返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 正版新书]大数据技术入门——Hadoop+Spark于海浩 刘志坤 主编
  • 全店均为全新正版书籍,欢迎选购!新疆西藏青海(可包挂刷).港澳台及海外地区bu bao快递
    • 作者: 于海浩 刘志坤 主编 韩咏 孙栩 副主编著 | 于海浩 刘志坤 主编 韩咏 孙栩 副主编编 | 于海浩 刘志坤 主编 韩咏 孙栩 副主编译 | 于海浩 刘志坤 主编 韩咏 孙栩 副主编绘
    • 出版社: 清华大学出版社
    • 出版时间:2022-01-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    君凤文轩图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 于海浩 刘志坤 主编 韩咏 孙栩 副主编著| 于海浩 刘志坤 主编 韩咏 孙栩 副主编编| 于海浩 刘志坤 主编 韩咏 孙栩 副主编译| 于海浩 刘志坤 主编 韩咏 孙栩 副主编绘
    • 出版社:清华大学出版社
    • 出版时间:2022-01-01
    • 版次:1
    • 印次:1
    • 字数:325000
    • 页数:208
    • 开本:16开
    • ISBN:9787302591818
    • 版权提供:清华大学出版社
  • 作者: 于海浩 刘志坤 主编 韩咏 孙栩 副主编
  • 著: 于海浩 刘志坤 主编 韩咏 孙栩 副主编 译
  • 装帧: 平装
  • 印次: 1
  • 定价: 49.9
  • ISBN: 9787302591818
  • 出版社: 清华大学出版社
  • 开本: 16开
  • 印刷时间: 暂无
  • 语种: 暂无
  • 出版时间: 2022-01-01
  • 页数: 208
  • 外部编号: 庄村54263
  • 版次: 1
  • 成品尺寸: 暂无
  • 第1章大数据概述

    1.1大数据的研究背景

    1.2大数据的定义及其技术特点

    1.2.1大数据的定义

    1.2.2大数据的基本特点

    1.2.3典型的大数据处理需求与计算特征

    1.3大数据处理的主要技术特点与难点

    1.4研究大数据的意义

    1.5本章小结

    第2章Hadoop简介及安装部署

    2.1Hadoop简介及生态体系

    2.2Hadoop集群架构

    2.3Hadoop集群运行环境搭建

    2.3.1Hadoop安装配置过程

    2.3.2验证Hadoop的安装

    2.4本章小结

    第3章HDFS

    3.1相关基本概念

    3.2HDFS存储架构

    3.2.1HDFS写入流程

    3.2.2HDFS读取流程

    3.3HDFS的优点与缺点

    3.3.1HDFS的优点

    3.3.2HDFS的缺点

    3.4HDFS Shell常用命令

    3.5HDFS的Java API

    3.6本章小结

    第4章MapReduce计算框架

    4.1MapReduce核心思想

    4.2MapReduce的工作原理

    4.3MapReduce的运行机制

    4.4MapReduce数据本地化

    4.5MapReduce编程

    4.5.1MapReduce运行模式

    4.5.2MapReduce编程组件与数据类型

    4.6MapReduce编程示例

    4.6.1单词计数

    4.6.2倒排索引

    4.7本章小结

    第5章Hive数据仓库

    5.1Hive概述

    5.1.1Hive简介

    5.1.2Hive的架构

    5.1.3Hive的优缺点

    5.2Hive的安装

    5.2.1安装MySQL

    5.2.2安装Hive

    5.3Hive数据库相关操作

    5.3.1Hive的数据类型

    5.3.2Hive基础SQL语法

    5.4本章小结

    第6章HBase分布式数据库

    6.1HBase概述

    6.1.1HBase的架构

    6.1.2HBase的特点

    6.1.3HBase数据存储方式

    6.1.4HBase寻址机制

    6.2HBase的安装

    6.3HBase数据模型

    6.4HBase的Shell操作

    6.5HBase常用的Java API及示例程序

    6.5.1HBase常用的Java API

    6.5.2程序示例

    6.6本章小结

    第7章Spark基础

    7.1Spark概述

    7.1.1Spark的主要特点

    7.1.2Spark生态系统

    7.1.3Spark相对于Hadoop MapReduce的优势

    7.2Spark的安装

    7.2.1Spark的部署方式

    7.2.2Spark的安装

    7.3Spark运行架构与原理

    7.4Spark运行流程

    7.5本章小结

    第8章Spark RDD弹性分布式数据集

    8.1RDD的设计与运行原理

    8.1.1RDD的概念

    8.1.2RDD的分区

    8.1.3RDD的依赖关系

    8.1.4RDD在Spark中的运行流程

    8.1.5RDD容错机制

    8.2RDD API编程

    8.2.1RDD的创建

    8.2.2RDD的操作

    8.3程序示例: 倒排索引

    8.4本章小结

    第9章Spark SQL

    9.1Spark SQL概述

    9.1.1Spark SQL简介

    9.1.2Spark SQL的架构

    9.2DataFrame

    9.2.1DataFrame简介

    9.2.2DataFrame的创建

    9.2.3DataFrame的常用操作

    9.3Dataset

    9.4Spark SQL编程

    9.4.1DataFrame操作

    9.4.2Spark SQL 读写MySQL数据库

    9.4.3Spark SQL 读写Hive

    9.5本章小结

    第10章 Spark Streaming实时计算框架

    10.1Spark Streaming概述

    10.1.1流数据和流计算

    10.1.2Spark Streaming简介

    10.1.3DStream简介

    10.2DStream编程

    10.2.1DStream转换操作

    10.2.2DStream输出操作相关的方法

    10.3DStream编程示例

    10.3.1DStream编程基本步骤——文件流

    10.3.2无状态转换操作

    10.3.3有状态转换操作

    10.3.4输出操作

    10.4本章小结

    第11章Spark Streaming与Flume、Kafka的整合

    11.1Flume简介及安装

    11.1.1Flume简介

    11.1.2Flume的安装

    11.2Kafka简介及安装

    11.2.1Kafka简介

    11.2.2Kafka的安装

    11.3Flume与Kafka的区别和侧重点

    11.4Spark Streaming与Flume、Kafka的整合与开发

    11.5本章小结

    第12章Spark MLlib机器学习

    12.1机器学习的概念

    12.1.1机器学习的定义

    12.1.2机器学习的分类

    12.2MLlib简介

    12.3Spark MLlib的数据类型

    12.3.1本地向量

    12.3.2标注点

    12.3.3本地矩阵

    12.4Spark MLlib机器学习示例

    12.4.1特征抽取——TFIDF

    12.4.2分类与回归——线性回归

    12.4.3分类与回归——逻辑回归

    12.4.4协同过滤——电影推荐

    12.5本章小结

    第13章实战案例——分布式优惠券后台应用系统

    13.1系统简介

    13.2整体架构

    13.3表结构设计

    13.4系统实现

    13.4.1商户投放子系统

    13.4.2用户消费子系统

    13.5系统运行测试

    13.5.1启动系统

    13.5.2商户投放子系统测试

    13.5.3用户消费子系统测试

    13.6本章小结

    第14章实战案例——新闻话题实时统计分析系统

    14.1系统简介

    14.2系统总体架构

    14.3表结构设计

    14.4系统实现

    14.4.1模拟日志生成程序

    14.4.2Flume配置

    14.4.3配置Kafka

    14.4.4Spark Streaming开发

    14.4.5WebSocket和前端界面开发

    14.5系统运行测试

    14.6本章小结

    参考文献

    于海浩,男,1974年1月生,不错工程师,黑龙江工程学院计算机学院教师,主讲大数据实践和人工智能课程,研究方向为大数据处理与挖掘,深度学习。主持或参与国家、省部级、厅局级项目6项。以作者发表论文10余篇,作为不错项目经理和企业管理者组织了黑龙江省电力营销系统、地下管廊运维监管平台、智慧城管、城镇职工医疗系统的项目管理工作,有任企业技术总监的职务经历。

    "(1)以实战开发为导向,对基础理论知识点与开发过程进行详细讲解。
    (2)实战案例丰富,涵盖18 个完整项目案例和2个综合案例,综合案例可以加深对本书所学的知识点的理解和掌握。
    (3)代码详尽,避免对 API 的形式展示,规避重复代码。
    (4)语言简明易懂,由浅入深带你学会以 Hadoop生态圈为核心的开发技术和大数据常见的机器学习算法。
    "


    本书基础理论、应用开发以及实际案例相结合,围绕Hadoop、Spark生态圈循序渐进地介绍关于大数据技术领域中的基础知识、应用开发技术和基于Spark的常见机器学习算法,后以两个实战案例全面、系统地应用了本书介绍的基础知识和应用开发方法。全书共14章,分别为大数据概述、Hadoop简介及安装部署、HDFS、MapReduce计算框架、Hive数据仓库、HBase分布式数据库、Spark基础、Spark RDD弹性分布式数据集、Spark SQL、Spark Streaming实时计算框架、Spark Streaming与Flume、Kafka的整合、Spark MLlib 机器学习、实战案例——分布式优惠券后台应用系统和实战案例——新闻话题实时统计分析系统,书中的每个知识点都有相应的实现代码和实例。 本书主要面向广大从事大数据分析、应用开发、机器学习、数据挖掘的专业人员以及从事高校信息技术专业的教师和高等院校的在读学生及相关领域的广大科研人员。


    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购