Hadoop大數(shù)據(jù)技術(shù)原理與應(yīng)用

目錄
第1章初識(shí)Hadoop1
1.1大數(shù)據(jù)概述1
1.1.1什么是大數(shù)據(jù)1
1.1.2大數(shù)據(jù)的特征2
1.1.3研究大數(shù)據(jù)的意義3
1.2大數(shù)據(jù)的應(yīng)用場(chǎng)景4
1.2.1醫(yī)療行業(yè)的應(yīng)用4
1.2.2金融行業(yè)的應(yīng)用4
1.2.3零售行業(yè)的應(yīng)用5
1.3Hadoop概述6
1.3.1Hadoop的前世今生6
1.3.2Hadoop的優(yōu)勢(shì)7
1.3.3Hadoop的生態(tài)體系7
1.3.4Hadoop的版本9
1.4本章小結(jié)11
1.5課后習(xí)題11
第2章搭建Hadoop集群13
2.1安裝準(zhǔn)備13
2.1.1虛擬機(jī)安裝13
2.1.2虛擬機(jī)克隆22
2.1.3Linux系統(tǒng)網(wǎng)絡(luò)配置24
2.1.4SSH服務(wù)配置28
2.2Hadoop集群搭建31
2.2.1Hadoop集群部署模式31
2.2.2JDK安裝32
2.2.3Hadoop安裝33
2.2.4Hadoop集群配置35
2.3Hadoop集群測(cè)試38
2.3.1格式化文件系統(tǒng)38目錄Hadoop大數(shù)據(jù)技術(shù)原理與應(yīng)用2.3.2啟動(dòng)和關(guān)閉Hadoop集群39
2.3.3通過UI查看Hadoop運(yùn)行狀態(tài)41
2.4Hadoop集群初體驗(yàn)43
2.5本章小結(jié)46
2.6課后習(xí)題46
第3章HDFS分布式文件系統(tǒng)48
3.1HDFS的簡(jiǎn)介48
3.1.1HDFS的演變48
3.1.2HDFS的基本概念50
3.1.3HDFS的特點(diǎn)51
3.2HDFS的架構(gòu)和原理52
3.2.1HDFS存儲(chǔ)架構(gòu)52
3.2.2HDFS文件讀寫原理53
3.3HDFS的Shell操作55
3.3.1HDFS Shell介紹55
3.3.2案例——Shell定時(shí)采集數(shù)據(jù)到HDFS58
3.4HDFS的Java API操作62
3.4.1HDFS Java API介紹62
3.4.2案例——使用Java API操作HDFS63
3.5本章小結(jié)68
3.6課后習(xí)題69
第4章MapReduce分布式計(jì)算框架70
4.1MapReduce概述70
4.1.1MapReduce核心思想70
4.1.2MapReduce編程模型71
4.1.3MapReduce編程實(shí)例——詞頻統(tǒng)計(jì)72
4.2MapReduce工作原理73
4.2.1MapReduce工作過程73
4.2.2MapTask工作原理74
4.2.3ReduceTask工作原理75
4.2.4Shuffle工作原理76
4.3MapReduce編程組件77
4.3.1InputFormat組件77
4.3.2Mapper組件78
4.3.3Reducer組件78
4.3.4Partitioner組件80
4.3.5Combiner組件80
4.3.6OutputFormat組件81
4.4MapReduce運(yùn)行模式82
4.5MapReduce性能優(yōu)化策略84
4.6MapReduce經(jīng)典案例——倒排索引86
4.6.1案例分析86
4.6.2案例實(shí)現(xiàn)89
4.7MapReduce經(jīng)典案例——數(shù)據(jù)去重93
4.7.1案例分析93
4.7.2案例實(shí)現(xiàn)93
4.8MapReduce經(jīng)典案例——TopN96
4.8.1案例分析96
4.8.2案例實(shí)現(xiàn)97
4.9本章小結(jié)100
4.10課后習(xí)題100
第5章Zookeeper分布式協(xié)調(diào)服務(wù)102
5.1初識(shí)Zookeeper102
5.1.1Zookeeper簡(jiǎn)介102
5.1.2Zookeeper的特性103
5.1.3Zookeeper集群角色103
5.2數(shù)據(jù)模型104
5.2.1數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)104
5.2.2Znode的類型105
5.2.3Znode的屬性105
5.3Zookeeper的Watch機(jī)制106
5.3.1Watch機(jī)制的簡(jiǎn)介106
5.3.2Watch機(jī)制的特點(diǎn)106
5.3.3Watch機(jī)制的通知狀態(tài)和事件類型107
5.4Zookeeper的選舉機(jī)制107
5.4.1選舉機(jī)制的簡(jiǎn)介107
5.4.2選舉機(jī)制的類型108
5.5Zookeeper分布式集群部署109
5.5.1Zookeeper安裝包的下載安裝109
5.5.2Zookeeper相關(guān)配置109
5.5.3Zookeeper服務(wù)的啟動(dòng)和關(guān)閉112
5.6Zookeeper的Shell操作113
5.6.1Zookeeper Shell介紹113
5.6.2通過Shell命令操作Zookeeper113
5.7Zookeeper的Java API操作119
5.7.1Zookeeper Java API介紹119
5.7.2通過Java API操作Zookeeper120
5.8Zookeeper典型應(yīng)用場(chǎng)景122
5.8.1數(shù)據(jù)發(fā)布與訂閱122
5.8.2統(tǒng)一命名服務(wù)123
5.8.3分布式鎖123
5.9本章小結(jié)123
5.10課后習(xí)題124
第6章Hadoop 2.0新特性125
6.1Hadoop 2.0改進(jìn)與提升125
6.2YARN資源管理框架125
6.2.1YARN體系結(jié)構(gòu)125
6.2.2YARN工作流程127
6.3HDFS的高可用128
6.3.1HDFS的高可用架構(gòu)128
6.3.2搭建Hadoop高可用集群129
6.4本章小結(jié)134
6.5課后習(xí)題135
第7章Hive數(shù)據(jù)倉庫136
7.1數(shù)據(jù)倉庫簡(jiǎn)介136
7.1.1什么是數(shù)據(jù)倉庫136
7.1.2數(shù)據(jù)倉庫的結(jié)構(gòu)137
7.1.3數(shù)據(jù)倉庫的數(shù)據(jù)模型138
7.2Hive簡(jiǎn)介140
7.2.1什么是Hive140
7.2.2Hive系統(tǒng)架構(gòu)141
7.2.3Hive工作原理141
7.2.4Hive數(shù)據(jù)模型142
7.3Hive的安裝143
7.3.1Hive安裝模式簡(jiǎn)介143
7.3.2嵌入模式144
7.3.3本地模式和遠(yuǎn)程模式145
7.4Hive的管理147
7.4.1CLI方式147
7.4.2遠(yuǎn)程服務(wù)148
7.5Hive內(nèi)置數(shù)據(jù)類型150
7.6Hive數(shù)據(jù)模型操作151
7.6.1Hive數(shù)據(jù)庫操作151
7.6.2Hive內(nèi)部表操作153
7.6.3Hive外部表操作157
7.6.4Hive分區(qū)表操作158
7.6.5Hive桶表操作163
7.7Hive數(shù)據(jù)操作166
7.8本章小結(jié)170
7.9課后習(xí)題170
第8章Flume日志采集系統(tǒng)172
8.1Flume概述172
8.1.1Flume簡(jiǎn)介172
8.1.2Flume運(yùn)行機(jī)制172
8.1.3Flume日志采集系統(tǒng)結(jié)構(gòu)圖173
8.2Flume基本使用175
8.2.1Flume系統(tǒng)要求175
8.2.2Flume安裝配置175
8.2.3Flume入門使用177
8.3Flume采集方案配置說明181
8.3.1Flume Sources181
8.3.2Flume Channels184
8.3.3Flume Sinks186
8.4Flume的可靠性保證189
8.4.1負(fù)載均衡189
8.4.2故障轉(zhuǎn)移195
8.5Flume攔截器196
8.6案例——日志采集198
8.6.1案例分析198
8.6.2案例實(shí)現(xiàn)199
8.7本章小結(jié)204
8.8課后習(xí)題205
第9章工作流管理器（Azkaban）206
9.1工作流管理器概述206
9.1.1工作流調(diào)度系統(tǒng)背景206
9.1.2常用工作流管理器介紹206
9.2Azkaban概述207
9.2.1Azkaban特點(diǎn)208
9.2.2Azkaban組成結(jié)構(gòu)208
9.2.3Azkaban部署模式209
9.3Azkaban部署210
9.3.1Azkaban資源準(zhǔn)備210
9.3.2Azkaban安裝配置212
9.3.3Azkaban啟動(dòng)測(cè)試220
9.4Azkaban使用224
9.4.1Azkaban工作流相關(guān)概念224
9.4.2案例演示——依賴任務(wù)調(diào)度管理226
9.4.3案例演示——MapReduce任務(wù)調(diào)度管理232
9.4.4案例演示——HIVE腳本任務(wù)調(diào)度管理235
9.5本章小結(jié)237
9.6課后習(xí)題237
第10章Sqoop數(shù)據(jù)遷移239
10.1Sqoop概述239
10.1.1Sqoop簡(jiǎn)介239
10.1.2Sqoop原理240
10.2Sqoop安裝配置241
10.3Sqoop指令介紹242
10.4Sqoop數(shù)據(jù)導(dǎo)入244
10.4.1MySQL表數(shù)據(jù)導(dǎo)入HDFS245
10.4.2增量導(dǎo)入247
10.4.3MySQL表數(shù)據(jù)導(dǎo)入Hive248
10.4.4MySQL表數(shù)據(jù)子集導(dǎo)入249
10.5Sqoop數(shù)據(jù)導(dǎo)出251
10.6本章小結(jié)253
10.7課后習(xí)題253
第11章綜合項(xiàng)目——網(wǎng)站流量日志數(shù)據(jù)分析系統(tǒng)255
11.1系統(tǒng)概述255
11.1.1系統(tǒng)背景介紹255
11.1.2系統(tǒng)架構(gòu)設(shè)計(jì)255
11.1.3系統(tǒng)預(yù)覽256
11.2模塊開發(fā)——數(shù)據(jù)采集257
11.2.1使用Flume搭建日志采集系統(tǒng)257
11.2.2日志信息說明258
11.3模塊開發(fā)——數(shù)據(jù)預(yù)處理258
11.3.1分析預(yù)處理的數(shù)據(jù)258
11.3.2實(shí)現(xiàn)數(shù)據(jù)的預(yù)處理259
11.4模塊開發(fā)——數(shù)據(jù)倉庫開發(fā)268
11.4.1設(shè)計(jì)數(shù)據(jù)倉庫268
11.4.2實(shí)現(xiàn)數(shù)據(jù)倉庫269
11.5模塊開發(fā)——數(shù)據(jù)分析273
11.5.1流量分析273
11.5.2人均瀏覽量分析274
11.6模塊開發(fā)——數(shù)據(jù)導(dǎo)出275
11.7模塊開發(fā)——日志分析系統(tǒng)報(bào)表展示276
11.7.1搭建日志分析系統(tǒng)277
11.7.2實(shí)現(xiàn)報(bào)表展示功能285
11.7.3系統(tǒng)功能模塊展示290
11.8本章小結(jié)290