大数据已发展成为一个学科。本书作为该领域的入门教材，在内容上尽可能覆盖大数据分析的基本理论和基本技术。全书共9章：第1章介绍大数据发展的背景和相关的理论知识；第2章介绍大数据的采集方法，以及数据采集案例；第3章介绍大数据处理平台Hadoop，以及Hadoop在不同系统平台上的安装和部署方法；第4章介绍MapReduce编程方法和开发工具，以及MapReduce编程实例；第5章介绍HDFS及其相关的操作方法；第6章介绍HBase及其相关的操作方法；第7章介绍Hive及其在不同平台上的安装和部署方法、应用案例；第8章介绍大数据处理平台Spark，以及Spark编程实例；第9章介绍NoSQL数据库，以及典型的NoSQL数据库系统。 本书可作为高等学校计算机、数据科学与大数据技术及人工智能或相关专业的本科生或研究生教材，也可供对大数据分析感兴趣的工程技术人员阅读参考。

前   言第1章  大数据概述 111   大数据时代 1111   大数据的发展历程 1112   大数据发展的内在驱动力 212   大数据的相关概念 6121   大数据的5V特征 6122   大数据的相关定义 613   大数据的影响 814   大数据分析 9141   大数据分析的特点 9142   大数据分析的流程 9143   大数据分析的核心技术 10144   大数据分析的计算模式 1115   大数据的行业应用 12151   社交大数据 12152   医疗大数据 13153   房地产大数据 1316   大数据与其他领域的关系 14161   云计算、大数据和物联网 14162   大数据与人工智能 16习题 16第2章   大数据的采集 1821   大数据的来源 1822   大数据采集工具 1923   大数据预处理 1924   Nutch应用案例 20241   Nutch的安装和配置 21242   Nutch爬取与内容解析 2325   Scrapy应用案例 25251   Scrapy框架概述 25252   Scrapy的安装和配置 27253   Scrapy爬取实例 27254   总结 35习题 36第3章   大数据处理平台Hadoop 3731   Hadoop概述 37311   Hadoop的发展历程 37312   Hadoop的体系结构 38313   Hadoop的特点 3932   Hadoop的安装和配置 40321   准备工作 40322   Hadoop软件的安装和配置 42习题 64第4章   MapReduce编程 6641   MapReduce概述 6642   开发工具IntelliJ IDEA 6743   编程实例 71431   MapReduce经典入门程序——字数统计（WordCount） 71432   MapReduce经典进阶程序 81433   在集群上运行MapReduce程序 87习题 93第5章   HDFS 9451   HDFS概述 9452   HDFS的架构及特点 9553   文件格式及其访问方法 96531   TextFile 97532   SequenceFile 99533   MapFile 102534   RCFile 10654   分布式缓存 10955   HDFS Shell命令 11256   HDFS的其他访问方式 116习题 122第6章   HBase 12361   HBase概述 12362   HBase的数据模型 12463   HBase的逻辑结构 12564   HBase的架构及特点 12665   HBase的安装与配置 12966   HBase Shell命令 13567   使用Java API访问 HBase 140习题 145第7章   Hive 14671   Hive概述 14672   在本地安装运行Hive 147721   下载源文件 147722   修改配置文件 148723   启动Hive 150724   创建数据库和文件夹 152725   建表及加载数据 152726   测试Hive 15373   在Linux中安装Hive 155731   机器准备 155732   Hive安装包准备 155733   修改Hive配置文件 156734   修改Linux环境变量 157735   启动Hive和相关测试 158习题 159第8章   大数据处理平台Spark 16081   Spark概述 160811   Spark的概念 160812   学习Spark的原因 160813   Spark组件 161814   Spark任务执行过程 16282   Spark本地（Windows）安装 163821   安装Scala 163822   安装Hadoop 164823   安装Spark 16583   Spark集群安装 16684   Spark运行实例 169841   蒙特·卡罗算法求π 169842   WordCount程序 169习题 170第9章   NoSQL数据库 17191   NoSQL数据库概述 171911   NoSQL的产生 171912   互联网对关系数据库提出的新要求 172913   NoSQL数据库的分类 17292   MongoDB 173921   MongoDB概述 173922   MongoDB的优势 173923   MongoDB的安装 174924   MongoDB使用实例 17893   Redis 180931   Redis概述 180932   Redis的应用场景 181933   Redis的数据类型及操作 181934   Redis的安装 182935   Redis使用实例 18494   Memcached 185941   Memcached概述 185942   Memcached的应用场景 186943   Memcached的数据类型及操作 186944   Memcached的安装 187945   Memcached使用实例 188习题 189参考文献 190