本書共有九章，從數(shù)據采集與預處理概述開始，介紹了大數(shù)據環(huán)境的搭建，并對數(shù)據采集與數(shù)據預處理的技術方法進行了系統(tǒng)介紹。數(shù)據采集的內容包括Flume日志數(shù)據采集、Kafka日志數(shù)據采集、Fluentd與Logstach等一系列數(shù)據采集技術；數(shù)據預處理的內容包括網絡爬蟲采集Web數(shù)據、Python數(shù)據預處理技術、Kettle數(shù)據處理技術、Pig和OpenRefine這些數(shù)據預處理技術。旨在讓讀者了解并基本掌握當下主要的數(shù)據采集與預處理技術、工具，以及它們的使用方法。