内容简介

本书每一章都介绍了不同的主题（例如核心技术或数据传输），并且解释了为什么特定组件适用或不适用特定的需求。对于数据处理来说，使用Hadoop是一个全新的挑战，但如果有了这本便利的参考书，你将很容易领会使用Hadoop的精妙所在。

主要包括如下主题：

核心技术。Hadoop分布式文件系统（HDFS）、MapReduce、YARN和Spark。

数据库和数据管理。Cassandra、HBase、MongoDB和Hive。

序列化。Avro、JSON和Parquet。

管理和监视。Puppet、Chef、Zookeeper和Oozie。

分析辅助。Pig、Mahout和MLLib。

数据传输。Scoop、Flume、distcp和Storm。

安全、访问控制和审计。Sentry、Kerberos和Knox。

云计算和虚拟化。Serengeti、Docker和Whirr。

目录

前言  1

第1章关键技术  7

11 Hadoop分布式文件系统（HDFS） 8

12 MapReduce  11

13 YARN  13

14 Spark   15

第2章数据库及数据管理  17

21 Cassandra 19

22 HBase  21

23 Accumulo 24

24 Memcached  26

25 Blur 28

26 Solr  30

27 MongoDB  32

28 Hive  34

29 Spark SQL ( 前身是 Shark) 36

210 Giraph  38

第3章序列化  41

31 Avro  43

32 JSON 46

33 Protocol Buffers (protobuf)  48

34 Parquet 50

第4章管理与监控 53

41 Ambari  54

42 HCatalog 56

43 Nagios 58

44 Puppet  59

45 Chef  61

46 ZooKeeper  63

47 Oozie  66

48 Ganglia  68

第5章分析辅助  69

51 MapReduce 接口69

52 分析库 70

53 Pig  72

54 Hadoop Streaming 74

55 Mahout 76

56 MLLib   78

57 Hadoop 图像处理接口（HIPI） 80

58 SpatialHadoop 81

第6章数据传输  83

61 Sqoop 85

62 Flume 87

63 DistCp 89

64 Storm  90

第7章安全、访问控制和审计  93

71 Sentry 95

72 Kerberos 97

73 Knox  99

第8章云计算和虚拟化  101

81 Serengeti 103

82 Docker105

83 Whirr  107

文档截图