دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: پایگاه داده ها ویرایش: 1 نویسندگان: Sridhar Alla سری: ISBN (شابک) : 1788628845, 9781788628846 ناشر: Packt Publishing سال نشر: 2018 تعداد صفحات: 472 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 34 مگابایت
در صورت تبدیل فایل کتاب Big Data Analytics with Hadoop 3: Build highly effective analytics solutions to gain valuable insight into your big data به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل داده های بزرگ با Hadoop 3: ایجاد راه حل های تجزیه و تحلیل بسیار موثر برای به دست آوردن بینش ارزشمند در مورد کلان داده های خود نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
با استفاده از قدرت Hadoop 3 مفاهیم کلان داده، پلتفرم ها، تجزیه و تحلیل و برنامه های کاربردی آنها را کاوش کنید. ویژگی های کلیدی Hadoop 3 را بیاموزید تا راهحلهای تجزیه و تحلیل دادههای بزرگ موثر را در بستر و در فضای ابری ایجاد کنید ادغام Hadoop با سایر ابزارهای کلان داده مانند R، Python، Apache Spark و Apache Flink از داده های بزرگ با استفاده از Hadoop 3 با مثال های دنیای واقعی بهره برداری کنید توضیحات کتاب Apache Hadoop محبوبترین پلتفرم برای پردازش کلان داده است و میتواند با مجموعهای از ابزارهای کلان داده دیگر برای ساخت راهحلهای تحلیلی قدرتمند ترکیب شود. تجزیه و تحلیل داده های بزرگ با Hadoop 3 به شما نشان می دهد که چگونه این کار را انجام دهید، با ارائه بینش در مورد نرم افزار و همچنین مزایای آن با کمک مثال های عملی. پس از بازدید از جدیدترین ویژگیهای Hadoop 3، مروری بر HDFS، MapReduce و YARN خواهید داشت و اینکه چگونه پردازش دادههای بزرگ را سریعتر و کارآمدتر میکنند. سپس به یادگیری نحوه ادغام Hadoop با ابزارهای منبع باز مانند پایتون و R برای تجزیه و تحلیل و تجسم داده ها و انجام محاسبات آماری روی داده های بزرگ خواهید پرداخت. همانطور که با همه اینها آشنا شدید، نحوه استفاده از Hadoop 3 با Apache Spark و Apache Flink را برای تجزیه و تحلیل داده ها و پردازش جریانی در زمان واقعی بررسی خواهید کرد. علاوه بر این، نحوه استفاده از Hadoop را برای ساخت راهحلهای تحلیلی روی ابر و خط لوله سرتاسری برای انجام تجزیه و تحلیل دادههای بزرگ با استفاده از موارد کاربردی عملی خواهید فهمید. در پایان این کتاب، شما به خوبی با قابلیت های تحلیلی اکوسیستم هادوپ آشنا خواهید شد. شما قادر خواهید بود راه حل های قدرتمندی برای انجام تجزیه و تحلیل داده های بزرگ بسازید و بدون زحمت بینش خود را بدست آورید. آنچه خواهید آموخت ویژگی های جدید Hadoop 3 را به همراه HDFS، YARN و MapReduce کاوش کنید با استفاده از مثال های عملی با قابلیت های تحلیلی اکوسیستم هادوپ آشنا شوید برای پردازش کلان داده کارآمدتر، Hadoop را با R و Python ادغام کنید آموزش استفاده از Hadoop با Apache Spark و Apache Flink برای تجزیه و تحلیل داده ها در زمان واقعی یک خوشه Hadoop را در ابر AWS راه اندازی کنید با استفاده از Elastic Map Reduce، تجزیه و تحلیل داده های بزرگ را در AWS انجام دهید این کتاب برای چه کسی است تجزیه و تحلیل داده های بزرگ با Hadoop 3 برای شما مناسب است اگر به دنبال ایجاد راه حل های تجزیه و تحلیل با کارایی بالا برای شرکت یا کسب و کار خود با استفاده از ویژگی های قدرتمند Hadoop 3 هستید یا در تجزیه و تحلیل داده های بزرگ تازه کار هستید. درک اولیه زبان برنامه نویسی جاوا مورد نیاز است.
Explore big data concepts, platforms, analytics, and their applications using the power of Hadoop 3 Key Features Learn Hadoop 3 to build effective big data analytics solutions on-premise and on cloud Integrate Hadoop with other big data tools such as R, Python, Apache Spark, and Apache Flink Exploit big data using Hadoop 3 with real-world examples Book Description Apache Hadoop is the most popular platform for big data processing, and can be combined with a host of other big data tools to build powerful analytics solutions. Big Data Analytics with Hadoop 3 shows you how to do just that, by providing insights into the software as well as its benefits with the help of practical examples. Once you have taken a tour of Hadoop 3’s latest features, you will get an overview of HDFS, MapReduce, and YARN, and how they enable faster, more efficient big data processing. You will then move on to learning how to integrate Hadoop with the open source tools, such as Python and R, to analyze and visualize data and perform statistical computing on big data. As you get acquainted with all this, you will explore how to use Hadoop 3 with Apache Spark and Apache Flink for real-time data analytics and stream processing. In addition to this, you will understand how to use Hadoop to build analytics solutions on the cloud and an end-to-end pipeline to perform big data analysis using practical use cases. By the end of this book, you will be well-versed with the analytical capabilities of the Hadoop ecosystem. You will be able to build powerful solutions to perform big data analytics and get insight effortlessly. What you will learn Explore the new features of Hadoop 3 along with HDFS, YARN, and MapReduce Get well-versed with the analytical capabilities of Hadoop ecosystem using practical examples Integrate Hadoop with R and Python for more efficient big data processing Learn to use Hadoop with Apache Spark and Apache Flink for real-time data analytics Set up a Hadoop cluster on AWS cloud Perform big data analytics on AWS using Elastic Map Reduce Who this book is for Big Data Analytics with Hadoop 3 is for you if you are looking to build high-performance analytics solutions for your enterprise or business using Hadoop 3’s powerful features, or you’re new to big data analytics. A basic understanding of the Java programming language is required.
1. Introduction to Hadoop 2. Overview of Big Data Analytics 3. Big Data Processing with MapReduce 4. Scientific Computing and Big Data Analysis with Python and Hadoop 5. Statistical Big Data Computing with R and Hadoop 6. Batch analytics with Apache Spark 7. Real time analytics with Apache Spark 8. Batch analytics with Apache Flink 9. Stream Processing with Apache Flink 10. Visualizing Big Data 11. Introduction to Cloud Computing 12. Using Amazon Web Services