第1章 搭建Hadoop並在集群中運行 1
1.1 簡介 1
1.2 在你的機器上安裝Hadoop 2
1.3 寫WordCountMapReduce示例程序，打包並使用獨立的Hadoop運行它 3
1.4 給WordCount MapReduce程序增加combiner步驟 8
1.5 安裝HDFS 9
1.6 使用HDFS監控UI 14
1.7 HDFS的基本命令行文件操作 15
1.8 在分布式集群環境中設置Hadoop 17
1.9 在分布式集群環境中運行WordCount程序 22
1.10 使用MapReduce監控UI 24
第2章 HDFS進階 26
2.1 簡介 26
2.2 HDFS基準測試 27
2.3 添加一個新的DataNode 28
2.4 DataNode下架 30
2.5 使用多個磁盤/捲以及限製HDFS的磁盤使用情況 32
2.6 設置HDFS塊大小 33
2.7 設置文件冗餘因子 34
2.8 使用HDFS的Java API 35
2.9 使用HDFS的C API（libhdfs） 40
2.10 掛載HDFS（Fuse-DFS） 45
2.11 在HDFS中閤並文件 48
第3章 高級Hadoop MapReduce運維 49
3.1 簡介 49
3.2 調優集群部署的Hadoop配置 49
3.3 運行基準測試來驗證Hadoop的安裝 52
3.4 復用Java虛擬機以提高性能 54
3.5 容錯和推測執行 54
3.6 調試腳本——分析任務失敗 55
3.7 設置失敗百分比以及跳過不良記錄 59
3.8 共享用戶的Hadoop集群——使用公平調度器和其他調度器 61
3.9 Hadoop的安全性——整閤使用Kerberos 62
3.10 使用Hadoop的工具接口 69
第4章 開發復雜的Hadoop MapReduce應用程序 72
4.1 簡介 72
4.2 選擇閤適的Hadoop數據類型 73
4.3 實現自定義的Hadoop Writable數據類型 75
4.4 實現自定義Hadoop key類型 79
4.5 從mapper中輸齣不同值類型的數據 83
4.6 為輸入數據格式選擇閤適的Hadoop InputFormat 87
4.7 添加新的輸入數據格式的支持——實現自定義的InputFormat 90
4.8 格式化MapReduce計算的結果——使用Hadoop的OutputFormat 94
4.9 Hadoop的中間（map到reduce）數據分區 96
4.10 將共享資源傳播和分發到MapReduce作業的任務中——Hadoop DistributedCache 98
4.11 在Hadoop上使用傳統應用程序——Hadoop Streaming 103
4.12 添加MapReduce作業之間的依賴關係 106
4.13 用於報告自定義指標的Hadoop計數器 108
第5章 Hadoop生態係統 110
5.1 簡介 110
5.2 安裝HBase 111
5.3 使用Java客戶端API隨機存取數據 114
5.4 基於HBase（錶輸入/輸齣）運行MapReduce作業 116
5.5 安裝Pig 120
5.6 運行第一條Pig命令 121
5.7 使用Pig執行集閤操作（join，union）與排序 123
5.8 安裝Hive 125
5.9 使用Hive運行SQL風格的查詢 127
5.10 使用Hive執行join 129
5.11 安裝Mahout 132
5.12 使用Mahout運行K-means 133
5.13 可視化K-means結果 136
第6章 分析 138
6.1 簡介 138
6.2 使用MapReduce的簡單分析 139
6.3 使用MapReduce執行Group-By 143
6.4 使用MapReduce計算頻率分布和排序 146
6.5 使用GNU Plot繪製Hadoop計算結果 148
6.6 使用MapReduce計算直方圖 151
6.7 使用MapReduce計算散點圖 154
6.8 用Hadoop解析復雜的數據集 158
6.9 使用MapReduce連接兩個數據集 164
第7章 搜索和索引 170
7.1 簡介 170
7.2 使用Hadoop MapReduce生成倒排索引 170
7.3 使用Apache Nutch構建域內網絡爬蟲 175
7.4 使用Apache Solr索引和搜索網絡文檔 180
7.5 配置Apache HBase作為Apache Nutch的後端數據存儲 182
7.6 在Hadoop集群上部署Apache HBase 185
7.7 使用Hadoop/HBase集群構建Apache Nutch全網爬蟲服務 188
7.8 用於索引和搜索的ElasticSearch 191
7.9 生成抓取網頁的內鏈圖 193
第8章 聚類、推薦和關係發現 197
8.1 簡介 197
8.2 基於內容的推薦 198
8.3 層次聚類 204
8.4 對亞馬遜銷售數據集進行聚類操作 208
8.5 基於協同過濾的推薦 212
8.6 使用樸素貝葉斯分類器的分類 216
8.7 使用Adwords平衡算法給廣告分配關鍵字 222
第9章 海量文本數據處理 231
9.1 簡介 231
9.2 使用Hadoop Streaming和Python預處理數據（抽取、清洗和格式轉換） 231
9.3 使用Hadoop Streaming進行數據去重 235
9.4 使用importtsv和批量加載工具把大型數據集加載到Apache HBase數據存儲中 237
9.5 創建用於文本數據的TF嚮量和TF-IDF嚮量 242
9.6 聚類文本數據 246
9.7 使用隱含狄利剋雷分布（LDA）發現主題 249
9.8 使用Mahout的樸素貝葉斯分類器分類文件 252
第10章 雲端部署——在雲上使用Hadoop 255
10.1 簡介 255
10.2 使用亞馬遜彈性MapReduce運行Hadoop MapReduce計算 256
10.3 使用亞馬遜EC2競價實例來執行EMR作業流以節約開支 259
10.4 使用EMR執行Pig腳本 261
10.5 使用EMR執行Hive腳本 263
10.6 使用命令行界麵創建亞馬遜EMR作業流 267
10.7 使用EMR在亞馬遜EC2雲上部署Apache HBase集群 270
10.8 使用EMR引導操作來配置亞馬遜EMR作業的虛擬機 275
10.9 使用Apache Whirr在雲環境中部署Apache Hadoop集群 277
10.10 使用Apache Whirr在雲環境中部署Apache HBase集群 281
· · · · · · (收起)