标签: Hadoop数据分析

通过提供分布式数据存储和并行计算框架，Hadoop已经从一个集群计算的抽象演化成了一个大数据的操作系统。本书旨在通过以可读且直观的方式提供集群计算和分析的概览，为数据科学家深入了解特定主题领域铺平道路，从数据科学家的视角介绍Hadoop集群计算和分析。本书分为两大部分，第一部分从非常高的层次介绍分布式计算，讨论如何在集群上运行计算；第二部分则重点关注数据科学家应该了解的工具和技术，意在为各种分析和大规模数据管理提供动力。书中主要内容如下：•Hadoop和集群计算背后的核心概念•使用设计模式和并行分析算法创建分布式数据分析作业•在分布式环境下使用ApacheHive和HBase进行数据管理、数据挖掘和数据仓储•使用Sqoop和ApacheFlume从关系数据库采集数据•使用ApachePig和SparkDataFrame编写复杂的Hadoop和Spark应用程序•通过SparkMLlib运用分类、聚类和协同过滤等机器学习技术