前言 第1章 Hadoop概述 1.1 Hadoop起源 1.1.1 Google與Hadoop模塊 1.1.2 為什麽會有Hadoop 1.1.3 Hadoop版本介紹 1.2 Hadoop生態系統 1.3 Hadoop常用項目介紹 1.4 Hadoop在國內的應用 1.5 本章小結 第2章 Hadoop安裝 2.1 Hadoop環境安裝配置 2.1.1 安裝VMware 2.1.2 安裝Ubuntu 2.1.3 安裝VMwareTools 2.1.4 安裝JDK 2.2 Hadoop安裝模式 2.2.1 單機安裝 2.2.2 偽分布式安裝 2.2.3 分布式安裝 2.3 如何使用Hadoop 2.3.1 Hadoop的啟動與停止 2.3.2 Hadoop配置文件 2.4 本章小結 第3章 MapReduce快速入門 3.1 WordCount實例準備開發環境 3.1.1 使用Eclipse創建壹個Java工程 3.1.2 導入Hadoop的JAR文件 3.2 MapReduce代碼的實現 3.2.1 編寫WordMapper類 3.2.2 編寫WordReducer類 3.2.3 編寫WordMain驅動類 3.3 打包、部署和運行 3.3.1 打包成JAR文件 3.3.2 部署和運行 3.3.3 測試結果 3.4 本章小結 第4章 Hadoop分布式文件系統詳解 4.1 認識HDFS 4.1.1 HDFS的特點 4.1.2 Hadoop文件系統的接口 4.1.3 HDFS的Web服務 4.2 HDFS架構 4.2.1 機架 4.2.2 數據塊 4.2.3 元數據節點 4.2.4 數據節點 4.2.5 輔助元數據節點 4.2.6 名字空間 4.2.7 數據復制 4.2.8 塊備份原理 4.2.9 機架感知 4.3 Hadoop的RPC機制 4.3.1 RPC的實現流程 4.3.2 RPC的實體模型 4.3.3 文件的讀取 4.3.4 文件的寫入 4.3.5 文件的壹致模型 4.4 HDFS的HA機制 4.4.1 HA集群 4.4.2 HA架構 4.4.3 為什麽會有HA機制 4.5 HDFS的Federation機制 4.5.1 單個NameNode的HDFS架構的局限性 4.5.2 為什麽引入Federation機制 4.5.3 Federation架構 4.5.4 多個名字空間的管理問題 4.6 Hadoop文件系統的訪問 4.6.1 安全模式 4.6.2 HDFS的Shell訪問 4.6.3 HDFS處理文件的命令 4.7 JavaAPI接口 4.7.1 HadoopURL讀取數據 4.7.2 FileSystem類 4.7.3 FileStatus類 4.7.4 FSDataInputStream類 4.7.5 FSDataOutputStream類 4.7.6 列出HDFS下所有的文件 4.7.7 文件的匹配 4.7.8 PathFilter對象 4.8 維護HDFS 4.8.1 追加數據 4.8.2 並行復制 4.8.3 升級與回滾 4.8.4 添加節點 4.8.5 刪除節點 4.9 HDFS權限管理 4.9.1 用戶身份 4.9.2 權限管理的原理 4.9.3 設置權限的Shell命令 4.9.4 超級用戶 4.9.5 HDFS權限配置參數 4.10 本章小結 第5章 Hadoop文件I/O詳解 5.1 Hadoop文件的數據結構 5.1.1 SequenceFile存儲 5.1.2 MapFile存儲 5.1.3 SequenceFile轉換為MapFile 5.2 HDFS數據完整性 5.2.1 校驗和 5.2.2 數據塊檢測程序 5.3 文件序列化 5.3.1 進程間通信對序列化的要求 5.3.2 Hadoop文件的序列化 5.3.3 Writable接口 5.3.4 WritableComparable接口 5.3.5 自定義Writable接口 5.3.6 序列化框架 5.3.7 數據序列化系統Avro 5.4 Hadoop的Writable類型 5.4.1 Writable類的層次結構 5.4.2 Text類型 5.4.3 NullWritable類型 5.4.4 ObjectWritable類型 5.4.5 GenericWritable類型 5.5 文件壓縮 5.5.1 Hadoop支持的壓縮格式 5.5.2 Hadoop中的編碼器和解碼器 5.5.3 本地庫 5.5.4 可分割壓縮LZO 5.5.5 壓縮文件性能比較 5.5.6 Snappy壓縮 5.5.7 gzip、LZO和Snappy比較 5.6 本章小結 第6章 MapReduce工作原理 6.1 MapReduce的函數式編程概念 6.1.1 列表處理 6.1.2 Mapping數據列表 6.1.3 Reducing數據列表 6.1.4 Mapper和Reducer如何工作 6.1.5 應用實例：詞頻統計 6.2 MapReduce框架結構 6.2.1 MapReduce模型 6.2.2 MapReduce框架組成 6.3 MapReduce運行原理 6.3.1 作業的提交 6.3.2 作業初始化 6.3.3 任務的分配 6.3.4 任務的執行 6.3.5 進度和狀態的更新 6.3.6 MapReduce的進度組成 6.3.7 任務完成 6.4 MapReduce容錯 6.4.1 任務失敗 6.4.2 TaskTracker失敗 6.4.3 JobTracker失敗 6.4.4 子任務失敗 6.4.5 任務失敗反復次數的處理方法 6.5 Shuffle階段和Sort階段 6.5.1 Map端的Shuffle 6.5.2 Reduce端的Shuffle 6.5.3 Shuffle過程參數調優 6.6 任務的執行 6.6.1 推測執行 6.6.2 任務JVM重用 6.6.3 跳過壞的記錄 6.6.4 任務執行的環境 6.7 作業調度器 6.7.1 先進先出調度器 6.7.2 容量調度器 6.7.3 公平調度器 6.8 自定義Hadoop調度器 6.8.1 Hadoop調度器框架 6.8.2 編寫Hadoop調度器 6.9 YARN介紹 6.9.1 異步編程模型 6.9.2 YARN支持的計算框架 6.9.3 YARN架構 6.9.4 YARN工作流程 6.10 本章小結 第7章 Eclipse插件的應用 7.1 編譯Hadoop源碼 7.1.1 下載Hadoop源碼 7.1.2 準備編譯環境 7.1.3 編譯common組件 7.2 Eclipse安裝MapReduce插件 7.2.1 查找MapReduce插件 7.2.2 新建壹個Hadooplocation 7.2.3 Hadoop插件操作HDFS 7.2.4 運行MapReduce的驅動類 7.3 MapReduce的Debug調試 7.3.1 進入Debug運行模式 7.3.2 Debug調試具體操作 7.4 單元測試框架MRUnit 7.4.1 認識MRUnit框架 7.4.2 準備測試案例 7.4.3 Mapper單元測試 7.4.4 Reducer單元測試 7.4.5 MapReduce單元測試 7.5 本章小結 第8章 MapReduce編程開發 8.1 WordCount案例分析 8.1.1 MapReduce工作流程 8.1.2 WordCount的Map過程 8.1.3 WordCount的Reduce過程 8.1.4 每個過程產生的結果 8.1.5 Mapper抽象類 8.1.6 Reducer抽象類 8.1.7 MapReduce驅動 8.1.8 MapReduce最小驅動 8.2 輸入格式 8.2.1 InputFormat接口 8.2.2 InputSplit類 8.2.3 RecordReader類 8.2.4 應用實例：隨機生成100個小數並求最大值 8.3 輸出格式 8.3.1 OutputFormat接口 8.3.2 RecordWriter類 8.3.3 應用實例：把首字母相同的單詞放到壹個文件裏 8.4 壓縮格式 8.4.1 如何在MapReduce中使用壓縮 8.4.2 Map作業輸出結果的壓縮 8.5 MapReduce優化 8.5.1 Combiner類 8.5.2 Partitioner類 8.5.3 分布式緩存 8.6 輔助類 8.6.1 讀取Hadoop配置文件 8.6.2 設置Hadoop的配置文件屬性 8.6.3 GenericOptionsParser選項 8.7 Streaming接口 8.7.1 Streaming工作原理 8.7.2 Streaming編程接口參數 8.7.3 作業配置屬性 8.7.4 應用實例：抓取網頁的標題 8.8 本章小結 第9章 MapReduce高級應用 9.1 計數器 9.1.1 默認計數器 9.1.2 自定義計數器 9.1.3 獲取計數器 9.2 MapReduce二次排序 9.2.1 二次排序原理 9.2.2 二次排序的算法流程 9.2.3 代碼實現 9.3 MapReduce中的Join算法 9.3.1 Reduce端Join 9.3.2 Map端Join 9.3.3 半連接SemiJoin 9.4 MapReduce從MySQL讀寫數據 9.4.1 讀數據 9.4.2 寫數據 9.5 Hadoop系統調優 9.5.1 小文件優化 9.5.2 Map和Reduce個數設置 9.6 本章小結 第10章 數據倉庫工具Hive 10.1 認識Hive 10.1.1 Hive工作原理 10.1.2 Hive數據類型 10.1.3 Hive的特點 10.1.4 Hive下載與安裝 10.2 Hive架構 10.2.1 Hive用戶接口 10.2.2 Hive元數據庫 10.2.3 Hive的數據存儲 10.2.4 Hive解釋器 10.3 Hive文件格式 10.3.1 TextFile格式 10.3.2 SequenceFile格式 10.3.3 RCFile文件格式 10.3.4 自定義文件格式 10.4 Hive操作 10.4.1 表操作 10.4.2 視圖操作 10.4.3 索引操作 10.4.4 分區操作 10.4.5 桶操作 10.5 Hive復合類型 10.5.1 Struct類型 10.5.2 Array類型 10.5.3 Map類型 10.6 Hive的JOIN詳解 10.6.1 JOIN操作語法 10.6.2 JOIN原理 10.6.3 外部JOIN 10.6.4 Map端JOIN 10.6.5 JOIN中處理NULL值的語義區別 10.7 Hive優化策略 10.7.1 列裁剪 10.7.2 MapJoin操作 10.7.3 GroupBy操作 10.7.4 合並小文件 10.8 Hive內置操作符與函數 10.8.1 字符串函數 10.8.2 集合統計函數 10.8.3 復合類型操作 10.9 Hive用戶自定義函數接口 10.9.1 用戶自定義函數UDF 10.9.2 用戶自定義聚合函數UDAF 10.10 Hive的權限控制 10.10.1 角色的創建和刪除 10.10.2 角色的授權和撤銷 10.10.3 超級管理員權限 10.11 應用實例：使用JDBC開發Hive程序 10.11.1 準備測試數據 10.11.2 代碼實現 10.12 本章小結 第11章 開源數據庫HBase 11.1 認識HBase 11.1.1 HBase的特點 11.1.2 HBase訪問接口 11.1.3 HBase存儲結構 11.1.4 HBase存儲格式 11.2 HBase設計 11.2.1 邏輯視圖 11.2.2 框架結構及流程 11.2.3 Table和Region的關系 11.2.4 -ROOT-表和.META.表 11.3 關鍵算法和流程 11.3.1 Region定位 11.3.2 讀寫過程 11.3.3 Region分配 11.3.4 RegionServer上線和下線 11.3.5 Master上線和下線 11.4 HBase安裝 11.4.1 HBase單機安裝 11.4.2 HBase分布式安裝 11.5 HBase的Shell操作 11.5.1 壹般操作 11.5.2 DDL操作 11.5.3 DML操作 11.5.4 HBaseShell腳本 11.6 HBase客戶端 11.6.1 JavaAPI交互 11.6.2 MapReduce操作HBase 11.6.3 向HBase中寫入數據 11.6.4 讀取HBase中的數據 11.6.5 Avro、REST和Thrift接口 11.7 本章小結 第12章 Mahout算法 12.1 Mahout的使用 12.1.1 安裝Mahout 12.1.2 運行壹個Mahout案例 12.2 Mahout數據表示 12.2.1 偏好Perference類 12.2.2 數據模型DataModel類 12.2.3 Mahout鏈接MySQL數據庫 12.3 認識Taste框架 12.4 Mahout推薦器 12.4.1 基於用戶的推薦器 12.4.2 基於項目的推薦器 12.4.3 SlopeOne推薦策略 12.5 推薦系統 12.5.1 個性化推薦 12.5.2 商品推薦系統案例 12.6 本章小結 附錄A Hive內置操作符與函數 附錄B HBase默認配置解釋附錄C Hadoop三個配置文件的參數含義說明