本书共13章，主要内容包括数据仓库、Hadoop及其生态圈的相关概念，使用Sqoop从关系数据库全量或增量抽取数据，使用Hive行数据转换和装载处理，使用Oozie调度作业周期性执行，使用Impala行快速联机数据分析，使用Hue将数据可视化，以及数据仓库中的渐变维（SCD）、代理键、角色扮演维度、层次维度、退化维度、无事实的事实表、迟到的事实、累积的度量等常见问题在Hadoop上的处理等。本书适合数据库管理员、大数据技术人员、Hadoop技术人员、数据仓库技术人员，也适合高等院校和培训学校相关专业的师生教学参考。
Kettle易用性好，编码工作量小，功能完备，基于Java，允许多线程与并发执行以提高效率。本书以CDH作为Hadoop平台，结合销售订单示例，详细介绍并演示如何使用Kettle完成Hadoop数据仓库的ETL过程。本书适合大数据分析系统发、数据仓库系统设计与发、DBA、架构师等相关技术人员阅读。
本书详解Greenplum构建实时数据仓库，涉及的具体技术包括： MySQL主从复制，保证为业务系统提供可靠的数据库服务，并提供数据来源。 Canal Server实时获取增量MySQL binlog，并将其传Kafka消息队列。 Kafka将消息持久化，同时提供可伸缩、高吞吐的消息服务。 Canal ClientAdapter负责消费Kafka中的消息，将数据流传输到Greenplum。 Greenplum提供实时ETL功能，自动维护操作数据存储、维度表与事实表。 Greenplum数据库权限与角色管理、数据导导出、性能优化、监控与维护。 Greenplum集成机器学习库MADlib，对数据行分析与挖掘。
网上关于MySQL的资料比比皆是，但大部分都是针对单一具体问题的解答，例如如何配置MySQL双主复制等，全面系统讲述MySQL高可用这方面的资料并不多见。而且，这些资料大多只给出简单的实现方法，缺少相应的理论背景知识和分析验证过程。这是我写这本书的第二个原因，希望能填补缺口，让读者不但知其然，也知其所以然。 从2000年至今的20年里，我一直从事各种数据库相关的应用发和管理工作，尤其是近年来一直跟MySQL数据库交道。从*简单的单实例，到各种复制，再到集群以及与中间件的配合，在其使用上积累了一些经验和心得。这是我写这本书的第三个原因，希望将它们加以归纳和总结，汇集成书与读者分享。
