本书通过理论任务和实践任务相结合的方式重点介绍了Hadoop生态圈，Spark内存计算框架，NoSql数据库存储，数据可视化，Python大数据处理等大数据关键技术，并提供大量实践及综合案例。本书通过理论任务和实践任务相结合的方式重点介绍了Hadoop生态圈，Spark内存计算框架，NoSql数据库存储，数据可视化，Python大数据处理等大数据关键技术，并提供大量实践及综合案例。
第1章 大数据技术概述
1．1 理论任务：认识大数据
1．1．1 大数据概念
1．1．2 大数据处理的关键技术
1．1．3 大数据软件
1．2 实践任务：大数据实验环境
1．2．1 安装虚拟机、Linux系统
1．2．2 Linux常用命令
第2章 Had00p初体验
2．1 理论任务：初识Hadoop
2．1．1 Hadoop概述
2．1．2 Hadoop发展简史
2．1．3 Hadoop版本
2．1．4 Hadoop生态圈
2．2 实践任务：Hadoop安装与配置
第3章 Hadoop分布式文件系统
3．1 理论任务：了解HDFs
3．1．1 认识HDFS
3．1．2 HDFS相关概念
3．1．3 HDFS体系结构
3．1．4 HDFS运行原理及保障
3．2 实践任务：HDFS基本作
3．2．1 使用HDFS Shell访问
3．2．2 使用JAVA API与HDFS交互
第4章 Hadoop分布式计算框架
4．1 理论任务：认识MapReduce
4．1．1 Mapredlice简介
4．1．2 MapR iuce编程模型
4．1．3 MapReduee实例分析
4．2 实践任务：MapRedLice应用开发
第5章 Hadoop分布式数据库HBase
5．1 理论任务：认识HBase
5．1．1 HBase简介
5．1．2 HBase数据模型
5．1．3 HBase体系结构
5．2 实践任务：HBase基本作
5．2．1 HBase安装与配置
5．2．2 HBase Shell命令
5．2．3 HBase编程
第6章 NoSQL数据库
6．1 理论任务：了解NoSQL数据库
6．1．1 NoSQL简介
6．1．2 NoSQL类型
6．1．3 NoSQL数据库三大基石
6．1．4 从NoSQL到NewSQL数据库
6．2 实践任务：典型NoSQL数据库的安装和使用
6．2．1 Redis的安装和使用
6．2．2 MongoDB的安装和使用
第7章 数据仓库Hive
7．1 理论任务：认识Hive
……
书单推荐
