大数据处理之道

18.2 大数据处理技术的发展趋势

18.1 大数据时代的思考

18 大数据处理的思考与展望

第5篇 数据分析技术前景展望

17.5 小结

17.4 ELK实战应用

17.3 ELK在大数据运维系统中的应用

17.2 如何开发自己的插件

17.1 ELK集群部署与优化

17 ELK集群部署与应用

16.6 小结

16.5 Kibana展示

16.4 ElasticSearch存储与搜索

16.3 Logstash日志收集解析

16.2 日志处理方案ELK

16.1 百花齐放的日志处理技术

16 日志分析解决方案

第4篇 大数据下的日志分析系统

15.5 小结

15.4 Dremel和Drill的适用场景与应用

15.3 Drill的架构与流程

15.2 Dremel的原理与应用

15.1 Dremel和Drill的历史背景

15 Dremel和Drill

14.7 小结

14.6 Storm的应用

14.5 Storm的适用场景

14.4 Storm与Spark的区别

14.3 Storm的设计思想

14.2 Storm的架构与组件

14.1 Storm起因

14 专为流数据而生的Storm

第3篇 其他大数据处理技术

13.4 小结

13.3 Spark高可用性

13.2 Spark Cluster管理与监控

13.1 Spark Cluster部署

13 Spark Cluster管理

12.5 小结

12.4 Spark GraphX的图运算符

12.3 Spark GraphX的存储模式

12.2 Spark GraphX的框架

12.1 图计算系统

12 Spark GraphX图计算系统

11.5 小结

11.4 Spark Streaming性能调优

11.3 Spark Streaming的操作

11.2 Spark Streaming的架构

11.1 Spark Streaming是什么

11 Spark Streaming流数据处理新贵

10.5 小结

10.4 Spark SQL运行过程分析

10.3 Spark SQL之DataFrame

10.2 Spark SQL应用架构

10.1 从Shark到Spark SQL

10 Shark和Spark SQL

9.3 小结

9.2 Spark作业流程

9.1 Spark运行模式

9 Spark运行模式和流程

8.6 小结

8.5 RDD编程示例

8.4 RDD操作与接口

8.3 RDD依赖与容错

8.2 RDD的存储级别

8.1 RDD简介

8 Spark核心RDD

7.6 小结

7.5 Spark架构

7.4 Spark的硬件配置

7.3 Spark的适用场景

7.2 Spark和Hadoop MapReduce对比

7.1 Spark的历史渊源

7 Spark宝刀出鞘

第2篇 Spark星火燎原

6.4 小结

6.3 Hadoop集群监控

6.2 Hadoop集群调优

6.1 Hadoop集群管理与维护

6 Hadoop集群管理之道

5.5 小结

5.4 Mesos与YARN对比

5.3 Apache Mesos资源调度

5.2 Hadoop YARN资源调度

5.1 Hadoop调度机制

5 Hadoop资源管理与调度

4.5 小结

4.4 协管员ZooKeeper

4.3 Pig编程语言

4.2 大数据仓库HBase

4.1 数据仓库工具Hive

4 Hadoop体系的“四剑客”

3.3 小结

3.2 HDFS文件系统

3.1 群雄并起的DFS

3 分布式文件系统

2.4 小结

2.3 MapReduce实例分析

2.2 MapReduce运行机制

2.1 MapReduce设计思想

2 MapReduce奠定基石

1.5 小结

1.4 Hadoop应用场景

1.3 Hadoop和它的小伙伴们

1.2 Hadoop发展——各路英雄集结

1.1 Hadoop诞生——不仅仅是玩具

1 Hadoop一石激起千层浪

第1篇 Hadoop军营

0.3 让大数据“活”起来

0.2 数据就是“金库”

0.1 大数据时代

0 “疯狂”的大数据

前言

内容简介

版权信息

封面

封面

版权信息

内容简介

前言

0 “疯狂”的大数据

0.1 大数据时代

0.2 数据就是“金库”

0.3 让大数据“活”起来

第1篇 Hadoop军营

1 Hadoop一石激起千层浪

1.1 Hadoop诞生——不仅仅是玩具

1.2 Hadoop发展——各路英雄集结

1.3 Hadoop和它的小伙伴们

1.4 Hadoop应用场景

1.5 小结

2 MapReduce奠定基石

2.1 MapReduce设计思想

2.2 MapReduce运行机制

2.3 MapReduce实例分析

2.4 小结

3 分布式文件系统

3.1 群雄并起的DFS

3.2 HDFS文件系统

3.3 小结

4 Hadoop体系的“四剑客”

4.1 数据仓库工具Hive

4.2 大数据仓库HBase

4.3 Pig编程语言

4.4 协管员ZooKeeper

4.5 小结

5 Hadoop资源管理与调度

5.1 Hadoop调度机制

5.2 Hadoop YARN资源调度

5.3 Apache Mesos资源调度

5.4 Mesos与YARN对比

5.5 小结

6 Hadoop集群管理之道

6.1 Hadoop集群管理与维护

6.2 Hadoop集群调优

6.3 Hadoop集群监控

6.4 小结

第2篇 Spark星火燎原

7 Spark宝刀出鞘

7.1 Spark的历史渊源

7.2 Spark和Hadoop MapReduce对比

7.3 Spark的适用场景

7.4 Spark的硬件配置

7.5 Spark架构

7.6 小结

8 Spark核心RDD

8.1 RDD简介

8.2 RDD的存储级别

8.3 RDD依赖与容错

8.4 RDD操作与接口

8.5 RDD编程示例

8.6 小结

9 Spark运行模式和流程

9.1 Spark运行模式

9.2 Spark作业流程

9.3 小结

10 Shark和Spark SQL

10.1 从Shark到Spark SQL

10.2 Spark SQL应用架构

10.3 Spark SQL之DataFrame

10.4 Spark SQL运行过程分析

10.5 小结

11 Spark Streaming流数据处理新贵

11.1 Spark Streaming是什么

11.2 Spark Streaming的架构

11.3 Spark Streaming的操作

11.4 Spark Streaming性能调优

11.5 小结

12 Spark GraphX图计算系统

12.1 图计算系统

12.2 Spark GraphX的框架

12.3 Spark GraphX的存储模式

12.4 Spark GraphX的图运算符

12.5 小结

13 Spark Cluster管理

13.1 Spark Cluster部署

13.2 Spark Cluster管理与监控

13.3 Spark高可用性

13.4 小结

第3篇 其他大数据处理技术

14 专为流数据而生的Storm

14.1 Storm起因

14.2 Storm的架构与组件

14.3 Storm的设计思想

14.4 Storm与Spark的区别

14.5 Storm的适用场景

14.6 Storm的应用

14.7 小结

15 Dremel和Drill

15.1 Dremel和Drill的历史背景

15.2 Dremel的原理与应用

15.3 Drill的架构与流程

15.4 Dremel和Drill的适用场景与应用

15.5 小结

第4篇 大数据下的日志分析系统

16 日志分析解决方案

16.1 百花齐放的日志处理技术

16.2 日志处理方案ELK

16.3 Logstash日志收集解析

16.4 ElasticSearch存储与搜索

16.5 Kibana展示

16.6 小结

17 ELK集群部署与应用

17.1 ELK集群部署与优化

17.2 如何开发自己的插件

17.3 ELK在大数据运维系统中的应用

17.4 ELK实战应用

17.5 小结

第5篇 数据分析技术前景展望

18 大数据处理的思考与展望

18.1 大数据时代的思考

18.2 大数据处理技术的发展趋势