本书共分12章，分为基础篇、核心篇和应用篇。基础篇包括大数据概论、大数据集群系统基础、Hadoop分布式系统、HDFS分布式文件系统、MapReduce分布式计算、HBase分布式数据库应用； 核心篇包括YARN资源分配、Spark集群计算、Spark机器学习、Hive数据仓库应用、ZooKeeper协调服务； 应用篇包括医药大数据案例分析。 本书可以作为高等院校大数据技术相关课程本科生教材，也可以作为大数据技术基础相关课程研究生教材，还可以作为从事大数据相关工作的工程技术人员的参考用书。

前言 编写目的 随着云计算、大数据、物联网、人工智能等信息技术的迅猛发展，大数据在电子商务、媒体营销、旅游、物流交通、农业、工业、企业服务、娱乐、汽车、物联网、生命科技、金融科技、房产、教育及政府等诸多行业得到了广泛的应用，大数据的相关课程也逐渐成为各个高等学校数据科学与大数据技术等专业的核心课程以及计算机相关硕士专业的必修课程。 平台支撑 大数据分布式系统的学习开发需要有实验平台，而一般大数据的实验平台的建设需要较多经费支持，同时一些基于这些平台的学习、训练也不是很方便。本书基于普通的PC，充分利用Linux操作系统、VMware 虚拟软件的特点，通过虚拟多台计算机组建分布式计算机系统，搭建Hadoop 大数据分析平台，非常适合读者从底层学懂弄通大数据的搭建过程，以及分布式文件系统、分布式计算框架、分布式数据库、Spark内存计算、分布式机器学习及大数据的分析系统的开发和应用。 本书内容 本书共分12章，分为基础篇、核心篇和应用篇。 基础篇包括第1~6章。第1章大数据概论，涉及的内容有大数据定义，大数据分析过程、技术与工具，以及大数据的应用； 第2章大数据集群系统基础，讲解Linux操作系统、虚拟化技术和大数据集群的搭建； 第3章Hadoop分布式系统，讲解Hadoop的原理和运行机制，以及Hadoop系统的配置与安装； 第4章HDFS分布式文件系统，主要讲解大数据文件系统的读写过程和HDFS的操作； 第5章MapReduce分布式计算，讲解MapReduce的架构、原理与机制，以及MapReduce应用案例； 第6章HBase分布式...