《Hadoop与大数据挖掘（第2版）》内容简介

本书基于开源Hadoop生态圈的主流技术，深入浅出地介绍了大数据相关技术的原理、知识点及具体应用，适合教师教学使用和零基础自学者使用。通过本书的学习，读者可以理解大数据相关技术的原理，迅速掌握大数据技术的操作，为后续数据挖掘与分布式计算平台的结合使用打下良好的技术基础。
张良均，资深大数据专家，广东泰迪智能科技股份有限公司董事长，国家科技部入库技术专家，教育部全国专业学位水平评估专家，工信部教育与考试中心入库专家，中国工业与应用数学学会理事，广东省工业与应用数学学会副理事长，广东省高等职业教育教学指导委员会委员，华南师范大学、中南财经政法大学等40余所高校校外硕导或兼职教授，泰迪杯全国数据挖掘挑战赛发起人。
曾在国内外重要学术刊物上发表学术论文10余篇，主导编写图书专著60余部，其中获普通高等教育“十一五”规划教材1部；“十三五”职业教育国家规划教材1部；参与标准建设4项，主持国家级课题1项、省部级课题4项。获得SAS、SPSS数据挖掘认证及Hadoop开发工程师证书，具有信访、电力、电信、银行、制造企业、电子商务和电子政务的项目经验和行业背景，并荣获中国产学研合作促进奖、中国南方电网公司发明专利一等奖、广东省农业技术推广二等奖、广州市荔湾区科学技术进步奖。

作品目录

前言
第一部分
基础篇
第1章：浅谈大数据
1.1、大数据产生的背景
1.2、大数据概述
1.3、大数据挖掘概述
1.4、大数据平台
1.5、小结
第2章：大数据基础架构Hadoop——实现大数据分布式存储与计算
2.1、Hadoop技术概述
2.2、Hadoop应用场景介绍
2.3、Hadoop生态系统
2.4、Hadoop安装配置
2.5、Hadoop
HDFS文件操作命令
2.6、Hadoop
MapReduce编程开发
2.7、场景应用：电影网站用户影评分析
2.8、小结
第3章：数据仓库Hive——实现大数据查询与处理
3.1、Hive技术概述
3.2、Hive应用场景介绍
3.3、Hive安装配置
3.4、HiveQL查询语句
3.5、Hive自定义函数的使用
3.6、场景应用：基站掉话率排名统计
3.7、小结
第4章：分布式协调框架ZooKeeper——实现应用程序分布式协调服务
4.1、ZooKeeper技术概述
4.2、ZooKeeper应用场景介绍
4.3、ZooKeeper分布式安装配置
4.4、ZooKeeper客户端常用命令
4.5、ZooKeeper
Java
API操作
4.6、场景应用：服务器上下线动态监控
4.7、小结
第5章：分布式数据库HBase——实现大数据存储与快速查询
5.1、HBase技术概述
5.2、HBase应用场景介绍
5.3、HBase安装配置
5.4、HBase
Shell操作
5.5、HBase高级应用
5.6、场景应用：用户通话记录数据存储设计及查询
5.7、小结
第6章：分布式计算框架Spark——实现大数据分析与挖掘
6.1、Spark技术概述
6.2、Spark应用场景介绍
6.3、Spark集群安装配置
6.4、Spark
Core——底层基础框架
6.5、Spark
SQL——查询引擎框架
6.6、Spark
MLlib——机器学习库
6.7、Spark
Streaming——流计算框架
6.8、小结
第7章：大数据采集框架Flume——实现日志数据实时采集
7.1、Flume技术概述
7.2、Flume应用场景介绍
7.3、Flume安装与配置
7.4、Flume核心组件的常见类型及参数配置
7.5、Flume采集方案设计与实践
7.6、场景应用：广告日志数据采集系统
7.7、小结
第8章：消息订阅系统Kafka——实现大数据实时传输
8.1、Kafka技术概述
8.2、Kafka应用场景介绍
8.3、Kafka集群的安装
8.4、Kafka的基础操作
8.5、Kafka
Java
API的使用
8.6、场景应用：广告日志数据实时传输
8.7、小结
第二部分
实战篇
第9章：图书热度实时分析系统
9.1、背景与目标
9.2、创建IDEA项目并添加依赖
9.3、图书数据采集
9.4、图书热度指标构建
9.5、图书热度实时计算
9.6、图书热度实时分析过程的完整实现
9.7、小结
第10章：O2O优惠券个性化投放
10.1、背景与目标
10.2、数据探索及预处理
10.3、多维度指标构建
10.4、模型构建
10.5、模型评价
10.6、O2O平台营销手段和策略分析
10.7、小结
第11章：消费者人群画像——信用智能评分
11.1、背景与目标
11.2、数据探索
11.3、数据预处理
11.4、消费者信用特征关联
11.5、模型构建
11.6、模型加载应用
11.7、小结