据说你想知道《从零开始学Hadoop大数据分析》讲了什么？来看这里！

书籍详情连接也能够戳这里：http://product.dangdang.com/26918552.html

内容简介：本书针对愿意加入大数据行业的初学者量身定作，以简练风趣的语言介绍了大数据程核心技术及相关案例。内容包括了数据的基本概念、Hadoop的安装与配置、HDFS、基于Hadoop3的HDFS高可用、Zookeeper、MapReduce、YARN、Sqoop、KafKa、Redis，每一个知识点配有可运行的案例，同时结合企业实际案例，让读者可以掌握从大数据环境搭建到大数据核心技术，而且进一步熟悉企业案例的分析及开发过程，从而轻松进入到大数据领域。本书实用性强，很是适合Hadoop大数据分析入门读者阅读，也适合相关院校做为大数据分析与挖掘的教材使用。

目录：

第1篇 Hadoop基础知识
第1章 初识Hadoop2
1.1 大数据初探2
1.1.1 大数据技术2
1.1.2 大数据技术框架3
1.1.3 大数据的特色3
1.1.4 大数据在各个行业中的应用4
1.1.5 大数据计算模式4
1.1.6 大数据与云计算、物联网的关系4
1.2 Hadoop简介5
1.2.1 Hadoop应用现状6
1.2.2 Hadoop简介与意义6
1.3 小结6
第2章 Hadoop的安装与配置7
2.1 虚拟机的建立7
2.2 安装Linux系统10
2.3 配置网络信息11
2.4 克隆服务器12
2.5 SSH免密码登陆13
2.6 安装和配置JDK15
2.6.1 上传安装包15
2.6.2 安装JDK16
2.6.3 配置环境变量16
2.7 Hadoop环境变量配置16
2.7.1 解压缩Hadoop压缩包17
2.7.2 配置Hadoop的bin和sbin文件夹到环境变量中17
2.7.3 修改/etc/hadoop/hadoop-env.sh17
2.8 Hadoop分布式安装17
2.8.1 伪分布式安装17
2.8.2 彻底分布式安装19
2.9 小结21
第3章 Hadoop分布式文件系统22
3.1 DFS介绍22
3.1.1 什么是DFS22
3.1.2 DFS的结构22
3.2 HDFS介绍23
3.2.1 HDFS的概念及体系结构23
3.2.2 HDFS的设计23
3.2.3 HDFS的优势和缺点24
3.2.4 HDFS的执行原理24
3.2.5 HDFS的核心概念25
3.2.6 HDFS读文件流程27
3.2.7 HDFS写文件流程28
3.2.8 Block的副本放置策略29
3.3 Hadoop中HDFS的经常使用命令30
3.3.1 对文件的操做30
3.3.2 管理与更新31
3.4 HDFS的应用31
3.4.1 基于Shell的操做31
3.4.2 基于Java API的操做33
3.4.3 建立文件夹34
3.4.4 递归显示文件34
3.4.5 文件上传35
3.4.6 文件下载35
3.5 小结36
第4章 基于Hadoop 3的HDFS高可用37
4.1 Hadoop 3.x的发展37
4.1.1 Hadoop 3新特性37
4.1.2 Hadoop 3 HDFS集群架构38
4.2 Hadoop 3 HDFS彻底分布式搭建39
4.2.1 安装JDK40
4.2.2 配置JDK环境变量40
4.2.3 配置免密码登陆40
4.2.4 配置IP和主机名字映射关系41
4.2.5 SSH免密码登陆设置41
4.2.6 配置Hadoop 3.1.042
4.3 什么是HDFS高可用47
4.3.1 HDFS高可用实现原理47
4.3.2 HDFS高可用实现48
4.4 搭建HDFS高可用50
4.4.1 配置ZooKeeper50
4.4.2 配置Hadoop配置文件52
4.4.3 将配置文件复制到其余节点上54
4.4.4 启动JN节点54
4.4.5 格式化55
4.4.6 复制元数据到node2节点上55
4.4.7 格式化ZKFC55
4.4.8 启动集群56
4.4.9 经过浏览器查看集群状态56
4.4.10 高可用测试57
4.5 小结58
第2篇 Hadoop核心技术
第5章 Hadoop的分布式协调服务——ZooKeeper60
5.1 ZooKeeper的核心概念60
5.1.1 Session会话机制60
5.1.2 数据节点、版本与Watcher的关联61
5.1.3 ACL策略61
5.2 ZooKeeper的安装与运行61
5.3 ZooKeeper服务器端的经常使用命令63
5.4 客户端链接ZooKeeper的相关操做64
5.4.1 查看ZooKeeper经常使用命令64
5.4.2 connect命令与ls命令65
5.4.3 create命令——建立节点65
5.4.4 get命令——获取数据与信息66
5.4.5 set命令——修改节点内容66
5.4.6 delete命令——删除节点67
5.5 使用Java API访问ZooKeeper67
5.5.1 环境准备与建立会话实例68
5.5.2 节点建立实例69
5.5.3 Java API访问ZooKeeper实例70
5.6 小结73
第6章 分布式离线计算框架——MapReduce74
6.1 MapReduce概述74
6.1.1 MapReduce的特色74
6.1.2 MapReduce的应用场景75
6.2 MapReduce执行过程76
6.2.1 单词统计实例76
6.2.2 MapReduce执行过程77
6.2.3 MapReduce的文件切片Split77
6.2.4 Map过程和Reduce过程78
6.2.5 Shuffle过程78
6.3 MapReduce实例79
6.3.1 WordCount本地测试实例79
6.3.2 ETL本地测试实例84
6.4 温度排序实例86
6.4.1 时间和温度的封装类MyKey.Java87
6.4.2 Map任务MyMapper.java88
6.4.3 数据分组类MyGroup.Java89
6.4.4 温度排序类MySort.java89
6.4.5 数据分区MyPartitioner.java90
6.4.6 Reducer任务MyReducer.java90
6.4.7 主函数RunJob.java91
6.5 小结94
第7章 Hadoop的集群资源管理系统——YARN95
7.1 为何要使用YARN95
7.2 YARN的基本架构96
7.2.1 ResourceManager进程96
7.2.2 ApplicationMaster和NodeManager97
7.3 YARN工做流程97
7.4 YARN搭建98
7.5 小结100
第8章 Hadoop的数据仓库框架——Hive101
8.1 Hive的理论基础101
8.1.1 什么是Hive101
8.1.2 Hive和数据库的异同102
8.1.3 Hive设计的目的与应用104
8.1.4 Hive的运行架构104
8.1.5 Hive的执行流程105
8.1.6 Hive服务106
8.1.7 元数据存储Metastore106
8.1.8 Embedded模式107
8.1.9 Local模式108
8.1.10 Remote模式109
8.2 Hive的配置与安装109
8.2.1 安装MySQL110
8.2.2 配置Hive112
8.3 Hive表的操做113
8.3.1 建立Hive表114
8.3.2 导入数据114
8.4 表的分区与分桶115
8.4.1 表的分区115
8.4.2 表的分桶117
8.5 内部表与外部表118
8.5.1 内部表119
8.5.2 外部表119
8.6 内置函数与自定义函数121
8.6.1 内置函数实例121

8.6.2  自定义UDAF实例

8.7  Java访问Hive

8.8  Hive优化

8.8.1  MapReduce优化

8.8.2  配置优化

8.9  小结

第9章  大数据快速读写—HBase

9.1  关于NoSQL

9.1.1  什么是NoSQL

9.1.2  NoSQL数据库的分类

9.1.3  NoSQL数据库的应用

9.1.4  关系型数据库与非关系型数据库的区别

9.2  Hbase基础

9.2.1  Hbase简介

9.2.2  HBase数据模型

9.2.3  HBase体系架构及组件

9.2.4  HBase执行原理

9.3  HBase安装

9.4  HBase的shell操做

9.5  Java API访问HBase实例

9.5.1  建立表

9.5.2  插入数据

9.5.3  查询数据

9.6  小结

第10章  海量日志采集工具—Flume

10.1  什么是Flume

10.2  Flume的特色

10.3  Flume架构

10.4  Flume的主要组件

10.4.1  Event、Client与Agent—数据传输

10.4.2  Source—event接受

10.4.3  Channel—event传输

10.4.4  Sink—event发送

10.4.5  其余组件

10.5  Flume安装

10.6  Flume应用典型实例

10.6.1  本地数据读取（conf1）

10.6.2  收集至HDFS

10.6.3  基于日期分区的数据收集

10.7  exec方式实现数据收集

10.7.1  安装工具

10.7.2  编辑配置文件conf4

10.7.3  运行flume

10.7.4  查看生成的文件

10.7.5  查看hdfs中的数据

10.8  小结

第11章  Sqoop—Hadoop和关系型数据库间的数据传输工具

11.1  什么是Sqoop

11.2  Sqoop工做机制

11.3   Sqoop的安装与配置

11.3.1  下载Sqoop

11.3.2  sqoop配置

11.4  Sqoop数据导入实例

11.4.1  向HDFS中导入数据

11.4.2  将数据导入到Hive

11.4.3  向HDFS中导入查询结果

11.5  Sqoop数据导出实例

11.6  小结

第12章  分布式消息队列—Kafka

12.1  什么是Kafka

12.2  Kafka的架构和主要组件

12.2.1  消息记录的类别名—topic

12.2.2  Producer与Consumer—数据的生产和消费

12.2.3  其余组件—Broker、Partition、Offset、Segment

12.3  Kafka的下载与集群安装

12.3.1  安装包的下载与解压

12.3.2  kafka的安装配置

12.4  Kafka应用实例

12.4.1  Producer实例

12.4.2  Consumer实例

12.5  小结

第13章  开源的内存数据库—Redis

13.1  Redis简介

13.1.1  什么是Redis

13.1.2  Redis的特色

13.2  Redis安装与配置

13.3  客户端登录

13.3.1  密码为空登陆

13.3.2  设置密码登录

13.4  Redis的数据类型

13.4.1  String

13.4.2  List

13.4.3  Hash

13.4.4  Set

13.5  小结

第14章  Ambari和CDH

14.1  Ambari的安装与集群管理

14.1.1  认识HDP与Ambari

14.1.2  Ambari的搭建

14.1.3  配置网卡与修改本机名

14.1.4  定义DNS服务器与修改hosts主机映射关系

14.1.5  关闭防火墙并安装JDK

14.1.6  升级OpenSSL安全套接层协议版本

14.1.7  关闭SELinux强制访问控制安全系统

14.1.8  SSH免密码登陆

14.1.9  同步NTP

14.1.10  关闭Linux的THP服务

14.1.11  配置UMASK与配置HTTP服务

14.1.12  安装本地源制做相关工具与安装createrepo

14.1.13  禁止离线更新与制做本地源

14.1.14  下载Ambari-server与安装MySQL

14.1.15  安装Ambari

14.1.16  安装Agent与Ambari登陆安装

14.1.17  安装部署遇到问题解决方案

14.2  CDH的安装与集群管理

14.2.1  什么是CDH和Cloudera Manager的做用

14.2.2  Cloudera Manager与Ambari对比的优点

14.2.3  CDH安装和配置网卡

14.2.4  修改本机名与定义DNS服务器

14.2.5  修改hosts主机映射关系

14.2.6  关闭防火墙

14.2.7  安装JDK

14.2.8  升级OpenSSL安全套接层协议版本

14.2.9  关闭SELinux强制访问控制安全系统

14.2.10  SSH 免密码登陆

14.2.11  同步NTP(网络时间协议Network Time Protocol)安装

14.2.12  安装MySQL

14.2.13  安装Cloudera Manager

14.2.14  添加mysql驱动包和修改Agent配置

14.2.15  初始化CM5数据库和建立cloudera-scm用户

14.2.16  准备Parcels

14.2.17  CDH登陆安装

14.3 小结

第15章  Spark—快速且通用的集群计算系统

15.1  Spark基础知识

15.1.1  Spark的特色

15.1.2  关于Spark和Hadoop的比较

15.2  弹性分布式数据集RDD

15.2.1  RDD的概念

15.2.2  RDD的建立方式

15.2.3  RDD的操做

15.2.4  RDD的执行过程

15.3  Spark做业运行机制

15.4  运行在YARN上的Spark

15.4.1  在YARN上运行Spark

15.4.2  Spark在YARN上的两种部署模式

15.5  Spark集群安装

15.5.1  Spark安装包的下载

15.5.2  Spark安装环境

15.5.3  Scala安装和配置

15.5.4  Spark分布式集群配置

15.6  Spark实例详解

15.6.1  网站用户浏览次数最多的url统计

15.6.2  关于用户定位案例

15.7  小结

第三篇  Hadoop典型案例

第16章  基于电商产品的大数据业务分析系统案例

16.1  项目背景、实现目标和项目需求

16.2  功能与流程

16.2.1  用户信息

16.2.2  商品信息

16.2.3  购买记录

16.3  数据收集

16.3.1  Flume的配置文件

16.3.2  启动flume

16.3.3  查看采集后的文件

16.3.4  经过后台命令查看文件

16.3.5  查看文件内容

16.3.6  上传user.list文件

16.3.7  上传brand.list目录

16.4  数据预处理

16.5  数据分析-建立外部表

16.6  创建模型

16.6.1  各年龄段用户消费总额

16.6.2  查询各品牌销售总额

16.6.3  查询各省份消费总额

16.6.4  使用Sqoop将数据导入到MySQL数据库

16.7  数据可视化

16.8  小结

第17章  用户画像分析

17.1  项目背景

17.2  项目目标与项目开发过程

17.2.1  数据采集

17.2.2  数据预处理

17.2.3  模型构建

17.2.4  数据分析

17.3  核心代码解读

17.3.1  项目流程介绍

17.3.2  核心类的解读

17.3.3  core-site.xml

17.3.4  hdfs-site.xml

17.3.5  UserProfile.properties

17.3.6  LoadConfig.java

17.3.7  ReadFile.java

17.3.8  ReadFromHdfs.java

17.3.9  UserProfile.java

17.3.10  TextArrayWritable.java

17.3.11  UserProfileMapReduce.java

17.3.12  UserProfileMapReduce2.java

17.3.13  UserProfilePutInHbaseMap.java

17.3.14  UserProfilePutInHbaseReduce

17.4  项目部署

17.5  小结

第18章  基于个性化的视频推荐系统实战

18.1  项目背景

18.2  项目目标与推荐系统简介

18.2.1  推荐系统的分类

18.2.2  推荐模型的构建流程

18.2.3  推荐系统核心算法

18.2.4  如何基于Mahout完成推荐

18.2.5  基于Mahout推荐实例

18.3  推荐系统项目架构

18.4  推荐系统模型构建

18.5  核心代码

18.5.1  公共部分

18.5.2  离线部分

18.5.3  在线部分

18.6  小结

第19章  电信离网用户挽留案例

19.1  商业理解

19.2  数据理解

19.2.1  收集数据

19.2.2  理解数据

19.2.3  保证数据质量

19.3  数据整理

19.3.1  数据整合

19.3.2  数据过滤

19.4  数据清洗

19.4.1  噪声识别

19.4.2  离群值和极端值的定义

19.4.3  离群值处理方法

19.4.4  数据空值处理示例

19.5  数据转换

19.5.1  变量转换

19.5.2  压缩分类水平数

19.5.3  连续数据离散化

19.5.4  变换哑变量

19.5.5  数据标准化

19.5.6  数据压缩

19.6  建模

19.6.1  决策树算法概述

19.6.2  决策树的训练步骤

19.6.3  训练决策树

19.6.4  C4.5算法

19.6.5  决策树剪枝

19.7  模型评估

19.7.1  混淆矩阵

19.7.2  ROC曲线

19.8  部署

19.9  用户离网案例代码详解

19.9.1  数据准备

19.9.2  相关性分析

19.9.3  最终建模

19.9.4  模型评估

19.10  小结