《Hadoop大数据分析技术》内容简介

伴随Hadoop的成长，Hadoop不再是一个简单的数据分布式存储平台和工具，已经成长为一个完整的生态圈。本书采用Hadoop3.2.2版本，系统讲解Hadoop生态系统主流的大数据分析技术。本书配套示例源码、PPT课件、教学大纲与编程环境。
本书共分11章。内容包括Hadoop概述与大数据环境准备、Hadoop伪分布式集群搭建、HDFS分布式存储实战、MapReduce实战、ZooKeeper与高可用集群实战、Hive数据仓库实战、HBase数据库实战、Flume数据采集实战、Kafka实战、影评大数据分析项目实战、旅游酒店评价大数据分析项目实战。
本书可作为Hadoop大数据技术初学者的入门书，也可作为Hadoop大数据分析工程师的指导手册，还可作为高等院校或者高职高专大数据专业的教材或教学参考书。
迟殿委，计算机软件与理论专业硕士，毕业于南昌大学，系统架构设计师。有多年企业软件研发经验和丰富的JavaEE培训经验，熟练掌握JavaEE全栈技术框架，对Java核心编程技术有深刻理解。主要擅长JavaEE系统架构设计、大数据分析与挖掘。

作品目录

内容简介
前言
本书内容
本书目的
本书适合的读者
配套源码、PPT课件等资源下载
第1章：Hadoop概述与大数据环境准备
1.1、大数据定义
1.2、Hadoop生态介绍
1.3、Hadoop
3新特性
1.4、虚拟机安装
1.5、安装Linux操作系统
1.6、SSH工具与使用
1.7、Linux统一设置
1.8、小结
第2章：Hadoop伪分布式集群搭建
2.1、安装独立运行的Hadoop
2.2、Hadoop伪分布式环境准备
2.3、Hadoop伪分布式安装
2.4、HDFS操作命令
2.5、Java项目访问HDFS
2.6、winutils
2.7、快速MapReduce程序示例
2.8、小结
第3章：HDFS分布式存储实战
3.1、HDFS的体系结构
3.2、NameNode的工作
3.3、SecondaryNameNode
3.4、DataNode
3.5、HDFS的命令
3.6、远程过程调用
3.7、小结
第4章：MapReduce实战
4.1、MapReduce的运算过程
4.2、WordCount示例
4.3、自定义Writable
4.4、Partitioner分区编程
4.5、自定义排序
4.6、Combiner编程
4.7、默认Mapper和默认Reducer
4.8、倒排索引
4.9、Shuffle
4.10、小结
第5章：ZooKeeper与高可用集群实战
5.1、ZooKeeper简介
5.2、单一节点安装ZooKeeper
5.3、基本客户端命令
5.4、Java代码操作ZooKeeper
5.5、ZooKeeper集群安装
5.6、znode节点类型
5.7、观察节点
5.8、配置Hadoop高可用集群
5.9、用Java代码操作集群
5.10、小结
第6章：Hive数据仓库实战
6.1、Hive3的安装配置
6.2、Hive的命令
6.3、Hive内部表
6.4、Hive外部表
6.5、Hive表分区
6.6、查询示例汇总
6.7、Hive函数
6.8、Hive自定义函数
6.9、Hive视图
6.10、hiveserver2、6.11、使用JDBC连接hiveserver2、6.12、小结
第7章：HBase数据库实战
7.1、HBase的特点
7.2、HBase安装
7.3、HBase集群安装
7.4、HBase
Shell操作
7.5、协处理器
7.6、Phoenix
7.7、小结
第8章：Flume数据采集实战
8.1、Flume的安装与配置
8.2、快速示例
8.3、在ZooKeeper中保存Flume的配置文件
8.4、Flume的更多Source
8.5、小结
第9章：Kafka实战
9.1、Kafka的特点
9.2、Kafka术语
9.3、Kafka安装与部署
9.4、小结
第10章：影评大数据分析项目实战
10.1、项目介绍
10.2、项目需求分析
10.3、项目详细实现
第11章：旅游酒店评价大数据分析项目实战
11.1、项目介绍
11.2、项目需求分析
11.3、项目详细实现