 厘清數(shù)據(jù)分析過程\t116
子任務(wù)2 數(shù)據(jù)機(jī)器學(xué)習(xí)模型\t117
任務(wù)3 運(yùn)用大數(shù)據(jù)分析算法分析數(shù)據(jù)\t119
子任務(wù)1 運(yùn)用K-Means聚類算法分析數(shù)據(jù)\t120
子任務(wù)2 運(yùn)用線性回歸算法分析數(shù)據(jù)\t123
子任務(wù)3 運(yùn)用決策樹算法分析數(shù)據(jù)\t127
課后練習(xí)\t130
第7章可視化大數(shù)據(jù)\t131
任務(wù)1 洞察pyecharts庫\t131
任務(wù)2 活用可視化\t132
子任務(wù)1 活用柱狀圖/條形圖（Bar）\t132
子任務(wù)2 活用散點(diǎn)圖（EffectScatter）\t139
子任務(wù)3 活用漏斗圖（Funnel）\t142
子任務(wù)4 活用儀表盤（Gauge）\t143
子任務(wù)5 活用地理坐標(biāo)圖（Geo）\t144
子任務(wù)6 活用關(guān)系圖（Graph）\t145
子任務(wù)7 活用熱力圖（HeatMap）\t148
子任務(wù)8 活用K線圖（Kline/Candlestick）\t150
子任務(wù)9 活用折線圖/面積圖（Line）\t152
子任務(wù)10 活用水球圖（Liquid）\t153
子任務(wù)11 活用地圖（Map）\t154
子任務(wù)12 活用餅圖（Pie）\t155
子任務(wù)13 活用平行坐標(biāo)系（Parallel）\t156
子任務(wù)14 活用雷達(dá)圖（Radar）\t159
子任務(wù)15 活用詞云（WordCloud）圖\t160
課后練習(xí)\t161
第8章平臺化快速部署Hadoop\t163
任務(wù)1 探尋大數(shù)據(jù)管理平臺\t163
任務(wù)2 配置基礎(chǔ)環(huán)境\t165
子任務(wù)1 配置Linux系統(tǒng)\t165
子任務(wù)2 禁用Transparent Huge Pages\t169
子任務(wù)3 安裝并配置JDK\t170
任務(wù)3 安裝并配置Ambari\t170
任務(wù)4 快速部署Hadoop大數(shù)據(jù)集群\t173
課后練習(xí)\t178
附錄A 課后練習(xí)參考答案\t179