學習Big Data 的幾本書

兩年內看了幾十本 Big Data 技術相關書籍，試了十幾個技術框架，把覺得對我有幫助的書籍分享一下。

Big Data 系統環境的建置，觀念都在這三本說了:

• 巨量資料的下一步：Big Data新戰略、技術及大型網站應用實錄
• Big data principles and best practices of scalable realtime data systems (by Nathan Marz)
• NoSQL Distilled: A Brief Guide to the Emerging World of Polyglot Persistence
  

主架構上就是使用 Hadoop、MongoDB，不寫為什麼不是Cassandra或是HBase，有故事的。

Real-Timeprocess則是使用Storm / Fluentd / Kafka / Redis，也不用問為什麼不是flume / logstash / Spark，都有用過，一樣有故事，先選如上架構就是。

也不解釋Storm vs. Spark ，會這樣問的都是兩種架構都沒玩過的人，試過就知道，各有其擅長場景，Spark目前個人還是先用在 ML或ETL部分。

• MongoDB: The Definitive Guide
• Hadoop: The Definitive Guide , 4th
• Scaling MongoDB - 50 Tips and Tricks for MongoDB Developers
• Hadoop实战(第2版)  陆嘉恒
• Storm Blueprints: Patterns for Distributed Real-time Computation
• Storm Real-time Processing Cookbook
• Learning Apache Kafka - Second Edition
• Redis入门指南（第2版）
  

資料分析，先試了R，嚴格說起來，R看的書還比Python的多，這邊推薦的只是個人偏好問題。

• Agile Data Science: Building Data Analytics Applications with Hadoop
• Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython
• Machine Learning in Action
• Machine Learning with R
  

---

為了快速部署及設定，於是又去搞了Docker，發現尚未成熟(當時使用 ver 1.5)，所以還是先回Vagrant使用，加上Ansible，可以加速實驗環境的產生及配置。(好吧，我就是看puppet / chef 不習慣......)

• The Docker Book: Containerization is the new virtualization
• Vagrant: Up and Running
• Ansible: Up and Running

Big Data System 太深了，花了近18個月，弄了幾十個實驗，才有架構設計上的sense，至於數據分析方面，花了幾個月，也只能說「略懂」、「略懂」。

耗了不少精力，只能說公司若要搞Big Data，起碼需要一個小隊。

一般大數據商業應用思考的書，可看：

• 大數據的獲利模式
• 大數據的關鍵思考
• 大數據時代的致勝決策
• BigData讓你看見真實慾望
• 精準預測：如何從巨量雜訊中，看出重要的訊息？
• 大數據
• 開放資料大商機
• 預測分析時代

另外，哈佛商業評論某期中有一篇：誰需要巨量資料，也很值得閱讀。