دانلود کتاب Hadoop in Practice – هادوپ در عمل

Summary

Hadoop in Practice, Second Edition provides over 100 tested, instantly useful techniques that will help you conquer big data, using Hadoop. This revised new edition covers changes and new features in the Hadoop core architecture, including MapReduce 2. Brand new chapters cover YARN and integrating Kafka, Impala, and Spark SQL with Hadoop. You’ll also get new and updated techniques for Flume, Sqoop, and Mahout, all of which have seen major new versions recently. In short, this is the most practical, up-to-date coverage of Hadoop available anywhere.

Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications.

About the Book

It’s always a good time to upgrade your Hadoop skills! Hadoop in Practice, Second Edition provides a collection of 104 tested, instantly useful techniques for analyzing real-time streams, moving data securely, machine learning, managing large-scale clusters, and taming big data using Hadoop. This completely revised edition covers changes and new features in Hadoop core, including MapReduce 2 and YARN. You’ll pick up hands-on best practices for integrating Spark, Kafka, and Impala with Hadoop, and get new and updated techniques for the latest versions of Flume, Sqoop, and Mahout. In short, this is the most practical, up-to-date coverage of Hadoop available.

Readers need to know a programming language like Java and have basic familiarity with Hadoop.

What’s Inside

• Thoroughly updated for Hadoop 2
• How to write YARN applications
• Integrate real-time technologies like Storm, Impala, and Spark
• Predictive analytics using Mahout and RR
• Readers need to know a programming language like Java and have basic familiarity with Hadoop.

About the Author

Alex Holmes works on tough big-data problems. He is a software engineer, author, speaker, and blogger specializing in large-scale Hadoop projects.

Table of Contents

PART 1 BACKGROUND AND FUNDAMENTALS

1. Hadoop in a heartbeat
2. Introduction to YARN

PART 2 DATA LOGISTICS

3. Data serializationworking with text and beyond
4. Organizing and optimizing data in HDFS
5. Moving data into and out of Hadoop

PART 3 BIG DATA PATTERNS

6. Applying MapReduce patterns to big data
7. Utilizing data structures and algorithms at scale
8. Tuning, debugging, and testing

PART 4 BEYOND MAPREDUCE

9. SQL on Hadoop
10. Writing a YARN application

خلاصه

Hadoop in Practice، نسخه دوم بیش از 100 تکنیک آزمایش شده و فورا مفید را ارائه می دهد که به شما کمک می کند داده های بزرگ را تسخیر کنید. با استفاده از Hadoop این ویرایش جدید اصلاح‌شده تغییرات و ویژگی‌های جدید در معماری هسته Hadoop، از جمله MapReduce 2 را پوشش می‌دهد. فصل‌های کاملاً جدید YARN و ادغام Kafka، Impala، و Spark SQL با Hadoop را پوشش می‌دهند. همچنین تکنیک های جدید و به روز شده ای را برای Flume، Sqoop و Mahout دریافت خواهید کرد، که همه آنها اخیراً نسخه های جدید اصلی را مشاهده کرده اند. به طور خلاصه، این کاربردی‌ترین و به‌روزترین پوشش Hadoop است که در همه جا موجود است.

خرید کتاب چاپی شامل یک کتاب الکترونیکی رایگان در قالب‌های PDF، Kindle، و ePub از انتشارات Manning است.

p>

درباره کتاب

همیشه زمان خوبی برای ارتقاء مهارت های Hadoop خود است! Hadoop in Practice، نسخه دوم مجموعه ای از 104 تکنیک آزمایش شده و فوراً مفید را برای تجزیه و تحلیل جریان های بلادرنگ، انتقال ایمن داده ها، یادگیری ماشینی، مدیریت خوشه های مقیاس بزرگ و رام کردن داده های بزرگ با استفاده از Hadoop ارائه می دهد. این نسخه کاملاً اصلاح شده تغییرات و ویژگی‌های جدید هسته Hadoop از جمله MapReduce 2 و YARN را پوشش می‌دهد. شما بهترین روش‌های عملی را برای ادغام Spark، Kafka، و Impala با Hadoop انتخاب می‌کنید و تکنیک‌های جدید و به‌روز را برای آخرین نسخه‌های Flume، Sqoop و Mahout دریافت خواهید کرد. به طور خلاصه، این کاربردی ترین و به روزترین پوشش Hadoop موجود است.

خوانندگان باید زبان برنامه نویسی مانند جاوا را بدانند و با Hadoop آشنایی اولیه داشته باشند.

b>What’s Inside

• به طور کامل برای Hadoop 2 به روز شده است
• نحوه نوشتن برنامه های YARN
• ادغام فناوری های بلادرنگ مانند Storm، Impala و Spark
• تحلیل پیش بینی کننده با استفاده از Mahout و RR
• خوانندگان باید زبان برنامه نویسی مانند جاوا را بدانند و با Hadoop آشنایی اولیه داشته باشند.

درباره نویسنده

الکس هولمز روی مشکلات کلان داده کار می کند. او یک مهندس نرم افزار، نویسنده، سخنران و وبلاگ نویس متخصص در پروژه های بزرگ مقیاس Hadoop است. و اصول

بخش 2 DATA LOGISTICS

بخش 3 الگوهای بزرگ داده

بخش 4 BEYOND MAPREDUCE