《大数据技术入门》内容简介

从2015年开始，国内大数据市场继续保持高速的发展态势，作者在与地方政府、证券金融公司的项目合作中发现，他们对大数据技术很感兴趣，并希望从大数据技术、大数据采集、管理、分析以及可视化等方面得到指导和应用帮助。因此编写了这本大数据技术的快速入门书。
本书共12章，以Hadoop和Spark框架为线索，比较全面地介绍了Hadoop技术、Spark技术、大数据存储、大数据访问、大数据采集、大数据管理、大数据分析等内容。最后还给出两个案例：环保大数据和公安大数据，供读者参考。
本书适合大数据技术初学者，政府、金融机构的大数据应用决策和技术人员，IT经理，CTO，CIO等快速学习大数据技术。本书也可以作为高等院校和培训学校相关专业的培训教材。
杨正洪，是国内知名大数据专家，毕业于美国State University of New York at Stony Brook，在IBM公司从事大数据相关研发工作12年多。从2003~2013年，杨正洪在美国加州的IBM硅谷实验室（IBM Silicon Valley Lab）负责IBM大数据平台的设计、研发和实施，主持了保险行业、金融行业、政府行业的大数据系统的架构设计和实施。
杨正洪是华中科技大学和中国地质大学客座教授，拥有国家专利，是湖北省2013年海外引进人才。受武汉市政府邀请，杨正洪于2012年12月发起成立武汉市云升科技发展有限公司，并获得东湖高新技术开发区办公场所和资金支持。目前公司在浙江和上海分别有全资子公司，在美国硅谷设有研发中心。公司的核心产品是大数据管理平台EasyDoop，并以EasyDoop为基础研发了公安大数据产品和环保大数据产品。这些产品在公安和环保行业得到成功实施，三次被中央电视台新闻联播节目播报，省部长级政府领导亲自考察，并给予了很高的评价。
杨正洪参与了多项大数据相关标准的制定工作，曾受邀参与了公安部主导的“信息安全技术-大数据平台安全管理产品安全技术要求”的国家标准制定。

作品目录

前言
第1章：大数据时代
1.1、什么是大数据
1.2、大数据的四大特征
1.3、大数据的商用化
1.4、大数据分析
1.5、大数据与云计算的关系
1.6、大数据的国家战略
1.6.1、政府大数据的价值
1.6.2、政府大数据的应用场景
1.7、企业如何迎接大数据
1.7.1、评估大数据方案的维度
1.7.2、业务价值维度
1.7.3、数据维度
1.7.4、现有IT环境和成本维度
1.7.5、数据治理维度
1.8、大数据产业链分析
1.8.1、技术分析
1.8.2、角色分析
1.8.3、大数据运营
1.9、大数据交易
1.10、大数据之我见
第2章：大数据软件框架
2.1、Hadoop框架
2.1.1、HDFS（分布式文件系统）
2.1.2、MapReduce（分布式计算框架）
2.1.3、YARN（集群资源管理器）
2.1.4、Zookeeper（分布式协作服务）
2.1.5、Ambari（管理工具）
2.2、Spark（内存计算框架）
2.2.1、Scala
2.2.2、Spark
SQL
2.2.3、Spark
Streaming
2.3、实时流处理框架
2.4、框架的选择
第3章：安装与配置大数据软件
3.1、Hadoop发行版
3.1.1、Cloudera
3.1.2、HortonWorks
3.1.3、MapR
3.2、安装Hadoop前的准备工作
3.2.1、Linux主机配置
3.2.2、配置Java环境
3.2.3、安装NTP和python
3.2.4、安装和配置openssl
3.2.5、启动和停止特定服务
3.2.6、配置SSH无密码访问
3.3、安装Ambari和HDP
3.3.1、配置安装包文件
3.3.2、安装Ambari
3.3.3、安装和配置HDP
3.4、初识Hadoop
3.4.1、启动和停止服务
3.4.2、使用HDFS
3.5、Hadoop的特性
第4章：大数据存储：文件系统
4.1、HDFS
shell命令
4.2、HDFS配置文件
4.3、HDFS
API编程
4.3.1、读取HDFS文件内容
4.3.2、写HDFS文件内容
4.4、HDFS
API总结
4.4.1、Configuration类
4.4.2、FileSystem抽象类
4.4.3、Path类
4.4.4、FSDataInputStream类
4.4.5、FSDataOutputStream类
4.4.6、IOUtils类
4.4.7、FileStatus类
4.4.8、FsShell类
4.4.9、ChecksumFileSystem抽象类
4.4.10、其他HDFS
API实例
4.4.11、综合实例
4.5、HDFS文件格式
4.5.1、SequenceFile
4.5.2、TextFile（文本格式）
4.5.3、RCFile
4.5.4、Avro
第5章：大数据存储：数据库
5.1、NoSQL
5.2、HBase管理
5.2.1、HBase表结构
5.2.2、HBase系统架构
5.2.3、启动并操作HBase数据库
5.2.4、HBase
Shell工具
5.3、HBase编程
5.3.1、增删改查API
5.3.2、过滤器
5.3.3、计数器
5.3.4、原子操作
5.3.5、管理API
5.4、其他NoSQL数据库
第6章：大数据访问：SQL引擎层
6.1、Phoenix
6.1.1、安装和配置Phoenix
6.1.2、在eclipse上开发phoenix程序
6.1.3、Phoenix
SQL工具
6.1.4、Phoenix
SQL语法
6.2、Hive
6.2.1、Hive架构
6.2.2、安装Hive
6.2.3、Hive和MySQL的配置
6.2.4、Hive
CLI
6.2.5、Hive数据类型
6.2.6、HiveQL
DDL
6.2.7、HiveQL
DML
6.2.8、Hive编程
6.2.9、HBase集成
6.2.10、XML和JSON数据
6.2.11、使用Tez
6.3、Pig
6.3.1、Pig语法
6.3.2、Pig和Hive的使用场景比较
6.4、ElasticSearch（全文搜索引擎）
6.4.1、全文索引的基础知识
6.4.2、安装和配置ES
6.4.3、ES
API
第7章：大数据采集和导入
7.1、Flume
7.1.1、Flume架构
7.1.2、Flume事件
7.1.3、Flume源
7.1.4、Flume拦截器（Interceptor）
7.1.5、Flume通道选择器（Channel
Selector）
7.1.6、Flume通道
7.1.7、Flume接收器
7.1.8、负载均衡和单点失败
7.1.9、Flume监控管理
7.1.10、Flume实例
7.2、Kafka
7.2.1、Kafka架构
7.2.2、Kafka与JMS的异同
7.2.3、Kafka性能考虑
7.2.4、消息传送机制
7.2.5、Kafka和Flume的比较
7.3、Sqoop
7.3.1、从数据库导入HDFS
7.3.2、增量导入
7.3.3、将数据从Oracle导入Hive
7.3.4、将数据从Oracle导入HBase
7.3.5、导入所有表
7.3.6、从HDFS导出数据
7.3.7、数据验证
7.3.8、其他Sqoop功能
7.4、Storm
7.4.1、Storm基本概念
7.4.2、spout
7.4.3、bolt
7.4.4、拓扑
7.4.5、
Storm总结
7.5、Splunk
第8章：大数据管理平台
8.1、大数据建设总体架构
8.2、大数据管理平台的必要性
8.3、大数据管理平台的功能
8.3.1、推进数据资源全面整合共享
8.3.2、增强数据管理水平
8.3.3、支撑创新大数据分析
8.4、数据管理平台（DMP）
8.5、EasyDoop案例分析
8.5.1、大数据建模平台
8.5.2、大数据交换和共享平台
8.5.3、大数据云平台
8.5.4、大数据服务平台
8.5.5、EasyDoop平台技术原理分析
第9章：Spark技术
9.1、Spark框架
9.1.1、安装Spark
9.1.2、配置Spark
9.2、Spark
Shell
9.3、Spark编程
9.3.1、编写Spark
API程序
9.3.2、使用sbt编译并打成jar包
9.3.3、运行程序
9.4、RDD
9.4.1、RDD算子和RDD依赖关系
9.4.2、RDD转换操作
9.4.3、RDD行动（Action）操作
9.4.4、RDD控制操作
9.4.5、RDD实例
9.5、Spark
SQL
9.5.1、DataFrame
9.5.2、RDD转化为DataFrame
9.5.3、JDBC数据源
9.5.4、Hive数据源
9.6、Spark
Streaming
9.6.1、DStream编程模型
9.6.2、DStream操作
9.6.3、性能考虑
9.6.4、容错能力
9.7、GraphX图计算框架
9.7.1、属性图
9.7.2、图操作符
9.7.3、属性操作
9.7.4、结构操作
9.7.5、关联（join）操作
9.7.6、聚合操作
9.7.7、计算度信息
9.7.8、缓存操作
9.7.9、图算法
第10章：大数据分析
10.1、数据科学
10.1.1、探索性数据分析
10.1.2、描述统计
10.1.3、数据可视化
10.2、预测分析
10.2.1、预测分析实例
10.2.2、回归（Regression）分析预测法
10.3、机器学习
10.3.1、机器学习的市场动态
10.3.2、机器学习分类
10.3.3、机器学习算法
10.4、Spark
MLib
10.4.1、MLib架构
10.4.2、MLib算法库
10.4.3、决策树
10.5、深入了解算法
10.5.1、分类算法
10.5.2、预测算法
10.5.3、聚类分析
10.5.4、关联分析
10.5.5、异常值分析算法
10.5.6、协同过滤（推荐引擎）算法
10.6、Mahout简介
第11章：案例分析：环保大数据
11.1、环保大数据管理平台
11.2、环保大数据应用平台
11.2.1、环境自动监测监控服务
11.2.2、综合查询服务
11.2.3、统计分析服务
11.2.4、GIS服务
11.2.5、视频服务
11.2.6、预警服务
11.2.7、应急服务
11.2.8、电子政务服务
11.2.9、智能化运营管理系统
11.2.10、环保移动应用系统
11.2.11、空气质量发布系统
11.3、环保大数据分析系统
第12章：案例分析：公安大数据
12.1、总体架构设计
12.2、建设内容
12.3、建设步骤
附录
1、数据量的单位级别
附录
2、Linux
Shell常见命令
附录
3、Ganglia（分布式监控系统）
附录
4、auth-ssh脚本
附录
5、作者简介