本書為一本大數(shù)據(jù)技術(shù)的入門書籍，介紹Hadoop大數(shù)據(jù)平臺(tái)和Spark大數(shù)據(jù)平臺(tái)及相關(guān)工具的原理，以及如何進(jìn)行部署和簡單開發(fā)。
全書包含13章: 第1、2章介紹如何為深入學(xué)習(xí)Hadoop和Spark做環(huán)境準(zhǔn)備，包括VMware虛擬機(jī)的創(chuàng)建和CentOS操作系統(tǒng)安裝。第3～6章介紹Hadoop大數(shù)據(jù)平臺(tái)的基本原理，包括HDFS、MapReduce計(jì)算模型、HBase數(shù)據(jù)庫，以及Hive數(shù)據(jù)倉庫的原理、部署方法和開發(fā)技術(shù)。第7～11章介紹Spark大數(shù)據(jù)平臺(tái)的基本原理，包括彈性分布式數(shù)據(jù)集、轉(zhuǎn)換與動(dòng)作操作、寬依賴與窄依賴、有向無環(huán)圖表達(dá)的作業(yè)及其處理過程等，并且介紹了Spark Core、Spark SQL、Spark MLlib、Spark GraphX的部署和開發(fā)技術(shù)。最后兩章介紹了Flume（第12章）和Kafka（第13章）兩個(gè)工具，F(xiàn)lume用于大量日志的收集和處理，Kafka用于對(duì)大量快速到達(dá)的數(shù)據(jù)進(jìn)行及時(shí)、可靠、暫時(shí)的存儲(chǔ)。
本書適合高等院校高年級(jí)本科生以及碩士研究生使用，也可以供非計(jì)算機(jī)專業(yè)學(xué)生及相關(guān)領(lǐng)域技術(shù)人員參考。