Hadoop: The Definitive Guide

برای باز کردن قفل قدرت داده‌های خود آماده شوید. با ویرایش چهارم این راهنمای جامع، نحوه ساخت و نگهداری سیستم های قابل اعتماد، مقیاس پذیر و توزیع شده را با Apache Hadoop خواهید آموخت. این کتاب برای برنامه نویسانی که به دنبال تجزیه و تحلیل مجموعه داده ها با هر اندازه ای هستند، و برای مدیرانی که می خواهند خوشه های Hadoop را راه اندازی و اجرا کنند، ایده آل است.

با استفاده از Hadoop 2 به طور انحصاری، نویسنده تام وایت فصل های جدیدی را در مورد YARN و چندین Hadoop ارائه می دهد. پروژه های مرتبط مانند پارکت، فلوم، کرانچ و اسپارک. با تغییرات اخیر Hadoop آشنا خواهید شد و مطالعات موردی جدید در مورد نقش Hadoop در سیستم های مراقبت های بهداشتی و پردازش داده های ژنومیک را بررسی خواهید کرد.

• جزئیات اساسی مانند MapReduce، HDFS و YARN را بیاموزید
• کاوش عمیق MapReduce، از جمله مراحل توسعه برنامه‌ها با آن
• تنظیم و نگهداری یک خوشه Hadoop با HDFS و MapReduce در YARN
• دو فرمت داده را بیاموزید: Avro برای سریال‌سازی داده‌ها و پارکت برای داده‌های تودرتو
• از ابزارهای جذب داده‌ها مانند Flume (برای پخش داده‌ها) و Sqoop (برای انتقال داده‌های انبوه) استفاده کنید
• دریابید که چگونه ابزارهای پردازش داده سطح بالا مانند Pig، Hive، Crunch و Spark با Hadoop کار می کنند
• بیاموزید پایگاه داده توزیع شده HBase و سرویس پیکربندی توزیع شده ZooKeeper

Get ready to unlock the power of your data. With the fourth edition of this comprehensive guide, you’ll learn how to build and maintain reliable, scalable, distributed systems with Apache Hadoop. This book is ideal for programmers looking to analyze datasets of any size, and for administrators who want to set up and run Hadoop clusters.

Using Hadoop 2 exclusively, author Tom White presents new chapters on YARN and several Hadoop-related projects such as Parquet, Flume, Crunch, and Spark. You’ll learn about recent changes to Hadoop, and explore new case studies on Hadoop’s role in healthcare systems and genomics data processing.

• Learn fundamental components such as MapReduce, HDFS, and YARN
• Explore MapReduce in depth, including steps for developing applications with it
• Set up and maintain a Hadoop cluster running HDFS and MapReduce on YARN
• Learn two data formats: Avro for data serialization and Parquet for nested data
• Use data ingestion tools such as Flume (for streaming data) and Sqoop (for bulk data transfer)
• Understand how high-level data processing tools like Pig, Hive, Crunch, and Spark work with Hadoop
• Learn the HBase distributed database and the ZooKeeper distributed configuration service