MongoDB Definitive Guide 2nd权威指南

《MongoDB: The Definitive Guide》第二版是一本详细介绍MongoDB数据库系统的专业书籍，由Kristina Chodorow编写，是MongoDB领域内的权威指南之一。本书不仅适合MongoDB的新手学习者，也适合已经有一定基础的开发人员深入研究MongoDB的高级特性。MongoDB以其简单易用著称，无论是安装还是日常操作都非常直观。此外，MongoDB支持水平扩展，能够轻松地将数据分布在多个服务器上，满足大规模应用的需求。除了基本的数据存储和查询功能外，MongoDB还提供了如全文搜索、地理空间索引等高级特性。尽管提供了丰富的功能，MongoDB在性能方面仍然表现出色，能够在处理大量数据时保持高效。本书从一开始就引导读者快速了解MongoDB的基本概念和操作方法，让新手也能迅速上手。

自第一版《PostgreSQL Replication》以来，许多新技术已经涌现或得到改进。在PostgreSQL社区中，全球无数的人们致力于重要的技术和工具，以使PostgreSQL更加实用和强大。为了确保读者能够享受到所有这些新功能和强大的工具，我决定撰写第二版改进版《PostgreSQL Replication》。基于第一版的成功，希望使本书对全球的管理员和开发人员更加有用。所有重要的新发展都已涵盖，并且大多数章节已经重新设计，使其更易理解、更全面并且保持最新。希望大家能从这本书中受益。

作者： Wes McKinney页数： 550语言： 英文出版商： O'Reilly Media出版日期： 2017-09-25ISBN-10： 1491957662ISBN-13： 9781491957660目录：- 前言- Python 语言基础、IPython 和 Jupyter 笔记本- 内置数据结构、函数和文件- NumPy 基础：数组和矢量化计算- pandas 入门- 数据加载、存储和文件格式- 数据清洗和准备- 数据处理：连接、合并和重塑- 绘图和可视化- 数据汇总和组操作- 插曲：数据分析示例- 时间序列- 高级 NumPy- 使用 pandas 的建模库- 示例数据集- 附录：高级 IPython 和 Jupyter

This is the EPUB version of 'Spark: The Definitive Guide'.

Expert MySQL is the premier guide for learning, comprehending, and expanding the MySQL server. It fully explores the potential of open-source by demonstrating methods to alter the code, develop custom storage engines, design personalized authentication plugins, and introduce unique functions and commands into SQL syntax. No other publication matches the comprehensive insights and practical examples into MySQL's inner workings, expertise honed over years by engineers. Expert MySQL serves as an indispensable resource for integrators, engineers, and software developers engaged with MySQL server code.

《Spark 2nd Edition快速数据处理》是一本关于使用Spark进行快速、分布式和可扩展实时数据分析的电子版图书，作者包括Krishna Sankar和Holden Karau，由Packt Publishing出版，第二版出版于2015年3月。本书详细介绍了如何利用Apache Spark的强大功能和灵活性来处理大数据，重点在于实时数据处理。内容涵盖Spark的基本架构、Spark Streaming的数据流处理、Spark SQL的数据库操作、MLlib机器学习库的使用以及GraphX图形处理框架。通过丰富的实例和详细解释，展示了如何构建高效的大数据处理程序。Spark是一个开源的分布式计算系统，提供了一个快速、通用的计算引擎。其核心RDD是一个容错的、并行操作的数据结构，可以显式地将数据存储在内存中，实现快速访问。Spark Streaming模块处理实时数据流，允许用户从多种源接收数据流，并应用相同的转换和动作。Spark SQL模块提供DataFrame API，类似于Python中的pandas库或R语言中的数据框，支持SQL查询语言进行数据分析。MLlib是内置的机器学习库，提供多种常见的ML算法实现和构建工具。GraphX是用于图形计算和数据并行计算的API，扩展了RDD，提供了多种图算法实现。

This comprehensive guide delves into the intricacies of Hadoop, providing a detailed exploration of its architecture, components, and applications. This edition reflects the latest advancements in the Hadoop ecosystem, offering insights into new features and best practices. Whether you are a seasoned data professional or just beginning your journey into big data, this book serves as an invaluable resource.

Hadoop是Apache软件基金会开发的开源框架，它允许通过简单的编程模型在分布式环境中存储和处理大数据。其设计目标是可伸缩、高效，并能容错地从单个服务器到数千台机器的大规模商用服务器集群。Hadoop实现了分布式文件系统（HDFS）和在集群上进行分布式计算的编程模型（MapReduce）。它能有效地管理大数据的存储、处理和分析，非常适合需要处理大数据集的应用程序。Hadoop起源于Nutch项目，是一款开源的网络搜索引擎，后经过Google发布的GFS和MapReduce论文的启发，得以发展成为能够扩展和处理海量数据的技术。MapReduce作为Hadoop的核心组件之一，允许开发者编写能够并行处理大规模数据集的程序。HDFS具有高度容错性和高吞吐量，适合大文件的流式数据访问。Hadoop生态系统还包括Hive、Pig、HBase、ZooKeeper和Oozie等组件，它们扩展了Hadoop的功能，提供了SQL查询、数据分析和NoSQL等解决方案。

探索面向文档数据库MongoDB的开发指南，深入了解其灵活的数据模型、强大的查询功能和可扩展性。