Sie sind hier

E-Book

Big Data in der Praxis

Lösungen mit Hadoop, Spark, HBase und Hive. Daten speichern, aufbereiten, visualisieren. 2. erweiterte Auflage

Autor	Jonas Freiknecht, Stefan Papp
Verlag	Carl Hanser Fachbuchverlag
Erscheinungsjahr	2018
Seitenanzahl	551 Seiten
ISBN	9783446456013
Format	PDF/ePUB
Kopierschutz	Wasserzeichen/DRM
Geräte	PC/MAC/eReader/Tablet
Preis	49,99 EUR

Diese komplett überarbeitete Neuauflage bringt Ihnen das Thema Big Data auf sehr praktische Art und Weise nahe. Sie lernen Technologien, Tools und Methoden kennen, entwickeln Beispiel-Lösungen und erfahren, wie Sie bestehende Systeme vorausschauend auf die mit Big Data einhergehenden Herausforderungen vorbereiten.
Dazu werden Sie neben den bekannten Apache-Projekten wie Hadoop, Hive und HBase auch einige weniger bekannte Frameworks wie Apache UIMA oder Apache OpenNLP kennenlernen, um gezielt die Verarbeitung unstrukturierter Daten zu lernen. Alle hier verwendeten Software-Komponenten stehen im vollen Umfang kostenlos im Internet zur Verfügung.
Gemeinsam mit den Autoren bauen Sie Schritt für Schritt viele kleinere Projekte auf bis hin zu einer fertigen und funktionstüchtigen Implementierung.
Ziel des Buches ist es, Sie auf den Effekt und den Mehrwert der neuen Möglichkeiten aufmerksam zu machen, sodass Sie diese konstruktiv in Ihr Unternehmen tragen können und für sich und Ihre Kollegen somit ein Bewusstsein für den Wert Ihrer Daten schaffen
Die zweite Auflage ergänzt das Buch um zahlreiche neue Themen wie Apache Spark, Apache Kafka und weitere Technologien, die vor allem darauf abzielen, Antwortzeiten kurz zu halten und so ein interaktives Arbeiten zu ermöglichen. Ebenso werden die für Firmen so wichtigen Themen Data Governance und Sicherheit behandelt.
Im Internet: 18 fertige Beispiel-Projekte auf Basis von Hadoop, HBase, Hive und D3.js plus Videotutorials

Dr. Jonas Freiknecht arbeitet als Datenanalyst bei einem größeren IT-Systemhaus. Er hat in praktischer Informatik promoviert und erstellt seit vielen Jahren YouTube Videos zu IT-Themen, schreibt Fachbücher und veröffentlicht Tutorials auf seinem Blog.

Kaufen Sie hier:

Horizontale Tabs

Blick ins Buch

Inhaltsverzeichnis

Inhalt	9
1 Einleitung	15
2 Big Data	21
2.1 Historische Entstehung	23
2.2 Big Data – ein passender Begriff?	24
2.2.1 Die drei V	25
2.2.2 Weitere Vs	28
2.2.3 Der Verarbeitungsaufwand ist big	28
2.2.4 Sicht der Industrie auf Big Data	29
2.3 Eingliederung in BI und Data Mining	30
3 Hadoop	35
3.1 Hadoop kurz vorgestellt	35
3.2 HDFS – das Hadoop Distributed File System	37
3.3 Hadoop 2.x und YARN	42
3.4 Hadoop als Single-Node-Cluster aufsetzen	44
3.4.1 Falls etwas nicht funktioniert	58
3.5 Map Reduce	60
3.6 Aufsetzen einer Entwicklungsumgebung	63
3.7 Implementierung eines Map-Reduce-Jobs	70
3.8 Ausführen eines Jobs über Kommandozeile	82
3.9 Verarbeitung im Cluster	86
3.10 Aufsetzen eines Hadoop-Clusters	88
3.11 Starten eines Jobs via Hadoop-API	100
3.12 Verketten von Map-Reduce-Jobs	113
3.13 Verarbeitung anderer Dateitypen	129
3.14 YARN-Anwendungen	144
3.14.1 Logging und Log-Aggregation in YARN	145
3.14.2 Eine einfache YARN-Anwendung	148
3.15 Vor- und Nachteile der verteilten Verarbeitung	173
3.16 Die Hadoop Java-API	174
3.16.1 Ein einfacher HDFS-Explorer	175
3.16.2 Cluster-Monitor	187
3.16.3 Überwachen der Anwendungen im Cluster	189
3.17 Gegenüberstellung zur traditionellen Verarbeitung	191
3.18 Big Data aufbereiten	192
3.18.1 Optimieren der Algorithmen zur Datenauswertung	192
3.18.2 Ausdünnung und Gruppierung	194
3.19 Ausblick auf Apache Spark	196
3.20 Markt der Big-Data-Lösungen	198
4 Das Hadoop-Ecosystem	201
4.1 Ambari	202
4.2 Sqoop	203
4.3 Flume	203
4.4 HBase	204
4.5 Hive	205
4.6 Pig	205
4.7 ZooKeeper	205
4.8 Oozie	206
4.9 Mahout	207
4.10 Data Analytics und das Reporting	207
5 NoSQL und HBase	209
5.1 Historische Entstehung	209
5.2 Das CAP-Theorem	210
5.3 ACID und BASE	211
5.4 Typen von Datenbanken	212
5.5 Umstieg von SQL und Dateisystemen auf NoSQL oder HDFS	215
5.5.1 Methoden der Datenmigration	215
5.6 HBase	217
5.6.1 Das Datenmodell von HBase	217
5.6.2 Aufbau von HBase	220
5.6.3 Installation als Stand-alone	221
5.6.4 Arbeiten mit der HBase Shell	223
5.6.5 Verteilte Installation auf dem HDFS	225
5.6.6 Laden von Daten	228
5.6.7 HBase Java-API	240
5.6.8 Der Umstieg von einem RDBMS auf HBase	263
6 Data Warehousing mit Hive	267
6.1 Installation von Hive	268
6.2 Architektur von Hive	270
6.3 Das Command Line Interface (CLI)	271
6.4 HiveQL als Abfragesprache	273
6.4.1 Anlegen von Datenbanken	273
6.4.2 Primitive Datentypen	274
6.4.3 Komplexe Datentypen	274
6.4.4 Anlegen von Tabellen	275
6.4.5 Partitionierung von Tabellen	276
6.4.6 Externe und interne Tabellen	276
6.4.7 Löschen und Leeren von Tabellen	277
6.4.8 Importieren von Daten	278
6.4.9 Zählen von Zeilen via count	279
6.4.10 Das SELECT-Statement	279
6.4.11 Beschränken von SELECT über DISTINCT	283
6.4.12 SELECT auf partitionierte Tabellen	283
6.4.13 SELECT sortieren mit SORT BY und ORDER BY	284
6.4.14 Partitionieren von Daten durch Bucketing	285
6.4.15 Gruppieren von Daten mittels GROUP BY	286
6.4.16 Subqueries – verschachtelte Abfragen	287
6.4.17 Ergebnismengen vereinigen mit UNION ALL	287
6.4.18 Mathematische Funktionen	288
6.4.19 String-Funktionen	290
6.4.20 Aggregatfunktionen	290
6.4.21 User-Defined Functions	291
6.4.22 HAVING	299
6.4.23 Datenstruktur im HDFS	300
6.4.24 Verändern von Tabellen	300
6.4.25 Erstellen von Views	303
6.4.26 Löschen einer View	303
6.4.27 Verändern einer View	303
6.4.28 Tabellen zusammenführen mit JOINs	304
6.5 Hive Security	306
6.5.1 Implementieren eines Authentication-Providers	312
6.5.2 Authentication-Provider für HiveServer2	317
6.5.3 Verwenden von PAM zur Benutzerauthentifizierung	317
6.6 Hive und JDBC	318
6.7 Datenimport mit Sqoop	336
6.8 Datenexport mit Sqoop	338
6.9 Hive und Impala	339
6.10 Unterschied zu Pig	340
6.11 Zusammenfassung	341
7 Big-Data-Visualisierung	343
7.1 Theorie der Datenvisualisierung	343
7.2 Diagrammauswahl gemäß Datenstruktur	349
7.3 Visualisieren von Big Data erfordert ein Umdenken	350
7.3.1 Aufmerksamkeit lenken	350
7.3.2 Kontextsensitive Diagramme	353
7.3.3 3D-Diagramme	355
7.3.4 Ansätze, um Big-Data zu visualisieren	356
7.4 Neue Diagrammarten	358
7.5 Werkzeuge zur Datenvisualisierung	362
7.6 Entwicklung einer einfachen Visualisierungskomponente	366
8 Auf dem Weg zu neuem Wissen – Aufbereiten, Anreichern und Empfehlen	379
8.1 Eine Big-Data-Table als zentrale Datenstruktur	382
8.2 Anreichern von Daten	384
8.2.1 Anlegen einer Wissensdatenbank	385
8.2.2 Passende Zuordnung von Daten	386
8.3 Diagrammempfehlungen über Datentypanalyse	390
8.3.1 Diagrammempfehlungen in der BDTable	392
8.4 Textanalyse – Verarbeitung unstrukturierter Daten	398
8.4.1 Erkennung von Sprachen	399
8.4.2 Natural Language Processing	400
8.4.3 Mustererkennung mit Apache UIMA	408
9 Infrastruktur	429
9.1 Hardware	430
9.2 Betriebssystem	431
9.2.1 Paketmanager	431
9.2.2 Git	432
9.2.3 VIM	433
9.2.4 Terminalumgebung	433
9.3 Virtualisierung	434
9.4 Container	434
9.4.1 Docker-Crashkurs	435
9.4.2 Infrastructure as Code	438
9.5 Distributionen	438
9.6 Reproduzierbarkeit	439
9.7 Zusammenfassung	439
10 Programmiersprachen	441
10.1 Merkmale	442
10.1.1 Funktionale Paradigmen	442
10.2 Big-Data-Programmiersprachen	443
10.2.1 Java	443
10.2.2 Scala	444
10.2.3 Python	447
10.2.4 R	450
10.2.5 Weitere Programmiersprachen	451
10.3 Zusammenfassung	452
11 Polyglot Persistence	453
11.1 Praxis	454
11.1.1 Redis	454
11.1.2 MongoDB	457
11.1.3 Neo4j	457
11.1.4 S3	458
11.1.5 Apache Kudu	461
11.2 Zusammenfassung	461
12 Apache Kafka	463
12.1 Der Kern	464
12.2 Erste Schritte	464
12.3 Dockerfile	468
12.4 Clients	468
12.5 Python Chat Client	468
12.6 Zusammenfassung	470
13 Data Processing Engines	471
13.1 Von Map Reduce zu GPPEs	471
13.1.1 Herausforderungen	472
13.1.2 Verfahren zur Verbesserung	473
13.1.3 Von Batch und Streaming zu Lambda	475
13.1.4 Frameworks in a Nutshell	476
13.2 Apache Spark	476
13.2.1 Datasets	476
13.2.2 Von RDDs zu Data Frames	477
13.2.3 Hands On Apache Spark	477
13.2.4 Client-Programme schreiben	479
13.2.5 Das Spark-Ecosystem	484
13.3 Zusammenfassung	488
14 Streaming	489
14.1 Kernparadigmen	489
14.2 Spark Streaming	492
14.2.1 Beispiel	493
14.3 Apache Flink	494
14.4 Zusammenfassung	497
15 Data Governance	499
15.1 Begriffsdschungel	500
15.2 Governance-Pfeiler	501
15.2.1 Transparenz	501
15.2.2 Verantwortung	502
15.2.3 Standardisierung	503
15.3 Fokusthemen von Data Governance	503
15.3.1 Policies	503
15.3.2 Quality	504
15.3.3 Compliance	504
15.3.4 Business Intelligence	504
15.4 Datenschutz	505
15.4.1 Werkzeuge	506
15.5 Sicherheit im Hadoop-Ecosystem	511
15.6 Metadatenmanagement	512
15.6.1 Open-Source-Werkzeuge	513
15.6.2 Kommerzielle Datenkataloge	514
15.7 Organisatorische Themen	514
15.7.1 Privacy by Design	515
15.7.2 k-Anonymity	515
15.7.3 Standards	517
15.8 Zusammenfassung	517
16 Zusammenfassung und Ausblick	519
16.1 Zur zweiten Auflage 2018	519
16.2 Zur ersten Auflage 2014	521
17 Häufige Fehler	525
18 Anleitungen	531
18.1 Installation und Verwendung von Sqoop2	531
18.2 Hadoop für Windows 7 kompilieren	537
19 Literaturverzeichnis	541
Index	545

Weitere E-Books zum Thema: Informatik - Algorithmen - Softwaresysteme

Einführung in die Informatik für Naturwissenschaftler und Ingenieure

Format: PDF

Grundlagenwissen im Bereich Informatik Es gibt kaum ein technisches oder naturwissenschaftliches Problem, das nicht von der Informatik beeinflusst wird. Deshalb gehören die Grundlagen der…

Einführung in die Informatik für Naturwissenschaftler und Ingenieure

Format: PDF

Grundlagenwissen im Bereich Informatik Es gibt kaum ein technisches oder naturwissenschaftliches Problem, das nicht von der Informatik beeinflusst wird. Deshalb gehören die Grundlagen der…

Einführung in die Informatik für Naturwissenschaftler und Ingenieure

Format: PDF

Grundlagenwissen im Bereich Informatik Es gibt kaum ein technisches oder naturwissenschaftliches Problem, das nicht von der Informatik beeinflusst wird. Deshalb gehören die Grundlagen der…

Softwaretechnik

Format: PDF

Software-Projekte geraten oft in Schwierigkeiten: Zeit und Budget werden überschritten; das Projekt tritt auf der Stelle; im schlimmsten Fall wird es ohne Ergebnis abgebrochen. Manche…

Softwaretechnik

Format: PDF

Software-Projekte geraten oft in Schwierigkeiten: Zeit und Budget werden überschritten; das Projekt tritt auf der Stelle; im schlimmsten Fall wird es ohne Ergebnis abgebrochen. Manche…

Softwaretechnik

Format: PDF

Software-Projekte geraten oft in Schwierigkeiten: Zeit und Budget werden überschritten; das Projekt tritt auf der Stelle; im schlimmsten Fall wird es ohne Ergebnis abgebrochen. Manche…

Software Engineering

Architektur-Design und Prozessorientierung Format: PDF

Das Lehrbuch behandelt alle Aspekte der Software-Entwicklung, besonders aber Methoden und Richtlinien zur Herstellung großer und qualitativ hochwertiger Softwareprodukte. Es vermittelt das zur…

Software Engineering

Architektur-Design und Prozessorientierung Format: PDF

Das Lehrbuch behandelt alle Aspekte der Software-Entwicklung, besonders aber Methoden und Richtlinien zur Herstellung großer und qualitativ hochwertiger Softwareprodukte. Es vermittelt das zur…

Corporate Performance Management mit Business Intelligence Werkzeugen

Format: PDF

Vertrauen ist gut - Corporate Performance Management ist besser - Management- und Technologieaspekte werden gemeinsam und verständlich dargestellt - Zahlreiche Praxisbeispiele aus der…

Corporate Performance Management mit Business Intelligence Werkzeugen

Format: PDF

Vertrauen ist gut - Corporate Performance Management ist besser - Management- und Technologieaspekte werden gemeinsam und verständlich dargestellt - Zahlreiche Praxisbeispiele aus der…

Weitere Zeitschriften

Argumente + Fakten der Medizin

Medizin und Gesundheit Aktuell zu Konzepten, Forschung, Therapie, Diagnostik und Klinik Seit April 1991 erscheint regelmäßig eine monatliche Fachzeitschrift für den jungen niedergelassenen ...

arznei-telegramm

Das arznei-telegramm® informiert bereits im 53. Jahrgang Ärzte, Apotheker und andere Heilberufe über Nutzen und Risiken von Arzneimitteln. Das arznei-telegramm® ist neutral und ...

Branchenbrief international - Spielzeugbranche aktuell

Informationsdienst für die Spielwarenbranche Seit 1980 ist der „BRANCHENBRIEF INTERNATIONAL - Spielzeugbranche aktuell" der Informationsdienst der Spielwarenbranche, bekannt unter dem Kürzel ...

Burgen und Schlösser

aktuelle Berichte zum Thema Burgen, Schlösser, Wehrbauten, Forschungsergebnisse zur Bau- und Kunstgeschichte, Denkmalpflege und Denkmalschutz Seit ihrer Gründung 1899 gibt die Deutsche ...

DGZ Deutsche Gewerkschafts-Zeitung

Das Magazin der christlichen Gewerkschaften: Christliche Gewerkschaft Metall (CGM) Christliche Gewerkschaft Deutscher Eisenbahner (CGDE) Christliche Gewerkschaft Bergbau, Chemie, Energie (CGBCE) ...

Die Steuerfachangestellten

Prüfungs- und Praxiswissen für Steuerfachangestellte Mehr Erfolg in der Ausbildung, sicher in alle Prüfungen gehen, im Beruf jeden Tag überzeugen: „Die Steuerfachangestellten“ ist die ...

Die Versicherungspraxis

Behandlung versicherungsrelevanter Themen. Erfahren Sie mehr über den DVS. Der DVS Deutscher Versicherungs-Schutzverband e.V, Bonn, ist der Interessenvertreter der versicherungsnehmenden Wirtschaft. ...

Directorium des Bistums Würzburg

Directorium des Bistums Würzburg. Das Bistum Würzburg im Portrait: Vielfältig die Landschaften, lebensfroh und bodenständig die Menschen: das im Norden Bayerns gelegene Bistum Würzburg verbindet ...

EineWelt

Lebendige Reportagen, spannende Interviews, interessante Meldungen, informative Hintergrundberichte. Lesen Sie in der Zeitschrift „EineWelt“, was Menschen in Mission und Kirche bewegt Man kann ...

FileMaker Magazin

Das unabhängige Magazin für Anwender und Entwickler, die mit dem Datenbankprogramm Claris FileMaker Pro arbeiten. In jeder Ausgabe finden Sie von kompletten Lösungsschritten bis zu ...