计算机 类型
可以朗读 语音朗读
254千字 字数
2018-01-01 发行日期
展开全部

主编推荐语

HAWQ技术解析、实战演练与数据挖掘

内容简介

本书内容分技术解析、实战演练与数据挖掘三个部分。技术解析说明HAWQ的基础架构与功能特性。实战演练部分用一个完整的示例，说明如何使用HAWQ取代传统数据仓库，包括ETL处理、自动调度系统、维度表与事实表技术、OLAP与数据的图形化表示等。数据挖掘部分用实例说明HAWQ与开源数据挖掘库Madlib整合，实现降维、协同过滤、关联规则、回归、聚类、分类等常见数据挖掘方法。

目录

  • 封面页
  • 书名页
  • 版权页
  • 作者简介
  • 内容简介
  • 推荐序
  • 前言
  • 目录
  • 第一部分　HAWQ技术解析
  • 第1章　◄HAWQ概述►
  • 1.1　SQL-on-Hadoop
  • 1.1.1　对SQL-on-Hadoop的期待
  • 1.1.2　SQL-on-Hadoop的实现方式
  • 1.2　HAWQ简介
  • 1.2.1　历史与现状
  • 1.2.2　功能特性
  • 1.3　HAWQ系统架构
  • 1.3.1　系统架构
  • 1.3.2　内部架构
  • 1.4　为什么选择HAWQ
  • 1.4.1　常用SQL-on-Hadoop产品的不足
  • 1.4.2　HAWQ的可行性
  • 1.4.3　适合DBA的解决方案
  • 1.5　小结
  • 第2章　◄HAWQ安装部署►
  • 2.1　安装规划
  • 2.1.1　选择安装介质
  • 2.1.2　选择HAWQ版本
  • 2.1.3　确认Ambari与HDP的版本兼容性
  • 2.2　安装前准备
  • 2.2.1　确认最小系统需求
  • 2.2.2　准备系统安装环境
  • 2.2.3　建立本地Repository
  • 2.3　安装Ambari
  • 2.4　安装HDP集群
  • 2.5　安装HAWQ
  • 2.6　启动与停止HAWQ
  • 2.6.1　基本概念
  • 2.6.2　操作环境
  • 2.6.3　基本操作
  • 2.7　小结
  • 第3章　◄连接管理►
  • 3.1　配置客户端身份认证
  • 3.2　管理角色与权限
  • 3.2.1　HAWQ中的角色与权限
  • 3.2.2　管理角色及其成员
  • 3.2.3　管理对象权限
  • 3.2.4　口令加密
  • 3.3　psql连接HAWQ
  • 3.4　Kettle连接HAWQ
  • 3.5　连接常见问题
  • 3.6　小结
  • 第4章　◄数据库对象管理►
  • 4.1　创建和管理数据库
  • 4.2　创建和管理表空间
  • 4.3　创建和管理模式
  • 4.4　创建和管理表
  • 4.4.1　创建表
  • 4.4.2　删除表
  • 4.4.3　查看表对应的HDFS文件
  • 4.5　创建和管理视图
  • 4.6　管理其他对象
  • 4.7　小结
  • 第5章　◄分区表►
  • 5.1　HAWQ中的分区表
  • 5.2　确定分区策略
  • 5.3　创建分区表
  • 5.3.1　范围分区与列表分区
  • 5.3.2　多级分区
  • 5.3.3　对已存在的非分区表进行分区
  • 5.4　分区消除
  • 5.5　分区表维护
  • 5.6　小结
  • 第6章　◄存储管理►
  • 6.1　数据存储选项
  • 6.2　数据分布策略
  • 6.2.1　数据分布策略概述
  • 6.2.2　选择数据分布策略
  • 6.2.3　数据分布用法
  • 6.3　从已有的表创建新表
  • 6.4　小结
  • 第7章　◄资源管理►
  • 7.1　HAWQ资源管理概述
  • 7.1.1　全局资源管理
  • 7.1.2　HAWQ资源队列
  • 7.1.3　资源管理器配置原则
  • 7.2　配置独立资源管理器
  • 7.3　整合YARN
  • 7.4　管理资源队列
  • 7.5　查询资源管理器状态
  • 7.6　小结
  • 第8章　◄数据管理►
  • 8.1　基本数据操作
  • 8.2　数据装载与卸载
  • 8.2.1　gpfdist协议及其外部表
  • 8.2.2　基于Web的外部表
  • 8.2.3　使用外部表装载数据
  • 8.2.4　外部表错误处理
  • 8.2.5　使用hawq load装载数据
  • 8.2.6　使用COPY复制数据
  • 8.2.7　卸载数据
  • 8.2.8　hawq register
  • 8.2.9　格式化数据文件
  • 8.3　数据库统计
  • 8.3.1　系统统计
  • 8.3.2　统计配置
  • 8.4　PXF
  • 8.4.1　安装配置PXF
  • 8.4.2　PXF profile
  • 8.4.3　访问HDFS文件
  • 8.4.4　访问Hive数据
  • 8.4.5　访问JSON数据
  • 8.4.6　向HDFS中写入数据
  • 8.5　小结
  • 第9章　◄过程语言►
  • 9.1　HAWQ内建SQL语言
  • 9.2　PL/pgSQL函数
  • 9.3　给HAWQ内部函数起别名
  • 9.4　表函数
  • 9.5　参数个数可变的函数
  • 9.6　多态类型
  • 9.7　UDF管理
  • 9.8　UDF实例——递归树形遍历
  • 9.9　小结
  • 第10章　◄查询优化►
  • 10.1　HAWQ的查询处理流程
  • 10.2　GPORCA查询优化器
  • 10.2.1　GPORCA的改进
  • 10.2.2　启用GPORCA
  • 10.2.3　使用GPORCA需要考虑的问题
  • 10.2.4　GPORCA的限制
  • 10.3　性能优化
  • 10.4　查询剖析
  • 10.5　小结
  • 第11章　◄高可用性►
  • 11.1　备份与恢复
  • 11.1.1　备份方法
  • 11.1.2　备份与恢复示例
  • 11.2　高可用性
  • 11.2.1　HAWQ高可用简介
  • 11.2.2　Master节点镜像
  • 11.2.3　HAWQ文件空间与HDFS高可用
  • 11.2.4　HAWQ容错服务
  • 11.3　小结
  • 第二部分　HAWQ实战演练
  • 第12章　◄建立数据仓库示例模型►
  • 12.1　业务场景
  • 12.2　数据仓库架构
  • 12.3　实验环境
  • 12.4　HAWQ相关配置
  • 12.5　创建示例数据库
  • 12.5.1　在hdp4上的MySQL中创建源库对象并生成测试数据
  • 12.5.2　创建目标库对象
  • 12.5.3　装载日期维度数据
  • 12.6　小结
  • 第13章　◄初始ETL►
  • 13.1　用Sqoop初始数据抽取
  • 13.1.1　覆盖导入
  • 13.1.2　增量导入
  • 13.1.3　建立初始抽取脚本
  • 13.2　向HAWQ初始装载数据
  • 13.2.1　数据源映射
  • 13.2.2　确定SCD处理方法
  • 13.2.3　实现代理键
  • 13.2.4　建立初始装载脚本
  • 13.3　建立初始ETL脚本
  • 13.4　小结
  • 第14章　◄定期ETL►
  • 14.1　变化数据捕获
  • 14.2　创建维度表版本视图
  • 14.3　创建时间戳表
  • 14.4　用Sqoop定期数据抽取
  • 14.5　建立定期装载HAWQ函数
  • 14.6　建立定期ETL脚本
  • 14.7　测试
  • 14.7.1　准备测试数据
  • 14.7.2　执行定期ETL脚本
  • 14.7.3　确认ETL过程正确执行
  • 14.8　动态分区滚动
  • 14.9　准实时数据抽取
  • 14.10　小结
  • 第15章　◄自动调度执行ETL作业►
  • 15.1　Oozie简介
  • 15.2　建立工作流前的准备
  • 15.3　用Oozie建立定期ETL工作流
  • 15.4　Falcon简介
  • 15.5　用Falcon process调度Oozie工作流
  • 15.6　小结
  • 第16章　◄维度表技术►
  • 16.1　增加列
  • 16.2　维度子集
  • 16.3　角色扮演维度
  • 16.4　层次维度
  • 16.4.1　固定深度的层次
  • 16.4.2　多路径层次
  • 16.4.3　参差不齐的层次
  • 16.5　退化维度
  • 16.6　杂项维度
  • 16.7　维度合并
  • 16.8　分段维度
  • 16.9　小结
  • 第17章　◄事实表技术►
  • 17.1　周期快照
  • 17.2　累积快照
  • 17.3　无事实的事实表
  • 17.4　迟到的事实
  • 17.5　累积度量
  • 17.6　小结
  • 第18章　◄联机分析处理►
  • 18.1　联机分析处理简介
  • 18.1.1　概念
  • 18.1.2　分类
  • 18.1.3　性能
  • 18.2　联机分析处理实例
  • 18.2.1　销售订单
  • 18.2.2　行列转置
  • 18.3　交互查询与图形化显示
  • 18.3.1　Zeppelin简介
  • 18.3.2　使用Zeppelin执行HAWQ查询
  • 18.4　小结
  • 第三部分　HAWQ数据挖掘
  • 第19章　◄整合HAWQ与MADlib►
  • 19.1　MADlib简介
  • 19.2　安装与卸载MADlib
  • 19.3　MADlib基础
  • 19.3.1　向量
  • 19.3.2　矩阵
  • 19.4　小结
  • 第20章　◄奇异值分解►
  • 20.1　奇异值分解简介
  • 20.2　MADlib奇异值分解函数
  • 20.3　奇异值分解实现推荐算法
  • 20.4　小结
  • 第21章　◄主成分分析►
  • 21.1　主成分分析简介
  • 21.2　MADlib的PCA相关函数
  • 21.3　PCA应用示例
  • 21.4　小结
  • 第22章　◄关联规则方法►
  • 22.1　关联规则简介
  • 22.2　Apriori算法
  • 22.2.1　Apriori算法基本思想
  • 22.2.2　Apriori算法步骤
  • 22.3　MADlib的Apriori算法函数
  • 22.4　Apriori应用示例
  • 22.5　小结
  • 第23章　◄聚类方法►
  • 23.1　聚类方法简介
  • 23.2　k-means方法
  • 23.2.1　基本思想
  • 23.2.2　原理与步骤
  • 23.2.3　k-means算法
  • 23.3　MADlib的k-means相关函数
  • 23.4　k-means应用示例
  • 23.5　小结
  • 第24章　◄回归方法►
  • 24.1　回归方法简介
  • 24.2　Logistic回归
  • 24.3　MADlib的Logistic回归相关函数
  • 24.4　Logistic回归示例
  • 24.5　小结
  • 第25章　◄分类方法►
  • 25.1　分类方法简介
  • 25.2　决策树
  • 25.2.1　决策树的基本概念
  • 25.2.2　决策树的构建步骤
  • 25.3　MADlib的决策树相关函数
  • 25.4　决策树示例
  • 25.5　小结
  • 第26章　◄图算法►
  • 26.1　图算法简介
  • 26.2　单源最短路径
  • 26.3　MADlib的单源最短路径相关函数
  • 26.4　单源最短路径示例
  • 26.5　小结
  • 第27章　◄模型验证►
  • 27.1　交叉验证简介
  • 27.2　MADlib的交叉验证相关函数
  • 27.3　交叉验证示例
  • 27.4　小结
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

清华大学出版社

清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。