第1章　Hadoop 2.X　　1
1.1　Hadoop的起源　　1
1.2　Hadoop的演进　　2
1.3　Hadoop 2.X　　6
1.3.1　Yet Another Resource Negotiator（YARN）　　7
1.3.2　存储层的增强　　8
1.3.3　支持增强　　11
1.4　Hadoop的发行版　　11
1.4.1　选哪个Hadoop发行版　　12
1.4.2　可用的发行版　　14
1.5　小结　　16
第2章　MapReduce进阶　　17
2.1　MapReduce输入　　18
2.1.1　InputFormat类　　18
2.1.2　InputSplit类　　18
2.1.3　RecordReader类　　19
2.1.4　Hadoop的“小文件”问题　　20
2.1.5　输入过滤　　24
2.2　Map任务　　27
2.2.1　dfs.blocksize属性　　28
2.2.2　中间输出结果的排序与溢出　　28
2.2.3　本地reducer和Combiner　　31
2.2.4　获取中间输出结果——Map 侧　　31
2.3　Reduce任务　　32
2.3.1　获取中间输出结果——Reduce侧　　32
2.3.2　中间输出结果的合并与溢出　　33
2.4　MapReduce的输出　　34
2.5　MapReduce作业的计数器　　34
2.6　数据连接的处理　　36
2.6.1　Reduce侧的连接　　36
2.6.2　Map侧的连接　　42
2.7　小结　　45
第3章　Pig进阶　　47
3.1　Pig对比SQL　　48
3.2　不同的执行模式　　48
3.3　Pig的复合数据类型　　49
3.4　编译Pig脚本　　50
3.4.1　逻辑计划　　50
3.4.2　物理计划　　51
3.4.3　MapReduce计划　　52
3.5　开发和调试助手　　52
3.5.1　DESCRIBE命令　　52
3.5.2　EXPLAIN命令　　53
3.5.3　ILLUSTRATE命令　　53
3.6　Pig 操作符的高级特性　　54
3.6.1　FOREACH操作符进阶　　54
3.6.2　Pig的特殊连接　　58
3.7　用户定义函数　　61
3.7.1　运算函数　　61
3.7.2　加载函数　　66
3.7.3　存储函数　　68
3.8　Pig的性能优化　　69
3.8.1　优化规则　　69
3.8.2　Pig脚本性能的测量　　71
3.8.3　Pig的Combiner　　72
3.8.4　Bag数据类型的内存　　72
3.8.5　Pig的reducer数量　　72
3.8.6　Pig的multiquery模式　　73
3.9　最佳实践　　73
3.9.1　明确地使用类型　　74
3.9.2　更早更频繁地使用投影　　74
3.9.3　更早更频繁地使用过滤　　74
3.9.4　使用LIMIT操作符　　74
3.9.5　使用DISTINCT操作符　　74
3.9.6　减少操作　　74
3.9.7　使用Algebraic UDF　　75
3.9.8　使用Accumulator UDF　　75
3.9.9　剔除数据中的空记录　　75
3.9.10　使用特殊连接　　75
3.9.11　压缩中间结果　　75
3.9.12　合并小文件　　76
3.10　小结　　76
第4章　Hive进阶　　77
4.1　Hive架构　　77
4.1.1　Hive元存储　　78
4.1.2　Hive编译器　　78
4.1.3　Hive执行引擎　　78
4.1.4　Hive的支持组件　　79
4.2　数据类型　　79
4.3　文件格式　　80
4.3.1　压缩文件　　80
4.3.2　ORC文件　　81
4.3.3　Parquet文件　　81
4.4　数据模型　　82
4.4.1　动态分区　　84
4.4.2　Hive表索引　　85
4.5　Hive查询优化器　　87
4.6　DML进阶　　88
4.6.1　GROUP BY操作　　88
4.6.2　ORDER BY与SORT BY　　88
4.6.3　JOIN类型　　88
4.6.4　高级聚合　　89
4.6.5　其他高级语句　　90
4.7　UDF、UDAF和UDTF　　90
4.8　小结　　93
第5章　序列化和Hadoop I/O　　95
5.1　Hadoop数据序列化　　95
5.1.1　Writable与WritableComparable　　96
5.1.2　Hadoop与Java序列化的区别　　 98
5.2　Avro序列化　　100
5.2.1　Avro与MapReduce　　102
5.2.2　Avro与Pig　　105
5.2.3　Avro与Hive　　106
5.2.4　比较Avro与Protocol Buffers/Thrift　　107
5.3　文件格式　　108
5.3.1　Sequence文件格式　　108
5.3.2　MapFile格式　　111
5.3.3　其他数据结构　　113
5.4　压缩　　113
5.4.1　分片与压缩　　114
5.4.2　压缩范围　　115
5.5　小结　　115
第6章　YARN——其他应用模式进入Hadoop的引路人　　116
6.1　YARN的架构　　117
6.1.1　资源管理器　　117
6.1.2　Application Master　　118
6.1.3　节点管理器　　119
6.1.4　YARN客户端　　120
6.2　开发YARN的应用程序　　120
6.2.1　实现YARN客户端　　120
6.2.2　实现AM实例　　125
6.3　YARN的监控　　129
6.4　YARN中的作业调度　　134
6.4.1　容量调度器　　134
6.4.2　公平调度器　　137
6.5　YARN命令行　　139
6.5.1　用户命令　　140
6.5.2　管理员命令　　140
6.6　小结　　141
第7章　基于YARN的Storm——Hadoop中的低延时处理　　142
7.1　批处理对比流式处理　　142
7.2　Apache Storm　　144
7.2.1　Apache Storm的集群架构　　144
7.2.2　Apache Storm的计算和数据模型　　145
7.2.3　Apache Storm用例　　146
7.2.4　Apache Storm的开发　　147
7.2.5　Apache Storm 0.9.1　　153
7.3　基于YARN的Storm　　154
7.3.1　在YARN上安装Apache Storm　　154
7.3.2　安装过程　　154
7.4　小结　　161
第8章　云上的Hadoop　　162
8.1　云计算的特点　　162
8.2　云上的Hadoop　　163
8.3　亚马逊Elastic MapReduce　　164
8.4　小结　　175
第9章　HDFS替代品　　176
9.1　HDFS的优缺点　　176
9.2　亚马逊AWS S3　　177
9.3　在Hadoop中实现文件系统　　179
9.4　在Hadoop中实现S3原生文件系统　　179
9.5　小结　　189
第10章　HDFS联合　　190
10.1　旧版HDFS架构的限制　　190
10.2　HDFS联合的架构　　192
10.2.1　HDFS联合的好处　　193
10.2.2　部署联合NameNode　　193
10.3　HDFS高可用性　　195
10.3.1　从NameNode、检查节点和备份节点　　195
10.3.2　高可用性——共享edits　　196
10.3.3　HDFS实用工具　　197
10.3.4　三层与四层网络拓扑　　197
10.4　HDFS块放置策略　　198
10.5　小结　　200
第11章　Hadoop安全　　201
11.1　安全的核心　　201
11.2　Hadoop中的认证　　202
11.2.1　Kerberos认证　　202
11.2.2　Kerberos的架构和工作流　　203
11.2.3　Kerberos认证和Hadoop　　204
11.2.4　HTTP接口的认证　　204
11.3　Hadoop中的授权　　205
11.3.1　HDFS的授权　　205
11.3.2　限制HDFS的使用量　　208
11.3.3　Hadoop中的服务级授权　　209
11.4　Hadoop中的数据保密性　　211
11.5　Hadoop中的日志审计　　216
11.6　小结　　217
第12章　使用Hadoop进行数据分析　　 218
12.1　数据分析工作流　　218
12.2　机器学习　　220
12.3　Apache Mahout　　222
12.4　使用Hadoop和Mahout进行文档分析　　223
12.4.1　词频　　223
12.4.2　文频　　224
12.4.3　词频－逆向文频　　224
12.4.4　Pig中的Tf-idf　　225
12.4.5　余弦相似度距离度量　　228
12.4.6　使用k-means 的聚类　　228
12.4.7　使用Apache Mahout进行k-means聚类　　229
12.5　RHadoop　　233
12.6　小结　　233
附录 微软Windows中的Hadoop　　235
· · · · · · (收起)