本书从Hadoop的缘起开始，由浅入深，结合理论和实践，全方位地介绍Hadoop这一高性能处理海量数据集的理想工具。全书共14章，3个附录，涉及的主题包括：Haddoop简介；MapReduce简介；Hadoop分布式文件系统；Hadoop的I/O、MapReduce应用程序开发；MapReduce的工作机制；MapReduce的类型和格式；MapReduce的特性；如何安装Hadoop集群，如何管理Hadoop；Pig简介；Hbase简介；ZooKeeper简介，最后还提供了丰富的案例分析。 本书是Hadoop权威参考，程序员可从中探索如何分析海量数据集，管理员可以从中了解如何安装与运行Hadoop集群。

前 言 马丁·加德纳(数学家和科学作家)，曾经在一次采访中说道： “没有微积分，我的生命就失去了意义。这是我成功的秘诀。我花了如此长的时间了解我在写什么，所以我知道如何写作才能让大多数读者明白我的意思。” 在许多方面，这就是我对Hadoop的感觉。它的内部工作机制是复杂的、相互依赖的，因为它运行在分布式系统的理论、实用技术和技术常识这些复杂的基础之上。对于门外汉来说，Hadoop就像是异形一样难以理解。 但事实上并不是这样的。剥离其核心，Hadoop提供给组件分布式系统的工具——如数据存储、数据分析和协调——是十分简单的。如果有一个共同的主题，那么它将与提高抽象水平相关的——为程序员创建用于处理这些事情的基础架构，这些程序员中，或者正好有大量数据需要存储，或者有大量数据需要分析，或者有大量机器需要协调，或者没有时间、技能或兴趣成为分布式系统专家。 借由这样一个简单的、普遍适用的功能组合，在开始使用这个理当被广泛普及的Hadoop的时候，我的想法逐渐清晰起来。然而，在当时(2006年初)，设置、配置和编写程序来使用Hadoop称得上是一门艺术。幸运的是，此后有了明显的进步，因为有更多的文件，更多的例子，一旦有疑问，还有那么多邮件地址可以发过去帮助你解惑。但对大多数新手来说，最大的障碍是理解这项技术能做什么，它的长处何在，如何使用它。这就是我写这...