"Learning Hadoop 2"
本书《Learning Hadoop 2》由Gabriele Modena和Garry Turkington合著，旨在帮助读者利用Hadoop 2的最新工具和技术进行数据处理、生命周期管理和分析工作流的构建。书中涵盖的内容包括使用超越传统MapReduce方法的高级接口和工具来构建现代化应用程序，以及如何利用Hadoop 2的独特功能分析如Twitter的全球用户生成数据流。
书中的读者定位是具备Unix/Linux命令行界面操作基础和Java编程经验的系统或应用开发者，对Hadoop有一定了解者更佳。作者详细介绍了Hadoop框架的核心组件，如HDFS（分布式文件系统）和YARN（Yet Another Resource Negotiator），并逐步引导读者通过多种方法构建应用程序。
书中提到，YARN彻底改变了MapReduce与Hadoop的关系，使得Hadoop能够支持更多样化的处理方式和更广泛的应用场景，包括使用Apache Samza进行实时处理和使用Apache Spark进行迭代计算。此外，还讨论了Apache Pig及其提供的数据流数据模型，用于分析Twitter数据集。
读者将学习如何利用各种工具提高工作效率，如Apache Hive进行SQL查询，Apache Oozie进行工作流管理，Hadoop Streaming实现自定义数据处理，Apache Crunch提供简洁的编程模型，以及Kite SDK简化开发过程。书籍最后部分展望了Hadoop主要组件的未来发展方向，并介绍了如何参与Hadoop社区。
全书共分为11章，涵盖了从介绍到实际操作的各个层面：
1. 引言
2. 存储
3. 处理 - MapReduce及超越
4. 使用Samza进行实时计算
5. 使用Spark进行迭代计算
6. 使用Apache Pig进行数据分析
7. Hadoop与SQL
8. 数据生命周期管理
9. 提高开发效率
10. 运行Hadoop集群
11. 未来的方向
通过阅读本书，读者不仅可以深入理解Hadoop 2的架构和组件，还能掌握在本地集群和云端（如Amazon Web Services的Elastic MapReduce）部署和运行Hadoop应用的方法。特别地，书中以Twitter数据为例，帮助读者实践如何利用Hadoop处理实时和大规模的数据流。
我的内容管理
展开
