《Hadoop大数据处理》

《Hadoop大数据处理》以大数据处理系统的三大关键要素——“存储”、“计算”与“容错”为起点，深入浅出地介绍了如何使用Hadoop这一高性能分布式技术完成大数据处理任务。本书不仅包含了使用Hadoop进行大数据处理的实践性知识和示例，还以图文并茂的形式系统性地揭示了Hadoop技术族中关键组件的运行原理和优化手段，为读者进一步提升Hadoop使用技巧和运行效率提供了颇具价值的参考。

大数据处理

• 大数据处理概论
  • 1.1什么是大数据
  • 1.2数据处理平台的基础架构
  • 1.3大数据处理的存储
  • 1.4大数据处理的计算模式
  • 1.5大数据处理系统的容错性
• 基于Hadoop的大数据处理架构
  • 2.1Google核心云计算技术
  • 2.2Hadoop云计算技术及发展
  • 2.3基于云计算的大数据处理架构
  • 2.4基于云计算的大数据处理技术的应用
  • 2.5Hadoop运行实践
• MapReduce计算模式
  • 3.1MapReduce原理
  • 3.2MapReduce工作机制
  • 3.3MapReduce应用开发
  • 3.4MapReduce设计模式
  • 3.5MapReduce算法实践
  • 3.6MapReduce性能调优
• 使用HDFS存储大数据
  • 4.1大数据的云存储需求
  • 4.2HDFS架构与流程
  • 4.3文件访问与控制
  • 4.4HDFS性能优化
  • 4.5HDFS的小文件存储问题
  • 4.6HDFS的高可用性问题
• HBase大数据库
  • 5.1大数据环境下的数据库
  • 5.2HBase架构与原理
  • 5.3管理HBase中的数据
  • 5.4从RDBMS到HBase
  • 5.5在HBase上运行MapReduce
  • 5.6HBase性能优化
• 大数据的分析处理
  • 6.1大数据的分析处理概论
  • 6.2Hive
  • 6.3Pig
  • 6.4Hive和Pig的对比
• Hadoop环境下的数据整合
  • 7.1Hadoop计算环境下的数据整合问题
  • 7.2数据库整合工具Sqoop
  • 7.3Hadoop平台内部数据整合工具HCatalog
• Hadoop集群的管理和维护
  • 8.1云计算平台的管理体系
  • 8.2Zookeeper——集群中的配置管理与协调者
  • 8.3Hadoop集群监控的基础组件
  • 8.4Ambari——Hadoop集群部署与监控集成工具
  • 8.5基于Cacti的Hadoop集群服务器监控
  • 8.6Chukwa——集群日志收集分析
  • 8.7基于Kerberos的Hadoop安全管理
  • 8.8Hadoop集群管理工具分析
• 基于MapReduce的数据挖掘
  • 9.1数据挖掘及其分布式并行化
  • 9.2基于MapReduce的数据挖掘与Mahout
  • 9.3经典数据挖掘算法的MapReduce实例
  • 9.4基于云计算的数据挖掘实践及面临的挑战
• 面向未来的大数据处理
  • 10.1下一代计算框架YARN
  • 10.2大数据的实时交互式分析
  • 10.3大数据的图计算