1 引言：为什么要超越Hadoop Map-Reduce

Hadoop的适用范围

大数据分析之机器学习实现的革命

第一代机器学习工具／范式

第二代机器学习工具／范式

第三代机器学习工具／范式

小结

参考文献

2 何为伯克利数据分析栈（BDAS）

实现BDAS的动机

Spark：动机

Shark：动机

Mesos：动机

BDAS的设计及架构

Spark：高效的集群数据处理的范式

Spark的弹性分布式数据集

Spark的实现

Spark VS.分布式共享内存系统

RDD的表达性

类似Spark的系统

Shark：分布式系统上的SQL接口

Spark为Shark提供的扩展

列内存存储

分布式数据加载

完全分区智能连接

分区修剪

机器学习的支持

Mesos：集群调度及管理系统

Mesos组件

资源分配

隔离

容错性

小结

参考文献

3 使用Spark实现机器学习算法

机器学习基础知识

机器学习：随机森林示例

逻辑回归：概述

二元形式的逻辑回归

逻辑回归估计

多元逻辑回归

Spark中的逻辑回归算法

支持向量机

复杂决策面

支持向量机背后的数学原理

Spark中的支持向量机

Spark对PMML的支持

PMML结构

PMML的生产者及消费者

Spark对朴素贝叶斯的PMML支持

Spark对线性回归的PMML支持

在Spark中使用MLbase进行机器学习

参考文献

4 实现实时的机器学习算法

Storm简介

数据流

拓扑

Storm集群

简单的实时计算例子

数据流组

Storm的消息处理担保

基于Storm的设计模式

分布式远程过程调用

Trident：基于Storm的实时聚合

实现基于Storm的逻辑回归算法

实现基于Storm的支持向量机算法

Storm对朴素贝叶斯PMML的支持

实时分析的应用

工业日志分类

互联网流量过滤器

Storm的替代品

Spark流

DStreams的动机

参考文献

5 图处理范式

Pregel：基于BSP的图处理框架

类似的做法

开源的Pregel实现

Giraph

GoldenORB

Phoebus

Apache Hama

Stanford GPS

GraphLab

GraphLab：多核版本

分布式的GraphLab

PowerGraph

通过GraphLab实现网页排名算法

顶点程序

基于GraphLab实现随机梯度下降算法

参考文献

6 结论：超越Hadoop Map-Reduce的大数据分析

Hadoop YARN概览

Hadoop YARN的动机

作为资源调度器的YARN

YARN上的其他框架

大数据分析的未来是怎样的

参考文献

附录A 代码笔记