佩雷拉、岡納拉森所著的《Hadoop MapReduce
實戰手冊》是一本學習Hadoop MapReduce的一站式指
南，完整介紹了Hadoop生態體繫，包括Hadoop平臺安
裝、部署、運維等，以及Had00p生態繫統成員Hive、
Pig、HBase、Mahout等。最重要的是，書中包含豐富
的示例和多樣的實際應用場景，以一種簡單而直接的
方式呈現了90個實戰攻略，並給出一步步的指導。本
書從獲取Hadoop並在集群中運行Hadoop講起，依次介
紹了高級HDFS，高級HadoopMapReduce管理，開發復
雜的HadoopMapReduce應用程序，Hadoop的生態繫統
，統計分析，搜索與索引，聚類、推薦和尋找關聯，
海量文本數據處理，雲部署等內容。
本書是為各個層次的Hadoop開發人員準備的，是
對Hadoop沒有了解而想快速上手並應用Hadoop技術的
讀者的一站式學習手冊，也是有一定Hadoop使用經驗
的讀者解決實際問題的實用參考手冊。

第1章 搭建Hadoop並在集群中運行
1.1 簡介
1.2 在你的機器上安裝Hadoop
1.3 寫WordCount MapReduce示例程序，打包並使用獨立的Hadoop運行它
1.4 給WordCount MapReduce程序增加combiner步驟
1.5 安裝HDFS
1.6 使用HDFS監控UI
1.7 HDFS的基本命令行文件操作
1.8 在分布式集群環境中設置Hadoop
1.9 在分布式集群環境中運行WordCount程序
1.10 使用MapReduce監控UI
第2章 HDFS進階
2.1 簡介
2.2 HDFS基準測試
2.3 添加一個新的DataNode
2.4 DataNode下架
2.5 使用多個磁盤/卷以及限制HDFS的磁盤使用情況
2.6 設置HDFS塊大小
2.7 設置文件冗餘因子
2.8 使用HDFS的Java API
2.9 使用HDFS的C API（libhdfs）
2.10 掛載HDFS（Fuse-DFS）
2.11 在HDFS中合並文件
第3章 **Hadoop MapReduce運維
3.1 簡介
3.2 調優集群部署的Hadoop配置
3.3 運行基準測試來驗證Hadoop的安裝
3.4 復用Java虛擬機以提高性能
3.5 容錯和推測執行
3.6 調試腳本—分析任務失敗
3.7 設置失敗百分比以及跳過不良記錄
3.8 共享用戶的Hadoop集群—使用公平調度器和其他調度器
3.9 Hadoop的安全性——整合使用Kerberos
3.10 使用Hadoop的工具接口
第4章 開發復雜的Hadoop MapReduce應用程序
4.1 簡介
4.2 選擇合適的Hadoop數據類型
4.3 實現自定義的Hadoop Writable數據類型
4.4 實現自定義Hadoop key類型
4.5 從mapper中輸出不同值類型的數據
4.6 為輸入數據格式選擇合適的Hadoop InputFormat
4.7 添加新的輸入數據格式的支持—實現自定義的InputFormat
4.8 格式化MapReduce計算的結果—使用Hadoop的OutputFormat
4.9 Hadoop的中間（map到reduce）數據分區
4.10 將共享資源傳播和分發到MapReduce作業的任務中—Hadoop DistributedCache
4.11 在Hadoop上使用傳統應用程序—Hadoop Streaming
4.12 添加MapReduce作業之間的依賴關繫
4.13 用於報告自定義指標的Hadoop計數器
第5章 Hadoop生態繫統
5.1 簡介
5.2 安裝HBase
5.3 使用Java客戶端API隨機存取數據
5.4 基於HBase（表輸入/輸出）運行MapReduce作業
5.5 安裝Pig
5.6 運行**條Pig命令
5.7 使用Pig執行集合操作（join，union）與排序
5.8 安裝Hive
5.9 使用Hive運行SQL風格的查詢
5.10 使用Hive執行join
5.11 安裝Mahout
5.12 使用Mahout運行K-means
5.13 可視化K-means結果
第6章 分析
6.1 簡介
6.2 使用MapReduce的簡單分析
6.3 使用MapReduce執行Group-By
6.4 使用MapReduce計算頻率分布和排序
6.5 使用GNU Plot繪制Hadoop計算結果
6.6 使用MapReduce計算直方圖
6.7 使用MapReduce計算散點圖
6.8 用Hadoop解析復雜的數據集
6.9 使用MapReduce連接兩個數據集
第7章 搜索和索引
7.1 簡介
7.2 使用Hadoop MapReduce生成倒排索引
7.3 使用ApacheNutch構建域內網絡爬蟲
7.4 使用Apache Solr索引和搜索網絡文檔
7.5 配置Apache HBase作為ApacheNutch的後端數據存儲
7.6 在Hadoop集群上部署Apache HBase
7.7 使用Hadoop/HBase集群構建Apache Nutch**爬蟲服務
7.8 用於索引和搜索的ElasticSearch
7.9 生成抓取網頁的內鏈圖
第8章 聚類、**和關繫發現
8.1 簡介
8.2 基於內容的**
8.3 層次聚類
8.4 對***銷售數據集進行聚類操作
8.5 基於協同過濾的**
8.6 使用樸素貝葉斯分類器的分類
8.7 使用Adwords平衡算法給廣告分配關鍵字
第9章 海量文本數據處理
9.1 簡介
9.2 使用Hadoop Streaming和Python預處理數據（抽取、清洗和格式轉換）
9.3 使用Hadoop Streaming進行數據去重
9.4 使用importtsv和批量加載工具把大型數據集加載到ApacheHBase數據存儲中
9.5 創建用於文本數據的TF向量和TF-IDF向量
9.6 聚類文本數據
9.7 使用隱含狄利克雷分布（LDA）發現主題
9.8 使用Mahout的樸素貝葉斯分類器分類文件
**0章 雲端部署——在雲上使用Hadoop
10.1 簡介
10.2 使用***彈性MapReduce運行Hadoop MapReduce計算
10.3 使用***EC2競價實例來執行EMR作業流以節約開支
10.4 使用EMR執行Pig腳本
10.5 使用EMR執行Hive腳本
10.6 使用命令行界面創建***EMR作業流
10.7 使用EMR在***EC2雲上部署Apache HBase集群
10.8 使用EMR引導操作來配置***EMR作業的虛擬機
10.9 使用Apache Whirr在雲環境中部署Apache Hadoop集群
10.10 使用Apache Whirr在雲環境中部署Apache HBase集群