Hadoop實戰

第一部分 Hadoop——一種分布式編程框架
第1章 Hadoop簡介
1.1 為什麼寫《Hadoop 實戰》
1.2 什麼是Hadoop
1.3 了解分布式系統和Hadoop
1.4 比較SQL 數據庫和Hadoop
1.5 理解MapReduce
1.5.1 動手擴展一個簡單程序
1.5.2 相同程序在MapReduce中的擴展
1.6 用Hadoop統計單詞——運行第一個程序
1.7 Hadoop歷史
1.8 小結
1.9 資源
第2章 初識Hadoop
2.1 Hadoop 的構造模塊
2.1.1 NameNode
2.1.2 DataNode
2.1.3 Secondary NameNode
2.1.4 JobTracker
2.1.5 TaskTracker
2.2 為Hadoop 集群安裝SSH
2.2.1 定義一個公共賬號
2.2.2 驗證SSH安裝
2.2.3 生成SSH密鑰對
2.2.4 將公鑰分布並登錄驗證
2.3 運行Hadoop
2.3.1 本地（單機）模式
2.3.2 偽分布模式
2.3.3 全分布模式
2.4 基于Web 的集群用戶界面
2.5 小結
第3章 Hadoop組件
3.1 HDFS 文件操作
3.1.1 基本文件命令
3.1.2 編程讀寫HDFS
3.2 剖析MapReduce程序
3.2.1 Hadoop數據類型
3.2.2 Mapper
3.2.3 Reducer
3.2.4 Partitioner︰重定向Mapper輸出
3.2.5 Combiner︰本地reduce
3.2.6 預定義mapper和Reducer類的單詞計數
3.3 讀和寫
3.3.1 InputFormat
3.3.2 OutputFormat
3.4 小結
第二部分 實戰
第4章 編寫MapReduce基礎程序
4.1 獲得專利數據集
4.1.1 專利引用數據
4.1.2 專利描述數據
4.2 構建MapReduce 程序的基礎模板
4.3 計數
4.4 適應Hadoop API 的改變
4.5 Hadoop 的Streaming
4.5.1 通過Unix命令使用Streaming
4.5.2 通過腳本使用Streaming
4.5.3 用Streaming處理鍵/值對
4.5.4 通過Aggregate包使用Streaming
4.6 使用combiner 提升性能
4.7 溫故知新
4.8 小結
4.9 更多資源
第5章 高階MapReduce
5.1 鏈接MapReduce 作業
5.1.1 順序鏈接MapReduce作業
5.1.2 具有復雜依賴的MapReduce鏈接
5.1.3 預處理和後處理階段的鏈接
5.2 聯結不同來源的數據
5.2.1 Reduce側的聯結
5.2.2 基于DistributedCache的復制聯結
5.2.3 半聯結︰map側過濾後在reduce側聯結
5.3 創建一個Bloom filter
5.3.1 Bloom filter做了什麼
5.3.2 實現一個Bloom filter
5.3.3 Hadoop 0.20 以上版本的Bloom filter
5.4 溫故知新
5.5 小結
5.6 更多資源
第6章 編程實踐
6.1 開發MapReduce 程序
6.1.1 本地模式
6.1.2 偽分布模式
6.2 生產集群上的監視和調試
6.2.1 計數器
6.2.2 跳過壞記錄
6.2.3 用IsolationRunner重新運行出錯的任務
6.3 性能調優
6.3.1 通過combiner來減少網絡流量
6.3.2 減少輸入數據量
6.3.3 使用壓縮
6.3.4 重用JVM
6.3.5 根據猜測執行來運行
6.3.6 代碼重構與算法重寫
6.4 小結
第7章 細則手冊
7.1 向任務傳遞作業定制的參數
7.2 探查任務特定信息
7.3 劃分為多個輸出文件
7.4 以數據庫作為輸入輸出
7.5 保持輸出的順序
7.6 小結
第8章 管理Hadoop
8.1 為實際應用設置特定參數值
8.2 系統體檢
8.3 權限設置
8.4 配額管理
8.5 啟用回收站
8.6 刪減DataNode
8.7 增加DataNode
8.8 管理NameNode 和SNN
8.9 恢復失效的NameNode
8.10 感知網絡布局和機架的設計
8.11 多用戶作業的調度
8.11.1 多個JobTracker
8.11.2 公平調度器
8.12 小結
第三部分 Hadoop也瘋狂
第9章 在雲上運行Hadoop
9.1 Amazon Web Services 簡介
9.2 安裝AWS
9.2.1 獲得AWS身份認證憑據
9.2.2 獲得命令行工具
9.2.3 準備SSH密鑰對
9.3 在EC2 上安裝Hadoop
9.3.1 配置安全參數
9.3.2 配置集群類型
9.4 在EC2 上運行MapReduce 程序
9.4.1 將代碼轉移到Hadoop集群上
9.4.2 訪問Hadoop集群上的數據
9.5 清空和關閉EC2 實例
9.6 Amazon Elastic MapReduce 和其他AWS 服務
9.6.1 Amazon Elastic MapReduce
9.6.2 AWS導入/導出
9.7 小結
第10章 用Pig編程
10.1 像Pig 一樣思考
10.1.1 數據流語言
10.1.2 數據類型
10.1.3 用戶定義函數
10.2 安裝Pig
10.3 運行Pig
10.4 通過Grunt 學習Pig Latin
10.5 談談Pig Latin
10.5.1 數據類型和schema
10.5.2 表達式和函數
10.5.3 關系型運算符
10.5.4 執行優化
10.6 用戶定義函數
10.6.1 使用UDF
10.6.2 編寫UDF
10.7 腳本
10.7.1 注釋
10.7.2 參數替換
10.7.3 多查詢執行
10.8 Pig 實戰——計算相似專利的例子
10.9 小結
第11章 Hive及Hadoop群
11.1 Hive
11.1.1 安裝與配置Hive
11.1.2 查詢的示例
11.1.3 深入HiveQL
11.1.4 Hive小結
11.2 其他Hadoop 相關的部分
11.2.1 HBase
11.2.2 ZooKeeper
11.2.3 Cascading
11.2.4 Cloudera
11.2.5 Katta
11.2.6 CloudBase
11.2.7 Aster Data和Greenplum
11.2.8 Hama和Mahout
11.2.9 search-hadoop.com
11.3 小結
第12章 案例研究
12.1 轉換《紐約時報》1100萬個庫存圖片文檔
12.2 挖掘中國移動的數據
12.3 在StumbleUpon推薦最佳網站
12.3.1 分布式StumbleUpon的開端
12.3.2 HBase 和StumbleUpon
12.3.3 StumbleUpon上的更多Hadoop應用
12.4 搭建面向企業查詢的分析系統——IBM的ES2項目
12.4.1 ES2系統結構
12.4.2 ES2爬蟲
12.4.3 ES2分析
12.4.4 小結
12.4.5 參考文獻
附錄A HDFS文件命令