Hadoop权威指南类图书

互动出版网为您真诚推荐数据库存储与管理书籍：Hadoop权威指南等

《Hadoop权威指南(第2版)》

  　《hadoop权威指南(第2版)》从hadoop的缘起开始，由浅入深，结合理论和实践，全方位地介绍hadoop这一高性能处理海量数据集的理想工具。全书共16章，3个附录，涉及的主题包括：haddoop简介；mapreduce简介；hadoop分布式文件系统；hadoop的i/o、mapreduce应用程序开发；mapreduce的工作机制；mapreduce的类型和格式；mapreduce的特性；如何构建hadoop集群，如何管理hadoop；pig简介；hbase简介；hive简介；zookeeper简介；开源工具sqoop，最后还提供了丰富的案例分析。
　　《hadoop权威指南(第2版)》是hadoop权威参考，程序员可从中探索如何分析海量数据集，管理员可以从中了解如何安装与运行hadoop集群。畅销书。
　　 google帝国的基石是什么?mapreduce算法!开源项目hadoop作为它的一个具体实现，可以轻松用于构建和维护一个可靠性高、伸缩性强的分布式系统。
　　作者tomwhite作为hadoop的项目负责人，通过自己对hadoop和hadoop社区的理解，化繁为简，用浅显易懂的语言介绍了hadoop能做什么，怎么做才能充分发挥hadoop的优势，hadoop能够和哪些开源工具结合使用。这是一本主题丰富、讲解透彻的权威参考书，可帮助程序员了解分析海量数据集的细枝末节，帮助管理员掌握搭建和运行hadoop集群的具体过程。
　　经过修订和更新的第2版概述了hadoop的最新动态，例如hive、sqoop和avro等。书中还提供了案例分析来帮助读者了解如何用hadoop来解决具体的问题。如果想充分利用数据，从中挖掘出有价值的见解或者观点，毫无疑问，这本书将是您不可或缺的重要参考。
　　使用hadoop分布式文件系统(hdfs)来存储大型数据集，然后用mapreduce对这些数据集执行分布式计算
　　 hadoop的数据和i／o构建块(用子压缩、数据完整性、序列化和持久处理)
　　探究mapreducc应用开发中常见的陷阱和高级特性
　　设计，构建和管理门adoop专用集群或在云上运行hadoop
　　使用pig这种高级的查询语言来进行大规模数据处理
　　使用hive(hadoop的数据仓库系统)来分析数据集
　　使用hbase(hadoop的数据库)来处理结构化数据和半结构化数据
　　深入介绍zookeeper，一个用子构建分布式系统的协作类型工具箱

《Hadoop 权威指南》(英文影印版第3版修订版)

　　《hadoop 权威指南(英文影印版第3版修订版)》内容简介：准备好释放数据的力量了吗？在这本全面的指南中，你将学会运用apache hadoop构建和维护可靠、可伸缩的分布式系统。对于寻求分析任意规模数据集的程序员和想要安装并运行hadoop集群的管理员来说，本书是理想的参考读物。
　　你可以在本图书中找到富有启发意义的实际案例分析，它们展示了hadoop用于解决特定问题的各种方式。第三版涵盖了hadoop近期更新内容，包括新的mapreduce api相关资料，还有mapreduce 2及其更加灵活的执行模型(yarn)。
　　使用hadoop分布式文件系统(hdfs)保存大数据集
　　使用mapreduce运行分布式计算
　　使用hadoop的数据和i／o构件实现压缩、数据完整性、序列化(包括avro)和持久化
　　了解常见的陷阱和高级特性，以编写实用的mapreduce程序
　　设计、构建和管理专用的hadoop集群——或者在云中运行hadoop
　　使用sqoop从关系型数据库载人数据到hdfs
　　使用pig查询语言进行大规模数据处理
　　使用hadoop的数据仓库系统hive分析数据集
　　利用hbase处理结构化和半结构化数据，以及利用zookeeper构建分布式系统

《Hadoop权威指南(英文影印版)(第二版 修订版)》

　　揭示了apache hadoop如何为你释放数据的力量。这本内容全面的书籍展示了如何使用hadoop架构搭建和维护可靠、可伸缩的分布式系统。hadoop架构是mapreduce算法的一种开源应用，是google开创其帝国的重要基石。程序员可从中探索如何分析海量数据集，管理员可以了解如何建立与运行hadoop集群。
　　《hadoop权威指南(英文影印版)(第二版 修订版)》涵盖了hadoop最近的更新，包括诸如hive、sqoop和avro之类的新特性。它也提供了案例学习来展示hadoop如何解决特殊问题。期待尽情享受你的数据？这就是你要的书。
　　 ·使用hadoop分布式文件系统(hdfs)来存储海量数据集，通过mapreduce对这些数据集运行分布式计算
　　 ·熟悉hadoop的数据和i／o构件，用于压缩、数据集成、序列化和持久处理
　　 ·洞悉编写mapreduce实际应用程序时的常见陷阱和高级特性
　　 ·设计、构建和管理专用的hadoop集群或在云上运行hadoop
　　 ·使用pig这种高级的查询语言来处理大规模数据
　　 ·使用hive、hadoop的数据仓库系统来分析数据集
　　 ·利用hbase这个hadoop数据库来处理结构化和半结构化数据
　　 ·学习zookeeper，这是一个用于构建分布式系统的协作原语工具箱