Packt The Ultimate Hands on Hadoop
آموزش کامل هادوپ

کاربرد : آموزش کامل هادوپ
نوع فایل : فیلم آموزشی
زبان : انگلیسی
سیستم عامل : Windows-Mac-Linux-Android-iOS
تولید کننده : Packt Publishing
سال تولید : 2017

توضیحات

هادوپ یک نرم افزار کد باز (Open source) است که برای تقسیم بندی و توزیع فایل های متمرکز به کار می رود. هادوپ تحت لیسانس آپاچی (Apache) ارائه می شود و توسط جاوا برنامه نویسی شده است. امّا هادوپ چگونه به وجود آمد؟ شرکت گوگل در پی افزایش حجم تبادل اطلاعات، به دنبال راه حلّی برای افزایش سرعت و راندمان سرورهای خود بود که سیستم توزیع (Distribution) منحصر به فردی برای خود ابداع کرد به نام GFS که مخفف Google File System بود. در پی این موفقیت، انجمن توزیع Apache به فکر گسترش این تکنولوژی در سطح وسیع تری افتاد و سیستم هادوپ به وجود آمد. هادوپ یک فریم ورک یا مجموعه ای از نرم افزارها و کتابخانه هایی است که ساز و کار پردازش حجم عظیمی از داده های توزیع شده را فراهم می کند. در واقع Hadoop را می توان به یک سیستم عامل تشبیه کرد که طراحی شده تا بتواند حجم زیادی از داده ها را بر روی ماشین های مختلف پردازش و مدیریت کند.
در دوره آموزشی Packt The Ultimate Hands-on Hadoop با هادوپ و ویژگی های آن آشنا می شوید.

سرفصل های دوره آموزشی Packt The Ultimate Hands-on Hadoop:
- یادگیری همه buzzwords! و نصب Hadoop
- استفاده از Hadoop's Core: HDFs و MapReduce
- برنامه نویسی Hadoop با Pig
- برنامه نویسی Hadoop با Spark
- استفاده از فروشگاه داده های وابسته Hadoop
- استفاده از از فروشگاه داده های غیر وابسته Hadoop
- پرس و جو اطلاعات خود به صورت تعاملی
- مدیریت خوشه
- تغذیه داده ها به خوشه
- تجزیه و تحلیل جریان داده ها
- طراحی سیستم های واقعی در جهان
- یادگیری بیشتر

Description

The world of Hadoop and "Big Data" can be intimidating - hundreds of different technologies with cryptic names form the Hadoop ecosystem. With this course, you'll not only understand what those systems are and how they fit together - but you'll go hands-on and learn how to use them to solve real business problems!This course is comprehensive, covering over 25 different technologies in over 14 hours of video lectures. It's filled with hands-on activities and exercises, so you get some real experience in using Hadoop - it's not just theory.You'll find a range of activities in this course for people at every level. If you're a project manager who just wants to learn the buzzwords, there are web UI's for many of the activities in the course that require no programming knowledge. If you're comfortable with command lines, we'll show you how to work with them too. And if you're a programmer, I'll challenge you with writing real scripts on a Hadoop system using Scala, Pig Latin, and Python.
Table of Contents:
- Learn all the buzzwords! And install Hadoop
- Using Hadoop's Core: HDFs and MapReduce
- Programming Hadoop with Pig
- Programming Hadoop with Spark
- Using relational data stores with Hadoop
- Using non-relational data stores with Hadoop
- Querying Your Data Interactively
- Managing your Cluster
- Feeding Data to your Cluster
- Analysing Streams of Data
- Designing Real-World Systems
- Learning More

بخش های فایل

این فایل شامل 94 بخش می باشد که بخش های آن به صورت جداگانه در زیر آمده است.

Row	Title	Size
1 - Learn all the buzzwords! And install Hadoop
1	Hadoop Overview and History	30.99 MB
2	Overview of Hadoop Ecosystem	90.61 MB
3	Tips for Using This Course	35.59 MB
4	[Activity] Introduction, and install Hadoop on your desktop!	140.32 MB
2 - Using Hadoop's Core - HDFs and MapReduce
5	HDFS - What it is, and how it works	41.23 MB
6	How MapReduce distributes processing	28.36 MB
7	MapReduce - What it is, and how it works	20.51 MB
8	MapReduce example - Break down movie ratings by rating score	24.84 MB
9	[Activity] Check your results against mine!	36.60 MB
10	[Activity] Code up the ratings histogram MapReduce job and run it	17.02 MB
11	[Activity] Installing Python, MRJob, and nano	33.60 MB
12	[Activity] Install the MovieLens dataset into HDFS using the Ambari UI	47.81 MB
13	[Activity] Install the MovieLens dataset into HDFS using the command line	43.67 MB
14	[Exercise] Rank Movies by their popularity	13.42 MB
3 - Programming Hadoop with Pig
15	Example - Find the oldest movie with 5-star rating using Pig	37.45 MB
16	Introducing Ambari	32.03 MB
17	Introducing Pig	26.22 MB
18	More Pig Latin	13.58 MB
19	Pig Challenge - Compare Your Results to Mine!	31.02 MB
20	[Activity] Find old 5-star movies with Pig	49.88 MB
21	[Exercise] Find the most-rated one-star movie	3.74 MB
4 - Programming Hadoop with Spark
22	Datasets and Spark 2.0	11.69 MB
23	The Resilient Distributed Datasets(RDD)	15.67 MB
24	Why Spark	27.90 MB
25	[Activity] Check your results against mine!	47.03 MB
26	[Activity] Find the movie with the lowest average rating - with DataFrames	41.63 MB
27	[Activity] Find the movie with the lowest average rating - with RDD's	60.55 MB
28	[Activity] Movie recommendations with MLLib	60.10 MB
29	[Exercise] Filter the lowest-rated movies by number of ratings	6.28 MB
5 - Using relational data stores with Hadoop
30	Compare your solution to mine	10.55 MB
31	How Hive Works	17.40 MB
32	Integrating MySQL with Hadoop	14.75 MB
33	What is Hive	23.63 MB
34	[Activity] Install MySQL and import our movie data	41.01 MB
35	[Activity] Use Hive to find the most popular movie	32.42 MB
36	[Activity] Use Sqoop to export data from Hadoop to MySQL	35.54 MB
37	[Activity] Use Sqoop to import data from MySQL to HFDS_Hive	30.80 MB
38	[Exercise] Use Hive to find the movie with the highest average rating	4.12 MB
6 - Using non-relational data stores with Hadoop
39	Cassandra Overview	43.42 MB
40	Choosing a database technology	91.35 MB
41	MongoDB overview	43.57 MB
42	What is HBase	23.83 MB
43	Why NoSQL	91.76 MB
44	[Activity] Import movie ratings into HBase	46.66 MB
45	[Activity] Install MongoDB, and integrate Spark with MongoDB	65.30 MB
46	[Activity] Installing Cassandra	52.13 MB
47	[Activity] Use HBase with Pig to import data at scale	50.94 MB
48	[Activity] Using the MongoDB shell	40.86 MB
49	[Activity] Write Spark output into Cassandra	57.42 MB
7 - Querying Your Data Interactively
50	Overview of Drill	44.81 MB
51	Overview of Phoenix	19.26 MB
52	Overview of Presto	37.29 MB
53	[Activity] Install Phoenix and query HBase with it	27.48 MB
54	[Activity] Install Presto, and query Hive with it	73.36 MB
55	[Activity] Integrate Phoenix with Pig	50.82 MB
56	[Activity] Query both Cassandra and Hive using Presto	54.60 MB
57	[Activity] Querying across multiple databases with Drill	16.38 MB
58	[Activity] Setting up Drill	57.46 MB
8 - Managing your Cluster
59	Hue Overview	19.22 MB
60	Mesos explained	41.22 MB
61	Oozie explained	25.31 MB
62	Other technologies worth mentioning	24.86 MB
63	Tez explained	9.23 MB
64	YARN Explained	34.46 MB
65	Zeppelin overview	39.98 MB
66	ZooKeeper explained	24.96 MB
67	[Activity] Set up a simple Oozie workflow	59.09 MB
68	[Activity] Simulating a failing master with ZooKeeper	28.91 MB
69	[Activity] Use Hive on Tez and measure the performance benefit	48.46 MB
70	[Activity] Use Zeppelin to analyze movie ratings, part 1	27.71 MB
71	[Activity] Use Zeppelin to analyze movie ratings, part 2	32.83 MB
9 - Feeding Data to your Cluster
72	Flume explained	17.84 MB
73	Kafka explained	37.09 MB
74	[Activity] Publishing web logs with Kafka	59.51 MB
75	[Activity] Setting up Kafka, and publishing some data	29.59 MB
76	[Activity] Set up Flume and publish logs with it	31.97 MB
77	[Activity] Set up Flume to monitor a directory and store its data in HDFS	55.78 MB
10 - Analysing Streams of Data
78	Apache Storm - Introduction	18.02 MB
79	Exercise solution - Aggregating HTTP access codes with Spark Streaming	27.45 MB
80	Flink - An Overview	13.96 MB
81	Spark Streaming - Introduction	43.01 MB
82	[Activity] Analyze web logs published with Flume using Spark streaming	69.99 MB
83	[Activity] Counting words with Flink	73.17 MB
84	[Activity] Count words with Storm	66.42 MB
85	[Exercise] Monitor Flume-published logs for errors in real time	52.12 MB
11 - Designing Real-World Systems
86	Exercise solution - Design a system to count daily sessions	18.15 MB
87	Review - How the pieces fit together	30.99 MB
88	Sample Application - consume web server logs and keep tracks of top-sellers	21.34 MB
89	Sample application - serving movie recommendations to a website	21.90 MB
90	The Best of the Rest	17.74 MB
91	Understanding your requirements	16.72 MB
92	[Exercise] Design a system to report web sessions per day	5.05 MB
12 - Learning More
93	Bonus lecture - Discounts on my other big data _ data science courses!	53.68 MB
94	Books and online resources	123.50 MB

شما می توانید مجموعه کامل بخش های این فابل را نیز به صورت مجموعه کامل دریافت نمایید.

اگر شما نسبت به این اثر یا عنوان محق هستید، لطفا از طریق "بخش تماس با ما" با ما تماس بگیرید و برای اطلاعات بیشتر، صفحه قوانین و مقررات را مطالعه نمایید.

دیدگاه کاربران

لطفا در این قسمت فقط نظر شخصی در مورد این عنوان را وارد نمایید و در صورتیکه مشکلی با دانلود یا استفاده از این فایل دارید در صفحه کاربری تیکت ثبت کنید.

(اختیاری)

تعداد کاراکتر مجاز: 1000