高性能分布式计算系统开发与实现 基于Hadoop、Scalding和Sparkpdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

高性能分布式计算系统开发与实现 基于Hadoop、Scalding和SparkPDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一部分 高性能分布式计算编程基础 2

第1章 引言 2

1.1 分布式系统 2

1.2 分布式系统类型 5

1.2.1 分布式嵌入式系统 5

1.2.2 分布式信息系统 7

1.2.3 分布式计算系统 8

1.3 分布式计算架构 9

1.4 分布式文件系统 10

1.4.1 分布式文件系统需求 10

1.4.2 分布式文件系统架构 11

1.5 分布式系统面临的挑战 13

1.6 分布式系统的发展趋势 16

1.7 高性能分布式计算系统示例 18

参考文献 20

第2章 Hadoop入门 22

2.1 Hadoop简介 22

2.2 Hadoop生态系统 24

2.3 Hadoop分布式文件系统 26

2.3.1 HDFS的特性 26

2.3.2 名称节点和数据节点 27

2.3.3 文件系统 28

2.3.4 数据复制 28

2.3.5 通信 30

2.3.6 数据组织 30

2.4 MapReduce准备工作 31

2.5 安装前的准备 33

2.6 单节点集群的安装 35

2.7 多节点集群的安装 38

2.8 Hadoop编程 45

2.9 Hadoop流 48

参考文献 51

第3章 Spark入门 53

3.1 Spark简介 53

3.2 Spark内部结构 54

3.3 Spark安装 58

3.3.1 安装前的准备 58

3.3.2 开始使用 60

3.3.3 示例：Scala应用 63

3.3.4 Python下Spark的使用 65

3.3.5 示例：Python应用 67

3.4 Spark部署 68

3.4.1 应用提交 68

3.4.2 单机模式 70

参考文献 72

第4章 Scalding和Spark的内部编程 74

4.1 Scalding简介 74

4.1.1 安装 74

4.1.2 编程指南 77

4.2 Spark编程指南 103

参考文献 120

第二部分 使用Hadoop、Scalding和Spark的案例研究 122

第5章 案例研究Ⅰ：使用Scalding和Spark进行数据聚类 122

5.1 简介 122

5.2 聚类 122

5.2.1 聚类方法 123

5.2.2 聚类处理 125

5.2.3 K均值算法 125

5.2.4 简单的K均值示例 126

5.3 实现 128

问题 142

参考文献 142

第6章 案例研究Ⅱ：使用Scalding和Spark进行数据分类 144

6.1 分类 145

6.2 概率论 146

6.2.1 随机变量 146

6.2.2 分布 146

6.2.3 均值和方差 147

6.3 朴素贝叶斯 148

6.3.1 概率模型 148

6.3.2 参数估计和事件模型 149

6.3.3 示例 150

6.4 朴素贝叶斯分类器的实现 152

6.4.1 Scalding实现 153

6.4.2 结果 166

问题 168

参考文献 168

第7章 案例研究Ⅲ：使用Scalding和Spark进行回归分析 169

7.1 回归分析的步骤 169

7.2 实现细节 172

7.2.1 线性回归：代数方法 173

7.2.2 代数方法的Scalding实现 174

7.2.3 代数方法的Spark实现 179

7.2.4 线性回归：梯度下降法 184

7.2.5 梯度下降法的Scalding实现 187

7.2.6 梯度下降法的Spark实现 195

问题 198

参考文献 199

第8章 案例研究Ⅳ：使用Scalding和Spark实现推荐系统 200

8.1 推荐系统 200

8.1.1 目标 201

8.1.2 推荐系统的数据源 201

8.1.3 推荐系统中使用的技术 202

8.2 实现细节 204

8.2.1 Spark实现 206

8.2.2 Scalding实现 221

问题 230

参考文献 230

索引 233