Hadoop + Spark + Python 大數據處理從算法到實戰

朱春旭

Hadoop + Spark + Python 大數據處理從算法到實戰
  • 出版商: 北京大學
  • 出版日期: 2021-01-01
  • 售價: $594
  • 貴賓價: 9.5 折 $564
  • 語言: 簡體中文
  • 頁數: 448
  • 裝訂: 平裝
  • ISBN: 7301321449
  • ISBN-13: 9787301321447
  • 相關分類: Hadoop、Spark、大數據 Big-data

    • 立即出貨 (庫存 < 4)

買這商品的人也買了...

相關主題

商品描述

2020年3月，國家提出要加快5G網絡，數據中心等新型基礎設施（簡稱新基建）進度。其中，信息化新型基礎設施包含了雲計算、大數據、人工智能、區塊鏈、5G等內容。本書圍繞新基建的雲計算、機器學習及人工智能展開講述大數據處理分析與實戰應用，分為如下五個部分。第1部分：介紹了大數據的概念與特點，以及幾個典型的產業應用場景。通過這些案例簡介，期望讀者能夠瞭解大數據的前景，以及作為科技工作者肩負的使命。第2部分：介紹了目前雲計算中的一個重要研究與應用領域----容器雲。這一部分包含容器技術Docker與容器編排工具Kubernetes。Docker能封裝操作系統、應用程序及其執行環境。對於整個大數據來說，Docker是Hadoop、Hbase、Spark這些組件的基礎運行平臺。一般大數據運行平臺規模都比較宏大，因此這里使用了Kubernetes來對容器進行管理。這樣，就構建了基於容器雲的大數據平臺。第3部分：是大數據分析的基礎，也是大數據分析技術的重點。首先介紹了Hadoop的框架原理、調度原理、MapReduce原理與編程模型、環境搭建。由於Hadoop的HDFS存在一定的讀寫局限，因此引入了Hbase以支持實時讀寫。同樣HDFS的數據也存在一定的分析局限，因此引入了Hive來構建數據倉庫，以提高分析效率。在本篇最後，還引入了Spark這樣的高性能框架，進一步提高了大數據處理能力。第4部分：是機器學習相關算法的應用篇。機器學習是一個復雜的過程，涉及到統計學、微積分、信息論等內容。考慮到學習門檻，在這一環節，首先簡單介紹了相關算法的原理，然後介紹相對容易使用的機器學習工具Sklearn，使得讀者建立起對機器學習開發流程的基本認知，之後介紹應用於大數據環境下Spark的機器學習庫。相信通過對這一部分內容的學習，讀者已經掌握了基本的機器學習問題的處理。第5部分：通過第一個實例介紹瞭如何使用Spark機器學習庫中的協同過濾算法，來實現基於Web的推薦系統；通過第二個實例介紹瞭如何使用OpenCV與TensorFlow構建捲積神經網絡來實現基於Web的人臉識別。 本書內容精練、重點突出、實例豐富，是廣大數據分析工作者的參考書，同時也非常適合大、中專院校師生學習閱讀，還可作為高等院校統計分析及相關專業的教材。

作者簡介

朱春旭，高級軟件工程師，長期為軟件開發公司、政府機構培訓大數據開發與應用課程，提供大數據技術諮詢與問題解決方案，對Python、大數據分析相關領域有深入研究。
著有《Python編程完全自學教程》《Python數據分析與大數據處理從入門到精通》，培訓學員10000+。

目錄大綱

第1篇入門篇
第1章初識大數據002
1.2如何處理與分析大數據004
1.3大數據的產業應用008

第2篇準備篇
第2章萬丈高樓平地起，使用Docker作地基011
2.1初識Docker 011
2.2搭建Docker運行環境016
2.3 Docker操作鏡像029
2.4 Docker操作容器036
2.5 Docker私有倉庫045
2.6 Docker Compose編排容器046
2.7 Portainer可視化工具053
2.8實訓：構建Nginx鏡像並創建容器055

第3章團隊合作好，使用Kubernetes來協調057
3.1初識Kubernetes057
3.2搭建集群063
3.4 Kubernetes Dashboard管理工具079
3.5實訓：在集群中部署Nginx服務器集群084

第3篇技法篇
第4章築高樓，需利器，使用Hadoop做核心088
4.1 Hadoop簡介088
4.2 HDFS分佈式文件系統092
4.3任務調度與資源管理器YARN 097
4.4 MapReduce分佈式計算框架104
4.5 Hadoop環境搭建113
4.6 Hadoop常用操作命令127
4.7實訓：在容器中部署Hadoop集群130

第5章空間要靈活，使用HBase來管理136
5.1初識HBase 136
5.2 HBase環境搭建144
5.3 HBase Shell操作152
5.4 HBase Thrift編程接口160
5.5 Region的拆分與合併162
5.6實訓：構建訂單管理表165

第6章數據需要規劃，使用Hive建倉庫169
6.1初識Hive 169
6.2 Hive環境搭建171
6.3 Hive數據庫與表176
6.4表的類型183
6.5分桶查詢與排序188
6.6 Sqoop數據的導入導出190
6.7 Hive Thrift編程接口192
6.8實訓：構建訂單分析數據倉庫193

第7章處理要夠快，使用Spark 196
7.1 Spark概述196
7.2 Spark核心原理199
7.3 Spark環境搭建202
7.4提交Spark應用206
7.5實訓：在容器中部署Spark集群209

第8章數據無結構，使用RDD 212
8.1 RDD設計原理212
8.2 RDD編程216
8.3鍵值對RDD 224
8.4讀寫文件230
8.5集成HBase 232
8.6編程進階234
8.7實訓：分析商品銷售情況240

第9章數據有結構，使用SQL語句245
9.1 Spark SQL概述245
9.2創建DataFrame對象249
9.3 DataFrame常用的API 254
9.4保存DataFrame 262
9.5實訓：分析公司銷售業績264

第10章Spark流式計算編程268
10.1流計算簡介268
10.2 Discretized Stream 271
10.3 Structured Streaming 278
10.4實訓：實時統計貸款金額293

第4篇算法篇
第11章發掘數據價值，使用機器學習技術297
11.1什麼是機器學習297
11.2 scikit-learn機器學習庫303
11.3 Spark機器學習庫308
11.4實訓：簡單的情感分析310

第12章處理分類問題313
12.1分類問題概述313
12.2決策樹.315
12.3隨機森林320
12.4 Logistic回歸325
12.5支持向量機329
12.6貝葉斯334
12.7實訓：判斷用戶是否購買該商品337

第13章處理回歸問題340
13.1回歸問題概述340
13.2線性回歸與多項式回歸342
13.3決策樹回歸347
13.4實訓：預測房價352

第14章處理聚類問題355
14.1聚類問題概述355
14.2基於劃分聚類356
14.3基於模型聚類359
14.4實訓：對客戶進行聚類363

第15章關聯規則與協同過濾365
15.1關聯規則數據挖掘365
15.2協同過濾368
15.3實訓：使用Spark ALS推薦菜單371

第16章建立智能應用374
16.1構建簡單模型374
16.2自定義模型和自定義層384
16.3回調386
16.4保存與恢復模型388
16.5識別手寫字391
16.6實訓：貓狗識別394

第5篇實戰篇
第17章綜合實戰：猜你喜歡401
17.1項目背景與解決方案介紹401
17.2數據庫設計403
17.3推薦模型404
17.4前端網站406

第18章綜合實戰：人臉識別416
18.1項目背景與解決方案介紹416
18.2圖像採集418
18.3訓練模型與識別人臉422

類似商品