第一部分 Hadoop——一种分布式编程框架第1章 Hadoop简介

1.1 为什么写《Hadoop实战》

1.2 什么是Hadoop

1.3 了解分布式系统和Hadoop

1.4 比较SQL数据库和Hadoop

1.5 理解MapReduce

1.5.1 动手扩展一个简单程序

1.5.2 相同程序在MapReduce中的扩展

1.6 用Hadoop统计单词——运行第一个程序

1.7 Hadoop历史

1.8 小结

1.9 资源

第2章 初识Hadoop

2.1 Hadoop的构造模块

2.1.1 NameNode

2.1.2 DataNode

2.1.3 Secondary NameNode

2.1.4 JobTracker

2.1.5 TaskTracker

2.2 为Hadoop集群安装SSH

2.2.1 定义一个公共账号

2.2.2 验证SSH安装

2.2.3 生成SSH密钥对

2.2.4 将公钥分布并登录验证

2.3 运行Hadoop

2.3.1 本地（单机）模式

2.3.2 伪分布模式

2.3.3 全分布模式

2.4 基于Web的集群用户界面

2.5 小结

第3章 Hadoop组件

3.1 HDFS文件操作

3.1.1 基本文件命令

3.1.2 编程读写HDFS

3.2 剖析MapReduce程序

3.2.1 Hadoop数据类型

3.2.2 Mapper

3.2.3 Reducer

3.2.4 Partitioner：重定向Mapper输出

3.2.5 Combiner：本地reduce

3.2.6 预定义mapper和Reducer类的单词计数

3.3 读和写

3.3.1 InputFormat

3.3.2 OutputFormat

3.4 小结

第二部分 实战

第4章 编写MapReduce基础程序

4.1 获得专利数据集

4.1.1 专利引用数据

4.1.2 专利描述数据

4.2 构建MapReduce程序的基础模板

4.3 计数

4.4 适应Hadoop API的改变

4.5 Hadoop的Streaming

4.5.1 通过Unix命令使用Streaming

4.5.2 通过脚本使用Streaming

4.5.3 用Streaming处理键／值对

4.5.4 通过Aggregate包使用Streaming

4.6 使用combiner提升性能

4.7 温故知新

4.8 小结

4.9 更多资源

第5章 高阶MapReduce

5.1 链接MapReduce作业

5.1.1 顺序链接MapReduce作业

5.1.2 具有复杂依赖的MapReduce链接

5.1.3 预处理和后处理阶段的链接

5.2 联结不同来源的数据

5.2.1 Reduce侧的联结

5.2.2 基于DistributedCache的复制联结

5.2.3 半联结：map侧过滤后在reduce侧联结

5.3 创建一个Bloom filter

5.3.1 Bloom filter做了什么

5.3.2 实现一个Bloom filter

5.3.3 Hadoop 0.20以上版本的Bloom filter

5.4 温故知新

5.5 小结

5.6 更多资源

第6章 编程实践

6.1 开发MapReduce程序

6.1.1 本地模式

6.1.2 伪分布模式

6.2 生产集群上的监视和调试

6.2.1 计数器

6.2.2 跳过坏记录

6.2.3 用IsolationRunner重新运行出错的任务

6.3 性能调优

6.3.1 通过combiner来减少网络流量

6.3.2 减少输入数据量

6.3.3 使用压缩

6.3.4 重用JVM

6.3.5 根据猜测执行来运行

6.3.6 代码重构与算法重写

6.4 小结

第7章 细则手册

7.1 向任务传递作业定制的参数

7.2 探查任务特定信息

7.3 划分为多个输出文件

7.4 以数据库作为输入输出

7.5 保持输出的顺序

7.6 小结

第8章 管理Hadoop

8.1 为实际应用设置特定参数值

8.2 系统体检

8.3 权限设置

8.4 配额管理

8.5 启用回收站

8.6 删减DataNode

8.7 增加DataNode

8.8 管理NameNode和SNN

8.9 恢复失效的NameNode

8.10 感知网络布局和机架的设计

8.11 多用户作业的调度

8.11.1 多个JobTracker

8.11.2 公平调度器

8.12 小结

第三部分 Hadoop也疯狂

第9章 在云上运行Hadoop

9.1 Amazon Web Services简介

9.2 安装AWS

9.2.1 获得AWS身份认证凭据

9.2.2 获得命令行工具

9.2.3 准备SSH密钥对

9.3 在EC2上安装Hadoop

9.3.1 配置安全参数

9.3.2 配置集群类型

9.4 在EC2上运行MapReduce程序

9.4.1 将代码转移到Hadoop集群上

9.4.2 访问Hadoop集群上的数据

9.5 清空和关闭EC2实例

9.6 Amazon Elastic MapReduce和其他AWS服务

9.6.1 Amazon Elastic MapReduce

9.6.2 AWS导入／导出

9.7 小结

第10章 用Pig编程

10.1 像Pig一样思考

10.1.1 数据流语言

10.1.2 数据类型

10.1.3 用户定义函数

10.2 安装Pig

10.3 运行Pig

10.4 通过Grunt学习Pig Latin

10.5 谈谈Pig Latin

10.5.1 数据类型和schema

10.5.2 表达式和函数

10.5.3 关系型运算符

10.5.4 执行优化

10.6 用户定义函数

10.6.1 使用UDF

10.6.2 编写UDF

10.7 脚本

10.7.1 注释

10.7.2 参数替换

10.7.3 多查询执行

10.8 Pig实战——计算相似专利的例子

10.9 小结

第11章 Hive及Hadoop群

11.1 Hive

11.1.1 安装与配置Hive

11.1.2 查询的示例

11.1.3 深入HiveQL

11.1.4 Hive小结

11.2 其他Hadoop相关的部分

11.2.1 HBase

11.2.2 ZooKeeper

11.2.3 Cascading

11.2.4 Cloudera

11.2.5 Katta

11.2.6 CloudBase

11.2.7 Aster Data和Greenplum

11.2.8 Hama和Mahout

11.2.9 search-hadoop.com

11.3 小结

第12章 案例研究

12.1 转换《纽约时报》1100万个库存图片文档

12.2 挖掘中国移动的数据

12.3 在StumbleUpon推荐最佳网站

12.3.1 分布式StumbleUpon的开端

12.3.2 HBase和StumbleUpon

12.3.3 StumbleUpon上的更多Hadoop应用

12.4 搭建面向企业查询的分析系统——IBM的ES2项目

12.4.1 ES2系统结构

12.4.2 ES2爬虫

12.4.3 ES2分析

12.4.4 小结

12.4.5 参考文献

附录A HDFS文件命令