本書全面而系統(tǒng)地講解了如何將R語言與Hadoop技術(shù)結(jié)合并應(yīng)用于大數(shù)據(jù)分析，不僅系統(tǒng)且深入地闡釋了R與Hadoop集成技術(shù)的工具、方法、原則和最佳實(shí)踐，而且通過大量實(shí)踐案例深入剖析各種常見問題，能為用戶高效利用R語言與Hadoop技術(shù)進(jìn)行大數(shù)據(jù)處理提供翔實(shí)指導(dǎo)。

全書分為四部分，共7章：第一部分（第1~2章）是基礎(chǔ)知識，主要講解R語言以及Hadoop的安裝過程、計(jì)算原理和基本概念；第二部分（第3~4章）是初級應(yīng)用，主要講解RHIPE、RHadoop和streaming三種實(shí)現(xiàn)方案；第三部分（第5~6章）是高級實(shí)例，主要以RHadoop為技術(shù)背景，講解多個(gè)實(shí)際應(yīng)用案例；第四部分（第7章）介紹數(shù)據(jù)庫連接，主要講解在RHadoop下如何與各類數(shù)據(jù)庫進(jìn)行連接。

目錄
 

目　　錄
譯者序
前言
審校者簡介
致謝
第1章　R和Hadoop入門 1
1.1　安裝R 2
1.2　安裝RStudio 3
1.3　R語言的功能特征 3
1.3.1　使用R程序包 3
1.3.2　執(zhí)行數(shù)據(jù)操作 3
1.3.3　日漸增多的社區(qū)支持 4
1.3.4　R語言數(shù)據(jù)建模 4
1.4　Hadoop的安裝 5
1.4.1　不同的Hadoop模式 6
1.4.2　Hadoop的安裝步驟 6
1.5　Hadoop的特點(diǎn) 12
1.5.1　HDFS簡介 13
1.5.2　MapReduce簡介 13
1.6　HDFS和MapReduce架構(gòu) 14
1.6.1　HDFS架構(gòu) 14
1.6.2　MapReduce架構(gòu) 15
1.6.3　通過圖示了解HDFS和MapReduce架構(gòu) 15
1.7　Hadoop的子項(xiàng)目 16
1.8　小結(jié) 19
第2章　編寫Hadoop MapReduce程序 20
2.1　MapReduce基礎(chǔ)概念 20
2.2　Hadoop MapReduce技術(shù)簡介 22
2.2.1　MapReduce中包含的實(shí)體 22
2.2.2　MapReduce中的主要執(zhí)行進(jìn)程 23
2.2.3　MapReduce的局限 25
2.2.4　MapReduce 可以解決的問題 26
2.2.5　使用Hadoop編程時(shí)用到不同的Java概念 26
2.3　Hadoop MapReduce原理 27
2.3.1　MapReduce對象 27
2.3.2　MapReduce中實(shí)現(xiàn)Map階段的執(zhí)行單元數(shù)目 28
2.3.3　MapReduce中實(shí)現(xiàn)Reduce階段的執(zhí)行單元數(shù)目 28
2.3.4　MapReduce的數(shù)據(jù)流 28
2.3.5　深入理解HadoopMapReduce 30
2.4　編寫Hadoop MapReduce示例程序 32
2.4.1　MapReduce job運(yùn)行的步驟 33
2.4.2　MapReduce可解決的商業(yè)問題 38
2.5　在R環(huán)境中編寫Hadoop MapReduce程序的方式 39
2.5.1　RHadoop 39
2.5.2　RHIPE 40
2.5.3　Hadoop streaming 40
2.6　小結(jié) 40
第3章　集成R和Hadoop 41
3.1　RHIPE 42
3.1.1　安裝RHIPE 42
3.1.2　RHIPE架構(gòu) 44
3.1.3　RHIPE實(shí)例 45
3.1.4　RHIPE參考函數(shù) 48
3.2　RHadoop 51
3.2.1　RHadoop架構(gòu) 51
3.2.2　安裝RHadoop 52
3.2.3　RHadoop案例 53
3.2.4　RHadoop參考函數(shù) 56
3.3　小結(jié) 58
第4章　Hadoop Streaming中使用R 59
4.1　Hadoop Streaming基礎(chǔ)概念 59
4.2　使用R運(yùn)行Hadoop streaming 62
4.2.1　MapReduce應(yīng)用程序基礎(chǔ) 63
4.2.2　如何編寫MapReduce應(yīng)用程序 65
4.2.3　如何運(yùn)行MapReduce應(yīng)用程序 67
4.2.4　如何瀏覽MapRecuce應(yīng)用程序的輸出 69
4.2.5　Hadoop MapReduce腳本的基礎(chǔ)R函數(shù) 70
4.2.6　管理Hadoop MapReduce任務(wù) 71
4.3　R語言擴(kuò)展包HadoopStreaming介紹 72
4.3.1　hsTableReader函數(shù) 73
4.3.2　hsKeyValReader函數(shù) 75
4.3.3　hasLineReader函數(shù) 75
4.3.4　運(yùn)行Hadoop streaming任務(wù) 78
4.3.5　執(zhí)行Hadoop Streaming任務(wù) 79
4.4　小結(jié) 79
第5章　利用R和Hadoop學(xué)習(xí)數(shù)據(jù)分析 80
5.1　數(shù)據(jù)分析項(xiàng)目生命周期 80
5.1.1　問題定義 81
5.1.2　設(shè)計(jì)數(shù)據(jù)需求 81
5.1.3　數(shù)據(jù)預(yù)處理 81
5.1.4　數(shù)據(jù)分析 82
5.1.5　數(shù)據(jù)可視化 82
5.2　數(shù)據(jù)分析問題 83
5.2.1　展示網(wǎng)頁分類 83
5.2.2　計(jì)算股市變動(dòng)頻率 92
5.2.3　案例研究：預(yù)測推土機(jī)售價(jià) 98
5.3　小結(jié) 107
第6章　應(yīng)用機(jī)器學(xué)習(xí)做大數(shù)據(jù)分析 108
6.1　機(jī)器學(xué)習(xí)介紹 108
6.2　有監(jiān)督機(jī)器學(xué)習(xí)算法 109
6.2.1　線性回歸 109
6.2.2　logistic回歸 115
6.3　無監(jiān)督機(jī)器學(xué)習(xí)算法 118
6.4　推薦算法 123
6.4.1　在R中產(chǎn)生推薦商品的步驟 125
6.4.2　使用R和Hadoop產(chǎn)生推薦商品 128
6.5　小結(jié) 131
第7章　從各種數(shù)據(jù)庫中導(dǎo)入與導(dǎo)出數(shù)據(jù) 132
7.1　文件型數(shù)據(jù)庫 134
7.1.1　不同類型的文件 134
7.1.2　安裝R包 134
7.1.3　將數(shù)據(jù)導(dǎo)入R 134
7.1.4　從R導(dǎo)出數(shù)據(jù) 135
7.2　MySQL 135
7.2.1　安裝MySQL 135
7.2.2　安裝RMySQL 136
7.2.3　列出數(shù)據(jù)表及其結(jié)構(gòu) 136
7.2.4　導(dǎo)入數(shù)據(jù)進(jìn)R 136
7.2.5　數(shù)據(jù)操縱 137
7.3　Excel 137
7.3.1　安裝Excel 138
7.3.2　導(dǎo)入數(shù)據(jù)進(jìn)R 138
7.3.3　R和Excel的數(shù)據(jù)操縱 138
7.3.4　導(dǎo)出數(shù)據(jù)到Excel 138
7.4　MongoDB 138
7.4.1　安裝MongoDB 139
7.4.2　安裝rmongodb 141
7.4.3　導(dǎo)入數(shù)據(jù)進(jìn)R 141
7.4.4　數(shù)據(jù)操縱 142
7.5　SQLite 143
7.5.1　SQLite的特性 143
7.5.2　安裝SQLite 144
7.5.3　安裝RSQLite 144
7.5.4　將數(shù)據(jù)導(dǎo)師入R 144
7.5.5　數(shù)據(jù)操縱 145
7.6　PostgreSQL 145
7.6.1　PostgreSQL的特性 145
7.6.2　安裝PostgreSQL 145
7.6.3　安裝RPostgreSQL 146
7.6.4　從R導(dǎo)出數(shù)據(jù) 146
7.7　Hive 147
7.7.1　Hive的特性 147
7.7.2　安裝Hive 147
7.7.3　安裝RHive 149
7.7.4　RHive操作 149
7.8　HBase 150
7.8.1　HBase的特性 150
7.8.2　安裝HBase 151
7.8.3　安裝Thrift 152
7.8.4　安裝RHBase 153
7.8.5　導(dǎo)入數(shù)據(jù)進(jìn)R 153
7.8.6　數(shù)據(jù)操縱 153
7.9　小結(jié) 154
附錄　參考資源 155