第1章 緒論 1 1.1 大數據的發展歷程 1 1.2 大數據的概念 4 1.3 大數據的特征 5 1.4 大數據的應用 6 1.5 大數據分析方法 10 1.6 大數據面臨的挑戰 11 習題 12 第2章 分布式計算編程基礎 13 2.1 分布式系統 13 2.2 分布式計算架構 15 2.3 分布式文件系統 16 2.4 CAP 定理 18 習題 21 第3章 大數據處理框架 Hadoop 22 3.1 Hadoop簡介 22 3.2 Hadoop 生態系統 24 3.3 Hadoop 的安裝與使用 31 習題 40 第4章 Hadoop 分布式文件系統 42 4.1 HDFS 簡介 42 4.2 HDFS的設計原則 43 4.3 HDFS 的核心概念 44 4.4 HDFS 的體系結構 45 4.5 HDFS 的存儲原理 47 4.6 HDFS 的數據讀寫流程 49 4.7 HDFS 的編程實現 53 習題 57 第5章 分布式數據庫 HBase 59 5.1 HBase 簡介 59 5.2 HBase 數據模型 60 5.3 HBase 的系統架構 64 5.4 HBase 表結構設計 67 5.5 HBase 的數據讀寫流程 69 5.6 HBase 編程實踐 72 習題 76 第6章 分布式計算框架 MapReduce 77 6.1 MapReduce 簡介 77 6.2 MapReduce 的計算模型 77 6.3 MapReduce 的工作原理 78 6.4 MapReduce 編程實踐 81 習題 89 第7章 數據倉庫 Hive 91 7.1 Hive 簡介 91 7.2 Hive 的架構 93 7.3 Hive 的數據類型及應用 95 7.4 Hive 的數據模型 97 7.5 DDL 的應用 98 7.6 DML 的應用 101 7.7 JDBC 訪問 103 習題 104 第8章 Spark Streaming 105 8.1 流計算概述 105 8.2 流計算的概念 106 8.3 Spark 概述 107 8.4 Spark Standalone 模式的架構 108 8.5 Spark Streaming簡介 110 8.6 編寫 Spark Streaming 程序的基本步驟 111 8.7 創建 StreamingContext