大數(shù)據(jù)開發(fā)者權威教程：NoSQL Hadoop組件及大數(shù)據(jù)實施

目　錄
模塊1　額外的Hadoop工具：ZooKeeper、Sqoop、Flume、YARN和Storm
第1講　用ZooKeeper進行分布式處理協(xié)調(diào)　3
1．1　ZooKeeper簡介　4
1．1．1　ZooKeeper的好處　4
1．1．2　ZooKeeper術語　6
1．1．3　ZooKeeper命令行界面（CLI）　7
1．2　安裝和運行ZooKeeper　9
1．2．1　支持的平臺　9
1．2．2　所需的軟件　9
1．2．3　單服務器的安裝　9
1．3　使用ZooKeeper　10
1．4　ZooKeeper應用程序　12
1．4．1　FS爬取　13
1．4．2　Katta　14
1．4．3　Yahoo!消息代理（YMB）　14
1．5　使用ZooKeeper構(gòu)建應用程序　15
1．5．1　Exec．java　15
1．5．2　處理事件　17
1．5．3　監(jiān)控數(shù)據(jù)　19
1．5．4　實現(xiàn)屏障和生產(chǎn)者-消費者隊列　22
練習　30
備忘單　33
第2講　利用Sqoop有效地傳輸批量數(shù)據(jù)　34
2．1　Sqoop簡介　35
2．1．1　Sqoop中的工作流　36
2．1．2　Sqoop的特性　36
2．2　使用Sqoop 1　37
2．3　用Sqoop導入數(shù)據(jù)　41
2．3．1　導入完整的表　41
2．3．2　用HBase Sqoop導入帶有復合鍵的表　42
2．3．3　指定目標目錄　43
2．3．4　導入選擇的行　43
2．3．5　密碼保護　44
2．3．6　用不同的文件格式導入數(shù)據(jù)　44
2．3．7　導入數(shù)據(jù)壓縮　45
2．4　控制并行　45
2．5　編碼NULL值　47
2．6　將數(shù)據(jù)導入Hive表　47
2．7　將數(shù)據(jù)導入HBase　47
2．7．1　使用自由形式查詢　48
2．7．2　重命名Sqoop作業(yè)　48
2．8　導出數(shù)據(jù)　49
2．8．1　批量導出　50
2．8．2　原子導出　50
2．9　將數(shù)據(jù)導出至列的子集　50
2．10　Sqoop中的驅(qū)動程序和連接器　51
2．10．1　驅(qū)動程序　51
2．10．2　連接器　52
2．10．3　連接到數(shù)據(jù)庫　52
2．11　Sqoop架構(gòu)概覽　54
2．12　Sqoop 2　55
2．12．1　Sqoop 2的優(yōu)勢　56
2．12．2　易于擴展　56
2．12．3　安全　57
練習　58
備忘單　60
第3講　Flume　62
3．1　Flume簡介　63
3．1．1　Flume架構(gòu)　64
3．1．2　流可靠性　66
3．2　Flume配置文件　66
3．2．1　流定義　67
3．2．2　配置單個組件　67
3．2．3　在代理中添加多個流　68
3．2．4　配置多代理流　69
3．2．5　配置流扇出　70
3．3　設置Flume　71
3．3．1　安裝Flume　71
3．3．2　配置Flume代理　72
3．3．3　數(shù)據(jù)消費　74
3．4　構(gòu)建Flume　77
3．4．1　獲得源點　77
3．4．2　編譯/測試Flume　77
3．4．3　開發(fā)自定義組件　77
練習　90
備忘單　92
第4講　超越MapReduce—YARN　94
4．1　YARN簡介　95
4．2　為什么用YARN　96
4．2．1　提高可擴展性　96
4．2．2　效率　97
4．2．3　集群共享　97
4．3　YARN生態(tài)系統(tǒng)　98
4．3．1　YARN架構(gòu)　99
4．3．2　資源　100
4．3．3　資源管理器　101
4．3．4　ApplicationMaster　103
4．3．5　YARN的局限性　106
4．4　YARN API例子　107
4．4．1　YARN應用程序剖析　107
4．4．2　客戶端　108
4．4．3　把它們整合到一起　115
4．5　Mesos和YARN的比較　116
4．5．1　Mesos簡介　116
4．5．2　Mesos和Hadoop　118
練習　120
備忘單　122
第5講　Storm on YARN　124
5．1　Storm和Hadoop　125
5．2　Storm簡介　126
5．2．1　Storm架構(gòu)　126
5．2．2　Storm應用剖析　129
5．3　Storm API　132
5．3．1　spout　132
5．3．2　bolt　134
5．4　Storm on YARN　134
5．4．1　Storm on YARN架構(gòu)　135
5．4．2　Storm on YARN的局限性　136
5．5　安裝Storm on YARN　136
5．5．1　先決條件　136
5．5．2　安裝步驟　137
5．5．3　排錯　138
5．5．4　管理YARN on Storm　138
5．6　Storm on YARN的例子　139
5．6．1　傳感器數(shù)據(jù)spout　139
5．6．2　儀表盤bolt　140
5．6．3　HDFS日志記錄器bolt　142
5．6．4　主程序　144
5．6．5　運行示例　146
練習　148
備忘單　151
模塊2　利用NoSQL和Hadoop：實時、安全和云
第1講　Hello NoSQL　155
1．1　看兩個簡單的例子　156
1．1．1　持久化偏好數(shù)據(jù)的一個簡單集合——MongoDB　156
1．1．2　存儲汽車品牌和型號數(shù)據(jù)——Apache Cassandra　162
1．2　利用語言綁定進行工作　171
1．2．1　MongoDB的驅(qū)動程序　171
1．2．2　初識Thrift　174
1．3　存儲和訪問數(shù)據(jù)　177
1．4　在MongoDB中存儲和訪問數(shù)據(jù)　178
1．5　在HBase中存儲和訪問數(shù)據(jù)　185
1．6　在Apache Cassandra中存儲和訪問數(shù)據(jù)　189
1．7　NoSQL數(shù)據(jù)存儲的語言綁定　191
1．7．1　用Thrift進行診斷　191
1．7．2　Java的語言綁定　191
1．7．3　PHP的語言綁定　194
練習　195
備忘單　198
第2講　使用NoSQL　199
2．1　創(chuàng)建記錄　200
2．2　訪問數(shù)據(jù)　213
2．2．1　訪問來自MongoDB的文檔　213
2．2．2　訪問來自HBase的數(shù)據(jù)　214
2．2．3　查詢Redis　215
2．3　更新和刪除數(shù)據(jù)　216
2．4　MongoDB查詢語言的能力　217
2．4．1　加載MovieLens數(shù)據(jù)　219
2．4．2　獲取評級數(shù)據(jù)　221
2．4．3　MongoDB中的MapReduce　224
2．5　訪問來自HBase這樣的面向列的數(shù)據(jù)庫的數(shù)據(jù)　228
練習　230
備忘單　234
第3講　Hadoop安全　236
3．1　Hadoop安全挑戰(zhàn)　238
3．2　認證　239
3．2．1　Kerberos認證　239
3．2．2　Kerberos RPC　244
3．2．3　基于Web的控制臺的Kerberos　245
3．3　委托安全憑證　248
3．4　授權　253
3．4．1　HDFS文件權限　253
3．4．2　服務級別授權　257
3．4．3　作業(yè)授權　260
練習　261
備忘單　263
第4講　在AWS上運行Hadoop應用程序　265
4．1　開始了解AWS　266
4．2　在AWS上運行Hadoop的選項　267
4．2．1　使用EC2實例的自定義安裝　267
4．2．2　彈性MapReduce　268
4．3　了解EMR-Hadoop的關系　269
4．3．1　EMR架構(gòu)　270
4．3．2　使用S3存儲　271
4．3．3　最大化地利用EMR　272
4．3．4　使用CloudWatch和其他AWS組件　274
4．3．5　訪問和使用EMR　274
4．4　使用AWS S3　280
4．4．1　了解桶的用法　280
4．4．2　利用控制臺的內(nèi)容瀏覽　282
4．4．3　編程訪問S3中的文件　283
4．4．4　使用MapReduce上傳多個文件至S3　294
4．5　自動化EMR作業(yè)流的創(chuàng)建和作業(yè)執(zhí)行　296
4．6　組織協(xié)調(diào)EMR中作業(yè)的執(zhí)行　301
4．6．1　使用EMR集群上的Oozie　301
4．6．2　AWS簡單工作流　303
4．6．3　AWS數(shù)據(jù)管道　304
練習　306
備忘單　309
第5講　實時Hadoop　311
5．1　實時Hadoop應用　312
5．2　使用HBase實現(xiàn)實時應用　313
5．2．1　將HBase用作照片管理系統(tǒng)　315
5．2．2　將HBase用作Lucene的后端　322
5．3　使用專門的實時Hadoop查詢系統(tǒng)　342
5．3．1　Apache Drill　344
5．3．2　Impala　345
5．3．3　將實時查詢系統(tǒng)與MapReduce比較　347
5．4　使用基于Hadoop的事件處理系統(tǒng)　347
5．4．1　HFlame　348
5．4．2　Storm　350
5．4．3　將事件處理與MapReduce作比較　352
練習　353
備忘單　356
模塊3　Hadoop商業(yè)發(fā)行版和管理工具
第1講　大數(shù)據(jù)簡介　359
1．1　Cloudera基礎　360
1．1．1　包含Apache Hadoop的Cloudera發(fā)行版　360
1．1．2　Cloudera管理器　361
1．1．3　Cloudera標準版　362
1．1．4　Cloudera企業(yè)版　363
1．2　Cloudera管理器簡介　365
1．3　Cloudera管理器的管理控制臺　367
1．3．1　啟動并登錄管理控制臺　370
1．3．2　主頁　370
1．4　添加和管理服務　371
1．4．1　添加新服務　371
1．4．2　啟動服務　372
1．4．3　停止服務　372
1．4．4　重啟服務　373
1．5　使用Cloudera管理器的業(yè)務案例　373
1．6　Cloudera管理器的安裝要求　374
練習　375
備忘單　377
第2講　Cloudera上的Hive和Cloudera管理　379
2．1　Apache Hive簡介　380
2．1．1　Hive特性　380
2．1．2　HiveQL　380
2．2　Hive服務　381
2．2．1　Hive元數(shù)據(jù)服務器　382
2．2．2　Hive網(wǎng)關　382
2．2．3　升級Cloudera管理器　382
2．3　為Hive元存儲配置模式　383
2．3．1　嵌入模式　383
2．3．2　本地模式　384
2．3．3　遠程模式　385
2．4　配置Hive元存儲　386
2．4．1　Red Hat操作系統(tǒng)　386
2．4．2　SLES操作系統(tǒng)　388
2．4．3　Debian/Ubuntu操作系統(tǒng)　388
2．5　為Hive設置Cloudera Manager 4．5　389
2．6　Hive復制　391
練習　394
備忘單　396
第3講　Hortonworks和Greenplum Pivotal HD　397
3．1　Hortonworks數(shù)據(jù)平臺　398
3．1．1　核心服務　400
3．1．2　數(shù)據(jù)服務　400
3．1．3　操作服務　401
3．2　系統(tǒng)需求和環(huán)境　402
3．2．1　系統(tǒng)需求　402
3．2．2　構(gòu)建一個受支持的環(huán)境　404
3．3　安裝HDP　405
3．4　使用Talend Open Studio　409
3．4．1　安裝Talend Open Studio　410
3．4．2　將數(shù)據(jù)導入Talend Open Studio　411
3．4．3　執(zhí)行數(shù)據(jù)分析　413
3．5　Greenplum Pivotal HD　417
練習　420
備忘單　422
第4講　IBM InfoSphere BigInsights和MapR　424
4．1　InfoSphere BigInsights簡介　425
4．1．1　Apache Hadoop發(fā)行版的InfoSphere BigInsights組件　426
4．1．2　額外的Hadoop技術　427
4．1．3　文本分析　428
4．1．4　IBM Big SQL服務器　428
4．1．5　InfoSphere BigInsights控制臺　428
4．1．6　InfoSphere BigInsights的Eclipse工具　429
4．2　安裝準備　430
4．2．1　復核系統(tǒng)需求　431
4．2．2　選擇一個用戶　431
4．2．3　配置瀏覽器　432
4．2．4　下載InfoSphere BigInsights　437
4．2．5　完成常見先決條件的任務　437
4．3　安裝InfoSphere BigInsights　440
4．4　MapR簡介　442
練習　445
備忘單　447
第5講　應聘準備　449
5．1　大數(shù)據(jù)開發(fā)者需要的關鍵技術工具和框架　451
5．2　大數(shù)據(jù)開發(fā)者的工作角色和職責　452
5．3　大數(shù)據(jù)開發(fā)者職業(yè)機會領域　453