大数据技能竞赛知识点解析与实践

　　本书以大学生大数据技能竞赛、“智警杯”大数据技能竞赛为背景，全面系统地讲述了大数据技术的基本原理和应用。本书共5章，主要介绍了Linux操作系统的常用命令和服务的使用；MySQL数据库操作与管理、非关系型数据库NoSQL；围绕大数据框架讲述了Hadoop技术、Hive数据仓库等大数据组件架构的应用；数据采集与分析；数据挖掘与数据可视化、业务分析报告撰写等内容。本书内容循序渐进，条理性强，全部内容基于项目需求进行设计，同时对所需的系统环境、软件版本、数据等信息进行详细说明，有助于读者本地环境的复现和练习。为提升学习效果，书中结合实际应用提供了大量的案例，并配以完善的学习资料，包括课件、软件、数据、源码、答案、在线竞赛模拟平台，为读者带来全方位的学习体验。扫描关注机械工业出版社计算机分社官方微信订阅号IT有得聊，回复“73112”。即可获取本书配套资源下载链接。本书既可作为大数据技能竞赛的参赛辅导书，也可作为高等院校本、专科数据科学与大数据技术以及其他计算机相关专业大数据技术综合实训教材。

　　李辉，博士，中国农业大学计算中心兼农业大数据实验室主任，全国大学生大数据技能竞赛、全国高校大数据能力提升大赛等大数据类赛项裁判长，中国大数据技术与应用联盟智库专家，北京市大数据教学实践基地负责人；曾获中国大数据学术创新奖、全国高校人工智能与大数据教学创新奖；主讲“数据库原理及应用基础”“Python语言程序设计”“大数据可视化分析”等本科生课程；主持新工科项目2项，发表学术论文20多篇，申请软件著作权50多项，专利3项；出版《数据库系统原理及MySQL应用教程》教材第1版和第2版被国内众多院校选用，为机械工业出版社计算机分社20周年金牌作者。青椒课堂（大数据人工智能教学实训平台）是依据大数据产业数字化人才能力要求，基于院校对大数据技术应用型人才培养的需求，结合企业大数据业务场景，以技术为驱动打造“青椒课堂”，助力高校大数据专业领域数字化人才培养。大数据人工智能教学实训平台的设计全面落实“教、训、用、监、评”一体化的思想和模式。从教学、实训、使用、监控、评估等多方面注重专业人才和特色人才的培养。平台是集专业度、便捷性、安全性及可扩展性的理实一体化教学实训平台，平台主要涵盖了教师备课、授课，学生实操、实训，考试竞赛，数据统计分析及教学规划等全流程控制的综合平台。

实验环境配置说明
第1章Linux操作系统
1.1主机名配置
1.1.1设置主机名
1.1.2Hosts映射
1.2防火墙配置与管理
1.2.1防火墙操作命令
1.2.2配置防火墙规则
1.3时间同步
1.3.1同步网络时间
1.3.2同步服务器时间
1.4定时任务管理
1.5SSH远程访问
1.5.1SSH协议
1.5.2SSH连接工具
1.6软件包管理
1.6.1软件配置
1.6.2下载安装软件
思考与练习
第2章数据库技术
2.1MySQL数据库
2.1.1MySQL的安装
2.1.2数据库操作管理
2.1.3数据表操作管理
2.1.4数据操作管理
2.1.5视图
2.1.6权限管理
2.1.7备份与还原
2.1.8SQL优化
2.2非关系型数据库NoSQL
2.2.1HBase列式数据库
2.2.2Redis数据库
2.2.3MongoDB文件数据库
思考与练习
第3章大数据平台技术
3.1Hadoop分布式大数据框架
3.1.1搭建Hadoop伪分布式集群
3.1.2搭建Hadoop完全分布式集群
3.1.3命令行方式管理HDFS
3.1.4使用开发工具连接Hadoop
集群
3.1.5Java API操作HDFS
3.1.6分布式计算框架之MapReduce
3.1.7编写MapReduce方法
3.1.8配置Hadoop集群高可用
（HA）
3.2Hive数据仓库
3.2.1本地模式安装Hive数据仓库
3.2.2Hive数据仓库的常见属性
3.2.3Hive DDL操作
3.2.4Hive DML操作
3.2.5Hive中的数据查询
3.2.6Hive中的窗口函数
3.2.7案例：国内主要城市房屋出租
情况统计分析
3.3HBase数据库
3.3.1搭建HBase伪分布式集群
3.3.2HBase的Shell操作
3.3.3HBase的Java API操作
3.3.4使用HBase的过滤器
3.3.5HBase与MapReduce的集成
3.3.6HBase与Hive的集成
3.3.7HBase与Sqoop的集成
3.4Spark技术框架
3.4.1集群安装部署
3.4.2Spark Shell
3.4.3Spark SQL
3.4.4Spark Streaming
3.4.5Spark MLlib
3.4.6Structured Streaming实时计算
3.5大数据平台运维与管理
3.5.1故障排查
3.5.2性能调优
3.6大数据框架应用
3.6.1协调框架：ZooKeeper
3.6.2数据收集：Flume
3.6.3数据传输：Sqoop
3.6.4任务调度工具：Azkaban
思考与练习
第4章数据采集与分析
目录4.1报表数据处理
4.1.1数据预处理
4.1.2数据分析
4.2网络信息获取技术
4.2.1HTTP基本原理
4.2.2网页组成
4.2.3网络请求
4.2.4正则表达式
4.2.5XPath解析
4.2.6Beautiful Soup
4.2.7数据存储
4.3数据统计分析
4.3.1描述性分析
4.3.2探索性分析
4.3.3缺失值分析
4.3.4方差分析
4.3.5T检验
4.3.6卡方检验
思考与练习
第5章数据挖掘与数据可视化
5.1数据挖掘
5.1.1线性回归
5.1.2逻辑回归
5.1.3支持向量机
5.1.4朴素贝叶斯
5.1.5决策树
5.1.6时间序列分析
5.1.7关联分析
5.1.8K-Means聚类
5.1.9主成分分析
5.2数据可视化
5.2.1报表可视化
5.2.2Matplotlib可视化
5.2.3Seaborn可视化
5.2.4ECharts实现数据可视化
5.2.5D3实现数据可视化
5.2.6FineBI实现数据可视化
5.2.7Tableau实现数据可视化
5.3业务分析报告撰写
5.3.1明确背景与目的
5.3.2寻找合适数据
5.3.3数据分析与图表
5.3.4报告结论与建议
5.3.5逻辑结构清晰
思考与练习