Hadoop数据分析

版权信息 书名：Hadoop数据分析 作者：[美] Benjamin Bengfort Jenny Kim 译者：王纯超 ISBN：978-7-115-47964-8 本书由北京图灵文化发展有限公司发行数字版。版权所有，侵权必 究。 您购买的图灵电子书仅供您个人使用，未经授权，不得以任何方式复制 和传播本书内容。 我们愿意相信读者具有这样的良知和觉悟，与我们共同保护知识产权。 如果购买者有侵权行为，我们可能对该用户实施包括但不限于关闭该帐 号等维权措施，并可能追究法律责任。 图灵社区会员 那口虫（wt92328@gmail.com） 专享 尊重版权 版权声明 O'Reilly Media, Inc. 介绍 业界评论 前言 本书目标 目标读者 阅读方式 内容概述 编程和示例代码 GitHub仓库 执行分布式作业 使用示例代码 反馈及作者联系方式 Safari® Books Online 联系我们 致谢 电子书 第一部分 分布式计算入门 第 1 章 数据产品时代 1.1 什么是数据产品 1.2 使用Hadoop构建大规模数据产品 1.2.1 利用大型数据集 1.2.2 数据产品中的Hadoop 1.3 数据科学流水线和Hadoop生态系统 大数据工作流 1.4 小结 第 2 章 大数据操作系统 2.1 基本概念 2.2 Hadoop架构 2.2.1 Hadoop集群 2.2.2 HDFS 2.2.3 YARN 2.3 使用分布式文件系统 2.3.1 基本的文件系统操作 2.3.2 HDFS文件权限 2.3.3 其他HDFS接口 2.4 使用分布式计算 2.4.1 MapReduce：函数式编程模型 2.4.2 MapReduce：集群上的实现 2.4.3 不止一个MapReduce：作业链 2.5 向YARN提交MapReduce作业 2.6 小结 第 3 章 Python 框架和 Hadoop Streaming 3.1 Hadoop Streaming 3.1.1 使用Streaming在CSV数据上运行计算 3.1.2 执行Streaming作业 3.2 Python的MapReduce框架 3.2.1 短语计数 3.2.2 其他框架 3.3 MapReduce进阶 3.3.1 combiner 3.3.2 partitioner 3.3.3 作业链 3.4 小结 第 4 章 Spark 内存计算 4.1 Spark基础 4.1.1 Spark栈 4.1.2 RDD 4.1.3 使用RDD编程 4.2 基于PySpark的交互性Spark ......