Hadoop實(shí)戰(zhàn)（第2版）

前　言
第1章　Hadoop簡(jiǎn)介/1
1.1　什么是Hadoop/2
1.1.1　Hadoop概述/2
1.1.2　Hadoop的歷史/2
1.1.3　Hadoop的功能與作用/2
1.1.4　Hadoop的優(yōu)勢(shì)/3
1.1.5　Hadoop應(yīng)用現(xiàn)狀和發(fā)展趨勢(shì)/3
1.2　Hadoop項(xiàng)目及其結(jié)構(gòu)/3
1.3　Hadoop體系結(jié)構(gòu)/6
1.4　Hadoop與分布式開(kāi)發(fā)/7
1.5　Hadoop計(jì)算模型—MapReduce/10
1.6　Hadoop數(shù)據(jù)管理/10
1.6.1　HDFS的數(shù)據(jù)管理/10
1.6.2　HBase的數(shù)據(jù)管理/12
1.6.3　Hive的數(shù)據(jù)管理/13
1.7　Hadoop集群安全策略/15
1.8　本章小結(jié)/17
第2章　Hadoop的安裝與配置/19
2.1　在Linux上安裝與配置Hadoop/20
2.1.1　安裝JDK 1.6/20
2.1.2　配置SSH免密碼登錄/21
2.1.3　安裝并運(yùn)行Hadoop/22
2.2　在Mac OSX上安裝與配置Hadoop/24
2.2.1　安裝Homebrew/24
2.2.2　使用Homebrew安裝Hadoop/25
2.2.3　配置SSH和使用Hadoop/25
2.3　在Windows上安裝與配置Hadoop/25
2.3.1　安裝JDK 1.6或更高版本/25
2.3.2　安裝Cygwin/25
2.3.3　配置環(huán)境變量/26
2.3.4　安裝sshd服務(wù)/26
2.3.5　啟動(dòng)sshd服務(wù)/26
2.3.6　配置SSH免密碼登錄/26
2.3.7　安裝并運(yùn)行Hadoop/26
2.4　安裝和配置Hadoop集群/27
2.4.1　網(wǎng)絡(luò)拓?fù)?27
2.4.2　定義集群拓?fù)?27
2.4.3　建立和安裝Cluster /28
2.5　日志分析及幾個(gè)小技巧/34
2.6　本章小結(jié)/35
第3章　MapReduce計(jì)算模型/36
3.1　為什么要用MapReduce/37
3.2　MapReduce計(jì)算模型/38
3.2.1　MapReduce Job/38
3.2.2　Hadoop中的Hello World程序/38
3.2.3　MapReduce的數(shù)據(jù)流和控制流/46
3.3　MapReduce任務(wù)的優(yōu)化/47
3.4　Hadoop流/49
3.4.1　Hadoop流的工作原理/50
3.4.2　Hadoop流的命令/51
3.4.3　兩個(gè)例子/52
3.5　Hadoop Pipes/54
3.6　本章小結(jié)/56
第4章　開(kāi)發(fā)MapReduce應(yīng)用程序/57
4.1　系統(tǒng)參數(shù)的配置/58
4.2　配置開(kāi)發(fā)環(huán)境/60
4.3　編寫(xiě)MapReduce程序/60
4.3.1　Map處理/60
4.3.2　Reduce處理/61
4.4　本地測(cè)試/62
4.5　運(yùn)行MapReduce程序/62
4.5.1　打包/64
4.5.2　在本地模式下運(yùn)行/64
4.5.3　在集群上運(yùn)行/64
4.6　網(wǎng)絡(luò)用戶(hù)界面/65
4.6.1　JobTracker頁(yè)面/65
4.6.2　工作頁(yè)面/65
4.6.3　返回結(jié)果/66
4.6.4　任務(wù)頁(yè)面/67
4.6.5　任務(wù)細(xì)節(jié)頁(yè)面/67
4.7　性能調(diào)優(yōu)/68
4.7.1　輸入采用大文件/68
4.7.2　壓縮文件/68
4.7.3　過(guò)濾數(shù)據(jù)/69
4.7.4　修改作業(yè)屬性/71
4.8　MapReduce工作流/72
4.8.1　復(fù)雜的Map和Reduce函數(shù)/72
4.8.2　MapReduce Job中全局共享數(shù)據(jù)/74
4.8.3　鏈接MapReduce Job/75
4.9　本章小結(jié)/77
第5章　MapReduce應(yīng)用案例/79
5.1　單詞計(jì)數(shù)/80
5.1.1　實(shí)例描述/80
5.1.2　設(shè)計(jì)思路/80
5.1.3　程序代碼/81
5.1.4　代碼解讀/82
5.1.5　程序執(zhí)行/83
5.1.6　代碼結(jié)果/83
5.1.7　代碼數(shù)據(jù)流/84
5.2　數(shù)據(jù)去重/85
5.2.1　實(shí)例描述/85
5.2.2　設(shè)計(jì)思路/86
5.2.3　程序代碼/86
5.3　排序/87
5.3.1　實(shí)例描述/87
5.3.2　設(shè)計(jì)思路/88
5.3.3　程序代碼/89
5.4　單表關(guān)聯(lián)/91
5.4.1　實(shí)例描述/91
5.4.2　設(shè)計(jì)思路/92
5.4.3　程序代碼/92
5.5　多表關(guān)聯(lián)/95
5.5.1　實(shí)例描述/95
5.5.2　設(shè)計(jì)思路/96
5.5.3　程序代碼/96
5.6　本章小結(jié)/98
第6章　MapReduce工作機(jī)制/99
6.1　MapReduce作業(yè)的執(zhí)行流程/100
6.1.1　MapReduce任務(wù)執(zhí)行總流程/100
6.1.2　提交作業(yè)/101
6.1.3　初始化作業(yè)/103
6.1.4　分配任務(wù)/104
6.1.5　執(zhí)行任務(wù)/106
6.1.6　更新任務(wù)執(zhí)行進(jìn)度和狀態(tài)/107
6.1.7　完成作業(yè)/108
6.2　錯(cuò)誤處理機(jī)制 /108
6.2.1　硬件故障/109
6.2.2　任務(wù)失敗/109
6.3　作業(yè)調(diào)度機(jī)制/110
6.4　Shuffle和排序/111
6.4.1　Map端/111
6.4.2　Reduce端/113
6.4.3　shuffle過(guò)程的優(yōu)化/114
6.5　任務(wù)執(zhí)行/114
6.5.1　推測(cè)式執(zhí)行/114
6.5.2　任務(wù)JVM重用/115
6.5.3　跳過(guò)壞記錄/115
6.5.4　任務(wù)執(zhí)行環(huán)境/116
6.6　本章小結(jié)/117
第7章　Hadoop I/O操作/118
7.1　I/O操作中的數(shù)據(jù)檢查/119
7.2　數(shù)據(jù)的壓縮 /126
7.2.1　Hadoop對(duì)壓縮工具的選擇/126
7.2.2　壓縮分割和輸入分割/127
7.2.3　在MapReduce程序中使用壓縮/127
7.3　數(shù)據(jù)的I/O中序列化操作/128
7.3.1　Writable類(lèi)/128
7.3.2　實(shí)現(xiàn)自己的Hadoop數(shù)據(jù)類(lèi)型/137
7.4　針對(duì)Mapreduce的文件類(lèi)/139
7.4.1　SequenceFile類(lèi)/139
7.4.2　MapFile類(lèi)/144
7.4.3　ArrayFile、SetFile和BloomMapFile/146
7.5　本章小結(jié)/148
第8章　下一代MapReduce：YARN/149
8.1　MapReduce V2設(shè)計(jì)需求/150
8.2　MapReduce V2主要思想和架構(gòu)/151
8.3　MapReduce V2設(shè)計(jì)細(xì)節(jié)/153
8.4　MapReduce V2優(yōu)勢(shì)/156
8.5　本章小結(jié)/156
第9章　HDFS詳解/157
9.1　Hadoop的文件系統(tǒng)/158
9.2　HDFS簡(jiǎn)介/160
9.3　HDFS體系結(jié)構(gòu)/161
9.3.1　HDFS的相關(guān)概念/161
9.3.2　HDFS的體系結(jié)構(gòu)/162
9.4　HDFS的基本操作/164
9.4.1　HDFS的命令行操作/164
9.4.2　HDFS的Web界面/165
9.5　HDFS常用Java API詳解/166
9.5.1　使用Hadoop URL讀取數(shù)據(jù)/166
9.5.2　使用FileSystem API讀取數(shù)據(jù)/167
9.5.3　創(chuàng)建目錄/169
9.5.4　寫(xiě)數(shù)據(jù)/169
9.5.5　刪除數(shù)據(jù)/171
9.5.6　文件系統(tǒng)查詢(xún)/171
9.6　HDFS中的讀寫(xiě)數(shù)據(jù)流/175
9.6.1　文件的讀取/175
9.6.2　文件的寫(xiě)入/176
9.6.3　一致性模型/178
9.7　HDFS命令詳解/179
9.7.1　通過(guò)distcp進(jìn)行并行復(fù)制/179
9.7.2　HDFS的平衡/180
9.7.3　使用Hadoop歸檔文件/180
9.7.4　其他命令/183
9.8　WebHDFS/186
9.8.1　WebHDFS的配置/186
9.8.2　WebHDFS命令/186
9.9　本章小結(jié)/190
第10章　Hadoop的管理/191
10.1　HDFS文件結(jié)構(gòu)/192
10.2　Hadoop的狀態(tài)監(jiān)視和管理工具/196
10.2.1　審計(jì)日志/196
10.2.2　監(jiān)控日志/196
10.2.3　Metrics/197
10.2.4　Java管理擴(kuò)展 /199
10.2.5　Ganglia/200
10.2.6　Hadoop管理命令/202
10.3　Hadoop集群的維護(hù)/206
10.3.1　安全模式/206
10.3.2　Hadoop的備份/207
10.3.3　Hadoop的節(jié)點(diǎn)管理/208
10.3.4　系統(tǒng)升級(jí)/210
10.4　本章小結(jié)/212
第11章　Hive詳解/213
11.1　Hive簡(jiǎn)介/214
11.1.1　Hive的數(shù)據(jù)存儲(chǔ)/214
11.1.2　Hive的元數(shù)據(jù)存儲(chǔ)/216
11.2　Hive的基本操作/216
11.2.1　在集群上安裝Hive/216
11.2.2　配置MySQL存儲(chǔ)Hive元數(shù)據(jù)/218
11.2.3　配置Hive/220
11.3　Hive QL詳解/221
11.3.1　數(shù)據(jù)定義（DDL）操作/221
11.3.2　數(shù)據(jù)操作（DML）/231
11.3.3　SQL操作/233
11.3.4　Hive QL使用實(shí)例/235
11.4　Hive網(wǎng)絡(luò)（Web UI）接口/237
11.4.1　Hive網(wǎng)絡(luò)接口配置/237
11.4.2　Hive網(wǎng)絡(luò)接口操作實(shí)例/238
11.5　Hive的JDBC接口//241
11.5.1　Eclipse環(huán)境配置/241
11.5.2　程序?qū)嵗?241
11.6　Hive的優(yōu)化/244
11.7　本章小結(jié)/246
第12章　HBase詳解/247
12.1　HBase簡(jiǎn)介/248
12.2　HBase的基本操作/249
12.2.1　HBase的安裝/249
12.2.2　運(yùn)行HBase /253
12.2.3　HBase Shell/255
12.2.4　HBase配置/258
12.3　HBase體系結(jié)構(gòu)/260
12.3.1　HRegion/260
12.3.2　HRegion服務(wù)器/261
12.3.3　HBase Master服務(wù)器/262
12.3.4　ROOT表和META表/262
12.3.5　ZooKeeper/263
12.4　HBase數(shù)據(jù)模型/263
12.4.1　數(shù)據(jù)模型/263
12.4.2　概念視圖/264
12.4.3　物理視圖/264
12.5　HBase與RDBMS/265
12.6　HBase與HDFS/266
12.7　HBase客戶(hù)端/266
12.8　Java API /267
12.9　HBase編程 /273
12.9.1　使用Eclipse開(kāi)發(fā)HBase應(yīng)用程序/273
12.9.2　HBase編程/275
12.9.3　HBase與MapReduce/278
12.10　模式設(shè)計(jì)/280
12.10.1　模式設(shè)計(jì)應(yīng)遵循的原則/280
12.10.2　學(xué)生表/281
12.10.3　事件表/282
12.11　本章小結(jié)/283
第13章　Mahout詳解/284
13.1　Mahout簡(jiǎn)介/285
13.2　Mahout的安裝和配置/285
13.3　Mahout API簡(jiǎn)介/288
13.4　Mahout中的頻繁模式挖掘/290
13.4.1　什么是頻繁模式挖掘/290
13.4.2　Mahout中的頻繁模式挖掘/290
13.5　Mahout中的聚類(lèi)和分類(lèi)/292
13.5.1　什么是聚類(lèi)和分類(lèi)/292
13.5.2　Mahout中的數(shù)據(jù)表示/293
13.5.3　將文本轉(zhuǎn)化成向量/294
13.5.4　Mahout中的聚類(lèi)、分類(lèi)算法/295
13.5.5　算法應(yīng)用實(shí)例/299
13.6　Mahout應(yīng)用：建立一個(gè)推薦引擎/304
13.6.1　推薦引擎簡(jiǎn)介/304
13.6.2　使用Taste構(gòu)建一個(gè)簡(jiǎn)單的推薦引擎/305
13.6.3　簡(jiǎn)單分布式系統(tǒng)下基于產(chǎn)品的推薦系統(tǒng)簡(jiǎn)介/307
13.7　本章小結(jié)/309
第14章　Pig詳解/310
14.1　Pig簡(jiǎn)介/311
14.2　Pig的安裝和配置 /311
14.2.1　Pig的安裝條件/311
14.2.2　Pig的下載、安裝和配置/312
14.2.3　Pig運(yùn)行模式/313
14.3　Pig Latin語(yǔ)言/315
14.3.1　Pig Latin語(yǔ)言簡(jiǎn)介/315
14.3.2　Pig Latin的使用/316
14.3.3　Pig Latin的數(shù)據(jù)類(lèi)型/318
14.3.4　Pig Latin關(guān)鍵字/319
14.4　用戶(hù)定義函數(shù) /323
14.4.1　編寫(xiě)用戶(hù)定義函數(shù)/324
14.4.2　使用用戶(hù)定義函數(shù)/325
14.5　Zebra簡(jiǎn)介 /326
14.5.1　Zebra的安裝/326
14.5.2　Zebra的使用簡(jiǎn)介/327
14.6　Pig實(shí)例 /328
14.6.1　Local模式/328
14.6.2　MapReduce模式/330
14.7　Pig進(jìn)階/331
14.7.1　數(shù)據(jù)實(shí)例/331
14.7.2　Pig數(shù)據(jù)分析/332
14.8　本章小結(jié)/336
第15章　ZooKeeper詳解/337
15.1　ZooKeeper簡(jiǎn)介/338
15.1.1　ZooKeeper的設(shè)計(jì)目標(biāo)/338
15.1.2　數(shù)據(jù)模型和層次命名空間/339
15.1.3　ZooKeeper中的節(jié)點(diǎn)和臨時(shí)節(jié)點(diǎn)/339
15.1.4　ZooKeeper的應(yīng)用/340
15.2　ZooKeeper的安裝和配置/340
15.2.1　安裝ZooKeeper /340
15.2.2　配置ZooKeeper/346
15.2.3　運(yùn)行ZooKeeper/348
15.3　ZooKeeper的簡(jiǎn)單操作/350
15.3.1　使用ZooKeeper命令的簡(jiǎn)單操作步驟/350
15.3.2　ZooKeeper API的簡(jiǎn)單使用/352
15.4　ZooKeeper的特性/355
15.4.1　ZooKeeper的數(shù)據(jù)模型/355
15.4.2　ZooKeeper會(huì)話(huà)及狀態(tài)/356
15.4.3　ZooKeeper watches/357
15.4.4　ZooKeeper ACL/358
15.4.5　ZooKeeper的一致性保證/359
15.5　使用ZooKeeper進(jìn)行Leader選舉/359
15.6　ZooKeeper鎖服務(wù)/360
15.6.1　ZooKeeper中的鎖機(jī)制/360
15.6.2　ZooKeeper提供的一個(gè)寫(xiě)鎖的實(shí)現(xiàn)/361
15.7　使用ZooKeeper創(chuàng)建應(yīng)用程序 /363
15.7.1　使用Eclipse開(kāi)發(fā)ZooKeeper應(yīng)用程序/363
15.7.2　應(yīng)用程序?qū)嵗?365
15.8　BooKeeper/369
15.9　本章小結(jié)/371
第16章　Avro詳解/372
16.1　Avro介紹/373
16.1.1　模式聲明/374
16.1.2　數(shù)據(jù)序列化/378
16.1.3　數(shù)據(jù)排列順序/380
16.1.4　對(duì)象容器文件 /381
16.1.5　協(xié)議聲明/382
16.1.6　協(xié)議傳輸格式/383
16.1.7　模式解析/386
16.2　Avro的C/C++實(shí)現(xiàn)/387
16.3　Avro的Java實(shí)現(xiàn)/398
16.4　GenAvro（Avro IDL）語(yǔ)言/402
16.5　Avro SASL概述/406
16.6　本章小結(jié)/407
第17章　Chukwa詳解/409
17.1　Chukwa簡(jiǎn)介/410
17.2　Chukwa架構(gòu)/411
17.2.1　客戶(hù)端及其數(shù)據(jù)模型/412
17.2.2　收集器/413
17.2.3　歸檔器和分離解析器/414
17.2.4　HICC/415
17.3　Chukwa的可靠性/415
17.4　Chukwa集群搭建/416
17.4.1　基本配置要求/416
17.4.2　Chukwa的安裝/416
17.4.3　Chukwa的運(yùn)行/419
17.5　Chukwa數(shù)據(jù)流的處理/424
17.6　Chukwa與其他監(jiān)控系統(tǒng)比較/425
17.7　本章小結(jié)/426
本章參考資料/426
第18章　Hadoop的常用插件與開(kāi)發(fā)/428
18.1　Hadoop Studio的介紹和使用/429
18.1.1　Hadoop Studio的介紹/429
18.1.2　Hadoop Studio的安裝配置/430
18.1.3　Hadoop Studio的使用舉例/430
18.2　Hadoop Eclipse的介紹和使用/436
18.2.1　Hadoop Eclipse的介紹/436
18.2.2　Hadoop Eclipse的安裝配置/437
18.2.3　Hadoop Eclipse的使用舉例/438
18.3　Hadoop Streaming的介紹和使用/440
18.3.1　Hadoop Streaming的介紹/440
18.3.2　Hadoop Streaming的使用舉例/444
18.3.3　使用Hadoop Streaming常見(jiàn)的問(wèn)題/446
18.4　Hadoop Libhdfs的介紹和使用/448
18.4.1　Hadoop Libhdfs的介紹/448
18.4.2　Hadoop Libhdfs的安裝配置/448
18.4.3　Hadoop Libhdfs API簡(jiǎn)介/448
18.4.4　Hadoop Libhdfs的使用舉例/449
18.5　本章小結(jié)/450
第19章　企業(yè)應(yīng)用實(shí)例/452
19.1　Hadoop在Yahoo!的應(yīng)用/453
19.2　Hadoop在eBay的應(yīng)用/455
19.3　Hadoop在百度的應(yīng)用/457
19.4　即刻搜索中的Hadoop/460
19.4.1　即刻搜索簡(jiǎn)介/460
19.4.2　即刻Hadoop應(yīng)用架構(gòu)/460
19.4.3　即刻Hadoop應(yīng)用分析/463
19.5　Facebook中的Hadoop和HBase/463
19.5.1　Facebook中的任務(wù)特點(diǎn)/464
19.5.2　MySQL VS Hadoop+HBase/466
19.5.3　Hadoop和HBase的實(shí)現(xiàn)/467
19.6　本章小結(jié)/472
本章參考資料/472
附錄A　云計(jì)算在線(xiàn)檢測(cè)平臺(tái)/474
附錄B　Hadoop安裝、運(yùn)行與使用說(shuō)明/484
附錄C　使用DistributedCache的MapReduce程序/491
附錄D　使用ChainMapper和ChainReducer的MapReduce程序/495