Hadoop数据分析
编辑推荐
通过提供分布式数据存储和并行计算框架，Hadoop已经从集群计算的抽象演变成了大数据操作系统。本书从数据科学的视角，介绍Hadoop集群计算和分析，重点关注可构建的具体分析、数据仓储技术和高阶数据流。
书中主要内容如下：
.Hadoop和集群计算背后的核心概念
.使用设计模式和并行分析算法创建分布式数据分析作业
.在分布式环境下使用Apache Hive和HBase进行数据管理、数据挖掘和数据仓储
.使用Sqoop和Apache Flume从关系数据库采集数据
.使用Apache Pig和Spark DataFrame编写复杂的Hadoop和Spark应用程序
.通过Spark MLlib运用分类、聚类和协同过滤等机器学习技术
“我还未见过比本书更好的Hadoop框架讲解。”
——Marck Vaisman，博思艾伦咨询公司数据科学家、乔治?华盛顿大学兼职教授、数据社区DC联合创始人
“每个概念都得以清晰明了的解读，在容易忽略细节的部分又都有补充资源，供读者深入学习，这对于专业人员和初学者都非常友好。本书中的讲解总是与示例相辅相成，让读者在学习之后又能投入实战，深入了解系统功能——我认为这才是熟悉新领域的关键所在。”
——读者
内容简介
通过提供分布式数据存储和并行计算框架，Hadoop已经从一个集群计算的抽象演化成了一个大数据的操作系统。本书旨在通过以可读且直观的方式提供集群计算和分析的概览，为数据科学家深入了解特定主题领域铺平道路，从数据科学家的视角介绍Hadoop集群计算和分析。本书分为两大部分，* 一部分从非常高的层次介绍分布式计算，讨论如何在集群上运行计算；* 二部分则重点关注数据科学家应该了解的工具和技术，意在为各种分析和大规模数据管理提供动力。
作者简介
Benjamin Bengfort，数据科学家，目前正在马里兰大学攻读博士学位，方向为机器学习和分布式计算；熟悉自然语言处理、Python数据科学、Hadoop和Spark分析等。
Jenny Kim，经验丰富的大数据工程师，不仅进行商业软件的开发，在学术界也有所建树，在海量数据、机器学习以及生产和研究环境的Hadoop实施方面有深入研究。目前任职于Cloudera的Hue团队。
在线客服