Hadoop大數據開發案例教程與項目實戰（在綫實驗+在綫自測） pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

西普教育研究院，時允田，林雪綱 著

圖書標籤:

• Hadoop
• 大數據
• 開發
• 案例
• 實戰
• 數據分析
• 在綫實驗
• 在綫自測
• Java
• 大數據技術

齣版社： 人民郵電齣版社

ISBN：9787115453600

版次：01

商品編碼：12080667

包裝：平裝

開本：16開

齣版時間：2017-05-01

用紙：膠版紙

頁數：284

正文語種：中文

編輯推薦

內容新穎，可操作性強，層層深入，簡明易懂。從實用角度齣發，重點培養動手解決問題的能力。
提供體係完整的100學時在綫實驗，即學即練，書網結閤。
96個案例實戰（課程配套案例36個、擴展案例60個）和50餘套自測題，附贈PPT課件、案例源代碼、視頻等資源。

內容簡介

本書是一本Hadoop學習入門參考書，全書共11章，分為基礎篇和提高篇兩部分。基礎篇包括第1~6章，具體包括Hadoop概述、Hadoop基礎環境配置、分布式存儲HDFS、計算係統MapReduce、計算模型Yarn、數據雲盤。提高篇包括第7~11章，具體包括協調係統Zookeeper、Hadoop數據庫Hbase、Hadoop數據倉庫Hive、Hadoop數據采集Flume、OTA離綫數據分析平颱。全書內容結構閤理，知識點全麵，講解詳細，重點難點突齣。
本書適閤作為院校計算機及相關專業大數據課程的教材，也可供學習者自學參考。

作者簡介

時允田，IT教育培訓高級講師，現任西普教育教研部經理。先後就職清華同方、SK、森縱艾德、八維教育和西普教育等機構，擔任中北大學、南京大學、大連理工軟件學院等多所高校外聘企業講師。擁有十餘年的IT從業和教育培訓經驗，精通Java、Android、HTML5、大數據等技術。

林雪綱，博士，CCF理事，現任北京西普陽光教育科技股份有限公司常務副總裁。十餘年信息安全及教育培訓行業經驗，具有豐富的信息安全和數據領域大型項目谘詢、管理及教學培訓經驗。精通網絡安全、安全架構及技術管理、大數據分析，領導參與多個安全平颱研發、數字城市解決方案、移動互聯網平颱開發項目。

目錄

基礎篇
第1章　Hadoop概述　1
1．1　Hadoop簡介　1
1．2　Hadoop相關項目　2
1．3　Hadoop來源　3
1．4　Hadoop的發展史　4
1．5　Hadoop特點　5
1．6　Hadoop體係架構　6
1．6．1　HDFS體係結構　7
1．6．2　MapReduce體係結構　7
本章小結　8
習題　8
第2章　Hadoop基礎環境配置　9
2．1　準備Linux環境　9
2．1．1　安裝VMware12虛擬機　9
2．1．2　部署CentOS 64位操作係統　11
2．2　Linux配置　16
2．2．1　什麼是Linux　16
2．2．2　Linux發行版　16
2．2．3　配置網絡　16
2．2．4　Linux終端　17
2．3　Hadoop環境搭建　21
2．3．1　JDK安裝和測試　21
2．3．2　Hadoop安裝和配置　25
2．3．3　SSH免密碼配置　31
本章小結　33
習題　34
第3章　分布式存儲HDFS　35
3．1　HDFS概念　35
3．1．1　HDFS簡介　35
3．1．2　HDFS設計思路和理念　35
3．2　HDFS體係結構　36
3．3　HDFS文件存儲機製　36
3．4　HDFS Shell介紹　39
3．4．1　命令格式　39
3．4．2　HDFS用戶命令　40
3．4．3　HDFS管理員命令　40
3．5　Hadoop項目創建　47
3．6　RPC通信原理　53
3．6．1　什麼是Hadoop的RPC　53
3．6．2　RPC采用的模式　53
3．7　分布式文件係統操作類　59
本章小結　69
習題　69
第4章　計算係統MapReduce　70
4．1　MapReduce概念　70
4．1．1　MapReduce簡介　70
4．1．2　MapReduce 數據類型與格式　71
4．1．3　數據類型Writable接口　71
4．1．4　Hadoop序列化機製　72
4．2　MapReduce架構　72
4．2．1　數據分片　72
4．2．2　MapReduce執行過程　73
4．2．3　Mapper執行過程　73
4．2．4　Reducer執行過程　74
4．2．5　Shuffle過程　75
4．3　第一個MapReduce案例　75
4．4　MapReduce接口類　79
4．4．1　MapReduce輸入的處理類　79
4．4．2　MapReduce輸齣的處理類　80
本章小結　87
習題　87
第5章　計算模型Yarn　88
5．1　Yarn概述　88
5．1．1　Yarn簡介　88
5．1．2　Yarn的組成　89
5．2　Yarn的執行過程　89
5．3　新舊MapReduce的對比　90
本章小結　101
習題　101
第6章　數據雲盤　102
6．1　項目概述　102
6．2　功能需求　102
6．3　軟件開發需求　102
6．4　效果展示　103
6．5　係統開發　104
本章小結　125
習題　125
提高篇
第7章　協調係統Zookeeper　126
7．1　Zookeeper概述　126
7．1．1　Zookeeper簡介　126
7．1．2　Zookeeper數據模型　127
7．1．3　Zookeeper特徵　127
7．1．4　Zookeeper工作原理　128
7．2　Zookeeper術語　129
7．2．1　節點　129
7．2．2　角色　129
7．2．3　順序號　129
7．2．4　觀察　129
7．2．5　Leader選舉　129
7．3　事件　130
7．4　Zookeeper Shell操作　130
7．4．1　Zookeeper服務命令　130
7．4．2　Zookeeper客戶端命令　134
7．5　Zookeeper API操作　137
本章小結　156
習題　156
第8章　Hadoop數據庫Hbase　157
8．1　Hbase概述　157
8．1．1　Hbase簡介　157
8．1．2　Hbase優勢和特點　158
8．1．3　Hbase專業術語　158
8．2　Hbase架構　158
8．2．1　角色　159
8．2．2　Hbase物理存儲和邏輯視圖　160
8．3　Hbase Shell操作　163
8．4　Hbase API操作　168
8．5　Hbase 過濾器　182
8．5．1　過濾器的含義　182
8．5．2　過濾器的比較操作符　182
8．5．3　過濾器的比較器　183
本章小結　193
習題　193
第9章　Hadoop數據倉庫Hive　194
9．1　Hive概述　194
9．1．1　Hive簡介　194
9．1．2　Hive數據類型　194
9．1．3　Hive Metastore　195
9．1．4　Hive存儲和壓縮　195
9．1．5　Hive與傳統數據庫對比　195
9．2　Hive的係統架構　196
9．3　Hive的數據模型　200
9．3．1　內部錶　200
9．3．2　外部錶　200
9．3．3　分區錶　201
9．3．4　桶錶　201
9．4　Hive Shell操作　201
9．5　Hive API操作　208
9．6　Hive內置函數和UDF　215
9．6．1　內置函數　215
9．6．2　UDF函數　215
本章小結　222
習題　222
第10章　Hadoop數據采集Flume　223
10．1　Flume概述　223
10．1．1　Flume簡介　223
10．1．2　Flume核心概念　223
10．1．3　Flume 係統要求　224
10．2　Flume架構　224
10．3　Flume常見操作命令　225
10．4　Flume環境搭建　226
10．4．1　設置一個Agent　226
10．4．2　啓動Agent　226
本章小結　231
習題　231
第11章　OTA離綫數據分析平颱　232
11．1　項目概述　232
11．2　功能需求　233
11．3　軟件開發關鍵技術　233
11．4　效果展示　233
11．5　平颱搭建與測試　233
11．5．1　配置ssh免密碼登錄　233
11．5．2　配置JDK　234
11．5．3　配置Hadoop　236
11．5．4　配置Hive　242
11．6　數據收集　247
11．6．1　解壓Flume　247
11．6．2　修改配置文件　248
11．6．3　啓動Flume　248
11．6．4　校驗數據　248
11．7　數據分析　249
11．7．1　數據清洗　249
11．7．2　ETL編程　256
11．7．3　業務分析　261
11．7．4　配置Sqoop　264
11．7．5　從HDFS導齣數據至MySQL　267
11．8　數據展示　268
11．8．1　搭建Web開發環境　268
11．8．2　添加代碼　272
11．8．3　項目結構　282
11．8．4　啓動Tomcat　283
11．8．5　訪問Web頁麵　283
本章小結　283
習題　284

雲端啓程：大數據時代的數據科學傢與工程師進階之路 在這個數據爆炸式增長的時代，數據已成為驅動企業決策、重塑行業格局的關鍵資源。掌握大數據技術的開發與應用，不僅是資深技術從業者實現職業躍升的必經之路，更是 aspiring 數據科學傢與工程師贏得未來競爭力的核心競爭力。本書旨在為讀者構建一個全麵、係統、實用的學習框架，從理論基石到前沿實踐，帶領您深入理解並熟練運用大數據領域的核心技術棧，助力您在大數據浪潮中乘風破浪，成為真正的技術驅動者。 一、 洞悉全局：從零開始構建大數據思維體係 我們深知，技術的學習並非一蹴而就，而是一個循序漸進、由錶及裏的過程。因此，本書在內容的組織上，始終堅持“宏觀把握，微觀深耕”的原則。 基礎理論的堅實奠基： 在正式進入技術細節之前，我們將帶領您迴顧並鞏固大數據技術的基礎概念。這包括但不限於： 分布式係統的基本原理： 理解數據如何在多颱計算機上分散存儲和處理，以及CAP定理、BASE理論等核心分布式一緻性模型，為後續學習分布式框架打下堅實基礎。 數據處理範式的演進： 從批處理到流處理，深入剖析不同處理模式的特點、優勢與適用場景，為理解Spark、Flink等框架的底層設計提供理論支持。 數據倉庫與數據湖的概念： 區分兩者的設計理念、架構模式及其在現代數據架構中的作用，幫助您更好地理解數據存儲與管理。 數據存儲技術的分類與選擇： 瞭解關係型數據庫、NoSQL數據庫（如HBase、MongoDB）、列式存儲（如Parquet、ORC）等不同存儲技術的特性，以及它們在不同大數據應用場景下的適用性。 核心技術棧的全麵解析： 本書將聚焦於大數據開發領域中最具代錶性和影響力的技術，並進行由淺入深的講解。 Hadoop生態係統的深度探索： HDFS（Hadoop Distributed File System）： 深入剖析其架構設計、數據存儲機製、副本策略、讀寫流程、文件管理等核心原理，並通過實踐案例演示如何進行高效的文件上傳、下載、權限管理以及故障恢復。 MapReduce編程模型： 詳細講解Map、Shuffle、Reduce三個階段的工作原理，以及如何設計高效的Mapper和Reducer。通過經典的Word Count、PageRank等案例，帶領您掌握MapReduce程序的開發流程，並指導您如何優化MapReduce作業的性能。 YARN（Yet Another Resource Negotiator）： 深入理解其資源調度和作業管理機製，包括ResourceManager、NodeManager、ApplicationMaster的工作流程。掌握如何提交、監控和管理YARN上的各種大數據應用程序，並學習YARN的資源隊列配置與優化。 Spark（Apache Spark）的性能飛躍： Spark Core： 講解Spark的RDD（Resilient Distributed Dataset）抽象，理解其惰性求值、寬依賴與窄依賴、血緣關係（Lineage）等核心概念。掌握Spark的算子操作，並學習如何利用Spark SQL進行結構化數據處理。 Spark Streaming與Structured Streaming： 深入理解流式計算的原理，包括微批處理（Micro-batching）和連續處理（Continuous Processing）的差異。掌握如何構建實時數據管道，處理Kafka、Flume等數據源，並實現實時數據分析與預警。 Spark MLlib： 介紹Spark的機器學習庫，學習如何利用其提供的豐富算法（如分類、迴歸、聚類、降維等）進行模型訓練與預測，並結閤實際案例演示機器學習在業務場景中的應用。 Spark GraphX： 探索Spark在圖計算領域的應用，學習如何構建圖模型，進行圖遍曆、圖分析等操作，並演示其在社交網絡分析、推薦係統等領域的應用。 數據倉庫與數據湖構建技術： Hive（Apache Hive）： 講解HiveQL語言，理解其與SQL的異同。學習如何創建和管理Hive錶，進行數據ETL（Extract, Transform, Load）操作，並將Hive與HDFS、HBase等集成，構建企業級數據倉庫。 HBase（Apache HBase）： 深入理解HBase的分布式、列式存儲架構，以及其在實時讀寫、大數據量隨機訪問方麵的優勢。學習HBase的數據模型、API操作，並結閤實際場景演示其在高並發、低延遲數據訪問中的應用。 數據湖概念與架構： 介紹構建數據湖的理念、關鍵技術（如Parquet、ORC、Avro等數據格式，Delta Lake、Iceberg等湖倉一體技術），以及如何利用這些技術構建一個統一、可擴展、支持多種數據格式和查詢引擎的數據存儲與管理平颱。 數據集成與處理工具： Kafka（Apache Kafka）： 深入理解Kafka作為分布式流處理平颱的架構，包括Topic、Partition、Producer、Consumer、Broker等核心組件。掌握Kafka的消息生産、消費模式，學習如何構建高吞吐量、低延遲的消息隊列，並實現與Spark、Flink等係統的集成。 Flume（Apache Flume）： 學習Flume作為分布式日誌收集係統的配置與使用，掌握其Source、Channel、Sink的設計理念，並演示如何利用Flume收集各種來源的日誌數據，並將其高效地傳輸到HDFS、Kafka等存儲係統中。 Sqoop（Apache Sqoop）： 學習Sqoop在關係型數據庫與Hadoop之間進行數據導入導齣（ETL）的能力。掌握Sqoop的命令參數，並演示如何將MySQL、Oracle等傳統數據庫的數據高效地同步到HDFS或Hive中。 二、 實戰為王：理論結閤實踐，能力全麵提升 本書堅信“紙上得來終覺淺，絕知此事要躬行”。因此，我們不僅提供詳實的理論講解，更注重理論與實踐的緊密結閤。 豐富的案例驅動式學習： 經典場景深度還原： 從海量日誌分析、實時用戶行為分析，到大規模電商推薦係統、金融風控數據處理，本書涵蓋瞭大數據開發領域的多個典型應用場景。每個案例都從業務需求齣發，逐步引導讀者搭建解決方案，實現具體的技術落地。 循序漸進的難度設計： 案例的選取與難度設計遵循“由易到難，層層遞進”的原則。初學者可以從簡單的HDFS文件操作、MapReduce程序開發入手，逐步過渡到Spark的流式計算、機器學習應用，最終挑戰復雜的數據湖架構設計。 代碼示例詳盡清晰： 所有代碼示例都經過精心設計和嚴格測試，確保其可讀性、可執行性和復用性。代碼風格規範，注釋清晰，幫助讀者理解代碼邏輯，並能直接應用於實際開發。 在綫實驗環境的無縫銜接： 零配置的便捷體驗： 我們提供瞭高度集成的在綫實驗環境，您無需在本地配置復雜的開發環境。隻需通過瀏覽器，即可訪問預裝瞭Hadoop、Spark、Kafka等主流大數據組件的虛擬機集群。 豐富的預設實驗： 針對書中的每一個技術點和案例，都精心設計瞭對應的在綫實驗。實驗步驟清晰，指導明確，讓您能夠安全、高效地進行動手實踐，加深對理論知識的理解。 獨立可控的實驗空間： 每個用戶都擁有獨立的實驗空間，可以自由地創建、修改、刪除文件和應用程序，進行反復試驗和調試，而不必擔心影響他人。 錯誤排除與調優指導： 在實驗過程中，如遇問題，係統提供瞭相應的提示和指導，幫助您快速定位和解決問題，提升解決實際開發中遇到的技術挑戰的能力。 在綫自測與知識鞏固： 章節隨堂測試： 每完成一個章節的學習，您都可以通過配套的在綫自測題來檢驗學習效果。測試題目涵蓋瞭該章節的核心知識點，形式多樣，包括選擇題、填空題、簡答題等。 模擬項目挑戰： 在完成部分關鍵模塊的學習後，將提供模擬項目挑戰，要求您獨立運用所學知識完成一個小型但完整的開發任務，進一步檢驗您的綜閤應用能力。 即時反饋與錯題解析： 自測係統會提供即時反饋，幫助您瞭解自己的掌握程度。對於答錯的題目，會提供詳細的解析，幫助您理解錯誤原因，鞏固知識點。 三、 麵嚮未來：前沿技術與發展趨勢展望 大數據技術日新月異，本書在內容上也積極擁抱前沿，為讀者指明未來的學習方嚮。 數據治理與安全： 隨著數據規模的增長，數據治理和數據安全的重要性日益凸顯。本書將觸及數據質量管理、元數據管理、數據血緣追蹤、訪問控製、數據加密等關鍵議題，幫助讀者建立安全可靠的大數據應用體係。 容器化與微服務在大數據中的應用： 探討Docker、Kubernetes等容器化技術如何賦能大數據應用的部署、管理和彈性伸縮，以及微服務架構如何優化大數據平颱的模塊化和可維護性。 雲原生大數據平颱： 介紹在大數據領域，如何利用公有雲、私有雲或混閤雲提供的服務，構建和運維高效、低成本的雲原生大數據平颱。 AI與大數據的融閤： 展望人工智能技術與大數據深度融閤的發展趨勢，以及如何利用大數據技術支撐更復雜的AI模型訓練和部署。 本書適閤人群： 在校大學生： 計算機科學、軟件工程、數據科學、統計學等相關專業的學生，希望係統學習大數據開發技術，為未來的職業生涯打下堅實基礎。 初級大數據開發工程師： 希望提升技術深度，掌握更多大數據核心技術，解決更復雜業務問題，實現職業晉升的工程師。 傳統IT開發人員： 希望轉型進入大數據領域，學習新興技術，拓展技術視野的軟件工程師、後端開發人員等。 數據分析師與數據科學傢： 希望深入瞭解數據處理底層機製，掌握更高效的數據處理工具，並能夠獨立完成大規模數據分析與建模的專業人士。 技術愛好者與學習者： 對大數據技術充滿熱情，希望自主學習和掌握大數據開發技能的個人。 結語： 大數據時代已經到來，掌握核心技術是我們在其中立足的關鍵。本書將是您在大數據開發領域最可靠的夥伴，它不僅提供瞭知識的廣度和深度，更賦予瞭您實踐的能力和解決問題的信心。讓我們一起踏上這段精彩的雲端旅程，開啓您的智能數據開發之路！

評分☆☆☆☆☆

說實話，我當初買這本書，主要是被它的“在綫實驗+在綫自測”這兩個賣點所吸引。我之前也看過一些Hadoop的書，但總覺得紙上談兵，學完之後還是不知道如何下手。而且，我一個人學習，沒有老師指導，遇到問題也很難解決。這本書恰好解決瞭我的痛點。我希望它能夠提供一個完整的學習閉環，從基礎概念的講解，到實際案例的演示，再到在綫的動手實踐，最後通過自測來鞏固。我特彆期待書中能夠有貼閤實際需求的案例，比如一些電商數據分析、日誌處理之類的，這樣我學起來會更有動力，也更容易將所學知識應用到實際工作中。我希望這本書的實驗環境能夠穩定易用，讓我能夠專注於學習內容本身，而不是被環境配置的問題所睏擾。我希望通過這本書，我能夠真正掌握Hadoop大數據開發的核心技能，並且能夠獨立完成一些小型的大數據項目，為我今後的學習和工作打下堅實的基礎。

評分☆☆☆☆☆

這本書我拿來之後，就迫不及待地翻開瞭。我一直對大數據這個領域非常感興趣，但又覺得理論的東西比較枯燥，一直沒找到一個好的切入點。偶然間看到這本書的封麵，感覺設計得挺專業的，而且“案例教程”和“項目實戰”這幾個詞直接戳中瞭我的痛點。我希望通過實際的項目來學習，而不是死記硬背那些概念。這本書的目錄也讓我眼前一亮，它涵蓋瞭Hadoop生態係統的核心技術，比如HDFS、MapReduce、Hive、HBase等等，這些都是我想要深入瞭解的。而且，它還提到瞭“在綫實驗+在綫自測”，這對我來說簡直是福音。我總是擔心自己理論學得不錯，但動手能力不行，有瞭在綫實驗，我可以隨時隨地進行操作，驗證自己的學習成果，遇到問題也能及時發現和解決。我特彆期待能夠通過這本書，從零開始搭建自己的Hadoop集群，然後用真實的數據進行分析，做齣一些有價值的圖錶和報告。我希望這本書能像一位經驗豐富的導師一樣，一步一步地引導我，讓我能夠真正掌握Hadoop大數據開發的技能，為我未來的職業發展打下堅實的基礎。我預感，這本書會成為我在大數據學習路上的一個重要裏程碑。

評分☆☆☆☆☆

我一直認為，學習一門新技術，尤其是像Hadoop這樣龐大復雜的體係，如果隻是停留在理論層麵，是很難真正掌握的。我之前嘗試過看一些其他的Hadoop書籍，但往往讀到一半就覺得索然無味，因為它們太側重於概念的講解，缺乏足夠的實操指導。直到我拿到這本《Hadoop大數據開發案例教程與項目實戰》，我纔覺得找到瞭我一直以來尋找的學習方式。這本書最吸引我的地方在於它對“項目實戰”的強調，這意味著學習過程會非常貼近實際工作中的需求。我期待這本書能夠帶領我完成一個完整的Hadoop項目，從數據采集、存儲，到數據處理、分析，再到結果的展現，讓我能夠全方位地體驗大數據開發的流程。而且，我非常看重它提供的“在綫實驗”和“在綫自測”功能，這不僅僅是提供瞭一個方便的練習平颱，更重要的是，它能夠幫助我及時發現和糾正學習中的誤區，鞏固知識點，確保我真正理解每一個環節。我希望通過這本書的學習，我能夠對Hadoop生態係統有一個係統而深入的認識，並且能夠熟練運用其中的各項技術，勝任大數據開發的相關工作。

評分☆☆☆☆☆

我是一個對新技術充滿好奇的學習者，尤其是在大數據領域，我渴望能夠掌握一些核心的技術，以便在未來的職業發展中占據一席之地。當我看到這本書的標題時，“案例教程”和“項目實戰”這兩個詞立刻吸引瞭我，這正是我想要的學習模式。我一直覺得，理論知識的掌握，最終還是要落實到實踐中去，而一個好的項目實戰，能夠幫助我們更好地理解技術背後的邏輯，並且鍛煉我們的解決問題的能力。我特彆喜歡這本書提供的“在綫實驗+在綫自測”的模式，這對於我這樣沒有太多機會接觸真實大數據環境的學習者來說，無疑是雪中送炭。我可以隨時隨地地進行實驗，驗證自己的代碼，並且通過自測來檢驗自己的學習效果。我希望通過這本書，我能夠真正理解Hadoop是如何工作的，並且能夠熟練地運用HDFS、MapReduce、Hive等工具進行數據處理和分析。我期待這本書能夠為我打開大數據世界的大門，讓我能夠在這個充滿機遇的領域裏，找到屬於自己的位置。

評分☆☆☆☆☆

自從工作以來，我一直感覺自己在技術方麵有些瓶頸，尤其是大數據這塊，雖然有所耳聞，但始終沒有機會係統地學習。這次看到這本書，我抱著試試看的心態入手瞭。說實話，我一開始對“案例教程”和“項目實戰”這種錶述有點擔心，生怕寫得太淺顯，滿足不瞭我想要深入瞭解的需求。但當我翻開之後，發現我的擔憂是多餘的。這本書的編寫風格非常紮實，它並沒有迴避那些復雜的技術細節，而是用一種循序漸進的方式，將Hadoop的核心概念和技術一一呈現。我尤其欣賞它在講解每個技術點時，都會緊密結閤實際應用場景，讓我能夠清晰地理解這個技術解決瞭什麼問題，在實際項目中扮演什麼角色。那些“在綫實驗”的部分，更是讓我激動不已，因為我一直覺得學習編程最重要的就是動手實踐，光看不練是學不好的。有瞭這些在綫實驗環境，我感覺就像擁有瞭一個隨時可以調試代碼、驗證想法的實驗室，這對於我這樣一個在職開發者來說，實在是太方便瞭。我希望通過這本書，能夠真正理解Hadoop的工作原理，並且能夠獨立完成一些大數據相關的項目，提升自己的技術能力和市場競爭力。

評分☆☆☆☆☆

學習是動力，繼續加油學習

評分☆☆☆☆☆

內容過於簡單

評分☆☆☆☆☆

可以，看完瞭

評分☆☆☆☆☆

書還是比較簡練的，適閤快速上手，隻是那個在綫實驗一直沒給開通，隻好自己搭環境嘍

評分☆☆☆☆☆

講解詳細，實用性操作性強，適閤初學者。

評分☆☆☆☆☆

可以，看完瞭

評分☆☆☆☆☆

好用，實用

評分☆☆☆☆☆

書很好，還沒來的及看，希望能學到東西啦啦啦

評分☆☆☆☆☆

這本書一拿來都爛瞭一條大口，還有褶皺，我去瞭，將就看