1 引言：为什么要超越Hadoop Map-Reduce 1
Hadoop的适用范围 3
大数据分析之机器学习实现的革命 10
第一代机器学习工具／范式 11
第二代机器学习工具／范式 11
第三代机器学习工具／范式 14
小结 18
参考文献 19
2 何为伯克利数据分析栈（BDAS） 23
实现BDAS的动机 24
Spark：动机 25
Shark：动机 26
Mesos：动机 28
BDAS的设计及架构 29
Spark：高效的集群数据处理的范式 34
Spark的弹性分布式数据集 36
Spark的实现 40
Spark VS.分布式共享内存系统 42
RDD的表达性 44
类似Spark的系统 45
Shark：分布式系统上的SQL接口 46
Spark为Shark提供的扩展 47
列内存存储 49
分布式数据加载 50
完全分区智能连接 50
分区修剪 50
机器学习的支持 51
Mesos：集群调度及管理系统 51
Mesos组件 52
资源分配 54
隔离 55
容错性 57
小结 58
参考文献 59
3 使用Spark实现机器学习算法 66
机器学习基础知识 66
机器学习：随机森林示例 68
逻辑回归：概述 72
二元形式的逻辑回归 73
逻辑回归估计 75
多元逻辑回归 76
Spark中的逻辑回归算法 77
支持向量机 80
复杂决策面 81
支持向量机背后的数学原理 82
Spark中的支持向量机 84
Spark对PMML的支持 85
PMML结构 87
PMML的生产者及消费者 92
Spark对朴素贝叶斯的PMML支持 94
Spark对线性回归的PMML支持 95
在Spark中使用MLbase进行机器学习 97
参考文献 99
4 实现实时的机器学习算法 101
Storm简介 101
数据流 103
拓扑 104
Storm集群 105
简单的实时计算例子 106
数据流组 108
Storm的消息处理担保 109
基于Storm的设计模式 111
分布式远程过程调用 111
Trident：基于Storm的实时聚合 115
实现基于Storm的逻辑回归算法 116
实现基于Storm的支持向量机算法 120
Storm对朴素贝叶斯PMML的支持 122
实时分析的应用 126
工业日志分类 126
互联网流量过滤器 130
Storm的替代品 131
Spark流 133
DStreams的动机 133
参考文献 135
5 图处理范式 138
Pregel：基于BSP的图处理框架 139
类似的做法 141
开源的Pregel实现 143
Giraph 143
GoldenORB 145
Phoebus 145
Apache Hama 146
Stanford GPS 146
GraphLab 147
GraphLab：多核版本 148
分布式的GraphLab 150
PowerGraph 152
通过GraphLab实现网页排名算法 156
顶点程序 158
基于GraphLab实现随机梯度下降算法 163
参考文献 167
6 结论：超越Hadoop Map-Reduce的大数据分析 171
Hadoop YARN概览 172
Hadoop YARN的动机 172
作为资源调度器的YARN 174
YARN上的其他框架 175
大数据分析的未来是怎样的 177
参考文献 180
附录A 代码笔记 182