大家好，我是王有志，一个分享硬核 Java 技术的金融摸鱼侠，欢迎大家加入 Java人自己的交流群“共同富裕的 Java 人”。
今天和大家分享的主题是：大数据入门书籍。公众号内回复关键字：20240515，即可获取。
（7.9 分）Hadoop 权威指南：大数据的存储与分析（第 4 版）
本书结合理论和实践，由浅入深，全方位介绍了 Hadoop 这一高性能的海量数据处理和分析平台。
全书 5 部分 24 章，第Ⅰ部分介绍 Hadoop 基础知识，第Ⅱ部分介绍 MapReduce，第 Ⅲ 部分介绍Hadoop 的运维，第 Ⅳ 部分介绍 Hadoop 相关开源项目，第 Ⅴ 部分提供了三个案例，分别来自医疗卫生信息技术服务商塞纳（Cerner）、微软的人工智能项目 ADAM（一种大规模分布式深度学习框架）和开源项目Cascading(一个新的针对 MapReduce 的数据处理API)。
本书是一本专业、全面的 Hadoop 参考书和工具书，阐述了 Hadoop 生态圈的新发展和应用，程序员可以从中探索海量数据集的存储和分析，管理员可以从中了解 Hadoop 集群的安装和运维。
（8.4 分）Hadoop 技术内幕：深入解析 MapReduce 架构设计与实现原理
《Hadoop 技术内幕：深入解析 MapReduce 架构设计与实现原理》内容简介：“Hadoop 技术内幕”共两册，分别从源代码的角度对“Common+HDFS”和“MapReduce的架构设计和实现原理”进行了极为详细的分析。《Hadoop 技术内幕：深入解析 MapReduce 架构设计与实现原理》由 Hadoop 领域资深的实践者亲自执笔，首先介绍了 MapReduce 的设计理念和编程模型，然后从源代码的角度深入分析了 RPC 框架、客户端、JobTracker、TaskTracker 和 Task 等 MapReduce 运行时环境的架构设计与实现原理，最后从实际应用的角度深入讲解了 Hadoop 的性能优化、安全机制、多用户作业调度器和下一代 MapReduce 框架等高级主题和内容。《Hadoop 技术内幕：深入解析 MapReduce 架构设计与实现原理》适合 Hadoop 的二次开发人员、应用开发工程师、运维工程师阅读。
（7.9 分）Hadoop 应用架构
本书就使用 Apache Hadoop 端到端数据管理方案提供专业架构指导。其他书籍大多针对 Hadoop 生态系统中的软件，讲解较为单一的使用方法，而本书偏重实践，在架构的高度详细阐释诸多工具如何相互配合，搭建出打磨之后的完整应用。书中提供了诸多案例，易于理解，配有详细的代码解析，知识点一目了然。
为加强训练，本书后半部分提供了详细的案例，涵盖最为常见的 Hadoop 应用架构。无论是设计 Hadoop 应用，还是将 Hadoop 同现有数据基础架构集成，本书都可以提供详实的参考。
（7.9 分）Spark 高级数据分析
本书是使用 Spark 进行大规模数据分析的实战宝典，由著名大数据公司 Cloudera 的数据科学家撰写。
四位作者首先结合数据科学和大数据分析的广阔背景讲解了 Spark，然后介绍了用 Spark 和 Scala 进行数据处理的基础知识，接着讨论了如何将 Spark 用于机器学习，同时介绍了常见应用中几个最常用的算法。此外还收集了一些更加新颖的应用，比如通过文本隐含语义关系来查询 Wikipedia 或分析基因数据。
（9.3 分）Python 数据科学手册
本书是对以数据深度需求为中心的科学、研究以及针对计算和统计方法的参考书。
本书共五章，每章介绍一到两个 Python 数据科学中的重点工具包。首先从 IPython 和 Jupyter 开始，它们提供了数据科学家需要的计算环境；第 2章 讲解能提供 ndarray 对象的 NumPy，它可以用 Python 高效地存储和操作大型数组；第 3 章主要涉及提供 DataFrame 对象的 Pandas，它可以用 Python 高效地存储和操作带标签的/列式数据；第 4 章的主角是 Matplotlib，它为 Python 提供了许多数据可视化功能；第 5 章以 Scikit-Learn 为主，这个程序库为最重要的机器学习算法提供了高效整洁的 Python 版实现。
本书适合有编程背景，并打算将开源 Python 工具用作分析、操作、可视化以及学习数据的数据科学研究人员。
（7.6 分）Python 数据挖掘入门与实践
本书作为数据挖掘入门读物，介绍了数据挖掘的基础知识、基本工具和实践方法，通过循序渐进地讲解算法，带你轻松踏上数据挖掘之旅。本书采用理论与实践相结合的方式，呈现了如何使用决策树和随机森林算法预测美国职业篮球联赛比赛结果，如何使用亲和性分析方法推荐电影，如何使用朴素贝叶斯算法进行社会媒体挖掘，等等。本书也涉及神经网络、深度学习、大数据处理等内容。
（7.7 分）Python 网络数据采集
本书采用简洁强大的 Python 语言，介绍了网络数据采集，并为采集新式网络中的各种数据类型提供了全面的指导。第一部分重点介绍网络数据采集的基本原理：如何用 Python 从网络服务器请求信息，如何对服务器的响应进行基本处理，以及如何以自动化手段与网站进行交互。第二部分介绍如何用网络爬虫测试网站，自动化处理，以及如何通过更多的方式接入网络。
（8.2 分）HBase 权威指南
《HBase 权威指南》探讨了如何通过使用与 HBase 高度集成的 Hadoop 将 HBase 的可伸缩性变得简单；把大型数据集分布到相对廉价的商业服务器集群中；使用本地 Java 客户端，或者通过提供了 REST、Avro 和 Thrift 应用编程接口的网关服务器来访问 HBase；了解 HBase 架构的细节，包括存储格式、预写日志、后台进程等；在 HBase 中集成 MapReduce 框架；了解如何调节集群、设计模式、拷贝表、导入批量数据和删除节点等。
《HBase 权威指南》适合使用HBase进行数据库开发的高级数据库研发人员阅读。
（8.2 分）大数据技术原理与应用（第2版）
林子雨，北大博士，厦门大学计算机科学系老师，中国高校首个"数字教师"的提出者和建设者。在数据库、数据仓库、数据挖掘、大数据、云计算和物联网等领域有着十多年的知识积累，对各个领域知识都有比较深入的了解，有比较宽泛的视野。
（7.0 分）大数据架构师指南
本书的目的就是为了帮助读者在最短的时间内，系统地把握大数据相关的技术框架，建立系统架构级别的技术思考能力与原则。本书适用于企业的IT与大数据的从业人员，IT 与大数据相关的销售人员，企业的首席技术官（CTO）、首席信息官（CIO），由于本书在大数据知识具备系统性，也可以作为高校大数据方面课程的教材或辅导书。
（7.9 分）大数据之路：阿里巴巴大数据实践
在阿里巴巴集团内，数据人员面临的现实情况是：集团数据存储已经达到EB级别，部分单张表每天的数据记录数高达几千亿条；在 2016 年“双 11 购物狂欢节”的 24 小时中，支付金额达到了 1207 亿元人民币，支付峰值高达 12 万笔/秒，下单峰值达 17.5 万笔/秒，媒体直播大屏处理的总数据量高达百亿级别且所有数据都需要做到实时、准确地对外披露……巨大的信息量给数据采集、存储和计算都带来了极大的挑战。
《大数据之路：阿里巴巴大数据实践》就是在此背景下完成的。《大数据之路：阿里巴巴大数据实践》中讲到的阿里巴巴大数据系统架构，就是为了满足不断变化的业务需求，同时实现系统的高度扩展性、灵活性以及数据展现的高性能而设计的。
《大数据之路：阿里巴巴大数据实践》由阿里巴巴数据技术及产品部组织并完成写作，是阿里巴巴分享对大数据的认知，与生态伙伴共创数据智能的重要基石。相信《大数据之路：阿里巴巴大数据实践》中的实践和思考对同行会有很大的启发和借鉴意义。
（7.1 分）数据分析实战
本书由实战经验丰富的两位数据分析师执笔，首先介绍了商业领域里通用的数据分析框架，然后根据该框架，结合 8 个真实的案例，详细解说了通过数据分析解决各种商业问题的流程，让读者在解决问题的过程中学习各种数据分析方法，包括柱状图、交叉列表统计、A/B 测试、多元回归分析、逻辑回归分析、主成分分析、聚类、决策树分析、机器学习等。特别是书中使用的数据都是未经清洗的原始数据，能够让读者了解真实的数据分析流程，避免纸上谈兵。
（7.4 分）数据科学入门
数据科学是一个蓬勃发展、前途无限的行业，有人将数据科学家称为“21 世纪头号性感职业”。本书从零开始讲解数据科学工作，教授数据科学工作所必需的黑客技能，并带领读者熟悉数据科学的核心知识——数学和统计学。
作者选择了功能强大、简单易学的 Python 语言环境，亲手搭建工具和实现算法，并精心挑选了注释良好、简洁易读的实现范例。书中涵盖的所有代码和数据都可以在 GitHub 上下载。
（7.3 分）鲜活的数据：数据可视化指南
在生活中，数据几乎无处不在，任我们取用。然而，同样的数据给人的感觉可能会千差万别：或冰冷枯燥，让人望而生畏、百思不解其意；或生动有趣，让人一目了然、豁然开朗。为了达到后一种效果，我们需要采用一种特别的方式来展示数据，来解释、分析和应用它。这就是数据可视化技术。Nath an Yau 是这一创新领域的先锋。在本书中，他根据数据可视化的工作流程，先后介绍了如何获取数据，将数据格式化，用可视化工具（如 R）生成图表，以及在图形编辑软件（如 Illustrator）中修改以使图表达到最佳效果。本书介绍了数十种方法（如柱形图、饼图、折线图和散点图等），以创造性的视觉方式生动讲述了有关数据的故事。
