伴随Hadoop的成长，Hadoop不再是一个简单的数据分布式存储平台和工具，已经成长为一个完整的生态圈。本书采用Hadoop 3.2.2版本，系统讲解Hadoop生态系统主流的大数据分析技术。本书配套示例源码、PPT课件、教学大纲与编程环境。 本书共分11章。内容包括Hadoop概述与大数据环境准备、Hadoop伪分布式集群搭建、HDFS分布式存储实战、MapReduce实战、ZooKeeper与高可用集群实战、Hive数据仓库实战、HBase数据库实战、Flume数据采集实战、Kafka实战、影评大数据分析项目实战、旅游酒店评价大数据分析项目实战。 本书可作为Hadoop大数据技术初学者的入门书，也可作为Hadoop大数据分析工程师的指导手册，还可作为高等院校或者高职高专大数据专业的教材或教学参考书。

迟殿委，计算机软件与理论专业硕士，毕业于南昌大学，系统架构设计师。有多年企业软件研发经验和丰富的JavaEE培训经验，熟练掌握JavaEE全栈技术框架，对Java核心编程技术有深刻理解。主要擅长JavaEE系统架构设计、大数据分析与挖掘。

前 言 国家提出要加快 5G 网络和数据中心等新型基础设施建设（简称新基建）的进度。其中，信息化新型基础设施包含云计算、大数据、人工智能、区块链、5G 等内容。大数据是指具有海量（volume）、多模态（variety）、变化速度快（velocity）、蕴含价值高（value）和真实性（veracity）“5V”特征的数据，使得传统的数据存储、管理、分析技术已经无法满足大数据的处理要求。大数据给传统的数据处理和数据分析带来巨大的挑战，已引起学术界和工业界的高度关注。Hadoop正是在这种背景下产生的一个大数据开源平台。许多大型互联网公司，如谷歌、阿里巴巴、百度、京东等互联网公司都急需掌握Hadoop大数据技术的人才，而目前人才市场上大数据技术相关人才由于种种原因存在供不应求的状况，本书在这个背景下创作而成。 本书内容 本书是一本关于Hadoop 3.2.2大数据平台搭建和数据分析、生态体系主要组件的应用和开发方面的实战书籍，涉及的知识面比较广，涵盖了当前整个Hadoop生态系统主流的大数据开发技术。本书从实践操作与开发讲起，在基本操作已经掌握以后，再回过头来讲解理论知识。所以，本书是先实践再理论，方便读者快速掌握Hadoop大数据分析技术。 全书共分11章，第1章讲解Hadoop框架简介及新版本特性，并详细介绍大数据环境的准备工作，包括Linux操作系统的安装、SSH工具使用和配置等；第2章讲解Hadoop伪分布式的安装和开发体验，使读者熟悉Hadoop大数据开发两大核心组件，即HDFS和MapReduce；第3~9章讲解Hadoop生态系统各框架HDFS、Map...