资源名称：颠覆大数据分析 基于StormSpark等Hadoop替代技术的实时应用 

内容简介：

Vijay Srinivas Agneeswaran 博士，1998 年于SVCE 的马德拉斯分校获得计算机科学与工程专业的学士学位，2001 年获取了印度理工学院马德拉斯分校的硕士学位（研究性质），2008年又获取了该校的博士学位。他曾在瑞士洛桑的联邦理工学院的分布式信息系统实验室（LSIR）担任过一年的博士后研究员。之前7 年先后就职于Oracle、Cognizant 及Impetus，对大数据及云领域的工程研发贡献颇多。目前担任Impetus 的大数据实验室的执行总监。他的研发团队在专利、论文、受邀的会议发言以及下一代产品创新方面都处于领导地位。他主要研究的领域包括大数据管理、批处理及实时分析，以及大数据的机器学习算法的实现范式。最近8 年来，他一直是计算机协会（ACM）以及电气和电子工程师协会（IEEE）的专家成员，并于2012年12 月被推选为IEEE 的资深成员。他在美国、欧洲以及印度的专利局都申请过专利（并持有美国的两项专利）。他在前沿的期刊及会议，包括IEEE transaction 上都发表过论文。他还是国内外多个会议的特邀发言人，譬如O’Reilly 的Strata 大数据系列会议。最近一次公开发表论文是在Liebertpub 的大数据期刊上。他与妻子及儿女一起居住在班加罗尔，对印度、埃及、巴比伦以及希腊古代的文化与哲学的研究非常感兴趣

资源目录：

前言

致谢

关于作者

1 引言：为什么要超越 Hadoop Map-Reduce 1

Hadoop的适用范围 3

大数据分析之机器学习实现的革命 10

第一代机器学习工具 /范式 11

第二代机器学习工具 /范式 11

第三代机器学习工具 /范式 14

小结 18

参考文献 19

2 何为伯克利数据分析栈（BDAS） 23

实现 BDAS的动机 24

Spark：动机 25

Shark：动机 26

Mesos：动机 28

BDAS的设计及架构 29

Spark：高效的集群数据处理的范式 34

Spark的弹性分布式数据集 36

Spark的实现 40

Spark VS. 分布式共享内存系统 42

RDD的表达性 44

类似 Spark的系统 45

Shark：分布式系统上的 SQL接口 46

Spark为 Shark提供的扩展 47

列内存存储 49

分布式数据加载 50

完全分区智能连接 50

分区修剪 50

机器学习的支持 51

Mesos：集群调度及管理系统 51

Mesos组件 52

资源分配 54

隔离 55

容错性 57

小结 58

参考文献 59

3 使用 Spark实现机器学习算法 66

机器学习基础知识 66

机器学习：随机森林示例 68

逻辑回归：概述 72

二元形式的逻辑回归 73

逻辑回归估计 75

多元逻辑回归 76

Spark中的逻辑回归算法 77

支持向量机 80

复杂决策面 81

支持向量机背后的数学原理 82

Spark中的支持向量机 84

Spark对 PMML的支持 85

PMML结构 87

PMML的生产者及消费者 92

Spark对朴素贝叶斯的 PMML支持 94

Spark对线性回归的 PMML支持 95

在 Spark中使用 MLbase进行机器学习 97

参考文献 99

4 实现实时的机器学习算法 101

Storm简介 101

数据流 103

拓扑 104

Storm集群 105

简单的实时计算例子 106

数据流组 108

Storm的消息处理担保 109

基于 Storm的设计模式 111

分布式远程过程调用 111

Trident：基于 Storm的实时聚合 115

实现基于 Storm的逻辑回归算法 116

实现基于 Storm的支持向量机算法 120

Storm对朴素贝叶斯 PMML的支持 122

实时分析的应用 126

工业日志分类 126

互联网流量过滤器 130

Storm的替代品 131

Spark流 133

D-Streams的动机 133

参考文献 135

5 图处理范式 138

Pregel：基于 BSP的图处理框架 139

类似的做法 141

开源的 Pregel实现 143

Giraph 143

GoldenORB 145

Phoebus 145

Apache Hama 146

Stanford GPS 146

GraphLab 147

GraphLab：多核版本 148

分布式的 GraphLab 150

PowerGraph 152

通过 GraphLab实现网页排名算法 156

顶点程序 158

基于 GraphLab实现随机梯度下降算法 163

参考文献 167

6 结论：超越Hadoop Map-Reduce的大数据分析 171

Hadoop YARN概览 172

Hadoop YARN的动机 172

作为资源调度器的 YARN 174

YARN上的其他框架 175

大数据分析的未来是怎样的 177

参考文献 180

附录A 代码笔记 182

资源截图：