电子工业出版社-网上书店

本书系统介绍大数据技术的原理与应用，主要内容包括基本概念、分布式计算编程基础、Hadoop系统、分布式文件系统HDFS、分布式数据库HBase、分布式计算框架MapReduce、数据仓库Hive、流计算Spark Streaming、数据可视化、大数据的电商精准营销案例、好友推荐案例等章节，涵盖了海量数据的高效存储、非结构化数据存储和随机访问、分布式并行编程、数据仓库、实时计算、数据可视化、电商精准营销、好友推荐等各个方面的内容。本书以简单易懂的语言、生动有趣的实例和图形展示知识点，将概念、原理与应用融会贯通，并对大数据工具软件进行了细致的梳理。

第1章  绪论	1
1.1　大数据的发展历程	1
1.2　大数据的概念	4
1.3　大数据的特征	5
1.4　大数据的应用	6
1.5　大数据分析方法	10
1.6　大数据面临的挑战	11
习题	12
第2章　分布式计算编程基础	13
2.1　分布式系统	13
2.2　分布式计算架构	15
2.3　分布式文件系统	16
2.4　CAP 定理	18
习题	21
第3章　大数据处理框架 Hadoop	22
3.1　Hadoop简介	22
3.2　Hadoop 生态系统	24
3.3　Hadoop 的安装与使用	31
习题	40
第4章　Hadoop 分布式文件系统	42
4.1　HDFS 简介	42
4.2　HDFS的设计原则	43
4.3　HDFS 的核心概念	44
4.4　HDFS 的体系结构	45
4.5　HDFS 的存储原理	47
4.6　HDFS 的数据读写流程	49
4.7　HDFS 的编程实现	53
习题	57
第5章　分布式数据库 HBase	59
5.1　HBase 简介	59
5.2　HBase 数据模型	60
5.3　HBase 的系统架构	64
5.4　HBase 表结构设计	67
5.5　HBase 的数据读写流程	69
5.6　HBase 编程实践	72
习题	76
第6章　分布式计算框架 MapReduce	77
6.1　MapReduce 简介	77
6.2　MapReduce 的计算模型	77
6.3　MapReduce 的工作原理	78
6.4　MapReduce 编程实践	81
习题	89
第7章　数据仓库 Hive	91
7.1　Hive 简介	91
7.2　Hive 的架构	93
7.3　Hive 的数据类型及应用	95
7.4　Hive 的数据模型	97
7.5　DDL 的应用	98
7.6　DML 的应用	101
7.7　JDBC 访问	103
习题	104
第8章　Spark Streaming	105
8.1　流计算概述	105
8.2　流计算的概念	106
8.3　Spark 概述	107
8.4　Spark Standalone 模式的架构	108
8.5　Spark Streaming简介	110
8.6　编写 Spark Streaming 程序的基本步骤	111
8.7　创建 StreamingContext 对象	111
8.8　Spark Streaming 数据源	112
8.9　Spark Streaming 程序示例	113
习题	116


第9章　数据可视化	117
9.1　可视化概述	117
9.2　可视化的作用	118
9.3　可视化工具	119
9.4　可视化典型案例	125
习题	126
第10章　基于大数据的电商精准营销	128
10.1　数据预处理概述	128
10.2　数据探索与可视化	132
第11章　好友推荐案例分析	140
11.1　任务需求	140
11.2　准备工作	140
11.3　创建 Maven 项目	143
11.4　FriendRecommend 程序的实现	148
11.5　运行程序与结果验证	157
参考文献	161

随着物联网和云计算技术的发展，海量数据以前所未有的速度从异构数据源中产生，并深刻影响着社会生产和人民生活的各个方面。数据的高效存储和使用已成为企业竞争力的重要组成部分。
随着大数据时代的到来，高校迫切需要建立大数据技术课程体系，为社会培养和输送一批具备大数据专业素养的高级人才，满足社会对大数据人才的需求。本书是大数据技术的入门教材，为读者提供一个了解大数据技术的窗口，为读者初步掌握大数据技术提供指导。
本书分为十一章，具体内容如下。
第 1 章介绍大数据相关的概念、特征、应用及大数据面临的挑战等。
第 2 章从总体上阐明分布式系统的一些属性，简要介绍了分布式计算架构，以及所应用的不同类型的系统，并进一步明确了在一些研究领域面临的挑战和获得的启示。
第 3 章主要介绍了 Hadoop 的相关知识，包括 Hadoop 简介、Hadoop 生态系统、Hadoop 的安装与使用等。
第 4 章主要解决海量数据的高效存储问题。以 HDFS 为例，本章主要介绍 HDFS 的设计原则、HDFS 的核心概念、HDFS 的体系结构、HDFS 的存储原理、HDFS 的数据读写流程、HDFS 的编程实现等内容。
第 5 章主要解决海量数据存储、非结构化数据存储和随机访问的问题。以 HBase 为例，本章主要介绍 HBase 数据模型、HBase 的系统架构、HBase 表结构设计、HBase 的数据读写流程、HBase 编程实践等。
第 6 章解决分布式并行编程问题。以分布式计算框架 MapReduce 为例，本章主要介绍 MapReduce 的计算模型、MapReduce 的工作原理、MapReduce 编程实践等。
第 7 章解决数据仓库问题。以 Hive 为例，本章主要介绍 Hive 的架构、Hive 的数据类型及应用、Hive 的数据模型、DDL 的应用、DML 的应用、JDBC 访问等内容。
第 8 章解决实时计算问题。以 Spark Streaming 为例，本章主要介绍 Spark 概述、Spark Streaming 数据源、Spark Streaming 程序示例等内容。
第 9 章解决数据可视化问题。可视化技术为大数据分析提供了一种更加直观的挖掘、分析与展示手段，有助于发现大数据中蕴含的规律，在各行各业中均得到了广泛的应用。本章主要介绍可视化的作用、可视化工具、可视化典型案例等。
第 10 章解决基于大数据的电商精准营销问题。作为大数据应用的一个典型案例，本章主要介绍数据预处理概述、数据探索与可视化等内容。
第 11 章介绍好友推荐案例分析。本章以 QQ 好友推荐的实现过程为例，详细讲述 Hadoop 在开发过程中的实际应用。
在长期的大数据相关课程的教学过程中，本书编者发现学生总是不能有效地将理论知识应用于实际编程中，对许多问题无从下手，影响了学习效果。因此，本书详细地给出了案例实现步骤，可引导读者在课后一步步、循序渐进地完成操作，同时在每章最后编写了习题，为读者深入学习大数据技术打下扎实的基础。
本书第 1 章、第 2 章、第 5 章、第 7 章、第 10 章、第 11 章由刁帆编写，第 3 章、第 4 章、第 6 章、第 8 章、第 9 章由高永平编写，全书由高永平统稿。在本书的编写过程中，何月顺、许志文、李祥、徐洪珍、张军、王强、刘志锋等为本书提供了大量素材，并提供了宝贵的意见和建议，周伟、曾文煊、余金龙等多位同学参与了本书的资料整理工作，在此一并感谢。
由于编者水平有限，书中难免有疏漏和不妥之处，欢迎广大读者批评指正。

编者

本书配套资源下载

对不起，暂无音视频资源！

大数据技术基础教程