Hadoop構建數據倉庫實踐

前半部分可以做複習數倉大綱，後半部分的內容相對過時了，粗略看看即可。

hadoop基本組件部分講的簡明扼要，數據模型這塊也還不錯

內容多，不夠詳細，適合有一定基礎的同學查看。 主要是文字，可讀性不是太好

數據倉庫的前兩章和ETL相關章節講的不錯[強]

我剛開始瞭解大數據，本來想找一本專門講Hadoop的書，不過閱讀的過程發現這本書理論講得很好，從數據倉庫的背景出發，幫助我更好地理解了Hadoop在數據倉庫中的位置。全書只有第三章在介紹Hadoop的理論知識，但是這麼簡短的篇幅就把Hadoop的核心介紹得一清二楚。比起Hadoop，這本書更多地是在講數據倉庫，數據倉庫的歷史，在發展的過程中遇到的問題，Hadoop技術如何解決數據倉庫的問題，以及在Hadoop出現之後，依然適用的數據倉庫技術，比如維度表技術、事實表技術。 讀完這本書，我有三個收穫，第一，操作性系統和分析性系統在目的上的區別？操作性系統是爲了完成業務在事物級別的增刪改查，分析性系統是爲了對大規模數據多維度分析，目的不同導致方法不同；第二，MapReduce爲什麼不適合交互式分析查詢？Map和Reduce的結果都需要寫入磁盤，Reduce的結果還需要寫入HDFS，整個過程肯定慢，第三，Hadoop如何“打破”CAP理論，比關係型數據庫更適合做數據倉庫？Hadoop用數據的增加代替事務的修改，沒有變更，只需要最終一致性，讓Hadoop更適合大數據倉庫。 在實踐部分，這本書很多內容都不再適用，比如Cloudera官方不再提供免費的Ambari和CDH套件下載，Hive ORC支持增加列，所以實踐部分可以關注作者解決問題的思路，實際的做法還需要結合最新的技術進展。

推薦前面關於數據倉庫的部分， 不推薦後面的操作部分，因爲過時了。 前面對於操作型系統，分析型系統架構和場景，關係型數據庫和分析型數據庫，以及大數據，數倉的背景細節都講得非常清晰深入淺出。 然後是關於 hadoop , hive, spark 三件套做了詳細的介紹，尤其是對 mapreduce 的過程，RDD過程，hive架構的對比，spark on yarn 講解到了重點概念，極大加深了我的理解。 後面的部分關於 etl 這些其實有點相對落後了，但理念還是一樣的，就大致看看而已。整體上還是值得推薦。

結合Google早年發佈的GFS、MapReduce、Bigtable等論文能夠對大數據分佈式架構的發展歷程有更深入的理解

屬於橫向面積大，深度淺的技術書籍，對於想了解Hadoop及數倉相關概念可以學習閱讀，但是想理解原理及實現，則無法滿足

總體說的比較淺顯易懂，可以作爲溫故教材。