Hadoop: The Definitive Guide

آماده ای برای باز کردن قدرت داده های خود هستید؟ با 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.

مطالعات موردی روشنگر را خواهید یافت که نشان می‌دهد چگونه از Hadoop برای حل مشکلات خاص استفاده می‌شود. این نسخه سوم تغییرات اخیر Hadoop، از جمله مطالب مربوط به MapReduce API جدید، و همچنین MapReduce 2 و مدل اجرای انعطاف‌پذیرتر آن (YARN) را پوشش می‌دهد.

• مجموعه‌های داده بزرگ را با فایل توزیع‌شده Hadoop ذخیره کنید. سیستم (HDFS)
• اجرای محاسبات توزیع شده با MapReduce
• از داده های Hadoop و بلوک های ساختمان ورودی/خروجی برای فشرده سازی، یکپارچگی داده، سریال سازی (از جمله Avro) و ماندگاری استفاده کنید
• کشف مشکلات رایج و ویژگی‌های پیشرفته برای نوشتن برنامه‌های MapReduce در دنیای واقعی
• طراحی، ساخت و مدیریت یک کلاستر اختصاصی Hadoop—یا اجرای Hadoop در فضای ابری
• بارگیری داده‌ها از پایگاه داده های رابطه ای در HDFS با استفاده از Sqoop
• انجام پردازش داده در مقیاس بزرگ با زبان پرس و جو Pig
• تجزیه و تحلیل مجموعه داده ها با Hive، سیستم انبار داده هادوپ
• از مزیت استفاده کنید HBase برای داده های ساختار یافته و نیمه ساختار یافته و ZooKeeper برای ساخت سیستم های توزیع شده

Ready to unlock the power of your data? With 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.

You’ll find illuminating case studies that demonstrate how Hadoop is used to solve specific problems. This third edition covers recent changes to Hadoop, including material on the new MapReduce API, as well as MapReduce 2 and its more flexible execution model (YARN).

• Store large datasets with the Hadoop Distributed File System (HDFS)
• Run distributed computations with MapReduce
• Use Hadoop’s data and I/O building blocks for compression, data integrity, serialization (including Avro), and persistence
• Discover common pitfalls and advanced features for writing real-world MapReduce programs
• Design, build, and administer a dedicated Hadoop cluster—or run Hadoop in the cloud
• Load data from relational databases into HDFS, using Sqoop
• Perform large-scale data processing with the Pig query language
• Analyze datasets with Hive, Hadoop’s data warehousing system
• Take advantage of HBase for structured and semi-structured data, and ZooKeeper for building distributed systems