Verfügbarkeit: Big Data in der Praxis | Technische Universität München

Big Data in der Praxis: Lösungen mit Hadoop, Spark, HBase und Hive : Daten speichern, aufbereiten, visualisieren

Gespeichert in:

Bibliographische Detailangaben
Beteiligte Personen:	Freiknecht, Jonas 1985- (VerfasserIn), Papp, Stefan (VerfasserIn)
Format:	Buch
Sprache:	Deutsch
Veröffentlicht:	München Hanser [2018]
Ausgabe:	2., erweiterte Auflage
Schlagwörter:	Hadoop Datenanalyse Apache Spark Big Data Data-Warehouse-Konzept Apache Kafka Business Intelligence Data Governance Datenmanagement Datensicherheit Spark Einführung
Links:	http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=030148227&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
Beschreibung:	Auf dem Umschlag: "Extra: E-Book inside". - "Im Internet: Github-Repository zum Buch"
Umfang:	XII, 539 Seiten Illustrationen, Diagramme (teilweise farbig)
ISBN:	9783446453968 3446453962

Internformat

MARC


LEADER	00000nam a2200000 c 4500
001	BV044752604
003	DE-604
005	20200116
007	t\|
008	180208s2018 gw a\|\|\| \|\|\|\| 00\|\|\| ger d
015			\|a 17,N51 \|2 dnb
015			\|a 18,A27 \|2 dnb
016	7		\|a 1148580115 \|2 DE-101
020			\|a 9783446453968 \|c Print (Hbk.) \|9 978-3-446-45396-8
020			\|a 3446453962 \|c Print (Hbk.) \|9 3-446-45396-2
035			\|a (OCoLC)1040619638
035			\|a (DE-599)DNB1148580115
040			\|a DE-604 \|b ger \|e rda
041	0		\|a ger
044			\|a gw \|c DE
049			\|a DE-20 \|a DE-91G \|a DE-2070s \|a DE-473 \|a DE-1050 \|a DE-523 \|a DE-1102 \|a DE-384 \|a DE-860 \|a DE-1046 \|a DE-12 \|a DE-859 \|a DE-1049 \|a DE-92 \|a DE-M347 \|a DE-210 \|a DE-29T \|a DE-634 \|a DE-2174 \|a DE-Aug4 \|a DE-83 \|a DE-739 \|a DE-706 \|a DE-355 \|a DE-11 \|a DE-M158 \|a DE-824 \|a DE-521 \|a DE-19
082	0		\|a 005.7 \|2 22/ger
082	0		\|a 004 \|2 23
082	0		\|a 658.4038 \|2 22/ger
084			\|a ST 230 \|0 (DE-625)143617: \|2 rvk
084			\|a ST 274 \|0 (DE-625)143641: \|2 rvk
084			\|a ST 270 \|0 (DE-625)143638: \|2 rvk
084			\|a QP 345 \|0 (DE-625)141866: \|2 rvk
084			\|a ST 201 \|0 (DE-625)143612: \|2 rvk
084			\|a ST 530 \|0 (DE-625)143679: \|2 rvk
084			\|a 004 \|2 sdnb
084			\|a DAT 620f \|2 stub
084			\|a DAT 305f \|2 stub
084			\|a 650 \|2 sdnb
100	1		\|a Freiknecht, Jonas \|d 1985- \|e Verfasser \|0 (DE-588)1026874556 \|4 aut
245	1	0	\|a Big Data in der Praxis \|b Lösungen mit Hadoop, Spark, HBase und Hive : Daten speichern, aufbereiten, visualisieren \|c Jonas Freiknecht, Stefan Papp
250			\|a 2., erweiterte Auflage
264		1	\|a München \|b Hanser \|c [2018]
264		4	\|c © 2018
300			\|a XII, 539 Seiten \|b Illustrationen, Diagramme (teilweise farbig)
336			\|b txt \|2 rdacontent
337			\|b n \|2 rdamedia
338			\|b nc \|2 rdacarrier
500			\|a Auf dem Umschlag: "Extra: E-Book inside". - "Im Internet: Github-Repository zum Buch"
650	0	7	\|a Hadoop \|0 (DE-588)1022420135 \|2 gnd \|9 rswk-swf
650	0	7	\|a Datenanalyse \|0 (DE-588)4123037-1 \|2 gnd \|9 rswk-swf
650	0	7	\|a Apache Spark \|0 (DE-588)1129113116 \|2 gnd \|9 rswk-swf
650	0	7	\|a Big Data \|0 (DE-588)4802620-7 \|2 gnd \|9 rswk-swf
650	0	7	\|a Data-Warehouse-Konzept \|0 (DE-588)4406462-7 \|2 gnd \|9 rswk-swf
653			\|a Apache Kafka
653			\|a Business Intelligence
653			\|a Data Governance
653			\|a Datenanalyse
653			\|a Datenmanagement
653			\|a Datensicherheit
653			\|a Hadoop
653			\|a Spark
655		7	\|0 (DE-588)4151278-9 \|a Einführung \|2 gnd-content
689	0	0	\|a Big Data \|0 (DE-588)4802620-7 \|D s
689	0	1	\|a Datenanalyse \|0 (DE-588)4123037-1 \|D s
689	0		\|5 DE-604
689	1	0	\|a Big Data \|0 (DE-588)4802620-7 \|D s
689	1	1	\|a Hadoop \|0 (DE-588)1022420135 \|D s
689	1	2	\|a Apache Spark \|0 (DE-588)1129113116 \|D s
689	1	3	\|a Data-Warehouse-Konzept \|0 (DE-588)4406462-7 \|D s
689	1		\|5 DE-604
700	1		\|a Papp, Stefan \|0 (DE-588)1161133895 \|4 aut
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe \|z 978-3-44645601-3
856	4	2	\|m Digitalisierung UB Passau - ADAM Catalogue Enrichment \|q application/pdf \|u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=030148227&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA \|3 Inhaltsverzeichnis
943	1		\|a oai:aleph.bib-bvb.de:BVB01-030148227

Datensatz im Suchindex

DE-BY-TUM_call_number	0104 DAT 620f 2014 A 5171(2) 0303 DAT 620f 2014 L 815(2)
DE-BY-TUM_katkey	2332992
DE-BY-TUM_location	01 03
DE-BY-TUM_media_number	040008500383 040008156147 040008156125 040008156136 040008156114 040008156090 040008156181 040008156170 040008156103 040008156089 040008156158 040008156169
_version_	1821934295679238144
adam_text	Inhalt 1 Einleitung................................................................................................ 1 2 Big Data .................................................................................................. 7 2.1 Historische Entstehung ................................................................................ 2.2 Big Data ֊ ein passender Begriff?................................................................. 2.2.1 Die drei V .......................................................................................... 2.2.2 Weitere Vs.......................................................................................... 2.2.3 Der Verarbeitungsaufwand ist big ................................................... 2.2.4 Sicht der Industrie auf Big Data....................................................... 2.3 Eingliederung in BI und Data Mining ......................................................... 9 10 11 14 14 15 16 3 Hadoop.................................................................................................... 21 Hadoop kurz vorgestellt................................................................................ HDFS ֊ das Hadoop Distributed File System................................................ Hadoop 2.x und YARN.................................................................................. Hadoop als Single-Node-Cluster aufsetzen................................................... 3.4.1 Falls etwas nicht funktioniert........................................................... 3.5 Map Reduce................................................................................................... 3.6 Aufsetzen einer Entwicklungsumgebung ................................................... 3.7 Implementierung eines Map-Reduce-Jobs................................................... 3.8 Ausführen eines Jobs über Kommandozeile ................................................ 3.9 Verarbeitung im Cluster................................................................................ 3.10 Aufsetzen eines Hadoop-Clusters................................................................. 3.11 Starten eines Jobs via Hadoop-API ............................................................... 3.12 Verketten von Map-Reduce-Jobs ............................ 3.13 Verarbeitung anderer Dateitypen................................................................. 3.14 YARN-Anwendungen .................................................................................... 3.14.1 Logging und Log-Aggregation in YARN............................................ 3.14.2 Eine einfache YARN-Anwendung..................................................... 3.15 Vor- und Nachteile der verteilten Verarbeitung............................................ 21 23 28 30 44 46 49 56 68 72 74 86 99 115 130 131 134 159 3.1 3.2 3.3 3.4 VIII Inhalt 3.1 ó Die Hadoop Java-API...................................................................................... 3.16.1 Ein einfacher HDFS-Explorer ............................................................ 3.16.2 Cluster-Monitor.................................................................................. 3.16.3 Überwachen der Anwendungen im Cluster...................................... 3.17 Gegenüberstellung zur traditionellen Verarbeitung..................................... 3.18 Big Data aufbereiten...................................................................................... 3.18.1 Optimieren der Algorithmen zur Datenauswertung......................... 3.18.2 Ausdünnung und Gruppierung.......................................................... 3.19 Ausblick auf Apache Spark........................................................................... 3.20 Markt der Big-Data-Lösungen....................................................................... 160 161 173 175 177 178 178 180 182 184 4 Das Hadoop-Ecosystem....................................................................... 187 4.1 Ambari........................................................................................................... 4.2 Sqoop............................................................................................................. 4.3 Flume............................................................................................................. 4.4 HBase............................................................................................................. 4.5 Hive ............................................................................................................... 4.6 Pig ................................................................................................................. 4.7 ZooKeeper..................................................................................................... 4.8 Oozie ............................................................................................................. 4.9 Mahout........................................................................................................... 4.10 Data Analytics und das Reporting ............................................................... 188 189 189 190 191 191 191 192 193 193 5 NoSQL und HBase................................................................................. 195 Historische Entstehung ................................................................................. Das CAP-Theorem.......................................................................................... ACID und BASE.............................................................................................. Typen von Datenbanken ............................................................................... Umstieg von SQL und Dateisystemen auf NoSQL oder HDFS ..................... 5.5.1 Methoden der Datenmigration .......................................................... 5.6 HBase............................................................................................................. 5.6.1 Das Datenmodell von HBase............................................................. 5.6.2 Aufbau von HBase ............................................................................. 5.6.3 Installation als Stand-alone............................................................... 5.6.4 Arbeiten mit der HBase Shell............................................................ 5.6.5 Verteilte Installation auf dem HDFS.................................................. 5.6.6 Laden von Daten................................................................................ 5.6.7 HBase Java-API.................................................................................. 5.6.8 Der Umstieg von einem RDBMS auf HBase....................................... 195 196 197 198 201 201 203 203 206 207 209 211 214 226 249 5.1 5.2 5.3 5.4 5.5 6 Data Warehousing mit Hive ................................................................ 253 6.1 Installation von Hive ................................................................................... 254 Inhalt 6.2 Architektur von Hive .................................................................................... 6.3 Das Command Line Interface (CLI)............................................................... 6.4 HiveQL als Abfragesprache........................................................................... 6.4.1 Anlegen von Datenbanken................................................................. 6.4.2 Primitive Datentypen......................................................................... 6.4.3 Komplexe Datentypen ....................................................................... 6.4.4 Anlegen von Tabellen......................................................................... 6.4.5 Partitionierung von Tabellen............................................................. 6.4.6 Externe und interne Tabellen........................................................... 6.4.7 Löschen und Leeren von Tabellen .................................................... 6.4.8 Importieren von Daten....................................................................... 6.4.9 Zählen von Zeilen via count ............................................................. 6.4.10 Das SELECT-Statement ..................................................................... 6.4.11 Beschränken von SELECT über DISTINCT........................................ 6.4.12 SELECT auf partitionierte Tabellen .................................................. 6.4.13 SELECT sortieren mit SORT BY und ORDER BY............................... 6.4.14 Partitionieren von Daten durch Bucketing ...................................... 6.4.15 Gruppieren von Daten mittels GROUP BY........................................ 6.4.16 Subqueries - verschachtelte Abfragen.............................................. 6.4.17 Ergebnismengen vereinigen mit UNION ALL.................................. 6.4.18 Mathematische Funktionen ............................................................. 6.4.19 String-Funktionen ............................................................................. 6.4.20 Aggregatfunktionen........................................................................... 6.4.21 User-Defined Functions..................................................................... 6.4.22 HAVING.............................................................................................. 6.4.23 Datenstruktur im HDFS..................................................................... 6.4.24 Verändern von Tabellen..................................................................... 6.4.25 Erstellen von Views ........................................................................... 6.4.26 Löschen einer View .......................................................................... 6.4.27 Verändern einer View ....................................................................... 6.4.28 Tabellen zusammenführen mit JOINs .............................................. 6.5 Hive Security.................................................................................................. 6.5.1 Implementieren eines Authentication-Providers ............................. 6.5.2 Authentication-Provider für HiveServer2 ........................................ 6.5.3 Verwenden von PAM zur Benutzerauthentifizierung....................... 6.6 Hive und JDBC................................................................................................ 6.7 Datenimport mit Sqoop ................................................................................ 6.8 Datenexport mit Sqoop.................................................................................. 6.9 Hive und Impala............................................................................................ 6.10 Unterschied zu Pig........................................................................................ 6.11 Zusammenfassung....................................................................................... 256 257 259 259 260 260 261 262 262 263 264 265 265 269 269 270 271 272 273 273 274 276 276 277 285 286 286 289 289 289 290 292 298 303 303 304 322 324 325 326 327 IX X Inhalt 7 7.1 7.2 7.3 Big-Data-Visualisierung................................................................... Theorie der Datenvisualisierung................................................................... Diagrammauswahl gemäß Datenstruktur .................................................... Visualisieren von Big Data erfordert ein Umdenken ................................... 7.3.1 Aufmerksamkeit lenken ................................................................... 7.3.2 Kontextsensitive Diagramme ............................................................ 7.3.3 3D-Diagramme.................................................................................. 7.3.4 Ansätze, um Big-Data zu visualisieren.............................................. 7.4 Neue Diagrammarten.................................................................................... 7.5 Werkzeuge zur Datenvisualisierung............................................................. 7.6 Entwicklung einer einfachen Visualisierungskomponente......................... 8 329 329 335 336 337 339 341 342 344 348 352 Auf dem Weg zu neuem Wissen - Aufbereiten, Anreichern und Empfehlen ......................................................................................... Eine Big-Data-Table als zentrale Datenstruktur .......................................... Anreichern von Daten .................................................................................. 8.2.1 Anlegen einer Wissensdatenbank .................................................... 8.2.2 Passende Zuordnung von Daten........................................................ Diagrammempfehlungen über Datentypanalyse.......................................... 8.3.1 Diagrammempfehlungen in der BDTable.......................................... Textanalyse ֊ Verarbeitung unstrukturierter Daten..................................... 8.4.1 Erkennung von Sprachen ................................................................. 8.4.2 Natural Language Processing............................................................ 8.4.3 Mustererkennung mit Apache UIMA................................................ 365 368 370 371 372 376 378 384 385 386 394 9 Infrastruktur..................................................................................... 9.1 Hardware....................................................................................... 9.2 Betriebssystem .............................................................................................. 9.2.1 Paketmanager.................................................................................... 9.2.2 Git....................................................................................................... 9.2.3 VIM .................................................................................................... 9.2.4 Terminalumgebung ........................................................................... 9.3 Virtualisierung.............................................................................................. 9.4 Container....................................................................................................... 9.4.1 Docker-Crashkurs............................................................................... 9.4.2 Infrastructure as Code....................................................................... 9.5 Distributionen................................................................................................ 9.6 Reproduzierbarkeit........................................................................................ 9.7 Zusammenfassung........................................................................................ 415 416 417 417 418 419 419 420 420 421 424 424 425 425 10 Programmiersprachen ..................................................................... 10.1 Merkmale...................................................................................................... 10.1.1 Funktionale Paradigmen................................................................... 427 428 428 8.1 8.2 8.3 8.4 Inhalt 10.2 Big-Data-Programmiersprachen................................................................. 10.2.1 Java.................................................................................................. 10.2.2 Scala................................................................................................ 10.2.3 Python............................................................................................ 10.2.4 R..................................................................................................... 10.2.5 Weitere Programmiersprachen...................................................... 10.3 Zusammenfassung...................................................................................... 429 429 430 433 436 437 438 11 Polyglot Persistence.............................................................................. 439 11.1 Praxis........................................................................................................... 440 11.1.1 Redis .............................................................................................. 440 11.1.2 MongoDB........................................................................................ 443 11.1.3 Neo4j .............................................................................................. 443 11.1.4 S3.................................................................................................... 444 11.1.5 Apache Kudu.................................................................................. 447 11.2 Zusammenfassung...................................................................................... 447 12 12.1 12.2 12.3 12.4 12.5 12.6 Apache Kafka ......................................................................................... 449 Der Kern .......................................................................... 450 Erste Schritte................................................................................................ 450 Dockerfile ................................................................................................... 454 Clients......................................................................................................... 454 Python Chat Client...................................................................................... 454 Zusammenfassung...................................................................................... 456 13 Data Processing Engines...................................................................... 457 13.1 Von Map Reduce zu GPPEs......................................................................... 457 13.1.1 Herausforderungen ....................................................................... 458 13.1.2 Verfahren zur Verbesserung......................................................... 459 13.1.3 Von Batch und Streaming zu Lambda .......................................... 461 13.1.4 Frameworks in a Nutshell............................................................. 462 13.2 ApacheSpark .............................................................................................. 462 13.2.1 Datasets.......................................................................................... 462 13.2.2 Von RDDs zu Data Frames............................................................. 463 13.2.3 Hands On Apache Spark ............................................................... 463 13.2.4 Client-Programme schreiben ....................................................... 465 13.2.5 Das Spark-Ecosystem..................................................................... 470 13.3 Zusammenfassung...................................................................................... 474 14 Streaming ................................................................................................ 14.1 Kernparadigmen.......................................................................................... 14.2 Spark Streaming.......................................................................................... 14.2.1 Beispiel .......................................................................................... 475 475 478 479 XI XII Inhalt 14.3 Apache Flink................................................................................................ 14.4 Zusammenfassung...................................................................................... 15 480 483 Data Governance................................................................................. 485 15.1 Begriffsdschungel........................................................................................ 15.2 Governance-Pfeiler...................................................................................... 15.2.1 Transparenz ................................................................................... 15.2.2 Verantwortung ............................................................................... 15.2.3 Standardisierung ........................................................................... 15.3 Fokusthemen von Data Governance............................................................ 15.3.1 Policies............................................................................................ 15.3.2 Quality............................................................................................ 15.3.3 Compliance.................................................................................... 15.3.4 Business Intelligence..................................................................... 15.4 Datenschutz.................................................................................................. 15.4.1 Werkzeuge...................................................................................... 15.5 Sicherheit im Hadoop-Ecosystem............................................................... 15.6 Metadatenmanagement............................................................................... 15.6.1 Open-Source-Werkzeuge ............................................................... 15.6.2 Kommerzielle Datenkataloge ........................................................ 15.7 Organisatorische Themen.......................................................................... 15.7.1 Privacy by Design........................................................................... 15.7.2 k-Anonymity.................................................................................. 15.7.3 Standards ...................................................................................... 15.8 Zusammenfassung...................................................................................... 486 487 487 488 489 489 489 490 490 490 491 492 497 498 499 500 500 501 501 503 503 16 Zusammenfassung und Ausblick .................................................... 505 16.1 Zur zweiten Auflage 2018 ........................................................................... 16.2 Zur ersten Auflage 2014 ............................................................................. 505 507 17 Häufige Fehler ..................................................................................... 511 18 Anleitungen........................................................................................... 517 18.1 Installation und Verwendung von Sqoop2.................................................. 18.2 Hadoop für Windows 7 kompilieren............................................................ 517 523 19 Index Literaturverzeichnis........................................................................... 527 531
any_adam_object	1
author	Freiknecht, Jonas 1985- Papp, Stefan
author_GND	(DE-588)1026874556 (DE-588)1161133895
author_facet	Freiknecht, Jonas 1985- Papp, Stefan
author_role	aut aut
author_sort	Freiknecht, Jonas 1985-
author_variant	j f jf s p sp
building	Verbundindex
bvnumber	BV044752604
classification_rvk	ST 230 ST 274 ST 270 QP 345 ST 201 ST 530
classification_tum	DAT 620f DAT 305f
ctrlnum	(OCoLC)1040619638 (DE-599)DNB1148580115
dewey-full	005.7 004 658.4038
dewey-hundreds	000 - Computer science, information, general works 600 - Technology (Applied sciences)
dewey-ones	005 - Computer programming, programs, data, security 004 - Computer science 658 - General management
dewey-raw	005.7 004 658.4038
dewey-search	005.7 004 658.4038
dewey-sort	15.7
dewey-tens	000 - Computer science, information, general works 650 - Management and auxiliary services
discipline	Informatik Wirtschaftswissenschaften
edition	2., erweiterte Auflage
format	Book
fullrecord	<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>03280nam a2200805 c 4500</leader><controlfield tag="001">BV044752604</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20200116 </controlfield><controlfield tag="007">t\|</controlfield><controlfield tag="008">180208s2018 gw a\|\|\| \|\|\|\| 00\|\|\| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">17,N51</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">18,A27</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1148580115</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783446453968</subfield><subfield code="c">Print (Hbk.)</subfield><subfield code="9">978-3-446-45396-8</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3446453962</subfield><subfield code="c">Print (Hbk.)</subfield><subfield code="9">3-446-45396-2</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1040619638</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1148580115</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">DE</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-20</subfield><subfield code="a">DE-91G</subfield><subfield code="a">DE-2070s</subfield><subfield code="a">DE-473</subfield><subfield code="a">DE-1050</subfield><subfield code="a">DE-523</subfield><subfield code="a">DE-1102</subfield><subfield code="a">DE-384</subfield><subfield code="a">DE-860</subfield><subfield code="a">DE-1046</subfield><subfield code="a">DE-12</subfield><subfield code="a">DE-859</subfield><subfield code="a">DE-1049</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-M347</subfield><subfield code="a">DE-210</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-634</subfield><subfield code="a">DE-2174</subfield><subfield code="a">DE-Aug4</subfield><subfield code="a">DE-83</subfield><subfield code="a">DE-739</subfield><subfield code="a">DE-706</subfield><subfield code="a">DE-355</subfield><subfield code="a">DE-11</subfield><subfield code="a">DE-M158</subfield><subfield code="a">DE-824</subfield><subfield code="a">DE-521</subfield><subfield code="a">DE-19</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">005.7</subfield><subfield code="2">22/ger</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">004</subfield><subfield code="2">23</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">658.4038</subfield><subfield code="2">22/ger</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 230</subfield><subfield code="0">(DE-625)143617:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 274</subfield><subfield code="0">(DE-625)143641:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 270</subfield><subfield code="0">(DE-625)143638:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">QP 345</subfield><subfield code="0">(DE-625)141866:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 201</subfield><subfield code="0">(DE-625)143612:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 530</subfield><subfield code="0">(DE-625)143679:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">004</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 620f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 305f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">650</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Freiknecht, Jonas</subfield><subfield code="d">1985-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1026874556</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Big Data in der Praxis</subfield><subfield code="b">Lösungen mit Hadoop, Spark, HBase und Hive : Daten speichern, aufbereiten, visualisieren</subfield><subfield code="c">Jonas Freiknecht, Stefan Papp</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">2., erweiterte Auflage</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">München</subfield><subfield code="b">Hanser</subfield><subfield code="c">[2018]</subfield></datafield><datafield tag="264" ind1=" " ind2="4"><subfield code="c">© 2018</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">XII, 539 Seiten</subfield><subfield code="b">Illustrationen, Diagramme (teilweise farbig)</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Auf dem Umschlag: "Extra: E-Book inside". - "Im Internet: Github-Repository zum Buch"</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Hadoop</subfield><subfield code="0">(DE-588)1022420135</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Datenanalyse</subfield><subfield code="0">(DE-588)4123037-1</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Apache Spark</subfield><subfield code="0">(DE-588)1129113116</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Big Data</subfield><subfield code="0">(DE-588)4802620-7</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Data-Warehouse-Konzept</subfield><subfield code="0">(DE-588)4406462-7</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Apache Kafka</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Business Intelligence</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Data Governance</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Datenanalyse</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Datenmanagement</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Datensicherheit</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Hadoop</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Spark</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4151278-9</subfield><subfield code="a">Einführung</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Big Data</subfield><subfield code="0">(DE-588)4802620-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Datenanalyse</subfield><subfield code="0">(DE-588)4123037-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="1" ind2="0"><subfield code="a">Big Data</subfield><subfield code="0">(DE-588)4802620-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="1"><subfield code="a">Hadoop</subfield><subfield code="0">(DE-588)1022420135</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="2"><subfield code="a">Apache Spark</subfield><subfield code="0">(DE-588)1129113116</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="3"><subfield code="a">Data-Warehouse-Konzept</subfield><subfield code="0">(DE-588)4406462-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Papp, Stefan</subfield><subfield code="0">(DE-588)1161133895</subfield><subfield code="4">aut</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe</subfield><subfield code="z">978-3-44645601-3</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">Digitalisierung UB Passau - ADAM Catalogue Enrichment</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=030148227&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-030148227</subfield></datafield></record></collection>
genre	(DE-588)4151278-9 Einführung gnd-content
genre_facet	Einführung
id	DE-604.BV044752604
illustrated	Illustrated
indexdate	2024-12-20T18:10:45Z
institution	BVB
isbn	9783446453968 3446453962
language	German
oai_aleph_id	oai:aleph.bib-bvb.de:BVB01-030148227
oclc_num	1040619638
open_access_boolean
owner	DE-20 DE-91G DE-BY-TUM DE-2070s DE-473 DE-BY-UBG DE-1050 DE-523 DE-1102 DE-384 DE-860 DE-1046 DE-12 DE-859 DE-1049 DE-92 DE-M347 DE-210 DE-29T DE-634 DE-2174 DE-Aug4 DE-83 DE-739 DE-706 DE-355 DE-BY-UBR DE-11 DE-M158 DE-824 DE-521 DE-19 DE-BY-UBM
owner_facet	DE-20 DE-91G DE-BY-TUM DE-2070s DE-473 DE-BY-UBG DE-1050 DE-523 DE-1102 DE-384 DE-860 DE-1046 DE-12 DE-859 DE-1049 DE-92 DE-M347 DE-210 DE-29T DE-634 DE-2174 DE-Aug4 DE-83 DE-739 DE-706 DE-355 DE-BY-UBR DE-11 DE-M158 DE-824 DE-521 DE-19 DE-BY-UBM
physical	XII, 539 Seiten Illustrationen, Diagramme (teilweise farbig)
publishDate	2018
publishDateSearch	2018
publishDateSort	2018
publisher	Hanser
record_format	marc
spellingShingle	Freiknecht, Jonas 1985- Papp, Stefan Big Data in der Praxis Lösungen mit Hadoop, Spark, HBase und Hive : Daten speichern, aufbereiten, visualisieren Hadoop (DE-588)1022420135 gnd Datenanalyse (DE-588)4123037-1 gnd Apache Spark (DE-588)1129113116 gnd Big Data (DE-588)4802620-7 gnd Data-Warehouse-Konzept (DE-588)4406462-7 gnd
subject_GND	(DE-588)1022420135 (DE-588)4123037-1 (DE-588)1129113116 (DE-588)4802620-7 (DE-588)4406462-7 (DE-588)4151278-9
title	Big Data in der Praxis Lösungen mit Hadoop, Spark, HBase und Hive : Daten speichern, aufbereiten, visualisieren
title_auth	Big Data in der Praxis Lösungen mit Hadoop, Spark, HBase und Hive : Daten speichern, aufbereiten, visualisieren
title_exact_search	Big Data in der Praxis Lösungen mit Hadoop, Spark, HBase und Hive : Daten speichern, aufbereiten, visualisieren
title_full	Big Data in der Praxis Lösungen mit Hadoop, Spark, HBase und Hive : Daten speichern, aufbereiten, visualisieren Jonas Freiknecht, Stefan Papp
title_fullStr	Big Data in der Praxis Lösungen mit Hadoop, Spark, HBase und Hive : Daten speichern, aufbereiten, visualisieren Jonas Freiknecht, Stefan Papp
title_full_unstemmed	Big Data in der Praxis Lösungen mit Hadoop, Spark, HBase und Hive : Daten speichern, aufbereiten, visualisieren Jonas Freiknecht, Stefan Papp
title_short	Big Data in der Praxis
title_sort	big data in der praxis losungen mit hadoop spark hbase und hive daten speichern aufbereiten visualisieren
title_sub	Lösungen mit Hadoop, Spark, HBase und Hive : Daten speichern, aufbereiten, visualisieren
topic	Hadoop (DE-588)1022420135 gnd Datenanalyse (DE-588)4123037-1 gnd Apache Spark (DE-588)1129113116 gnd Big Data (DE-588)4802620-7 gnd Data-Warehouse-Konzept (DE-588)4406462-7 gnd
topic_facet	Hadoop Datenanalyse Apache Spark Big Data Data-Warehouse-Konzept Einführung
url	http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=030148227&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
work_keys_str_mv	AT freiknechtjonas bigdatainderpraxislosungenmithadoopsparkhbaseundhivedatenspeichernaufbereitenvisualisieren AT pappstefan bigdatainderpraxislosungenmithadoopsparkhbaseundhivedatenspeichernaufbereitenvisualisieren

Verfügbarkeit

Bestellen (Login erforderlich)

Inhaltsverzeichnis
Paper/Kapitel scannen lassen

Teilbibliothek Mathematik & Informatik

Bestandsangaben von Teilbibliothek Mathematik & Informatik
Signatur:	0104 DAT 620f 2014 A 5171(2) Lageplan
Exemplar 1	Nicht ausleihbar Am Standort

Teilbibliothek Chemie, Lehrbuchsammlung

Bestandsangaben von Teilbibliothek Chemie, Lehrbuchsammlung
Signatur:	0303 DAT 620f 2014 L 815(2) Lageplan
Exemplar 1	Ausleihbar Am Standort
Exemplar 2	Ausleihbar Am Standort
Exemplar 3	Ausleihbar Am Standort
Exemplar 4	Ausleihbar Am Standort
Exemplar 5	Ausleihbar Am Standort
Exemplar 6	Ausleihbar Am Standort
Exemplar 7	Ausleihbar Am Standort
Exemplar 8	Ausleihbar Am Standort
Exemplar 9	Ausleihbar Am Standort
Exemplar 10	Ausleihbar Am Standort
Exemplar 11	Ausleihbar Am Standort