Hadoop基礎(chǔ)教程pdf 中文完整版

《Hadoop基礎(chǔ)教程》包括三個主要部分：第1~5章講述了Hadoop的核心機制及Hadoop的工作模式；第6~7章涵蓋了Hadoop更多可操作的內(nèi)容；第8~11章介紹了Hadoop與其他產(chǎn)品和技術(shù)的組合使用。

Hadoop 是一些大型搜索引擎數(shù)據(jù)縮減功能的核心部分，但是它實際上是一個分布式數(shù)據(jù)處理框架。搜索引擎需要收集數(shù)據(jù)，而且是數(shù)量極大的數(shù)據(jù)。作為分布式框架，Hadoop 讓許多應(yīng)用程序能夠受益于并行數(shù)據(jù)處理。

Hadoop基礎(chǔ)教程目錄

第1章　緒論　
1.1　大數(shù)據(jù)處理　
1.1.1　數(shù)據(jù)的價值　
1.1.2　受眾較少　
1.1.3　一種不同的方法　
1.1.4　Hadoop　
1.2　基于Amazon Web Services的云計算　
1.2.1　云太多了　
1.2.2　第三種方法　
1.2.3　不同類型的成本　
1.2.4　AWS：Amazon的彈性架構(gòu)　
1.2.5　本書內(nèi)容　
1.3　小結(jié)　

第2章　安裝并運行Hadoop　
2.1　基于本地Ubuntu主機的Hadoop系統(tǒng)　
2.2　實踐環(huán)節(jié)：檢查是否已安裝JDK　
2.3　實踐環(huán)節(jié)：下載Hadoop　
2.4　實踐環(huán)節(jié)：安裝SSH　
2.5　實踐環(huán)節(jié)：使用Hadoop計算圓周率　
2.6　實踐環(huán)節(jié)：配置偽分布式模式　
2.7　實踐環(huán)節(jié)：修改HDFS的根目錄　
2.8　實踐環(huán)節(jié)：格式化NameNode　
2.9　實踐環(huán)節(jié)：啟動Hadoop　
2.10　實踐環(huán)節(jié)：使用HDFS　
2.11　實踐環(huán)節(jié)：MapReduce的經(jīng)典入門程序——字數(shù)統(tǒng)計　
2.12　使用彈性MapReduce　
2.13　實踐環(huán)節(jié)：使用管理控制臺在EMR運行WordCount　
2.13.1　使用EMR的其他方式　
2.13.2　AWS生態(tài)系統(tǒng)　
2.14　本地Hadoop與EMR Hadoop的對比　
2.15　小結(jié)　

第3章　理解MapReduce　
3.1　鍵值對　
3.1.1　具體含義　
3.1.2　為什么采用鍵/值數(shù)據(jù)　
3.1.3　MapReduce作為一系列鍵/值變換　
3.2　MapReduce的Hadoop Java API　
3.3　編寫MapReduce程序　
3.4　實踐環(huán)節(jié)：設(shè)置classpath　
3.5　實踐環(huán)節(jié)：實現(xiàn)WordCount　
3.6　實踐環(huán)節(jié)：構(gòu)建JAR文件　
3.7　實踐環(huán)節(jié)：在本地Hadoop集群運行WordCount　
3.8　實踐環(huán)節(jié)：在EMR上運行WordCount　
3.8.1　0.20之前版本的Java MapReduce API　
3.8.2　Hadoop提供的mapper和reducer實現(xiàn)　
3.9　實踐環(huán)節(jié)：WordCount的簡易方法　
3.10　查看WordCount的運行全貌　
3.10.1　啟動　
3.10.2　將輸入分塊　
3.10.3　任務(wù)分配　
3.10.4　任務(wù)啟動　
3.10.5　不斷監(jiān)視JobTracker　
3.10.6　mapper的輸入　
3.10.7　mapper的執(zhí)行　
3.10.8　mapper的輸出和reducer的輸入　
3.10.9　分塊　
3.10.10　可選分塊函數(shù)　
3.10.11　reducer類的輸入　
3.10.12　reducer類的執(zhí)行　
3.10.13　reducer類的輸出　
3.10.14　關(guān)機　
3.10.15　這就是MapReduce的全部　
3.10.16　也許缺了combiner　
3.11　實踐環(huán)節(jié)：使用combiner編寫WordCount　
3.12　實踐環(huán)節(jié)：更正使用combiner的WordCount　
3.13　Hadoop專有數(shù)據(jù)類型　
3.13.1　Writable和Writable-Comparable接口　
3.13.2　wrapper類介紹　
3.14　實踐環(huán)節(jié)：使用Writable包裝類　
3.15　輸入/輸出　
3.15.1　文件、split和記錄　
3.15.2　InputFormat和RecordReader　
3.15.3　Hadoop提供的InputFormat　
3.15.4　Hadoop提供的RecordReader　
3.15.5　OutputFormat和Record-Writer　
3.15.6　Hadoop提供的OutputFormat　
3.15.7　別忘了Sequence files　
3.16　小結(jié)　

第4章　開發(fā)MapReduce程序　
4.1　使用非Java語言操作Hadoop　
4.1.1　Hadoop Streaming工作原理　
4.1.2　使用Hadoop Streaming的原因　
4.2　實踐環(huán)節(jié)：使用Streaming實現(xiàn)Word-Count　
4.3　分析大數(shù)據(jù)集　
4.3.1　獲取UFO目擊事件數(shù)據(jù)集　
4.3.2　了解數(shù)據(jù)集　
4.4　實踐環(huán)節(jié)：統(tǒng)計匯總UFO數(shù)據(jù)　
4.5　實踐環(huán)節(jié)：統(tǒng)計形狀數(shù)據(jù)　
4.6　實踐環(huán)節(jié)：找出目擊事件的持續(xù)時間與UFO形狀的關(guān)系　
4.7　實踐環(huán)節(jié)：在命令行中執(zhí)行形狀/時間分析　
4.8　實踐環(huán)節(jié)：使用ChainMapper進行字段驗證/分析　
4.9　實踐環(huán)節(jié)：使用Distributed Cache改進地點輸出　
4.10　計數(shù)器、狀態(tài)和其他輸出　
4.11　實踐環(huán)節(jié)：創(chuàng)建計數(shù)器、任務(wù)狀態(tài)和寫入日志　
4.12　小結(jié)　

第5章　高級MapReduce技術(shù)　
5.1　初級、高級還是中級　
5.2　多數(shù)據(jù)源聯(lián)結(jié)　
5.2.1　不適合執(zhí)行聯(lián)結(jié)操作的情況　
5.2.2　map端聯(lián)結(jié)與reduce端聯(lián)結(jié)的對比　
5.2.3　匹配賬戶與銷售信息　
5.3　實踐環(huán)節(jié)：使用MultipleInputs實現(xiàn)reduce端聯(lián)結(jié)　
5.3.1　實現(xiàn)map端聯(lián)結(jié)　
5.3.2　是否進行聯(lián)結(jié)　
5.4　圖算法　
5.4.1　Graph 101　
5.4.2　圖和MapReduce　
5.4.3　圖的表示方法　
5.5　實踐環(huán)節(jié)：圖的表示　
5.6　實踐環(huán)節(jié)：創(chuàng)建源代碼　
5.7　實踐環(huán)節(jié)：第一次運行作業(yè)　
5.8　實踐環(huán)節(jié)：第二次運行作業(yè)　
5.9　實踐環(huán)節(jié)：第三次運行作業(yè)　
5.10　實踐環(huán)節(jié)：第四次也是最后一次運行作業(yè)　
5.10.1　運行多個作業(yè)　
5.10.2　關(guān)于圖的終極思考　
5.11　使用語言無關(guān)的數(shù)據(jù)結(jié)構(gòu)　
5.11.1　候選技術(shù)　
5.11.2　Avro簡介　
5.12　實踐環(huán)節(jié)：獲取并安裝Avro　
5.13　實踐環(huán)節(jié)：定義模式　
5.14　實踐環(huán)節(jié)：使用Ruby創(chuàng)建Avro源數(shù)據(jù)　
5.15　實踐環(huán)節(jié)：使用Java語言編程操作Avro數(shù)據(jù)　
5.16　實踐環(huán)節(jié)：在MapReduce中統(tǒng)計UFO形狀　
5.17　實踐環(huán)節(jié)：使用Ruby檢查輸出數(shù)據(jù)　
5.18　實踐環(huán)節(jié)：使用Java檢查輸出數(shù)據(jù)　
5.19　小結(jié)　

第6章　故障處理　
6.1　故障　
6.1.1　擁抱故障　
6.1.2　至少不怕出現(xiàn)故障　
6.1.3　嚴禁模仿　
6.1.4　故障類型　
6.1.5　Hadoop節(jié)點故障　
6.2　實踐環(huán)節(jié)：殺死DataNode進程　
6.3　實踐環(huán)節(jié)：復(fù)制因子的作用　
6.4　實踐環(huán)節(jié)：故意造成數(shù)據(jù)塊丟失　
6.5　實踐環(huán)節(jié)：殺死TaskTracker進程　
6.6　實踐環(huán)節(jié)：殺死JobTracker　
6.7　實踐環(huán)節(jié)：殺死NameNode進程　
6.8　實踐環(huán)節(jié)：引發(fā)任務(wù)故障　
6.9　數(shù)據(jù)原因造成的任務(wù)故障　
6.10　實踐環(huán)節(jié)：使用skip模式處理異常數(shù)據(jù)　
6.11　小結(jié)　

第7章　系統(tǒng)運行與維護　
7.1　關(guān)于EMR的說明　
7.2　Hadoop配置屬性　
7.3　實踐環(huán)節(jié)：瀏覽默認屬性　
7.3.1　附加的屬性元素　
7.3.2　默認存儲位置　
7.3.3　設(shè)置Hadoop屬性的幾種方式　
7.4　集群設(shè)置　
7.4.1　為集群配備多少臺主機　
7.4.2　特殊節(jié)點的需求　
7.4.3　不同類型的存儲系統(tǒng)　
7.4.4　Hadoop的網(wǎng)絡(luò)配置　
7.5　實踐環(huán)節(jié)：查看默認的機柜配置　
7.6　實踐環(huán)節(jié)：報告每臺主機所在機柜　
7.7　集群訪問控制　
7.8　實踐環(huán)節(jié)：展示Hadoop的默認安全機制　
7.9　管理NameNode　
7.10　實踐環(huán)節(jié)：為fsimage文件新增一個存儲路徑　
7.11　實踐環(huán)節(jié)：遷移到新的NameNode主機　
7.12　管理HDFS　
7.12.1　數(shù)據(jù)寫入位置　
7.12.2　使用平衡器　
7.13　MapReduce管理　
7.13.1　通過命令行管理作業(yè)　
7.13.2　作業(yè)優(yōu)先級和作業(yè)調(diào)度　
7.14　實踐環(huán)節(jié)：修改作業(yè)優(yōu)先級并結(jié)束作業(yè)運行　
7.15　擴展集群規(guī)模　
7.15.1　提升本地Hadoop集群的計算能力　
7.15.2　提升EMR作業(yè)流的計算能力　
7.16　小結(jié)　

第8章　Hive：數(shù)據(jù)的關(guān)系視圖　
8.1　Hive概述　
8.1.1　為什么使用Hive　
8.1.2　感謝Facebook　
8.2　設(shè)置Hive　
8.2.1　準備工作　
8.2.2　下載Hive　
8.3　實踐環(huán)節(jié)：安裝Hive　
8.4　使用Hive　
8.5　實踐環(huán)節(jié)：創(chuàng)建UFO數(shù)據(jù)表　
8.6　實踐環(huán)節(jié)：在表中插入數(shù)據(jù)　
8.7　實踐環(huán)節(jié)：驗證表　
8.8　實踐環(huán)節(jié)：用正確的列分隔符重定義表　
8.9　實踐環(huán)節(jié)：基于現(xiàn)有文件創(chuàng)建表　
8.10　實踐環(huán)節(jié)：執(zhí)行聯(lián)結(jié)操作　
8.11　實踐環(huán)節(jié)：使用視圖　
8.12　實踐環(huán)節(jié)：導(dǎo)出查詢結(jié)果　
8.13　實踐環(huán)節(jié)：制作UFO目擊事件分區(qū)表　
8.13.1　分桶、歸并和排序　
8.13.2　用戶自定義函數(shù)　
8.14　實踐環(huán)節(jié)：新增用戶自定義函數(shù)　
8.14.1　是否進行預(yù)處理　
8.14.2　Hive和Pig的對比　
8.14.3　未提到的內(nèi)容　
8.15　基于Amazon Web Services的Hive　
8.16　實踐環(huán)節(jié)：在EMR上分析UFO數(shù)據(jù)　
8.16.1　在開發(fā)過程中使用交互式作業(yè)流　
8.16.2　與其他AWS產(chǎn)品的集成　
8.17　小結(jié)　

第9章　與關(guān)系數(shù)據(jù)庫協(xié)同工作　
9.1　常見數(shù)據(jù)路徑　
9.1.1　Hadoop用于存儲檔案　
9.1.2　使用Hadoop進行數(shù)據(jù)預(yù)處理　
9.1.3　使用Hadoop作為數(shù)據(jù)輸入工具　
9.1.4　數(shù)據(jù)循環(huán)　
9.2　配置MySQL　
9.3　實踐環(huán)節(jié)：安裝并設(shè)置MySQL　
9.4　實踐環(huán)節(jié)：配置MySQL允許遠程連接　
9.5　實踐環(huán)節(jié)：建立員工數(shù)據(jù)庫　
9.6　把數(shù)據(jù)導(dǎo)入Hadoop　
9.6.1　使用MySQL工具手工導(dǎo)入　
9.6.2　在mapper中訪問數(shù)據(jù)庫　
9.6.3　更好的方法：使用Sqoop　
9.7　實踐環(huán)節(jié)：下載并配置Sqoop　
9.8　實踐環(huán)節(jié)：把MySQL的數(shù)據(jù)導(dǎo)入HDFS　
9.9　實踐環(huán)節(jié)：把MySQL數(shù)據(jù)導(dǎo)出到Hive　
9.10　實踐環(huán)節(jié)：有選擇性的導(dǎo)入數(shù)據(jù)　
9.11　實踐環(huán)節(jié)：使用數(shù)據(jù)類型映射　
9.12　實踐環(huán)節(jié)：通過原始查詢導(dǎo)入數(shù)據(jù)　
9.13　從Hadoop導(dǎo)出數(shù)據(jù)　
9.13.1　在reducer中把數(shù)據(jù)寫入關(guān)系數(shù)據(jù)庫　
9.13.2　利用reducer輸出SQL數(shù)據(jù)文件　
9.13.3　仍是最好的方法　
9.14　實踐環(huán)節(jié)：把Hadoop數(shù)據(jù)導(dǎo)入MySQL　
9.15　實踐環(huán)節(jié)：把Hive數(shù)據(jù)導(dǎo)入MySQL　
9.16　實踐環(huán)節(jié)：改進mapper并重新運行數(shù)據(jù)導(dǎo)出命令　
9.17　在AWS上使用Sqoop　
9.18　小結(jié)　

第10章　使用Flume收集數(shù)據(jù)　
10.1　關(guān)于AWS的說明　
10.2　無處不在的數(shù)據(jù)　
10.2.1　數(shù)據(jù)類別　
10.2.2　把網(wǎng)絡(luò)流量導(dǎo)入Hadoop　
10.3　實踐環(huán)節(jié)：把網(wǎng)絡(luò)服務(wù)器數(shù)據(jù)導(dǎo)入Hadoop　
10.3.1　把文件導(dǎo)入Hadoop　
10.3.2　潛在的問題　
10.4　Apache Flume簡介　
10.5　實踐環(huán)節(jié)：安裝并配置Flume　
10.6　實踐環(huán)節(jié)：把網(wǎng)絡(luò)流量存入日志文件　
10.7　實踐環(huán)節(jié)：把日志輸出到控制臺　
10.8　實踐環(huán)節(jié)：把命令的執(zhí)行結(jié)果寫入平面文件　
10.9　實踐環(huán)節(jié)：把遠程文件數(shù)據(jù)寫入本地平面文件　
10.9.1　信源、信宿和信道　
10.9.2　Flume配置文件　
10.9.3　一切都以事件為核心　
10.10　實踐環(huán)節(jié)：把網(wǎng)絡(luò)數(shù)據(jù)寫入HDFS　
10.11　實踐環(huán)節(jié)：加入時間戳　
10.12　實踐環(huán)節(jié)：多層Flume網(wǎng)絡(luò)　
10.13　實踐環(huán)節(jié)：把事件寫入多個信宿　
10.13.1　選擇器的類型　
10.13.2　信宿故障處理　
10.13.3　使用簡單元件搭建復(fù)雜系統(tǒng)　
10.14　更高的視角　
10.14.1　數(shù)據(jù)的生命周期　
10.14.2　集結(jié)數(shù)據(jù)　
10.14.3　調(diào)度　
10.15　小結(jié)　

第11章　展望未來　
11.1　全書回顧　
11.2　即將到來的Hadoop變革　
11.3　其他版本的Hadoop軟件包　
11.4　其他Apache項目　
11.4.1　HBase　
11.4.2　Oozie　
11.4.3　Whir　
11.4.4　Mahout　
11.4.5　MRUnit　
11.5　其他程序設(shè)計模式　
11.5.1　Pig　
11.5.2　Cascading　
11.6　AWS資源　
11.6.1　在EMR上使用HBase　
11.6.2　SimpleDB　
11.6.3　DynamoDB　
11.7　獲取信息的渠道　
11.7.1　源代碼　
11.7.2　郵件列表和論壇　
11.7.3　LinkedIn群組　
11.7.4　Hadoop用戶群　
11.7.5　會議　
11.8　小結(jié)