第 一部分 大數(shù)據(jù)基礎(chǔ)篇 第　1章 大數(shù)據(jù)思維　2 1.1　什么是大數(shù)據(jù)　2 1.2　從IT時(shí)代到大數(shù)據(jù)時(shí)代　4 1.3　大數(shù)據(jù)的產(chǎn)生與作用　5 1.3.1　大數(shù)據(jù)的產(chǎn)生　6 1.3.2　大數(shù)據(jù)的作用　6 1.4　大數(shù)據(jù)時(shí)代的新理念　7 1.4.1　對研究范式的新認(rèn)識：從第三范式到第四范式　7 1.4.2　對數(shù)據(jù)重要性的新認(rèn)識：從數(shù)據(jù)資源到數(shù)據(jù)資產(chǎn)　8 1.4.3　對方法論的新認(rèn)識：從基于知識到基于數(shù)據(jù)　9 1.4.4　對數(shù)據(jù)分析的新認(rèn)識：從統(tǒng)計(jì)學(xué)到數(shù)據(jù)科學(xué)　9 1.4.5　對計(jì)算智能的新認(rèn)識：從復(fù)雜算法到簡單算法　10 1.4.6　對管理目標(biāo)的新認(rèn)識：從業(yè)務(wù)數(shù)據(jù)化到數(shù)據(jù)業(yè)務(wù)化　11 1.4.7　對決策方式的新認(rèn)識：從目標(biāo)驅(qū)動型到數(shù)據(jù)驅(qū)動型　12 1.4.8　對產(chǎn)業(yè)競合關(guān)系的新認(rèn)識：從以戰(zhàn)略為中心到以數(shù)據(jù)為中心　12 1.4.9　對數(shù)據(jù)復(fù)雜性的新認(rèn)識：從不接受到接受數(shù)據(jù)的復(fù)雜性　13 1.4.10　對數(shù)據(jù)處理模式的新認(rèn)識：從小眾參與到大眾協(xié)同　14 1.5　總結(jié)　14 習(xí)題　14 第　2章 大數(shù)據(jù)技術(shù)概述　15 2.1　大數(shù)據(jù)處理的基本流程　15 2.1.1　數(shù)據(jù)抽取與集成　16 2.1.2　數(shù)據(jù)分析　16 2.1.3　數(shù)據(jù)解釋　16 2.2　大數(shù)據(jù)關(guān)鍵技術(shù)　17 2.2.1　大數(shù)據(jù)采集技術(shù)　17 2.2.2　大數(shù)據(jù)預(yù)處理技術(shù)　17 2.2.3　大數(shù)據(jù)存儲及管理技術(shù)　18 2.2.4　大數(shù)據(jù)處理　19 2.2.5　大數(shù)據(jù)分析及挖掘技術(shù)　19 2.2.6　大數(shù)據(jù)展示技術(shù)　20 2.3　總結(jié)　21 習(xí)題　21 第3章　大數(shù)據(jù)采集　22 3.1　大數(shù)據(jù)采集概述　22 3.1.1　大數(shù)據(jù)分類　22 3.1.2　大數(shù)據(jù)采集方法分類　23 3.2　系統(tǒng)日志采集方法　24 3.2.1　Flume的基本概念　24 3.2.2　Flume使用方法　25 3.2.3　Flume應(yīng)用案例　26 3.3　網(wǎng)絡(luò)數(shù)據(jù)采集方法　27 3.3.1　網(wǎng)絡(luò)爬蟲原理　27 3.3.2　網(wǎng)絡(luò)爬蟲工作流程　28 3.3.3　網(wǎng)絡(luò)爬蟲抓取策略　28 3.3.4　Scrapy網(wǎng)絡(luò)爬蟲系統(tǒng)　32 3.3.5　小結(jié)　36 3.4　總結(jié)　36 習(xí)題　36 第4章　大數(shù)據(jù)預(yù)處理　37 4.1　大數(shù)據(jù)預(yù)處理概述　37 4.1.1　大數(shù)據(jù)預(yù)處理整體架構(gòu)　37 4.1.2　數(shù)據(jù)質(zhì)量問題分類　38 4.1.3　大數(shù)據(jù)預(yù)處理方法　38 4.2　數(shù)據(jù)清洗　39 4.2.1　遺漏數(shù)據(jù)處理　40 4.2.2　噪聲數(shù)據(jù)處理　40 4.2.3　不一致數(shù)據(jù)處理　42 4.3　數(shù)據(jù)集成　42 4.4　數(shù)據(jù)轉(zhuǎn)換　42 4.5　數(shù)據(jù)消減　44 4.5.1　數(shù)據(jù)立方合計(jì)　44 4.5.2　維數(shù)消減　44 4.5.3　數(shù)據(jù)壓縮　45 4.5.4　數(shù)據(jù)塊消減　46 4.6　離散化和概念層次樹　48 4.6.1　數(shù)值概念層次樹　48 4.6.2　類別概念層次樹　49 4.7　ETL工具Kettle　50 4.7.1　ETL工具簡介　51 4.7.2　安裝Kettle　51 4.7.3　Kettle的數(shù)據(jù)流處理　52 4.8　總結(jié)　55 習(xí)題　56 第5章　大數(shù)據(jù)處理系統(tǒng)　57 5.1　大數(shù)據(jù)技術(shù)概述　57 5.1.1　分布式計(jì)算　57 5.1.2　服務(wù)器集群　57 5.1.3　大數(shù)據(jù)的技術(shù)基礎(chǔ)　57 5.2　Google大數(shù)據(jù)處理系統(tǒng)　58 5.2.1　GFS　58 5.2.2　MapReduce　60 5.2.3　BigTable　60 5.3　Hadoop大數(shù)據(jù)處理系統(tǒng)　61 5.3.1　Hadoop系統(tǒng)簡介　61 5.3.2　Hadoop生態(tài)圈　61 5.3.3　Hadoop版本演進(jìn)　63 5.3.4　Hadoop發(fā)行版本　63 5.4　總結(jié)　64 習(xí)題　64 第二部分　大數(shù)據(jù)存儲篇 第6章　大數(shù)據(jù)文件系統(tǒng)HDFS　66 6.1　HDFS簡介　66 6.2　HDFS基本原理　66 6.2.1　文件系統(tǒng)的問題　67 6.2.2　HDFS的基本思想　67 6.2.3　HDFS的設(shè)計(jì)理念　68 6.2.4　HDFS的局限　69 6.3　HDFS系統(tǒng)實(shí)現(xiàn)　69 6.3.1　HDFS整體架構(gòu)　69 6.3.2　HDFS數(shù)據(jù)復(fù)制　70 6.4　HDFS數(shù)據(jù)訪問機(jī)制　71 6.4.1　讀取流程　71 6.4.2　寫入流程　72 6.5　HDFS操作　73 6.5.1　HDFS常用命令　73 6.5.2　HDFS的Web界面　74 6.5.3　HDFS的Java API　76 6.6　總結(jié)　78 習(xí)題　79 第7章　NOSQL數(shù)據(jù)庫HBASE　80 7.1　NoSQL概述　80 7.1.1　NoSQL的起因　80 7.1.2　NoSQL的特點(diǎn)　81 7.1.3　NoSQL數(shù)據(jù)庫面臨的挑戰(zhàn)　82 7.1.4　NoSQL的類型　82 7.2　HBase概述　86 7.3　HBase數(shù)據(jù)模型　87 7.3.1　數(shù)據(jù)模型概述　87 7.3.2　數(shù)據(jù)模型的基本概念　88 7.3.3　概念視圖　88 7.3.4　物理視圖　89 7.4　HBase命令行　90 7.4.1　一般操作　90 7.4.2　DDL操作　90 7.4.3　DML操作　91 7.4.4　HBase表實(shí)例　93 7.5　HBase的運(yùn)行機(jī)制　94 7.5.1　HBase的物理存儲　94 7.5.2　HBase的邏輯架構(gòu)　95 7.6　HBase的編程　96 7.6.1　HBase的常用Java API　96 7.6.2　HBase編程實(shí)例　98 7.7　總結(jié)　101 習(xí)題　101 第三部分　大數(shù)據(jù)處理篇 第8章　大數(shù)據(jù)批處理 HADOOP MAPREDUCE　103 8.1　MapReduce概述　103 8.1.1　批處理模式　103 8.1.2　MapReduce簡釋　104 8.1.3　MapReduce基本思想　105 8.1.4　Map函數(shù)和Reduce函數(shù)　107 8.2　Hadoop MapReduce架構(gòu)　109 8.3　Hadoop MapReduce的工作流程　110 8.4　實(shí)例分析：單詞計(jì)數(shù)　112 8.4.1　設(shè)計(jì)思路　112 8.4.2　處理過程　112 8.5　Hadoop MapReduce 的工作機(jī)制　113 8.5.1　Hadoop MapReduce作業(yè)執(zhí)行流程　114 8.5.2　Hadoop MapReduce的Shuffle階段　115 8.5.3　Hadoop MapReduce的主要特點(diǎn)　117 8.6　Hadoop MapReduce編程實(shí)戰(zhàn)　118 8.6.1　任務(wù)準(zhǔn)備　118 8.6.2　編寫Map程序　118 8.6.3　編寫Reduce程序　119 8.6.4　編寫main函數(shù)　121 8.6.5　核心代碼包　121 8.6.6　運(yùn)行代碼　122 8.7　總結(jié)　122 習(xí)題　122 第9章　大數(shù)據(jù)快速處理SPARK　124 9.1　Spark簡介　124 9.1.1　Spark與Hadoop　124 9.1.2　Spark的適用場景　126 9.2　RDD概念　126 9.2.1　RDD的基本概念　126 9.2.2　RDD基本操作　127 9.2.3　RDD血緣關(guān)系　130 9.2.4　RDD依賴類型　130 9.2.5　階段劃分　131 9.2.6　RDD緩存　132 9.3　Spark運(yùn)行架構(gòu)和機(jī)制　133 9.3.1　Spark總體架構(gòu)　133 9.3.2　Spark運(yùn)行流程　134 9.4　Spark生態(tài)系統(tǒng)　135 9.5　Spark編程實(shí)踐　137 9.5.1　啟動Spark Shell　137 9.5.2　Spark Shell使用　137 9.5.3　編寫Java應(yīng)用程序　138 9.6　總結(jié)　140 習(xí)題　140 第　10章 大數(shù)據(jù)實(shí)時(shí)流計(jì)算SPARK STREAMING　143 10.1　Spark Streaming簡介　143 10.2　Spark Streaming的系統(tǒng)架構(gòu)　144 10.2.1　傳統(tǒng)流處理系統(tǒng)架構(gòu)　144 10.2.2　Spark Streaming系統(tǒng)架構(gòu)　145 10.2.3　動態(tài)負(fù)載均衡　146 10.2.4　容錯(cuò)性　147 10.2.5　實(shí)時(shí)性、擴(kuò)展性與吞吐量　148 10.3　編程模型　149 10.3.1　DStream的操作流程　149 10.3.2　Spark Streaming使用　149 10.3.3　DStream的輸入源　150 10.4　DStream的操作　151 10.4.1　普通的轉(zhuǎn)換操作　151 10.4.2　窗口轉(zhuǎn)換操作　153 10.4.3　輸出操作　154 10.4.4　持久化　155 10.5　編程實(shí)戰(zhàn)　155 10.5.1　流數(shù)據(jù)模擬器　155 10.5.2　實(shí)例1：讀取文件演示　156 10.5.3　實(shí)例2：網(wǎng)絡(luò)數(shù)據(jù)演示　157 10.5.4　實(shí)例3：Stateful演示　158 10.5.5　實(shí)例4：窗口演示　159 10.6　總結(jié)　160 習(xí)題　161 第四部分　大數(shù)據(jù)挖掘篇 第　11章 大數(shù)據(jù)挖掘 16311.1 數(shù)據(jù)挖掘概述　163 11.1.1　什么是數(shù)據(jù)挖掘　163 11.1.2　數(shù)據(jù)挖掘的價(jià)值類型　164 11.1.3　數(shù)據(jù)挖掘算法的類型　165 11.2　Spark MLlib簡介　166 11.2.1　Spark MLlib的構(gòu)成　166 11.2.2　Spark MLlib的優(yōu)勢　166 11.3　分類和預(yù)測　166 11.3.1　分類的基本概念　167 11.3.2　預(yù)測的基本概念　168 11.3.3　決策樹算法　168 11.3.4　樸素貝葉斯算法　172 11.3.5　回歸分析　175 11.3.6　小結(jié)　180 11.4　聚類分析　180 11.4.1　基本概念　180 11.4.2　聚類分析方法的類別　181 11.4.3　k-means聚類算法　184 11.4.4　DBSCAN聚類算法　187 11.4.5　小結(jié)　190 11.5　關(guān)聯(lián)分析　191 11.5.1　概述　191 11.5.2　基本概念　191 11.5.3　關(guān)聯(lián)分析步驟　192 11.5.4　Apriori關(guān)聯(lián)分析算法　193 11.5.5　FP-Tree關(guān)聯(lián)分析算法　194 11.5.6　小結(jié)　199 11.6　總結(jié)　200 習(xí)題　200 第五部分　大數(shù)據(jù)應(yīng)用篇 第　12章 大數(shù)據(jù)應(yīng)用　205 12.1　大數(shù)據(jù)功能應(yīng)用　205 12.1.1　基于大數(shù)據(jù)的精準(zhǔn)營銷　205 12.1.2　基于大數(shù)據(jù)的個(gè)性化推薦　208 12.1.3　大數(shù)據(jù)預(yù)測　215 12.1.4　大數(shù)據(jù)的其他應(yīng)用領(lǐng)域　219 12.1.5　小結(jié)　221 12.2　大數(shù)據(jù)行業(yè)應(yīng)用　221 12.2.1　大數(shù)據(jù)行業(yè)應(yīng)用概述　221 12.2.2　金融行業(yè)大數(shù)據(jù)　222 12.2.3　互聯(lián)網(wǎng)行業(yè)的大數(shù)據(jù)應(yīng)用　229 12.2.4　物流行業(yè)大數(shù)據(jù)應(yīng)用　235 12.2.5　小結(jié)　242 12.3　總結(jié)　243 習(xí)題　243