《大数据：从基础理论到最佳实践》内容简介

本书侧重于大数据的实践性技术，系统地介绍了主流大数据平台及工具的安装部署、管理维护和应用开发。平台和工具的选择均为当前业界主流的开源产品，因此，对于读者来说 本书涉及的开源技术包括：HDFS、MapReduce、YARN、Zookeeper、HBase、Hive、Sqoop、Storm、Kafka、Flume等。除介绍一般性的背景知识、安装部署、管理维护和应用开发技? 本书主要内容包括以下几大部分。
大数据存储篇：以HDFS为基础，介绍分布式文件系统的原理、安装、fs命令的使用、编程，介绍如何用HDFS实现，并通过HTTP调用。
大数据计算篇：以MapReduce、YARN为基础，介绍分布式计算的原理、部署，以及编程案例。
非关系型数据库篇：以HBase为基础，重点介绍非关系型数据库的优势、原理、部署，以及命令行使用，编程案例，与Sqoop配合使用等。
大数据仓库篇：以Hive、数据仓库等为基础，重点介绍数据的抽取、原理、部署、分析与编程。
大数据实时计算篇：以Storm、Kafka为基础，介绍实时计算的架构、组成、使用与开发。
本书非常适合从事大数据技术开发与使用的初学者，以及从事大数据技术研发的企事业单位工程师学习和参考，也适合高校计算机相关专业的专科生、本科生和研究生学习使用。
祁伟 主编。

作品目录

内容简介
前言
大数据存储篇
第1章：概述
1.1、什么是大数据
1.2、大数据的技术转型
1.3、数据分片
1.4、数据一致性
1.5、主流大数据技术
1.6、大数据职业方向
1.7、大数据实践平台的搭建
1.8、小结
第2章：HDFS文件系统
2.1、HDFS概述
2.2、HDFS的运行机制
2.3、HDFS的数据存储
2.4、HDFS的安装和配置
2.5、小结
第3章：HDFS操作实践
3.1、HDFS接口与编程
3.2、操作实践
3.3、小结
大数据计算篇
第4章：YARN
4.1、YARN概述
4.2、YARN的主要组成模块
4.3、YARN的整体设计
4.4、容量调度器
4.5、公平调度器（Fair
Scheduler）
4.6、资源管理者（RM）重启机制
4.7、资源管理器的高可用性（RM
HA）
4.8、节点标签
4.9、YARN编程
4.10、YARN服务注册
4.11、小结
第5章：MapReduce
5.1、MapReduce概述
5.2、Key-Value结构的特点
5.3、MapReduce的部署
5.4、MapReduce的程序结构
5.5、MapReduce的编程接口
5.6、MapReduce的命令行
5.7、WordCount的实现
5.8、小结
非关系型数据库篇
第6章：使用HBase
6.1、HBase基础
6.2、HBase的架构原理
6.3、HBase的命令实践
6.4、HBase的数据管理
6.5、HBase的集群管理
6.6、小结
第7章：HBase编程开发
7.1、HBase的编程接口
7.2、表与命名空间的编程
7.3、数据编程
7.4、集群与优化编程
7.5、小结
大数据仓库篇
第8章：数据仓库概论
8.1、初识数据仓库
8.2、数据仓库的核心概念
8.3、数据仓库中的数据内容划分
8.4、OLAP
8.5、ETL
8.6、调度和运行
8.7、数据仓库的架构
8.8、数据仓库的展望
8.9、小结
第9章：Hive
9.1、初识Hive
9.2、Hive命令行接口
9.3、Hive数据类型与常见的结构
9.4、HiveSQL
9.5、Hive的自定义函数
9.6、Hive的高级使用
9.7、使用Hive构建数据仓库
9.8、小结
大数据实时计算篇
第10章：Storm实时系统
10.1、大数据实时系统概述
10.2、Kafka分布式消息系统
10.3、Storm实时处理系统
10.4、小结
参考文献