Big Data with Hadoop MapReduce: A Classroom Approach

نویسندگان با ارائه واضح اصطلاحات و مفاهیم اولیه، درک درستی از کلان داده و MapReduce ارائه می دهند. آنها بیش از 100 تصویر و بسیاری از نمونه های کار شده را برای انتقال مفاهیم و روش های مورد استفاده در داده های بزرگ، عملکرد داخلی MapReduce و نصب تک گره/چند گره بر روی ماشین های فیزیکی/مجازی به کار گرفته اند. این کتاب تقریباً تمام اطلاعات لازم در مورد Hadoop MapReduce را برای اکثر آزمون‌های صدور گواهینامه آنلاین پوشش می‌دهد. پس از تکمیل این کتاب، درک سایر ابزارهای پردازش داده های بزرگ مانند Spark، Storm و غیره برای خوانندگان آسان خواهد بود.

در نهایت، خوانندگان قادر خواهند بود:

• درک کنند که چه چیزی کلان داده است و عواملی که در آن دخیل هستند

• درک عملکرد داخلی MapReduce، که برای امتحانات صدور گواهینامه ضروری است

• ویژگی ها و نقاط ضعف MapReduce را بیاموزید

• ایجاد یک ماشین مجازی در AWS

• نوشتن MapReduce با Eclipse به روشی ساده

• سایر ابزارهای پردازش کلان داده و کاربردهای آنها را درک کنید

The authors provide an understanding of big data and MapReduce by clearly presenting the basic terminologies and concepts. They have employed over 100 illustrations and many worked-out examples to convey the concepts and methods used in big data, the inner workings of MapReduce, and single node/multi-node installation on physical/virtual machines. This book covers almost all the necessary information on Hadoop MapReduce for most online certification exams. Upon completing this book, readers will find it easy to understand other big data processing tools such as Spark, Storm, etc.

Ultimately, readers will be able to:

• understand what big data is and the factors that are involved

• understand the inner workings of MapReduce, which is essential for certification exams

• learn the features and weaknesses of MapReduce

• set up Hadoop clusters with 100s of physical/virtual machines

• create a virtual machine in AWS

• write MapReduce with Eclipse in a simple way

• understand other big data processing tools and their applications