扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
大数据库 版权信息
- ISBN：9787121316197
- 条形码：9787121316197 ; 978-7-121-31619-7
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>>
大数据库 本书特色
本书详细介绍大数据环境下的常用的数据库和相关工具，包括HBase、Hive、Impala、Spark、Spark SQL、键值数据库和流式数据库等，给出了详细的工作机理和应用方法，并给出完整的实践案例和代码。
大数据库 内容简介
本书详细介绍大数据环境下的常用的数据库和相关工具，包括HBase、Hive、Impala、Spark、Spark SQL、键值数据库和流式数据库等，给出了详细的工作机理和应用方法，并给出完整的实践案例和代码。
大数据库 目录
目 录
第1章 大数据库概述 1
1.1 传统关系型数据库面临的问题 1
1.2 大数据库技术 2
1.2.1 列式数据库 2
1.2.2 内存数据库 2
1.2.3 键值数据库 3
1.2.4 流式数据库 3
1.3 大数据SQL 3
1.4 当前主流大数据SQL简介 4
1.4.1 Hive 4
1.4.2 Impala 5
1.4.3 Shark 6
1.4.4 Spark SQL 7
1.5 本章总结 8
习题 9
参考文献 9
第2章 分布式数据库HBase 10
2.1 HBase基础 10
2.1.1 体系架构 10
2.1.2 数据模型 15
2.2 HBase操作简介 17
2.2.1 HBase接口简介 17
2.2.2 HBase Shell实战 17
2.2.3 HBase API 20
2.3 HBase实战 21
2.3.1 实战HBase之综例 21
2.3.2 实战HBase之使用MapReduce构建索引 22
习题 26
参考文献 27
第3章 数据仓库工具Hive 28
3.1 Hive简介 28
3.1.1 工作原理 28
3.1.2 体系架构 29
3.1.3 计算模型 30
3.1.4 Hive部署模式 31
3.2 Hive的使用 32
3.2.1 Hive的数据类型 32
3.2.2 Hive接口汇总 32
3.3 实战Hive Shell 33
3.3.1 DDL操作 33
3.3.2 DML操作 34
3.3.3 SQL操作 34
3.4 实战Hive之复杂语句 35
3.5 实战Hive之综合示例 37
3.6 实战Hive API接口 38
3.6.1 UDF编程示例 38
3.6.2 UDAF编程示例 39
习题 40
参考文献 41
第4章 大数据查询系统Impala 42
4.1 Impala简介 42
4.1.1 Impala的起源 42
4.1.2 Impala的特点 42
4.1.3 Impala 前辈及竞争对手 43
4.2 Impala工作原理 43
4.2.1 Impala 设计目标 44
4.2.2 Impala 服务器组件 44
4.2.3 Impala 编程特点 45
4.2.4 Impala在Hadoop生态圈中的生存之道 45
4.3 Impala环境搭建 46
4.3.1 Impala 安装前的考虑 47
4.3.2 Impala 安装途径与安装示范 50
4.4 Impala操作实例 61
4.4.1 Impala 基本操作 62
4.4.2 Impala 数据库操作 62
习题 66
参考文献 66
第5章 内存数据库Spark 67
5.1 Spark简介 67
5.1.1 Spark的引入 67
5.1.2 Spark生态系统BDAS 69
5.1.3 Spark系统架构 75
5.1.4 Spark工作流程 77
5.1.5 Spark应用案例 78
5.2 Spark计算模型 80
5.2.1 Spark程序模型 81
5.2.2 弹性分布式数据集（RDD） 81
5.2.3 Spark算子 84
5.3 Spark工作机制 85
5.3.1 Spark运行机制 85
5.3.2 Spark调度机制 87
5.3.3 Spark I/O机制 93
5.3.4 Spark通信机制 94
5.3.5 Spark容错机制 97
5.3.6 Spark Shuffle机制 101
5.4 Scala快速入门 102
5.4.1 Scala解释器 103
5.4.2 变量 103
5.4.3 函数 104
5.4.4 编写Scala脚本 105
5.4.5 while 配合if实现循环 105
5.4.6 foreach和 for 来实现迭代 105
5.4.7 类型参数化数组 106
5.4.8 Lists 107
5.4.9 使用元组（Tuples） 108
5.4.10 Sets和Maps 108
5.4.11 函数编程风格 109
5.4.12 读取文件 110
5.5 Spark环境部署 110
5.5.1 安装与配置Spark 110
5.5.2 Intellij IDEA构建Spark开发环境 118
5.5.3 SBT构建Spark程序 121
5.5.4 编译Spark程序 122
5.5.5 远程调试Spark程序 123
5.5.6 生成Spark部署包 124
5.6 Spark 编程案例 124
5.6.1 WordCount 125
5.6.2 Top K 127
5.6.3 倒排索引 128
习题 130
参考文献 131
第6章 Spark SQL 132
6.1 Spark SQL简介 132
6.1.1 Spark SQL发展历程 132
6.1.2 Spark SQL 架构 133
6.2 Spark SQL编程基础 137
6.2.1 数据类型及表达式 137
6.2.2 Spark SQL查询引擎Catalyst 138
6.2.3 SQL DSL API 142
6.2.4 Spark SQL ThriftServer和CLI 144
6.2.5 Spark SQL常用操作 146
6.3 Spark SQL实战 151
6.3.1 Spark SQL开发环境搭建 151
6.3.2 Spark SQL使用入门 166
习题 173
参考文献 173
第7章 键值数据库 174
7.1 概述 174
7.1.1 键值存储 174
7.1.2 键值数据库 176
7.2 Redis 178
7.2.1 简介 178
7.2.2 Redis数据服务及集群技术 180
7.2.3 Redis安装 186
7.2.4 Redis数据操作 187
7.2.5 案例：网站访问历史记录查询 193
7.3 Memcached 198
7.3.1 简介 198
7.3.2 Memcached缓存技术 198
7.3.3 Memcached安装 200
7.3.4 Memcached数据操作 203
7.3.5 Memcached分布式技术 206
7.3.6 案例：论坛帖子信息缓存 207
7.4 典型应用及局限 208
7.4.1 典型应用 209
7.4.2 键值数据库局限 211
习题 211
参考文献 212
第8章 流式数据库 213
8.1 流式计算模型 213
8.1.1 流式计算概念 213
8.1.2 流式计算数据特点 215
8.1.3 流式计算典型应用 216
8.1.4 典型流式计算平台 216
8.2 流式计算关键技术 218
8.2.1 计算拓扑 218
8.2.2 消息传递 220
8.2.3 高可用性 222
8.2.4 语义保障 224
8.2.5 其他关键技术 225
8.3 Storm平台 225
8.3.1 Storm简介 225
8.3.2 Storm原理 227
8.3.3 Storm部署 237
8.3.4 案例：Maven环境下的Storm编程 242
8.4 Spark Streaming平台 246
8.4.1 Spark Streaming简介 247
8.4.2 Spark Streaming原理 248
8.4.3 案例：集群环境下的Spark Streaming编程 249
习题 261
参考文献 262
第9章 数据应用托管平台Docker 263
9.1 Docker技术简介 263
9.1.1 Docker是什么 263
9.1.2 Docker的架构和流程 265
9.2 Docker的优势和局限 266
9.2.1 Docker的优势 266
9.2.2 Docker的局限性 268
9.3 基于Docker的大数据系统设计 270
9.3.1 分布式Docker网络环境的搭建 270
9.3.2 Docker集群管理系统：Kubernetes 271
习题 277
参考文献 278
第1章 大数据库概述 1
1.1 传统关系型数据库面临的问题 1
1.2 大数据库技术 2
1.2.1 列式数据库 2
1.2.2 内存数据库 2
1.2.3 键值数据库 3
1.2.4 流式数据库 3
1.3 大数据SQL 3
1.4 当前主流大数据SQL简介 4
1.4.1 Hive 4
1.4.2 Impala 5
1.4.3 Shark 6
1.4.4 Spark SQL 7
1.5 本章总结 8
习题 9
参考文献 9
第2章 分布式数据库HBase 10
2.1 HBase基础 10
2.1.1 体系架构 10
2.1.2 数据模型 15
2.2 HBase操作简介 17
2.2.1 HBase接口简介 17
2.2.2 HBase Shell实战 17
2.2.3 HBase API 20
2.3 HBase实战 21
2.3.1 实战HBase之综例 21
2.3.2 实战HBase之使用MapReduce构建索引 22
习题 26
参考文献 27
第3章 数据仓库工具Hive 28
3.1 Hive简介 28
3.1.1 工作原理 28
3.1.2 体系架构 29
3.1.3 计算模型 30
3.1.4 Hive部署模式 31
3.2 Hive的使用 32
3.2.1 Hive的数据类型 32
3.2.2 Hive接口汇总 32
3.3 实战Hive Shell 33
3.3.1 DDL操作 33
3.3.2 DML操作 34
3.3.3 SQL操作 34
3.4 实战Hive之复杂语句 35
3.5 实战Hive之综合示例 37
3.6 实战Hive API接口 38
3.6.1 UDF编程示例 38
3.6.2 UDAF编程示例 39
习题 40
参考文献 41
第4章 大数据查询系统Impala 42
4.1 Impala简介 42
4.1.1 Impala的起源 42
4.1.2 Impala的特点 42
4.1.3 Impala 前辈及竞争对手 43
4.2 Impala工作原理 43
4.2.1 Impala 设计目标 44
4.2.2 Impala 服务器组件 44
4.2.3 Impala 编程特点 45
4.2.4 Impala在Hadoop生态圈中的生存之道 45
4.3 Impala环境搭建 46
4.3.1 Impala 安装前的考虑 47
4.3.2 Impala 安装途径与安装示范 50
4.4 Impala操作实例 61
4.4.1 Impala 基本操作 62
4.4.2 Impala 数据库操作 62
习题 66
参考文献 66
第5章 内存数据库Spark 67
5.1 Spark简介 67
5.1.1 Spark的引入 67
5.1.2 Spark生态系统BDAS 69
5.1.3 Spark系统架构 75
5.1.4 Spark工作流程 77
5.1.5 Spark应用案例 78
5.2 Spark计算模型 80
5.2.1 Spark程序模型 81
5.2.2 弹性分布式数据集（RDD） 81
5.2.3 Spark算子 84
5.3 Spark工作机制 85
5.3.1 Spark运行机制 85
5.3.2 Spark调度机制 87
5.3.3 Spark I/O机制 93
5.3.4 Spark通信机制 94
5.3.5 Spark容错机制 97
5.3.6 Spark Shuffle机制 101
5.4 Scala快速入门 102
5.4.1 Scala解释器 103
5.4.2 变量 103
5.4.3 函数 104
5.4.4 编写Scala脚本 105
5.4.5 while 配合if实现循环 105
5.4.6 foreach和 for 来实现迭代 105
5.4.7 类型参数化数组 106
5.4.8 Lists 107
5.4.9 使用元组（Tuples） 108
5.4.10 Sets和Maps 108
5.4.11 函数编程风格 109
5.4.12 读取文件 110
5.5 Spark环境部署 110
5.5.1 安装与配置Spark 110
5.5.2 Intellij IDEA构建Spark开发环境 118
5.5.3 SBT构建Spark程序 121
5.5.4 编译Spark程序 122
5.5.5 远程调试Spark程序 123
5.5.6 生成Spark部署包 124
5.6 Spark 编程案例 124
5.6.1 WordCount 125
5.6.2 Top K 127
5.6.3 倒排索引 128
习题 130
参考文献 131
第6章 Spark SQL 132
6.1 Spark SQL简介 132
6.1.1 Spark SQL发展历程 132
6.1.2 Spark SQL 架构 133
6.2 Spark SQL编程基础 137
6.2.1 数据类型及表达式 137
6.2.2 Spark SQL查询引擎Catalyst 138
6.2.3 SQL DSL API 142
6.2.4 Spark SQL ThriftServer和CLI 144
6.2.5 Spark SQL常用操作 146
6.3 Spark SQL实战 151
6.3.1 Spark SQL开发环境搭建 151
6.3.2 Spark SQL使用入门 166
习题 173
参考文献 173
第7章 键值数据库 174
7.1 概述 174
7.1.1 键值存储 174
7.1.2 键值数据库 176
7.2 Redis 178
7.2.1 简介 178
7.2.2 Redis数据服务及集群技术 180
7.2.3 Redis安装 186
7.2.4 Redis数据操作 187
7.2.5 案例：网站访问历史记录查询 193
7.3 Memcached 198
7.3.1 简介 198
7.3.2 Memcached缓存技术 198
7.3.3 Memcached安装 200
7.3.4 Memcached数据操作 203
7.3.5 Memcached分布式技术 206
7.3.6 案例：论坛帖子信息缓存 207
7.4 典型应用及局限 208
7.4.1 典型应用 209
7.4.2 键值数据库局限 211
习题 211
参考文献 212
第8章 流式数据库 213
8.1 流式计算模型 213
8.1.1 流式计算概念 213
8.1.2 流式计算数据特点 215
8.1.3 流式计算典型应用 216
8.1.4 典型流式计算平台 216
8.2 流式计算关键技术 218
8.2.1 计算拓扑 218
8.2.2 消息传递 220
8.2.3 高可用性 222
8.2.4 语义保障 224
8.2.5 其他关键技术 225
8.3 Storm平台 225
8.3.1 Storm简介 225
8.3.2 Storm原理 227
8.3.3 Storm部署 237
8.3.4 案例：Maven环境下的Storm编程 242
8.4 Spark Streaming平台 246
8.4.1 Spark Streaming简介 247
8.4.2 Spark Streaming原理 248
8.4.3 案例：集群环境下的Spark Streaming编程 249
习题 261
参考文献 262
第9章 数据应用托管平台Docker 263
9.1 Docker技术简介 263
9.1.1 Docker是什么 263
9.1.2 Docker的架构和流程 265
9.2 Docker的优势和局限 266
9.2.1 Docker的优势 266
9.2.2 Docker的局限性 268
9.3 基于Docker的大数据系统设计 270
9.3.1 分布式Docker网络环境的搭建 270
9.3.2 Docker集群管理系统：Kubernetes 271
习题 277
参考文献 278
展开全部
大数据库 作者简介
刘鹏，清华大学博士，解放军理工大学教授、学科带头人，中国云计算专家委员会委员。主要研究方向为信息网格和云计算，完成科研课题18项，发表论文70余篇，获部级科技进步奖6项。曾夺得国际计算机排序比赛冠军，并二次夺得全国高校科技比赛最高奖，获“全军十大学习成才标兵”、“南京十大杰出青年”和“清华大学学术新秀”等称号。2002年首倡的“网格计算池”和2003年研发的“反垃圾邮件网格”分别为云计算和云安全的前身。创办了知名的中国网格和中国云计算网站
书友推荐
- >
姑妈的宝刀
姑妈的宝刀
¥13.5¥30.0 - >
回忆爱玛侬
回忆爱玛侬
¥13.8¥32.8 - >
李白与唐代文化
李白与唐代文化
¥12.5¥29.8 - >
山海经
山海经
¥21.1¥68.0 - >
推拿
推拿
¥12.2¥32.0 - >
伊索寓言-世界文学名著典藏-全译本
伊索寓言-世界文学名著典藏-全译本
¥9.3¥19.0 - >
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
¥9.9¥23.0 - >
唐代进士录
唐代进士录
¥25.9¥39.8
本类畅销
-
数据结构:C语言描述
¥19.3¥25 -
数据库原理与应用
¥15.7¥29.5 -
MATLAB智能优化算法:从写代码到算法思想
¥27.7¥89 -
4.23文创礼盒A款--“作家言我精神状态”
¥42.3¥206 -
4.23文创礼盒B款--“作家言我精神状态”
¥42.3¥206 -
一句顶一万句 (印签版)
¥40.4¥68
