hadoopilluminated.com

Hadoop illuminated 的作者是 Mark Kerzner 和 Sujee Maniyam，两人也是 Elephant Scale 公司的创始人。这本书并非只有两位作者完成，而是由他们与若干贡献者共同编写。如果对书的内容有疑问或想反馈，可以发邮件到 [email protected] 联系作者。

作者身份与背景

Elephant Scale 是一家专注 Hadoop / 大数据生态的公司。除了写书，两位作者还提供大数据与数据科学方面的培训，包括 Big Data Essentials 训练营、Hadoop、Spark、Machine Learning in Spark 等课程，形式有公开培训和企业内部培训。

这本书是什么

Hadoop illuminated 是一本关于 Apache Hadoop 的开源书籍，定位是让 Hadoop 知识触达更广泛的读者，而不只是技术人员。它被作者称为“living book”（持续更新的书），会跟随快速演进的 Hadoop 生态不断补充内容。

书中涉及的章节包括 Hadoop 使用案例、大数据生态、公开可用的大数据集等。书籍采用 Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported 许可协议（与 MIT Open Courseware 相同）。

需要说明的是，该网站与 Apache Software Foundation 没有关联。Apache Hadoop 是 Apache Software Foundation 的开源软件，Apache、Apache Hadoop、Hadoop 是其商标，经许可使用，使用这些标记不代表 Apache Software Foundation 的认可。

如何获取这本书

书籍可在线免费阅读，提供 HTML 和 PDF 两种格式。书籍源码（docbook 格式）托管在 GitHub 仓库：https://github.com/elephantscale/hadoop-book

网站还设有反馈入口，读者可以就书籍内容发送意见。

读者反馈

网站收录了一些读者评价，可作为判断书籍风格的参考：

• Ramanan（NTTData.com）认为这本书用 72 页就提炼出了 Hadoop 的精髓。
• 一位财富 500 强公司的产品经理表示，这本书让 Hadoop 和大数据变得容易理解。
• 一位匿名读者特别喜欢“Hadoop Use Cases”章节。
• 一位来自土耳其的开发者说，这本书对他准备大数据黑客松演讲帮助很大。

这些反馈的共同点是：书籍篇幅精简、对非高度技术背景的读者友好。如果你需要的是快速建立 Hadoop 整体认知，而不是深入源码级细节，这本书的定位与这些评价是吻合的。

开源软件指源代码公开、允许他人查看、修改和再分发的软件。它不等于免费，也不等于没有版权——是否收费、能否商用、二次发布要满足什么条件，取决于具体的开源许可证。对普通人来说，判断一款开源软件值不值得用，关键看三点：许可证是否匹配你的用途、项目是否仍在活跃维护、以及它能否解决你的具体任务。下面按这三个维度展开。

开源软件和"免费软件"不是一回事

很多人把开源等同于免费，这是最常见的误区。开源描述的是源代码的获取与使用权利，免费描述的是价格。两者可以重合，也可以分离：

• 有的开源软件完全免费，靠社区或捐赠维护；
• 有的开源软件本身免费，但官方提供付费的技术支持、托管或企业版；
• 也有软件免费但不开源（只给可执行文件，不给源代码）。

所以看到"开源"两个字，不要直接推断"免费"或"可以随便用"。真正决定你能怎么用的，是它附带的许可证。

常见许可证决定你能做什么

许可证是开源软件的使用规则。同样是开源，不同许可证对"修改后要不要也开源""能不能闭源商用"的要求差别很大。下面是最常见的几类：

对普通用户来说，日常使用（自己装来用、不修改不分发）几乎不受许可证限制。真正需要留意许可证的是两类人：把开源代码嵌进自己产品再发布的开发者，以及想基于开源项目做二次分发的人。如果你属于这两类，务必先读项目根目录下的 LICENSE 文件，而不是凭印象判断。

开源不等于安全，也不等于好用

"源代码公开所以更安全"是一种想当然。公开确实让更多人能审查代码，但有没有人真的去审查、发现问题后有没有人及时修，才是安全的关键。判断一个开源项目是否可靠，可以看这些信号：

• 最近提交时间：仓库几个月甚至几年没更新，遇到漏洞可能没人修；
• issue 和 PR 的响应：大量长期未处理的 issue，说明维护者精力有限或已放弃；
• 发布节奏：是否有稳定的版本发布，还是长期停在某个旧版本；
• 社区规模：文档、论坛、问答是否活跃，出问题能不能找到人。

反过来，一个更新频繁、社区活跃的小众开源工具，往往比一个多年不更新的大牌项目更值得信任。

按用途挑选开源替代品

选开源软件，先明确你要完成的任务，再看有没有成熟替代品。以图像处理为例，ImageOptim 就是一类面向"压缩图片、减小文件体积"任务的开源工具，它的定位是替代"导出为 Web 格式"这类操作，而不是替代完整的图像编辑软件。这说明一个重要思路：开源替代品常常只覆盖某个具体环节，而不是一比一替换整个商业软件。

按用途大致可以这样找：

• 图像/媒体处理：先想清楚是"编辑"还是"压缩/转换"，前者找编辑器，后者找专用工具；
• 办公文档：找能读写通用格式（如 docx、xlsx）的套件，注意复杂排版可能走样；
• 开发工具：这类开源生态最成熟，编辑器、版本控制、包管理基本都有开源方案；
• 系统工具：压缩、清理、格式转换等小工具，开源选择非常多。

挑选时的通用检查清单：

1. 它能不能完成你的核心任务（先看功能，不看名气）；
2. 最近一次更新是什么时候；
3. 有没有清晰的安装说明和文档；
4. 出问题时去哪里求助（issue 区、论坛、聊天群）。

安装和使用中的常见卡点

开源软件的安装方式比商业软件更杂，遇到问题先分清是哪一类：

• 来源不明：只从项目官网或官方代码仓库下载，不要用来路不明的第三方打包版本；
• 依赖缺失：部分工具需要先装运行环境或其他组件，报错信息通常会指出缺什么；
• 权限与系统限制：某些系统会拦截未签名应用，需要手动允许，操作前确认来源可信；
• 版本混乱：同一工具有稳定版和开发版，日常使用优先选稳定版。

遇到问题时的求助顺序

1. 先查官方文档：多数基础问题文档里就有答案；
2. 搜 issue 区：你的问题很可能别人已经提过，看有没有解决方案或临时绕过办法；
3. 看社区论坛/聊天群：适合文档没覆盖的使用经验类问题；
4. 自己提 issue：写清版本、系统、复现步骤和报错信息，越具体越容易被回应。

提 issue 时不要只写"用不了"，而要写"在什么系统、什么版本、执行了什么操作、期望什么结果、实际报了什么错"。这几乎决定了你能不能得到有效帮助。

一句话决策

日常自己用、不修改不分发，选开源软件主要看功能是否够用 + 项目是否还在维护；要把代码嵌进自己的产品再发布，才需要认真读许可证。开源是权利和协作方式，不是质量或免费的保证——把它当成一个需要核实的选项，而不是一个可以放心的标签。

Hadoop illuminated 的作者 Mark Kerzner 和 Sujee Maniyam 同时是 Elephant Scale 的创始人，他们通过该网站提供大数据与数据科学方向的专家培训，形式包括公开课和私有（企业内训）两类。如果你已经通过这本书入门 Hadoop，想进一步系统学习或为团队安排内训，可以关注这条路径；如果只是想要免费自学材料，书本身已经在线免费提供，不必以培训为前提。

培训内容覆盖哪些方向

根据网站说明，作者提供的培训主题包括：

• Big Data Essentials bootcamp：大数据基础训练营，适合需要建立整体认知的入门者。
• Hadoop：围绕 Hadoop 生态的专门课程。
• Spark：Spark 计算框架相关培训。
• Machine Learning in Spark：在 Spark 上做机器学习的课程。

这些主题与书的内容形成互补：书侧重把 Hadoop 知识讲给非高度技术背景的读者，培训则进一步覆盖数据科学和 Spark 机器学习等更专门的方向。

公开培训与私有培训的区别

网站明确区分两种形式：

如果你的目标是个人学习，公开培训更合适；如果是公司需要为一批工程师集中培训，可以走私有培训。网站提示可在页面上查看所有可用培训，具体排期、形式和费用需以该入口的实际信息为准。

怎么获取培训和联系作者

1. 打开 hadoopilluminated.com。
2. 查看 “Get trained by the authors” 部分，其中列出了培训方向和 “Checkout all available trainings” 入口。
3. 如需直接沟通，可发邮件至 [email protected]，该地址同时用于作者联系和反馈。

需要注意：网站资料只说明提供这些培训并给出查看入口，并未列出具体价格、报名流程或开课时间，这些信息需要在实际培训页面或邮件咨询中确认。

先读书还是先培训

一个实用的判断顺序是：

• 先读书：书在线免费提供 HTML 和 PDF 版本，还包含 Hadoop 使用案例、大数据生态、公开大数据集等章节，适合先建立基础。书中附有读者反馈，例如有读者提到 72 页就把 Hadoop 的精髓提炼出来，也有产品经理表示这本书让 Hadoop 和大数据变得容易理解。
• 再考虑培训：当你需要成体系地深入 Hadoop、Spark 或 Spark 机器学习，或者需要为团队安排内训时，再去看作者提供的培训。

书采用 Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported 许可（与 MIT Open Courseware 相同），可自由在线阅读；书源码以 docbook 格式托管在 GitHub（github.com/elephantscale/hadoop-book）。网站也声明与 Apache Software Foundation 无关联，Apache Hadoop 及相关商标归 Apache Software Foundation 所有。

会。Hadoop illuminated 自称是一本“living book”（活书），作者明确表示会持续更新，以覆盖快速演变的大数据生态系统。这意味着它的内容不是一次性定稿，而是随着 Hadoop 生态的发展不断补充和修订。

更新方式

• 持续修订：网站说明会“keep updating it to cover the fast evolving Hadoop eco system”，即跟随生态变化更新内容。
• 反馈驱动：页面提供 “Send feedback” 入口，读者可以发送反馈，帮助改进书籍。
• 源码可跟踪：书籍源码以 docbook 格式托管在 GitHub 仓库 https://github.com/elephantscale/hadoop-book，可以通过仓库查看和跟踪变更。

更新覆盖哪些内容

从网站列出的章节看，更新方向围绕大数据生态展开，例如：

• Hadoop use cases（Hadoop 使用案例）
• Big Data Eco-system（大数据生态系统）
• publicly available Big Data sets（公开大数据集）

这些主题本身就处在快速变化中，也是“活书”需要持续维护的部分。

想确认最新状态怎么做

1. 打开 hadoopilluminated.com，查看 “Read the Book” 部分，HTML 和 PDF 版本都在线提供。
2. 访问 GitHub 仓库 https://github.com/elephantscale/hadoop-book，查看提交记录和源码变化。
3. 如果发现内容需要补充或修正，通过页面上的反馈入口联系作者。

需要注意

• 网站版权标注为 2016 年，页面本身没有给出具体的更新频率或最近更新时间。
• 书籍采用 Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported 许可（与 MIT Open Courseware 相同），允许在署名、非商业、相同方式共享的条件下使用。
• 该网站与 Apache Software Foundation 无关联；Apache Hadoop 是 Apache Software Foundation 的商标。

如果你关心的是某个具体章节是否已跟上最新版本，最直接的办法是对照 GitHub 仓库的提交记录，而不是只看网页上的静态内容。

Hadoop illuminated 是一本关于 Apache Hadoop 的开源书籍，可以直接在 hadoopilluminated.com 上免费在线阅读，无需注册或登录。网站提供 HTML 和 PDF 两种格式，书籍源代码以 docbook 格式托管在 GitHub 上。它定位为“living book”（持续更新的书），会跟随 Hadoop 生态的演进而补充内容，目标是让 Hadoop 知识不只服务于高度技术背景的读者。如果你刚开始接触 Hadoop 或大数据，想找一份轻量、可快速通读的入门材料，这本书比较合适；如果你需要的是某个具体版本的官方权威文档，则应转向 Apache 官方资料。

这本书是什么

根据网站自述，Hadoop illuminated 是一本关于 Apache Hadoop 的开源书籍，由 Mark Kerzner 和 Sujee Maniyam 撰写，另有一些贡献者参与。作者是 Elephant Scale 的创始人，该公司围绕 Hadoop / 大数据生态提供培训与解决方案。

网站特别声明：该网站与 Apache Software Foundation 没有关联；Apache、Apache Hadoop 和 Hadoop 是 Apache Software Foundation 的商标，经许可使用，不意味着 Apache 基金会的认可。

书中被网站点名的章节包括：

• Hadoop use cases（Hadoop 使用案例）
• Big Data Eco-system（大数据生态）
• publicly available Big Data sets（公开可用的大数据集）

如何免费阅读

获取方式很直接，网站把入口放在“Read the Book”部分：

1. 打开 hadoopilluminated.com。
2. 找到“Read the Book”区域。
3. 选择 HTML 或 PDF 格式阅读。HTML 适合在浏览器里直接翻看和检索，PDF 适合下载后离线阅读或打印。
4. 如需反馈，网站上提供了“Send feedback”入口。

书籍本身在线免费提供，网站没有提到需要注册账号、订阅或付费才能阅读。至于是否提供其他附加服务，则属于另一回事——见下文“培训”部分。

许可与源码

这本书采用 Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported License 许可，网站注明与 MIT Open Courseware 相同。这意味着在署名、非商业、相同方式共享的条件下，你可以使用和再分发相关内容。

书籍源代码以 docbook 格式放在 GitHub 仓库：

https://github.com/elephantscale/hadoop-book

如果你希望自行构建、参与修订，或查看内容的组织方式，可以从这个仓库入手。

作者提供的培训

网站另设“Get trained by the authors”部分，说明作者提供大数据与数据科学方面的培训，列出的方向包括：

• Big Data Essentials bootcamp
• Hadoop
• Spark
• Machine Learning in Spark

培训分为 private 和 public 两种形式。需要区分的是：书本身是在线免费阅读的，而培训是作者所在公司提供的独立商业服务，两者不是同一件事。如果你只是想把 Hadoop 概念过一遍，读书即可；如果需要系统授课或企业内训，可以再去看培训页面列出的具体课程。

读者反馈说明了什么

网站收录的几条评论能帮你判断这本书的定位：

• 一位来自 NTTData.com 的读者提到，书用 72 页就把 Hadoop 的精髓提炼了出来。
• 一位财富 500 强公司的产品经理说，这本书让 Hadoop 和大数据对他变得可理解。
• 一位开发者说，自己在准备大数据 Hackathon 的演示时，这本书帮了很大忙。

这些反馈指向同一个特点：篇幅短、门槛低、适合快速建立整体认识。反过来说，如果你要找的是覆盖某个组件全部配置项的参考手册，这本书的定位并不在此。

使用时的注意点

• 网站版权标注为 © 2016，书是“living book”但页面本身较旧，阅读时对版本相关的细节（如具体组件版本、命令行为）建议再对照较新的官方文档核实。
• 网站明确与 Apache Software Foundation 无关联，因此书中内容不代表 Apache 官方立场。
• 许可允许非商业性的署名共享，但商业用途不在该许可范围内，需要另行考虑。