Hadoop构建数据仓库实践

前半部分可以做复习数仓大纲，后半部分的内容相对过时了，粗略看看即可。

hadoop基本组件部分讲的简明扼要，数据模型这块也还不错

内容多，不够详细，适合有一定基础的同学查看。 主要是文字，可读性不是太好

数据仓库的前两章和ETL相关章节讲的不错[强]

我刚开始了解大数据，本来想找一本专门讲Hadoop的书，不过阅读的过程发现这本书理论讲得很好，从数据仓库的背景出发，帮助我更好地理解了Hadoop在数据仓库中的位置。全书只有第三章在介绍Hadoop的理论知识，但是这么简短的篇幅就把Hadoop的核心介绍得一清二楚。比起Hadoop，这本书更多地是在讲数据仓库，数据仓库的历史，在发展的过程中遇到的问题，Hadoop技术如何解决数据仓库的问题，以及在Hadoop出现之后，依然适用的数据仓库技术，比如维度表技术、事实表技术。 读完这本书，我有三个收获，第一，操作性系统和分析性系统在目的上的区别？操作性系统是为了完成业务在事物级别的增删改查，分析性系统是为了对大规模数据多维度分析，目的不同导致方法不同；第二，MapReduce为什么不适合交互式分析查询？Map和Reduce的结果都需要写入磁盘，Reduce的结果还需要写入HDFS，整个过程肯定慢，第三，Hadoop如何“打破”CAP理论，比关系型数据库更适合做数据仓库？Hadoop用数据的增加代替事务的修改，没有变更，只需要最终一致性，让Hadoop更适合大数据仓库。 在实践部分，这本书很多内容都不再适用，比如Cloudera官方不再提供免费的Ambari和CDH套件下载，Hive ORC支持增加列，所以实践部分可以关注作者解决问题的思路，实际的做法还需要结合最新的技术进展。

推荐前面关于数据仓库的部分， 不推荐后面的操作部分，因为过时了。 前面对于操作型系统，分析型系统架构和场景，关系型数据库和分析型数据库，以及大数据，数仓的背景细节都讲得非常清晰深入浅出。 然后是关于 hadoop , hive, spark 三件套做了详细的介绍，尤其是对 mapreduce 的过程，RDD过程，hive架构的对比，spark on yarn 讲解到了重点概念，极大加深了我的理解。 后面的部分关于 etl 这些其实有点相对落后了，但理念还是一样的，就大致看看而已。整体上还是值得推荐。

结合Google早年发布的GFS、MapReduce、Bigtable等论文能够对大数据分布式架构的发展历程有更深入的理解

属于横向面积大，深度浅的技术书籍，对于想了解Hadoop及数仓相关概念可以学习阅读，但是想理解原理及实现，则无法满足

总体说的比较浅显易懂，可以作为温故教材。