ODPS权威指南

前言

第1章 ODPS概述

1.1 引言

1.2 初识ODPS

1.2.1 背景和挑战

1.2.2 为什么做ODPS

1.2.3 ODPS是什么

1.2.4 ODPS做什么

1.3 基本概念

1.3.1 账号（Account）

1.3.2 项目空间（Project）

1.3.3 表（Table）

1.3.4 分区（Partition）

1.3.5 任务（Task）、作业（Job）和作业实例（Instance）

1.3.6 资源（Resource）

1.4 应用开发模式

1.4.1 RESTful API

1.4.2 ODPS SDK

1.4.3 ODPS CLT

1.4.4 管理控制台

1.4.5 IDE

1.5 一些典型场景

1.5.1 阿里金融数据仓库

1.5.2 CNZZ数据仓库

1.5.3 支付宝账号影响力圈

1.5.4 阿里金融水文衍生算法

1.5.5 阿里妈妈广告CTR预估

1.6 现状和前景

1.7 小结

第2章 ODPS入门

2.1 准备工作

2.1.1 创建云账号

2.1.2 开通ODPS服务

2.2 使用管理控制台

2.3 配置ODPS客户端

2.3.1 下载和配置CLT

2.3.2 准备dual表

2.3.3 CLT运行模式

2.3.4 下载和配置dship

2.3.5 通过dship上传下载数据

2.4 网站日志分析实例

2.4.1 场景和数据说明

2.4.2 需求分析

2.4.3 数据准备

2.4.4 创建表并添加分区

2.4.5 数据解析和导入

2.4.6 数据加工

2.4.7 数据分析

2.4.8 自动化运行

2.4.9 应用数据集市

2.4.10 结果导出

2.4.11 结果展现

2.4.12 删除数据

2.5 小结

第3章 收集海量数据

3.1 DSHIP工具

3.2 收集WEB日志

3.2.1 场景和需求说明

3.2.2 问题分析和设计

3.2.3 实现说明

3.2.4 进一步探讨

3.2.5 为什么这么难

3.3 MYSQL数据同步到ODPS

3.3.1 场景和需求说明

3.3.2 问题分析和实现

3.3.3 进一步探讨

3.4 下载结果表

3.5 小结

第4章 使用SQL处理海量数据

4.1 ODPS SQL是什么

4.2 入门示例

4.2.1 场景说明

4.2.2 简单的DDL操作

4.2.3 生成数据

4.2.4 单表查询

4.2.5 多表连接JOIN

4.2.6 高级查询

4.2.7 多表关联UNION ALL

4.2.8 多路输出（MULTI-INSERT）

4.3 网站日志分析

4.3.1 准备数据和表

4.3.2 维度表

4.3.3 访问路径分析

4.3.4 TopK查询

4.3.5 IP黑名单

4.4 天猫品牌预测

4.4.1 主题说明和前期准备

4.4.2 理解数据

4.4.3 两个简单的实践

4.4.4 问题分析和算法设计

4.4.5 生成特征

4.4.6 抽取正负样本

4.4.7 生成模型

4.4.8 验证模型

4.4.9 预测结果

4.4.10 进一步探讨

4.5 小结

第5章 SQL进阶

5.1 UDF是什么

5.2 入门示例

5.3 实际应用案例

5.3.1 URL解码

5.3.2 简单的LBS应用

5.3.3 网站访问日志UserAgent解析

5.4 SQL实现原理

5.4.1 词法分析

5.4.2 语法分析

5.4.3 逻辑分析

5.4.4 物理分析

5.5 SQL调优

5.5.1 数据倾斜

5.5.2 一些优化建议

5.5.3 一些注意事项

5.6 小结

第6章 通过TUNNEL迁移数据

6.1 ODPS TUNNEL 是什么

6.2 入门示例

6.2.1 下载和配置

6.2.2 准备数据

6.2.3 上传数据

6.2.4 下载数据

6.3 TUNNEL原理

6.3.1 数据如何传输

6.3.2 客户端和服务端如何交互

6.3.3 如何实现高并发

6.4 从HADOOP迁移到ODPS

6.4.1 问题分析

6.4.2 客户端实现和分析

6.4.3 Mapper实现和分析

6.4.4 编译和运行

6.4.5 进一步探讨

6.5 一些注意点

6.6 小结

第7章 使用MAPREDUCE处理数据

7.1 MAPREDUCE编程模型

7.2 MAPREDUCE应用场景

7.3 初识ODPS MAPREDUCE

7.4 入门示例

7.4.1 准备工作

7.4.2 问题分析

7.4.3 代码实现和分析

7.4.4 运行和输出分析

7.4.5 扩展：使用Combiner？

7.5 TOPK查询

7.5.1 场景和数据说明

7.5.2 问题分析

7.5.3 具体实现分析

7.5.4 运行和结果输出

7.5.5 扩展：忽略Stop Words

7.5.6 扩展：数据和任务统计

7.5.7 扩展： MR2模型

7.6 SQL和MAPREDUCE，用哪个？

7.7 小结

第8章 MAPREDUCE进阶

8.1 再谈SHUFFLE & SORT

8.2 好友推荐

8.2.1 场景和数据说明

8.2.2 问题定义和分析

8.2.3 代码实现

8.3 LBS应用探讨：周边定位

8.3.1 场景和数据说明

8.3.2 问题定义和分析

8.3.3 代码实现和分析

8.3.4 运行和测试

8.4 MAPREDUCE调试

8.4.1 带bug的代码

8.4.2 通过本地模式调试

8.4.3 通过Counter调试

8.4.4 通过log调试

8.5 一些注意点

8.6 小结

第9章 机器学习算法

9.1 初识ODPS算法

9.2 入门示例

9.2.1 通过CLT统计分析

9.2.2 通过XLab统计分析

9.3 几个经典的算法

9.3.1 逻辑回归

9.3.2 随机森林

9.4 天猫品牌预测

9.4.1 逻辑回归

9.4.2 随机森林

9.4.3 脚本实现和自动化

9.4.4 进一步探讨

9.5 小结

第10章 使用SDK访问ODPS服务

10.1 主要的PACKAGE和接口

10.1.1 主要的Package

10.1.2 核心接口

10.2 入门示例

10.3 基于ECLIPSE插件开发

10.4 小结

第11章 ODPS账号、资源和数据管理

11.1 权限管理

11.1.1 账号授权

11.1.2 角色（Role）授权

11.1.3 ACL授权特点

11.1.4 简单的Policy授权

11.1.5 Role Policy

11.1.6 ACL授权和Policy授权小结

11.2 资源管理

11.2.1 Project内的资源管理

11.2.2 跨Project的资源共享

11.3 数据管理

11.3.1 表生命周期

11.3.2 数据归并（Merge）

11.3.3 数据保护（Project Protection）

11.4 小结

第12章 深入了解ODPS

12.1 体系架构

12.1.1 客户端

12.1.2 接入层

12.1.3 逻辑层

12.1.4 存储/计算层

12.2 执行流程

12.2.1 提交作业

12.2.2 运行作业

12.2.3 查询作业状态

12.2.4 执行逻辑图

12.3 底层数据存储

12.3.1 CFILE是什么

12.3.2 CFILE逻辑结构

12.4 内聚式框架

12.4.1 元数据

12.4.2 运维管理

12.4.3 多控制集群和多计算集群

12.5 跨集群复制

12.5.1 数据迁移

12.5.2 跨集群同步

12.6 小结

第13章 探索ODPS之美

13.1 R语言数据探索

13.1.1 安装和配置

13.1.2 一些基本操作

13.1.3 分析建模

13.2 实时流计算

13.3 图计算模型

13.4 准实时SQL

13.5 机器学习平台

附录一 ODPS消息认证机制

后记

ODPS（Open Data Processing Service）是阿里巴巴自主研发的海量数据处理和分析的服务平台，主要应用于数据分析、海量数据统计、数据挖掘、机器学习和商业智能等领域。目前，ODPS不仅在阿里内部得到广泛应用，享有很好的口碑，正逐步走向第三方开放市场。
　 本书是学习和掌握ODPS的专业指南，作者来自阿里ODPS团队。全书共13章，主要内容包括：ODPS入门、整体架构、数据通道、MapReduce编程、SQL查询分析、安全，以及基于真实数据的各种场景分析实战。本书基于很多范例解析，通过在各种应用场景下的示例来说明如何通过ODPS完成各种需求，以期引导读者从零开始轻松掌握和使用ODPS。同时，本书不局限于示例分析，也致力于提供更多关于大数据处理的编程思想和经验分享。书中所有示例代码都可以在作者提供的网站上免费下载。
　　本书适合想要了解和使用ODPS的读者阅读学习，对于从事大数据存储和应用以及分布式计算的专业人士来说，也是很好的参考资料。

2014年天猫双11购物狂欢节成交额创下了571.12亿元的纪录!
　　交易创建峰值能力达到每秒钟8万笔，支付宝的支付峰值突破了每分钟285万笔。
　　成功创下这项纪录背后，有ODPS很大的功劳！

　　阿里巴巴集团副总裁刘振飞表示，云计算在今年双11 起到了非常重要的基础性作用。天猫、淘宝、支付宝的大数据处理，都是基于阿里云计算的大数据处理平台ODPS 完成，ODPS为天猫双十一的商品个性化推荐提供了技术支持，这是自主研发能力的一个很大提升。

　　ODPS（Open Data Processing Service）是阿里巴巴自主研发的海量数据处理和分析的服务平台，主要应用于数据分析、海量数据统计、数据挖掘、机器学习和商业智能等领域。目前，ODPS不仅在阿里内部得到广泛应用，享有很好的口碑，正逐步走向第三方开放市场
　　本书是学习和掌握ODPS的专业指南，作者来自阿里ODPS团队。
　　本书包括以下重要内容：
　　ODPS概览及其基本知识；
　　如何高效地使用ODPS SQL；
　　MapReduce编程和进阶应用；
　　ODPS机器学习算法；
　　ODPS权限、资源和数据管理；
　　深入了解ODPS体系结构和高级机制。
　　书中所有示例代码都可以通过https://github.com/duckrun/odps_book免费下载。