新書推薦：
《
明清与李朝时代
》
售價：HK$
81.6
《
感动，如此创造
》
售價：HK$
71.8
《
商业人像摄影
》
售價：HK$
95.8
《
抗争表演
》
售價：HK$
74.4
《
咏春八斩刀
》
售價：HK$
83.8
《
聊不完的艺术家：跨界设计师穆夏
》
售價：HK$
117.6
《
失去的过去与未来的犯罪
》
售價：HK$
59.8
《
质子交换膜燃料电池系统及其控制 戴海峰，余卓平，袁浩 著
》
售價：HK$
238.8
|
| 內容簡介： |
|
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。
|
| 目錄：
|
|
前言第一部分 基础篇第1章 浅谈大数据 21.1 大数据产生的背景 21.1.1 信息化浪潮 21.1.2 信息技术变革 31.1.3 数据生产方式变革 41.1.4 大数据的发展历程 51.1.5 大数据时代的挑战 61.1.6 大数据时代面临的机遇 71.2 大数据概述 71.2.1 大数据的概念 81.2.2 大数据的特征 81.2.3 大数据的影响 81.2.4 大数据与互联网、云计算的关系 111.3 大数据挖掘概述 111.3.1 数据挖掘的概念 111.3.2 大数据环境下的数据挖掘 121.3.3 数据挖掘的过程 121.3.4 数据挖掘常用工具 131.4 大数据平台 141.5 小结 15第2章 大数据基础架构Hadoop——实现大数据分布式存储与计算 162.1 Hadoop技术概述 162.1.1 Hadoop的发展历史 162.1.2 Hadoop的特点 172.1.3 Hadoop存储框架—HDFS 182.1.4 Hadoop计算引擎—MapReduce 202.1.5 Hadoop资源管理器—YARN 212.2 Hadoop应用场景介绍 232.3 Hadoop生态系统 232.4 Hadoop安装配置 242.4.1 创建Linux虚拟机 252.4.2 设置固定IP 332.4.3 远程连接虚拟机 352.4.4 配置本地yum源及安装常用软件 382.4.5 在Linux下安装Java 422.4.6 修改配置文件 432.4.7 克隆虚拟机 482.4.8 配置SSH免密登录 502.4.9 配置时间同步服务 512.4.10 启动关闭集群 532.5 Hadoop HDFS文件操作命令 542.5.1 创建目录 542.5.2 上传和下载文件 552.5.3 查看文件内容 562.5.4 删除文件或目录 562.6 Hadoop MapReduce编程开发 572.6.1 使用IDEA搭建MapReduce开发环境 572.6.2 通过词频统计了解MapReduce执行流程 672.6.3 通过源码认识MapReduce编程 682.7 场景应用：电影网站用户影评分析 742.7.1 了解数据字段并分析需求 742.7.2 多维度分析用户影评 762.8 小结 91第3章 数据仓库Hive——实现大数据查询与处理 923.1 Hive技术概述 923.1.1 Hive简介 923.1.2 Hive的特点 933.1.3 Hive的架构 933.2 Hive应用场景介绍 943.3 Hive安装配置 953.3.1 配置MySQL数据库 953.3.2 配置Hive数据仓库 963.4 HiveQL查询语句 993.4.1 Hive的基础数据类型 993.4.2 创建与管理数据库 1003.4.3 创建与管理数据表 1013.4.4 Hive表的数据装载 1083.4.5 掌握select查询 1113.4.6 了解运算符的使用 1123.4.7 掌握Hive内置函数 1153.5 Hive自定义函数的使用 1203.5.1 了解Hive自定义函数 1203.5.2 自定义UDF 1213.5.3 自定义UDAF 1243.5.4 自定义UDTF 1273.6 场景应用：基站掉话率排名统计 1293.6.1 创建基站数据表并导入数据 1303.6.2 统计基站掉话率 1303.7 小结 132第4章 分布式协调框架ZooKeeper——实现应用程序分布式协调服务 1334.1 ZooKeeper技术概述 1334.1.1 ZooKeeper简介 1334.1.2 ZooKeeper的特点 1354.2 ZooKeeper应用场景介绍 1354.3 ZooKeeper分布式安装配置 1364.4 ZooKeeper客户端常用命令 1384.4.1 创建znode 1384.4.2 获取znode数据 1384.4.3 监视znode 1394.4.4 删除znode 1404.4.5 设置znode权限 1404.5 ZooKeeper Java API操作 1424.5.1 创建IDEA工程并连接ZooKeeper 1424.5.2 获取、修改和删除znode数据 1434.6 场景应用：服务器上下线动态监控 1464.7 小结 149第5章 分布式数据库HBase——实现大数据存储与快速查询 1515.1 HBase技术概述 1515.1.1 HBase的发展历程 1515.1.2 HBase的特点 1525.1.3 HBase的核心功能模块 1535.1.4 HBase的数据模型 1555.1.5 设计表结构的原则 1555.2 HBase应用场景介绍 1565.3 HBase安装配置 1575.4 HBase Shell操作 1595.4.1 创建与删除表 1595.4.2 插入数据 1615.4.3 查询数据 1625.4.4 删除数据 1635.4.5 扫描全表 1635.4.6 按时间版本查询记录 1645.5 HBase高级应用 1655.5.1 IDEA开发环境搭建 1655.5.2 HBase Java API使用 1695.5.3 HBase与MapReduce交互 1745.6 场景应用：用户通话记录数据存储设计及查询 1805.6.1 设计通话记录数据结构 1805.6.2 查询用户通话记录 1815.7 小结 187第6章 分布式计算框架Spark——实现大数据分析与挖掘 1896.1 Spark技术概述 1896.1.1 Spark的发展历史 1896.1.2 Spark的特点 1906.1.3 Spark生态圈 1916.2 Spark应用场景介绍 1926.3 Spark集群安装配置 1926.4 Spark Core—底层基础框架 1966.4.1 Spark集群架构 1966.4.2 Spark作业运行模式 1976.4.3 弹性分布式数据集RDD 1996.4.4 RDD算子基础操作 2006.4.5 场景应用：房屋销售数据分析 2016.5 Spark SQL—查询引擎框架 2056.5.1 Spark SQL概述 2056.5.2 DataFrame基础操作 2056.5.3 场景应用：广告
|
| 內容試閱：
|
|
为什么要写这本书伴随着Web 2.0、云计算、物联网等概念和技术的提出与快速发展，信息时代的“大数据”特征越来越明显。大数据相关的数据仓库、数据挖掘技术在商业、军事、经济、学术等众多领域也开始发挥越来越大的作用。与此同时，庞大的数据规模也给传统的数据挖掘工作带来了巨大的挑战。分布式计算平台具有强劲的数据处理能力，因此，数据挖掘与分布式计算平台相结合的方式正在成为行业的趋势，并不断地显现出强大的优势和潜力。以Hadoop为代表的分布式系统，正在逐渐成为大数据挖掘系统的必要组成部分。结合Hadoop分布式架构进行数据挖掘的方式具备更高的计算效率，且计算能力的扩展性也更好。如何将大数据技术和数据挖掘技术相结合，解决企业实际遇到的大数据相关问题，并从数据中挖掘出有价值的信息，是企业面临的难题。因此，目前企业对大数据人才依旧有比较大的需求，并且对大数据人才的专业技能、实操能力提出了更高的要求。在大数据领域中，Hadoop技术的应用无疑很广泛。Hadoop技术除了自身强大的功能之外，也可以与Mahout、Spark MLlib等技术结合使用，这样不仅可以帮助企业对海量数据进行基础分析，还能构建挖掘模型，从大数据中挖掘出有价值的信息。本书提供了大数据相关技术的介绍、原理、实践、真实业务场景应用等内容，能够有效指导高校教师与学生理解和掌握大数据相关技术原理及技术实践，并为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，同时也能够促进教学实践与行业技术及应用发展的动态融合。本书特色本书采用“基础篇+实战篇”的编写结构，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。本书的基础篇从大数据的概念、特点、应用及大数据平台出发，较为全面地介绍了大数据相关的技术框架，包括Hadoop、HBase、Hive、Spark、Flume、Kafka等框架，内容讲解由浅入深。此外，基础篇的第2～8章在讲解了相关技术的知识点后，还通过相对独立的场景应用实例，帮助读者使用大数据技术对业务数据进行分析。通过对基础篇的学习，读者可以学习大数据相关技术的原理并掌握大数据技术的相关操作，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。本书的实战篇介绍了多个综合实战案例，描述了企业在实际业务中遇到的真实场景问题，通过对整个案例流程进行详细分析，并综合运用大数据技术完成数据的采集、预处理、分析挖掘等操作，最终实现了案例的目标。实战篇的内容对读者有一定的实践指导作用，也能够帮助读者提高使用大数据相关技术进行数据挖掘的基本能力。学生或技术人员在通过实战篇进行实践的同时，也可以学习案例的分析方法，培养良好的案例分析能力及思考能力。本书基础篇各章都配有课后习题，可以帮助读者巩固大数据技术的知识点，更加深刻地理解书中所介绍的大数据技术的基本内容。为了帮助读者更好地使用本书，本书提供了配套原始数据文件、程序代码以及PPT课件，读者可以从泰迪云教材（https://book.tipdm.org/）免费下载。本书适用对象开设大数据、大数据挖掘相关课程的高校的师生。大数据技术开发人员。大数据架构师。数据挖掘方面的技术人员或数据挖掘技术爱好者。如何阅读本书本书使用基于开源Hadoop生态圈的主流技术与真实案例相结合的方式，深入浅出地介绍了Hadoop、Hive、HBase、Spark、Flume、Kafka等大数据技术的原理、操作及具体应用。本书共11章，分两个部分：基础篇、实战篇。基础篇（第1～8章）：从大数据的概念、特点、应用以及大数据平台入手，主要介绍与数据挖掘相关的Hadoop生态系统组件技术的基础知识与应用，包括大数据基础架构Hadoop、数据仓库Hive、分布式协调框架ZooKeeper、分布式数据库HBase、分布式计算框架Spark、大数据采集框架Flume、消息订阅系统Kafka等，并通过场景应用案例帮助读者掌握各大数据组件的基础操作。实战篇（第9～11章）：包括3个案例，分别为图书热度实时分析系统、O2O优惠券个性化投放、消费者人群信用智能评分。实战篇主要关注实战用例，通过3个综合实战案例提升读者对大数据技术的综合运用能力。各章从案例的背景与目标入手，分析案例需求，在明确案例的流程后通过大数据技术解决实际的业务问题，同时也让读者切身感受到大数据技术解决大数据企业应用的魅力。第2版更新内容结合近几年Hadoop大数据技术与数据挖掘的发展情况和广大读者的意见反馈，本书在保留第1版特色的基础上，进行了代码与内容的全方位升级。在代码方面，将教材所介绍的大数据组件的版本进行全面升级，充分考虑了大数据技术的发展情况。在内容方面，对基础篇和实战篇均进行了升级。基础篇具体升级内容如下。1）全面升级教材所有组件的版本，并同步更新组件知识点的讲解及基础操作。2）删除了原第5章和第7章。3）新增了第4章、第7章、第8章。4）第2～8章中新增了场景应用实例，帮助读者巩固所学的知识点，快速掌握书中所介绍的大数据技术的基础操作
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
