內容提要
隨著數據的增長以及企業每天處理越來越多的數據， Hadoop作為一個數據平台已經變得很流行。金融行業想要最小化風險和最大化收益， Hadoop作為一個主宰大數據市場的工具，在其中起著很大的作用。
《Hadoop金融大數據分析》介紹了大數據和 Hadoop的基礎知識，讓讀者掌握項目管理、欺詐檢測等 TOP大數據金融項目，其中不僅包含行業參考和代碼模板，同時包括實現中使用的多個 Hadoop組件。
讀完《Hadoop金融大數據分析》，讀者會理解一些行業領先的架構模式、大數據管理經驗、竅門和大數據最佳實踐方案，以便基於 Hadoop成功地開發出適合自己的解決方案。
目錄
第1 章 大數據回顧 1
大數據是什麼1
數據量2
數據速度 2
數據類型 3
大數據技術的演進 3
過去 3
現在 4
未來 5
大數據願景 5
存儲 6
NoSQL 6
NoSQL 資料庫類型 7
資源管理 7
數據治理 8
批量計算 8
實時計算 8
數據整合工具9
機器學習 9
商務智慧型和可視化 9
大數據相關的職業 10
Hadoop 架構 11
HDFS 集群 12
MapReduce V1 14
MapReduce V2——YARN 15
Hadoop 生態圈簡介 18
馴服大數據 18
Hadoop——英雄 19
HDFS——Hadoop 分散式系統19
Hadoop 版本 23
發行版——本地部署 25
發行版——雲端27
總結 28
第2 章 金融服務中的大數據 29
各個行業的大數據使用情況 29
衛生保健30
人類科學30
電信 31
線上零售商 31
為什麼金融部門需要大數據 31
金融部門的大數據套用案例 34
HDFS 上的數據歸檔 34
監管 35
欺詐檢測35
交易數據36
風險管理36
客戶行為預測 36
情感分析——非結構化36
其他套用案例 37
金融大數據的演進過程37
應該如何學習金融大數據 41
把你的數據上傳到HDFS 上41
從HDFS 上查詢數據42
在Hadoop 上的SQL 43
實時 44
數據治理和運營44
ETL 工具 45
數據分析和商業智慧型 45
金融大數據的實現 46
關鍵挑戰46
克服挑戰47
總結 50
第3 章 在雲端使用Hadoop. 51
大數據云的故事51
原因 52
時機 53
收穫 54
項目細節——在雲中進行風險模擬 54
解決方案55
現實世界55
目標世界57
數據轉換60
數據分析62
總結 63
第4 章 使用Hadoop 進行數據遷移. 65
項目細節——歸檔你的交易數據65
解決方案67
項目第一階段——分裂交易數據到數據倉庫和Hadoop 68
項目第二階段——完成數據從關係型數據倉庫到Hadoop 的遷移 77
總結 83
第5 章 入門 85
項目詳細信息——風險和監管報告 86
解決方案87
現實世界87
目標世界88
數據收集89
數據轉換97
數據分析 112
總結 116
第6 章 變得有經驗. 117
實時大數據 117
項目細節——識別欺詐交易 119
解決方案 120
現實世界 120
目標世界 120
馬爾科夫鏈模型執行——批處理模式 121
數據收集 126
數據轉換 128
總結132
第7 章 深入擴展Hadoop 的企業級套用. 133
擴展開來——實際上的水平134
更多的大數據使用案例 135
使用案例——再談欺詐問題 136
解決方案 136
使用案例——用戶投訴 137
解決方案 137
使用案例——算法交易 137
解決方案 138
使用案例——外匯交易 138
解決方案 138
使用案例——基於社交媒體的交易數據139
解決方案 139
使用案例——非大數據 140
解決方案 140
數據湖 140
Lambda 架構 143
大數據管理144
Apache Falcon 概覽 146
安全性 147
總結149
第8 章 Hadoop 的快速增長 151
Hadoop 發行版的升級周期 151
最佳實踐和標準 154
環境154
與BI 和ETL 工具的集成155
提示155
新的趨勢 157
總結158
