大數據技術體系詳解：原理、架構與實踐

目　　錄?Contents
前　言
第一部分　概述篇
第1章　企業(yè)級大數據技術體系概述 2
1.1　大數據系統(tǒng)產生背景及應用場景 2
1.1.1　產生背景 2
1.1.2　常見大數據應用場景 3
1.2　企業(yè)級大數據技術框架 5
1.2.1　數據收集層 6
1.2.2　數據存儲層 7
1.2.3　資源管理與服務協調層 7
1.2.4　計算引擎層 8
1.2.5　數據分析層 9
1.2.6　數據可視化層 9
1.3　企業(yè)級大數據技術實現方案 9
1.3.1　Google大數據技術棧 10
1.3.2　Hadoop與Spark開源大數據技術棧 12
1.4　大數據架構：Lambda Architecture 15
1.5　Hadoop與Spark版本選擇及安裝部署 16
1.5.1　Hadoop與Spark版本選擇 16
1.5.2　Hadoop與Spark安裝部署 17
1.6　小結 18
1.7　本章問題 18
第二部分　數據收集篇
第2章　關系型數據的收集 20
2.1　Sqoop概述 20
2.1.1　設計動機 20
2.1.2　Sqoop基本思想及特點 21
2.2　Sqoop基本架構 21
2.2.1　Sqoop1基本架構 22
2.2.2　Sqoop2基本架構 23
2.2.3　Sqoop1與Sqoop2對比 24
2.3　Sqoop使用方式 25
2.3.1　Sqoop1使用方式 25
2.3.2　Sqoop2使用方式 28
2.4　數據增量收集CDC 31
2.4.1　CDC動機與應用場景 31
2.4.2　CDC開源實現Canal 32
2.4.3　多機房數據同步系統(tǒng)Otter 33
2.5　小結 35
2.6　本章問題 35
第3章　非關系型數據的收集 36
3.1　概述 36
3.1.1　Flume設計動機 36
3.1.2　Flume基本思想及特點 37
3.2　Flume NG基本架構 38
3.2.1　Flume NG基本架構 38
3.2.2　Flume NG高級組件 41
3.3　Flume NG數據流拓撲構建方法 42
3.3.1　如何構建數據流拓撲 42
3.3.2　數據流拓撲實例剖析 46
3.4　小結 50
3.5　本章問題 50
第4章　分布式消息隊列Kafka 51
4.1　概述 51
4.1.1　Kafka設計動機 51
4.1.2　Kafka特點 53
4.2　Kafka設計架構 53
4.2.1　Kafka基本架構 54
4.2.2　Kafka各組件詳解 54
4.2.3　Kafka關鍵技術點 58
4.3　Kafka程序設計 60
4.3.1　Producer程序設計 61
4.3.2　Consumer程序設計 63
4.3.3　開源Producer與Consumer實現 65
4.4　Kafka典型應用場景 65
4.5　小結 67
4.6　本章問題 67
第三部分　數據存儲篇
第5章　數據序列化與文件存儲格式 70
5.1　數據序列化的意義 70
5.2　數據序列化方案 72
5.2.1　序列化框架Thrift 72
5.2.2　序列化框架Protobuf 74
5.2.3　序列化框架Avro 76
5.2.4　序列化框架對比 78
5.3　文件存儲格式剖析 79
5.3.1　行存儲與列存儲 79
5.3.2　行式存儲格式 80
5.3.3　列式存儲格式ORC、Parquet與CarbonData 82
5.4　小結 88
5.5　本章問題 89
第6章　分布式文件系統(tǒng) 90
6.1　背景 90
6.2　文件級別和塊級別的分布式文件系統(tǒng) 91
6.2.1　文件級別的分布式系統(tǒng) 91
6.2.2　塊級別的分布式系統(tǒng) 92
6.3　HDFS基本架構 93
6.4　HDFS關鍵技術 94
6.4.1　容錯性設計 95
6.4.2　副本放置策略 95
6.4.3　異構存儲介質 96
6.4.4　集中式緩存管理 97
6.5　HDFS訪問方式 98
6.5.1　HDFS shell 98
6.5.2　HDFS API 100
6.5.3　數據收集組件 101
6.5.4　計算引擎 102
6.6　小結 102
6.7　本章問題 103
第7章　分布式結構化存儲系統(tǒng) 104
7.1　背景 104
7.2　HBase數據模型 105
7.2.1　邏輯數據模型 105
7.2.2　物理數據存儲 107
7.3　HBase基本架構 108
7.3.1　HBase基本架構 108
7.3.2　HBase內部原理 110
7.4　HBase訪問方式 114
7.4.1　HBase shell 114
7.4.2　HBase API 116
7.4.3　數據收集組件 118
7.4.4　計算引擎 119
7.4.5　Apache Phoenix 119
7.5　HBase應用案例 120
7.5.1　社交關系數據存儲 120
7.5.2　時間序列數據庫OpenTSDB 122
7.6　分布式列式存儲系統(tǒng)Kudu 125
7.6.1　Kudu基本特點 125
7.6.2　Kudu數據模型與架構 126
7.6.3　HBase與Kudu對比 126
7.7　小結 127
7.8　本章問題 127
第四部分　分布式協調與資源管理篇
第8章　分布式協調服務ZooKeeper 130
8.1　分布式協調服務的存在意義 130
8.1.1　leader選舉 130
8.1.2　負載均衡 131
8.2　ZooKeeper數據模型 132
8.3　ZooKeeper基本架構 133
8.4　ZooKeeper程序設計 134
8.4.1　ZooKeeper API 135
8.4.2　Apache Curator 139
8.5　ZooKeeper應用案例 142
8.5.1　leader選舉 142
8.5.2　分布式隊列 143
8.5.3　負載均衡 143
8.6　小結 144
8.7　本章問題 145
第9章　資源管理與調度系統(tǒng)YARN 146
9.1　YARN產生背景 146
9.1.1　MRv1局限性 146
9.1.2　YARN設計動機 147
9.2　YARN設計思想 148
9.3　YARN的基本架構與原理 149
9.3.1　YARN基本架構 149
9.3.2　YARN高可用 152
9.3.3　YARN工作流程 153
9.4　YARN資源調度器 155
9.4.1　層級隊列管理機制 155
9.4.2　多租戶資源調度器產生背景 156
9.4.3　Capacity/Fair Scheduler 157
9.4.4　基于節(jié)點標簽的調度 160
9.4.5　資源搶占