内容提要

本书将基本概念与实例相结合，由浅入深、循序渐进地对大数据思维、技术和应用做了全面系统的介绍。全书共12章，分为大数据基础篇、大数据存储篇、大数据处理篇、大数据挖掘篇和大数据应用篇。

大数据基础篇的内容涵盖了大数据思维理念、大数据的产生与作用、大数据基本概念、大数据采集工具Flume和Scribe、大数据爬虫工具Nutch和Scapy、大数据预处理工具Kettle、大数据处理架构Hadoop；大数据存储篇的内容包含分布式文件存储系统HDFS、海量数据存储数据库系统HBase和海量数据仓库系统Hive；大数据处理篇主要介绍了分布式并发计算批处理模式MapReduce，基于内存的快速处理模式Spark，以及基于实时数据流的实时处理模式Spark Streaming；大数据挖掘篇主要对分类、预测、聚类和关联等各类大数据挖掘算法的原理和使用场景进行了描述，并使用Spark MLlib提供的机器学习算法进行了实例讲解；大数据应用篇分别从大数据场景应用的横向和纵向出发，介绍了大数据在各个功能领域的应用场景和在各个行业的应用场景。

本书可作为高校大数据相关专业和其他专业的大数据导论课程的教材，每个知识点都配有与理论学习内容相结合的案例介绍和代码实例，并在每章后面配有丰富的作业。本书也可以作为广大IT从业人员系统了解大数据技术和应用的参考书。