《HAWQ数据仓库与数据挖掘实战》内容简介

ApacheHAWQ是一个SQL-on-Hadoop产品，它非常适合用于Hadoop平台上快速构建数据仓库系统。HAWQ具有大规模并行处理、完善的SQL兼容性、支持存储过程和事务、出色的性能表现等特性，还可与开源数据挖掘库MADlib轻松整合，从而使用SQL就能进行数据挖掘与机器学习。《HAWQ数据仓库与数据挖掘实战》内容分技术解析、实战演练与数据挖掘三个部分共27章。技术解析部分说明HAWQ的基础架构与功能特性，包括安装、连接、对象与资源管理、查询优化、备份恢复、高可用性等。实战演练部分用一个完整的示例，说明如何使用HAWQ取代传统数据仓库，包括ETL处理、自动调度系统、维度表与事实表技术、OLAP与数据的图形化表示等。数据挖掘部分用实例说明HAWQ与MADlib整合，实现降维、协同过滤、关联规则、回归、聚类、分类等常见数据挖掘与机器学习方法。《HAWQ数据仓库与数据挖掘实战》适合数据库管理员、大数据技术人员、Hadoop技术人员、数据仓库技术人员，也适合高等院校和培训机构相关专业的师生教学参考。
王雪迎，毕业于中国地质大学计算机专业，高级工程师，从事数据库、数据仓库相关技术工作20年。先后供职于北京现代商业信息技术有限公司、北京在线九州信息技术服务有限公司、华北计算技术研究所、北京优贝在线网络科技有限公司，担任DBA、数据架构师等职位。著有图书《Hadoop数据仓库实践》。

作品目录

作者简介
内容简介
推荐序
前言
第一部分
HAWQ技术解析
第1章：◄HAWQ概述►
1.1、SQL-on-Hadoop
1.2、HAWQ简介
1.3、HAWQ系统架构
1.4、为什么选择HAWQ
1.5、小结
第2章：◄HAWQ安装部署►
2.1、安装规划
2.2、安装前准备
2.3、安装Ambari
2.4、安装HDP集群
2.5、安装HAWQ
2.6、启动与停止HAWQ
2.7、小结
第3章：◄连接管理►
3.1、配置客户端身份认证
3.2、管理角色与权限
3.3、psql连接HAWQ
3.4、Kettle连接HAWQ
3.5、连接常见问题
3.6、小结
第4章：◄数据库对象管理►
4.1、创建和管理数据库
4.2、创建和管理表空间
4.3、创建和管理模式
4.4、创建和管理表
4.5、创建和管理视图
4.6、管理其他对象
4.7、小结
第5章：◄分区表►
5.1、HAWQ中的分区表
5.2、确定分区策略
5.3、创建分区表
5.4、分区消除
5.5、分区表维护
5.6、小结
第6章：◄存储管理►
6.1、数据存储选项
6.2、数据分布策略
6.3、从已有的表创建新表
6.4、小结
第7章：◄资源管理►
7.1、HAWQ资源管理概述
7.2、配置独立资源管理器
7.3、整合YARN
7.4、管理资源队列
7.5、查询资源管理器状态
7.6、小结
第8章：◄数据管理►
8.1、基本数据操作
8.2、数据装载与卸载
8.3、数据库统计
8.4、PXF
8.5、小结
第9章：◄过程语言►
9.1、HAWQ内建SQL语言
9.2、PL/pgSQL函数
9.3、给HAWQ内部函数起别名
9.4、表函数
9.5、参数个数可变的函数
9.6、多态类型
9.7、UDF管理
9.8、UDF实例——递归树形遍历
9.9、小结
第10章：◄查询优化►
10.1、HAWQ的查询处理流程
10.2、GPORCA查询优化器
10.3、性能优化
10.4、查询剖析
10.5、小结
第11章：◄高可用性►
11.1、备份与恢复
11.2、高可用性
11.3、小结
第二部分
HAWQ实战演练
第12章：◄建立数据仓库示例模型►
12.1、业务场景
12.2、数据仓库架构
12.3、实验环境
12.4、HAWQ相关配置
12.5、创建示例数据库
12.6、小结
第13章：◄初始ETL►
13.1、用Sqoop初始数据抽取
13.2、向HAWQ初始装载数据
13.3、建立初始ETL脚本
13.4、小结
第14章：◄定期ETL►
14.1、变化数据捕获
14.2、创建维度表版本视图
14.3、创建时间戳表
14.4、用Sqoop定期数据抽取
14.5、建立定期装载HAWQ函数
14.6、建立定期ETL脚本
14.7、测试
14.8、动态分区滚动
14.9、准实时数据抽取
14.10、小结
第15章：◄自动调度执行ETL作业►
15.1、Oozie简介
15.2、建立工作流前的准备
15.3、用Oozie建立定期ETL工作流
15.4、Falcon简介
15.5、用Falcon
process调度Oozie工作流
15.6、小结
第16章：◄维度表技术►
16.1、增加列
16.2、维度子集
16.3、角色扮演维度
16.4、层次维度
16.5、退化维度
16.6、杂项维度
16.7、维度合并
16.8、分段维度
16.9、小结
第17章：◄事实表技术►
17.1、周期快照
17.2、累积快照
17.3、无事实的事实表
17.4、迟到的事实
17.5、累积度量
17.6、小结
第18章：◄联机分析处理►
18.1、联机分析处理简介
18.2、联机分析处理实例
18.3、交互查询与图形化显示
18.4、小结
第三部分
HAWQ数据挖掘
第19章：◄整合HAWQ与MADlib►
19.1、MADlib简介
19.2、安装与卸载MADlib
19.3、MADlib基础
19.4、小结
第20章：◄奇异值分解►
20.1、奇异值分解简介
20.2、MADlib奇异值分解函数
20.3、奇异值分解实现推荐算法
20.4、小结
第21章：◄主成分分析►
21.1、主成分分析简介
21.2、MADlib的PCA相关函数
21.3、PCA应用示例
21.4、小结
第22章：◄关联规则方法►
22.1、关联规则简介
22.2、Apriori算法
22.3、MADlib的Apriori算法函数
22.4、Apriori应用示例
22.5、小结
第23章：◄聚类方法►
23.1、聚类方法简介
23.2、k-means方法
23.3、MADlib的k-means相关函数
23.4、k-means应用示例
23.5、小结
第24章：◄回归方法►
24.1、回归方法简介
24.2、Logistic回归
24.3、MADlib的Logistic回归相关函数
24.4、Logistic回归示例
24.5、小结
第25章：◄分类方法►
25.1、分类方法简介
25.2、决策树
25.3、MADlib的决策树相关函数
25.4、决策树示例
25.5、小结
第26章：◄图算法►
26.1、图算法简介
26.2、单源最短路径
26.3、MADlib的单源最短路径相关函数
26.4、单源最短路径示例
26.5、小结
第27章：◄模型验证►
27.1、交叉验证简介
27.2、MADlib的交叉验证相关函数
27.3、交叉验证示例
27.4、小结