本书主题包括: 用HDFS存储大数据集, 用MapReduce做分布式计算, 使用Hadoop的数据和I/O构件来做压缩、数据集成、序列化和持久化, 发现常见的陷阱和实用性MapReduce程序设计的高级特性, 设计、构建和管理专用Hadoop数据中心或者在云端运行Hadoop, 使用Sqoop把关系型数据库中的数据加载到HDFS, 用Hadoop的数据仓储系统Hive来分析大数据, 将HBase充分用于结构化和半结构化数据, 将ZooKeeper用于构建分布式系统。

         本书结合理论和实践，由浅入深，全方位介绍了Hadoop 这一高性能的海量数据处理和分析平台。全书5部分24 章，第Ⅰ部分介绍Hadoop 基础知识，第Ⅱ部分介绍MapReduce,第Ⅲ部分介绍Hadoop 的运维，第Ⅳ部分介绍Hadoop 相关开源项目，第Ⅴ部分提供了三个案例，分别来自医疗卫生信息技术服务商塞纳(Cerner)、微软的人工智能项目ADAM(一种大规模分布式深度学习框架)和开源项目Cascading(一个新的针对MapReduce 的数据处理API)。本书是一本专业、全面的Hadoop 参考书和工具书，阐述了Hadoop 生态圈的新发展和应用，程序员可以从中探索海量数据集的存储和分析，管理员可以从中了解Hadoop 集群的安装和运维。