体系完整：涵盖Hadoop全生态技术原理与工具。
面向问题：问题引入，需求驱动、案例实践。
理论与实践并重：学习路线为“技术基础技术原理案例开发”，每章前有思维导图，后有常见问题与解决方案、本章小结。
资源丰富：提供微课、课件、视频、习题等配套教学资源。

本书系统地介绍Hadoop技术原理与应用。本书分为4篇，第一篇为分布式存储与计算基础，第二篇为数据仓库Hive，第三篇为非关系型分布式数据库HBase，第四篇为综合案例。本书共14章，包括大数据技术基础、Hadoop简介、Hadoop分布式文件系统、 Hadoop分布式计算系统、Hadoop资源管理器Yarn、Hadoop案例开发、Hive原理与应用、Hive数据定义、Hive数据分析基础、Hive数据分析案例、HBase基础知识、HBase原理与架构、HBase案例开发、综合案例等。
本书原理与实践并重，前3篇每章都有基本案例和课后习题，以及相应的综合应用案例，第四篇是总结性的综合案例，以便读者能够深入理解原理并培养相应的工程实践能力。
本书可作为高等院校大数据、计算机、信息处理等相关专业的大数据课程教材，也可作为大数据等相关技术人员的培训教材。

第一篇 分布式存储与计算基础
第1章  大数据基础
1.1  数据、信息和知识  2
1.2  大数据  3
1.2.1  大数据的发展历程  3
1.2.2  大数据的定义  5
1.3  数据分析流程  7
1.3.1  确定数据分析目标  7
1.3.2  数据采集  7
1.3.3  数据预处理  10
1.3.4  数据分析  11
1.4  大数据技术生态体系  13
1.5  大数据应用场景  17
1.5.1  基于大数据的电子商务  18
1.5.2  能源大数据体系建设  18
1.5.3  交通大数据体系建设  19
1.5.4  政务大数据体系建设  20
1.5.5  基于大数据的人口迁徙  21
1.5.6  农业大数据体系建设  21
1.6  本章小结  23
习题  23

第2章  Hadoop简介
2.1  Hadoop概述  25
2.1.1  起源  26
2.1.2  Hadoop发行版本  26
2.1.3  Hadoop架构变迁  27
2.1.4  Hadoop特点  27
2.2  Hadoop“生态圈”  28
2.3  Hadoop核心架构  29
2.3.1  HDFS  29
2.3.2  MapReduce  29
2.3.3  Yarn  30
2.4  Hadoop运行模式  30
2.4.1  本地模式  30
2.4.2  伪分布式模式  30
2.4.3  接近分布式模式  31
2.5  Hadoop集群搭建  31
2.5.1  集群规划  31
2.5.2  基本软件的安装  32
2.5.3  接近分布式集群的搭建  33
2.6  常见问题及解决方案  46
2.7  本章小结  47
习题  47
第3章  Hadoop分布式文件系统
3.1  HDFS概述  50
3.1.1  文件系统  50
3.1.2  传统文件系统  50
3.1.3  HDFS的引入  51
3.1.4  HDFS的设计目标  51
3.1.5  HDFS的使用场景  52
3.1.6  HDFS的局限性  52
3.2  HDFS的技术架构  53
3.2.1  分块存储  53
3.2.2  副本机制  55
3.2.3  NameNode  55
3.2.4  DataNode  56
3.2.5  SecondaryNameNode  57
3.2.6  BackupNode  58
3.2.7  HDFS写入数据流程  58
3.2.8  HDFS读取数据流程  59
3.3  HDFS的Shell操作  60
3.3.1  基本命令  60
3.3.2  上传命令  61
3.3.3  下载命令  61
3.3.4  高级操作  61
3.4  HDFS的API实战开发  62
3.4.1  环境介绍  62
3.4.2  pom.xml配置说明  62
3.4.3  HDFS操作  63
3.5  HDFS核心解密  65
3.5.1  再谈NameNode  65
3.5.2  节点的服役  67
3.5.3  节点的退役  68
3.5.4  DataNode多目录的配置  69
3.6  常见问题及解决方案  69
3.7  本章小结  70
习题  70
第4章  Hadoop分布式计算系统
4.1  MapReduce概述  74
4.2  WordCount入门  74
4.2.1  下载Hadoop配置文件  74
4.2.2  项目配置  75
4.2.3  打包在集群运行  77
4.3  MapReduce编程思想  78
4.3.1  MapReduce原理  79
4.3.2  MapReduce进程  80
4.3.3  MapReduce编程规范  80
4.4  Hadoop序列化  81
4.4.1  序列化与反序列化  81
4.4.2  Hadoop序列化要求  81
4.4.3  Hadoop序列化机制  82
4.5  MapReduce输入  83
4.6  Shuffle过程  87
4.6.1  Shuffle原理  87
4.6.2  分区  88
4.6.3  排序  89
4.6.4  分组  91
4.7  Combiner过程  92
4.8  MapReduce输出  93
4.9  常见问题及解决方案  94
4.10  本章小结  98
习题  98
第5章  Hadoop资源管理器Yarn
5.1  Yarn基本结构  100
5.1.1  ResourceManager  101
5.1.2  ApplicationMaster  101
5.1.3  NodeManager  102
5.1.4  Container  102
5.2  Yarn工作机制  102
5.3  Yarn资源调度器  103
5.3.1  FIFO Scheduler  104
5.3.2  Capacity Scheduler  104
5.3.3  Fair Scheduler  107
5.4  本章小结  107
习题  107
第6章  Hadoop案例开发
6.1  WordCount  109
6.2  最值  112
6.3  全排序  113
6.4  二次排序  115
6.5  MapReduce链  117
6.6  MapReduce数据合并  120
6.6.1  案例描述  120
6.6.2  Reduce JOIN实现  121
6.6.3  Map JOIN实现  124
6.7  本章小结  125
习题  125
第二篇  数据仓库Hive
第7章  Hive原理与应用
7.1  Hive简介  127
7.1.1  数据仓库简介  127
7.1.2  Hive起源  127
7.1.3  Hive的主要特点  128
7.1.4  Hive下载  128
7.1.5  Hive安装包  129
7.2  Hive组件简介  131
7.2.1  Hive元数据管理  131
7.2.2  Metastore  132
7.2.3  HiveServer2  132
7.3  Hive启动方式  133
7.3.1  Hive Metastore部署模式  133
7.3.2  JDBC访问Hive  139
7.4  Hive配置文件详解  142
7.4.1  Hive的核心配置文件  142
7.4.2  Hive运行环境参数配置  145
7.4.3  Hive的本地运行模式  146
7.5  本章小结  147
习题  147
第8章  Hive数据定义
8.1  Hive的数据结构  149
8.1.1  创建数据库与表  149
8.1.2  加载数据到表中  153
8.1.3  查询数据库与表  160
8.1.4  修改数据库与表  162
8.1.5  删除数据库与表  163
8.1.6  导出数据  164
8.2  Hive的数据类型  165
8.2.1  Hive原生数据类型  165
8.2.2  Hive复杂数据类型  169
8.2.3  数据类型转换  174
8.3  Hive的数据模型  175
8.3.1  外部表与内部表的定义与区别  176
8.3.2  分区的概念与作用  182
8.3.3  分桶的概念与作用  193
8.3.4  Hive数据表的序列化与反序列化  197
8.4  本章小结  199
习题  199
第9章  Hive数据分析基础
9.1  基于IntelliJ IDEA实现Hive操作  204
9.1.1  基于IntelliJ IDEA配置Hive  204
9.1.2  Hive服务器连接  204
9.1.3  Console功能区  206
9.2  数据查询  209
9.2.1  基本查询  209
9.2.2  分组查询  214
9.2.3  子查询  218
9.2.4  Hive的JOIN操作  220
9.2.5  Hive的JOIN原理  228
9.3  常用系统函数  231
9.3.1  聚合函数  231
9.3.2  窗口函数  232
9.3.3  表值函数  236
9.3.4  时间日期函数  238
9.3.5  字符串函数  240
9.3.6  数学函数  242
9.3.7  集合函数  243
9.4  自定义函数  244
9.4.1  UDF  245
9.4.2  UDAF  248
9.4.3  UDTF  250
9.5  本章小结  251
习题  251
第10章  Hive数据分析案例
10.1  数据分析流程与数据分析目标的选定  255
10.1.1  数据分析流程  255
10.1.2  数据分析目标的选定  255
10.2  常用数据分析方法  256
10.2.1  描述性数据分析  256
10.2.2  探索性数据分析  258
10.2.3  预测性数据分析  260
10.3  二手车数据集  261
10.3.1  数据集简介  261
10.3.2  数据分析目标  262
10.3.3  数据导入  262
10.4  二手车市场特征和需求探索案例  263
10.4.1  二手车数据描述性分析  263
10.4.2  二手车数据处理与转换  269
10.4.3  二手车数据探索性分析  270
10.4.4  二手车数据异常值与缺失值处理  271
10.5  二手车数据变量关系分析  272
10.5.1  相关系数简介  272
10.5.2  二手车数据相关系数分析  272
10.5.3  特征关系可视化分析  275
10.5.4  结果分析与结论  276
10.6  二手车数据聚类分析  277
10.7  本章小结  278
习题  278
第三篇  非关系数据库HBase
第11章  HBase基础知识
11.1  HBase概述  281
11.1.1  NoSQL的出现  281
11.1.2  HBase的出现  281
11.1.3  HBase的相关学习资源  281
11.2  HBase系统部署  281
11.2.1  版本选择  281
11.2.2  系统准备  282
11.2.3  组件的上传和解压  283
11.2.4  配置环境变量  283
11.2.5  配置ZooKeeper  284
11.2.6  配置HBase  284
11.3  HBase基本Shell操作  286
11.3.1  启动HBase Shell  286
11.3.2  创建和删除表  286
11.3.3  写入数据  287
11.3.4  查询数据  288
11.3.5  删除数据  289
11.3.6  表结构处理  289
11.4  HBase基本API操作  290
11.4.1  Maven工程基本结构  290
11.4.2  创建和删除表  291
11.4.3  写入数据  293
11.4.4  查询数据  294
11.4.5  删除数据  294
11.5  本章小结  295
习题  295

第12章  HBase原理与架构
12.1  HBase数据存储结构  297
12.1.1  大数据时代的MySQL  297
12.1.2  解决问题的思路  299
12.1.3  两类存储思路的对比  300
12.1.4  HBase的数据格式  300
12.2  HBase架构  300
12.2.1  HBase整体架构  301
12.2.2  客户端和HBase的通信过程  302
12.2.3  WAL与HLOG  302
12.2.4  HBase与HDFS  302
12.3  本章小结  303
习题  303
第13章  HBase案例开发
13.1  数据准备  304
13.2  基础统计任务  306
13.2.1  基本查询  306
13.2.2  过滤器  307
13.2.3  基本统计任务  310
13.3  高级统计任务  312
13.3.1  HBase on MapReduce  312
13.3.2  HBase with Hive  317
13.4  本章小结  318
习题  319
第四篇  综合案例
第14章  综合案例：维基百科数据挖掘
14.1  案例介绍  320
14.1.1  常见文本语料格式  320
14.1.2  语料介绍  321
14.2  案例步骤  322
14.2.1  数据的下载与上传  322
14.2.2  创建Hive外接表  325
14.2.3  正文字段预处理  328
14.2.4  文章单词统计  329
14.2.5  文章倒排表  330
14.2.6  正负面分析  332
14.3  本章小结  333
参考文献  334