前言

Hadoop和Spark是两大大数据处理平台，各自形成了完整的生态系统。在相当长的时间内，二者相互共存。

本书是一本Hadoop和Spark的入门介绍书籍。

针对Hadoop和Spark两个生态系统的主要工具，本书首先介绍其基本原理，然后给出安装部署的详细过程，并且通过对内置实例的分析，帮助读者掌握初步的大数据平台的编程技巧。

本书的读者为高等院校高年级本科生、硕士研究生和IT从业者，他们急需一本简洁的手册，帮助他们迅速入门Hadoop和Spark。

本书包括13章: 第1、2章介绍VMware与虚拟机、CentOS操作系统安装，第3～6章介绍Hadoop生态系统，第7～11章介绍Spark生态系统，第12、13章介绍两个工具Flume和Kafka。本书对Hadoop和Spark以及相关工具的原理、部署和开发做了详细介绍，使读者可以快速入门。

本书引导读者在3台VMware虚拟机上进行实验，虚拟机运行的操作系统是CentOS 7。一般在一台拥有8GB内存的i7笔记本计算机上就可以展开实验，不必依赖更多的硬件，也不用租用云平台上的虚拟机。

一生二，二生三，三生万物。在3台虚拟机上进行实验，有利于读者掌握大数据平台的分布式部署(本书不介绍伪分布式部署和单机部署模式)，以及把技能迁移到更大规模的集群上。

读者可以按照本书的各个章节，顺序地了解各个工具的基本原理、部署的方法，并且通过实例了解如何进行实际应用开发。

读者可以自行下载CentOS安装盘(ISO文件)以及相关软件包，一步步地建立实验环境，进行实验。

本书的编写因时间仓促，加之编者水平有限，书中难免有疏漏和不足之处，在此恳请专家和广大读者批评指正！

编者2022.9