图书介绍
大数据猩球 海量数据处理实践指南PDF|Epub|txt|kindle电子书版本网盘下载
- （美）PhilipKromer，（美）RussellJurney著；唐李洋译 著
- 出版社： 北京：电子工业出版社
- ISBN：9787121294181
- 出版时间：2016
- 标注页数：193页
- 文件大小：77MB
- 文件页数：211页
- 主题词：数据处理
PDF下载
下载说明
大数据猩球 海量数据处理实践指南PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第一部分 入门：理论和工具3
第1章 Hadoop基础3
黑猩猩和大象创业4
Map-Only作业：逐个处理记录5
Pig Latin Map-Only作业6
创建Docker Hadoop集群8
运行作业12
小结15
第2章 MapReduce17
黑猩猩和大象拯救圣诞节17
玩具岛上的麻烦17
黑猩猩把信件变成带标签的玩具表19
小象将玩具表送到适当的工作台21
示例：驯鹿游戏23
UFO数据24
根据报道延迟对UFO目击分组24
Mapper24
Reducer26
数据可视化29
驯鹿小结30
Hadoop与传统数据库30
MapReduce俳句31
Map阶段简述32
Group-Sort阶段简述32
Reduce阶段简述32
小结33
第3章 棒球数据集速览35
数据35
缩略词和术语36
规则和目标37
评价指标37
小结38
第4章 Pig入门39
Pig帮助Hadoop处理数据表，而不是记录39
维基百科访问数统计41
基本数据操作43
控制操作44
管道操作44
结构化操作44
LOAD定位并描述你的数据46
简单类型46
复杂类型1，元组：带类型字段的固长序列47
复杂类型2，袋：元组的无限集合47
定义变换后的记录模式48
STORE将数据写入磁盘49
辅助命令50
DESCRIBE50
DUMP50
SAMPLE50
ILLUSTRATE51
EXPLAIN51
Pig函数51
Piggybank53
Apache DataFu56
小结59
第二部分 战术：分析模式63
第5章 Map-Only操作63
模式用法63
清除数据64
选择满足条件的记录：FILTER等65
选择满足多个条件的记录66
选择或丢弃空值记录66
选择匹配正则表达式的记录（MATCHES）67
根据固定的值列表匹配记录70
按字段名投影字段71
使用FOREACH选择、重命名和重排序字段71
抽取记录的随机样本73
按key抽取一致性样本74
仅加载部分part-Files实现粗略抽样75
使用LIMIT选择固定数量的记录75
其他数据消除模式76
变换记录76
使用FOREACH逐个变换记录76
嵌套FOREACH允许使用中间表达式77
根据模版格式化字符串79
使用复杂类型组装字面值80
操纵字段的类型84
整型、浮点型和取整86
从外部包调用用户自定义函数87
将一个表分裂成多个表的操作88
将数据条件定向到多个数据流（SPLIT）88
将几个表联合成一个表的操作89
将多个Pig关系表合并成一个表（堆砌行集）89
小结91
第6章 分组操作93
按key将记录分组到袋93
模式用法97
统计key的出现次数97
使用带分隔符的字符串表示值的集合99
使用带分隔符的字符串表示复杂数据结构101
使用JSON编码的字符串表示复杂数据结构102
分组和聚合106
聚合组的统计数据106
完全汇总字段108
汇总整个表的聚合统计值110
汇总字符串字段111
使用直方图计算数值型值的分布情况113
模式用法114
直方图的数据分箱114
确定箱子的大小116
解释直方图和分位数118
将数据分箱到规模呈指数变化的块119
为通用代码段创建Pig宏121
比赛分布情况121
极端情况和干扰因子122
不要相信尾部分布125
计算相对分布直方图126
重新注入全局值127
在组内计算直方图128
导出可读结果130
汇总技巧132
统计组的条件子集——汇总技巧132
同时汇总组的多个子集134
测试组内某个值是否缺失136
小结137
参考文献138
第7章 表连接139
匹配表记录（内连接）140
将一个表的记录与另一个表的记录直接匹配连接（直接内连接）140
连接是怎么工作的142
连接就是COGROUP＋FLATTEN142
连接就是在表名上进行二次排序的MapReduce作业143
处理连接和分组中的空值和不匹配145
枚举多对多关系147
连接表和它自己（自连接）148
包含不匹配记录的连接（外连接）150
模式用法152
连接不含外键关系的表153
连接整型表填补列表中的空白155
仅选择与另一个表不匹配的记录（反连接）157
仅选择与另一个表匹配的记录（半连接）158
反连接的另一种方式：使用COGROUP158
小结160
第8章 排序操作161
准备职业生涯时期161
对所有记录进行全排序163
多字段排序164
表达式排序（行不通）164
大小写不敏感的字符串排序165
排序的空值处理165
将值放到排序顺序的顶部或底端166
组内排序167
模式用法169
根据字段值的Top-K选择行169
组内Top-K170
按照排序顺序给记录编号170
找出最大值对应的记录171
对一组记录进行混排171
小结172
第9章 重复记录和唯一记录173
处理重复173
消除表中的重复记录174
消除组内的重复记录174
基于键消除重复175
基于键选择唯一（或重复）记录176
集合操作177
全表上的集合操作178
Distinct Union179
Distinct Union（其他方法）179
Set Intersection179
Set Difference180
Symmetric Difference：（A-B）＋（B-A）180
Set Equality181
组内集合操作182
构造一个集合序列182
某个组内的集合操作183
小结185
索引187