Die Big-Data-Odyssee - Einblicke, Innovation und Auswirkungen

"Die Big-Data-Odyssee: Einblicke, Innovationen und Auswirkungen gewinnen" ist ein umfassender Leitfaden zu Big Data und Hadoop. Das Buch beginnt mit einer Einführung in Big Data, seine Quellen, Geschichte, Antriebskräfte, Merkmale und Anwendungen. Anschließend werden die wichtigsten Merkmale wie intelligente Datenanalyse, die Art der Daten, Analyseprozesse, Tools, Sicherheit, Compliance, Auditing, Schutz, Privatsphäre und Ethik behandelt. Als Nächstes wird auf Hadoop eingegangen, einschließlich seiner Geschichte, des Apache Hadoop-Projekts, des Hadoop Distributed File System (HDFS), des Hadoop-Ökosystems, der Datenformate, der Datenanalyse, der Skalierung, des Streaming und der Pipes. Im weiteren Verlauf wird das MapReduce-Framework vorgestellt und seine Grundlagen, Funktionsweise, Anwendungsentwicklung, Unit-Tests mit MR Unit, Job-Anatomie, Scheduling, Task-Ausführung, Typen, Eingabe- und Ausgabeformate und Funktionen erklärt. Das letzte Kapitel dieses Buches konzentriert sich auf HDFS und beschreibt dessen Design, Konzepte, Vorteile, Herausforderungen, Dateigrößen, Blockabstraktion, Datenreplikation, Java-Schnittstellen, Dateisystemschnittstellen-Befehlszeile, Datenfluss, Dateneingabe mit Flume und Scoop, Archive, E/A, Sicherheit, Verwaltung, Überwachung, Wartung, Benchmarks und Cloud-Einsatz.

Autorentext

Redaktory: T. Akilan, Dr. Praween Kumar MaduriSoredaktory:Amrita Bhattachar'q, Nabanita MandalPriq Bhattachardzhi, Ranita Chakraborti DasguptaPradipta Dej, Ajshani MukerdzhiSandzhukta Kar, doktor Amrita Bhattachar'qAISER,Uniwersitet Jemiti w Kal'kutte

Klappentext

"Die Big-Data-Odyssee: Einblicke, Innovationen und Auswirkungen gewinnen" ist ein umfassender Leitfaden zu Big Data und Hadoop. Das Buch beginnt mit einer Einführung in Big Data, seine Quellen, Geschichte, Antriebskräfte, Merkmale und Anwendungen. Anschließend werden die wichtigsten Merkmale wie intelligente Datenanalyse, die Art der Daten, Analyseprozesse, Tools, Sicherheit, Compliance, Auditing, Schutz, Privatsphäre und Ethik behandelt. Als Nächstes wird auf Hadoop eingegangen, einschließlich seiner Geschichte, des Apache Hadoop-Projekts, des Hadoop Distributed File System (HDFS), des Hadoop-Ökosystems, der Datenformate, der Datenanalyse, der Skalierung, des Streaming und der Pipes. Im weiteren Verlauf wird das MapReduce-Framework vorgestellt und seine Grundlagen, Funktionsweise, Anwendungsentwicklung, Unit-Tests mit MR Unit, Job-Anatomie, Scheduling, Task-Ausführung, Typen, Eingabe- und Ausgabeformate und Funktionen erklärt. Das letzte Kapitel dieses Buches konzentriert sich auf HDFS und beschreibt dessen Design, Konzepte, Vorteile, Herausforderungen, Dateigrößen, Blockabstraktion, Datenreplikation, Java-Schnittstellen, Dateisystemschnittstellen-Befehlszeile, Datenfluss, Dateneingabe mit Flume und Scoop, Archive, E/A, Sicherheit, Verwaltung, Überwachung, Wartung, Benchmarks und Cloud-Einsatz.