HAWQ数据仓库与数据挖掘实战
¥58.80
作品简介
ApacheHAWQ是一个SQL-on-Hadoop产品,它非常适合用于Hadoop平台上快速构建数据仓库系统。HAWQ具有大规模并行处理、完善的SQL兼容性、支持存储过程和事务、出色的性能表现等特性,还可与开源数据挖掘库MADlib轻松整合,从而使用SQL就能进行数据挖掘与机器学习。《HAWQ数据仓库与数据挖掘实战》内容分技术解析、实战演练与数据挖掘三个部分共27章。技术解析部分说明HAWQ的基础架构与功能特性,包括安装、连接、对象与资源管理、查询优化、备份恢复、高可用性等。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与机器学习方法。《HAWQ数据仓库与数据挖掘实战》适合数据库管理员、大数据技术人员、Hadoop技术人员、数据仓库技术人员,也适合高等院校和培训机构相关专业的师生教学参考。
王雪迎,毕业于中国地质大学计算机专业,高级工程师,从事数据库、数据仓库相关技术工作20年。先后供职于北京现代商业信息技术有限公司、北京在线九州信息技术服务有限公司、华北计算技术研究所、北京优贝在线网络科技有限公司,担任DBA、数据架构师等职位。著有图书《Hadoop数据仓库实践》。
作品目录
作者简介
内容简介
推荐序
前言
第一部分 HAWQ技术解析
第1章 ◄HAWQ概述►
1.1 SQL-on-Hadoop
1.2 HAWQ简介
1.3 HAWQ系统架构
1.4 为什么选择HAWQ
1.5 小结
第2章 ◄HAWQ安装部署►
2.1 安装规划
2.2 安装前准备
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
2.7 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
3.3 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
4.5 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
5.4 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
6.3 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
7.2 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
8.3 数据库统计
8.4 PXF
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
10.3 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
11.2 高可用性
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
12.6 小结
第13章 ◄初始ETL►
13.1 用Sqoop初始数据抽取
13.2 向HAWQ初始装载数据
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
14.8 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
16.5 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
18.2 联机分析处理实例
18.3 交互查询与图形化显示
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
19.4 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
22.3 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
23.3 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
25.3 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
载入中
大家都喜欢
MongoDB进阶与实战
82.60元HikariCP数据库连接池实战
49.00元大数据技术体系详解:原理、架构与实践
40.00元Apache Kylin权威指南(第2版)
49.00元