[大牛翻译系列]Hadoop 翻译文章索引

原书章节	原书章节题目	翻译文章序号	翻译文章题目	链接
4.1	Joining	Hadoop（1）	MapReduce 连接：重分区连接（Repartition join）	http://www.cnblogs.com/datacloud/p/3578509.html
4.1.1	Repartition join	Hadoop（1）	MapReduce 连接：重分区连接（Repartition join）	http://www.cnblogs.com/datacloud/p/3578509.html
4.1.2	Replicated joins	Hadoop（2）	MapReduce 连接：复制连接（Replication join）	http://www.cnblogs.com/datacloud/p/3579333.html
4.1.3	Semi-joins	Hadoop（3）	MapReduce 连接：半连接（Semi-join）	http://www.cnblogs.com/datacloud/p/3579975.html
4.1.4	Picking the best join strategy for your data	Hadoop（4）	MapReduce 连接：选择最佳连接策略	http://www.cnblogs.com/datacloud/p/3582113.html
4.2	Sorting	Hadoop（5）	MapReduce 排序：次排序（Secondary sort）	http://www.cnblogs.com/datacloud/p/3584640.html
4.2.1	Secondary sort	Hadoop（5）	MapReduce 排序：次排序（Secondary sort）	http://www.cnblogs.com/datacloud/p/3584640.html
4.2.2	Total order sorting	Hadoop（6）	MapReduce 排序：总排序（Total order sorting）	http://www.cnblogs.com/datacloud/p/3586761.html
4.3	Sampling	Hadoop（7）	MapReduce：抽样（Sampling）	http://www.cnblogs.com/datacloud/p/3588120.html
6.1	Measuring MapReduce and your environment	Hadoop（8）	MapReduce 性能调优：性能测量（Measuring）	http://www.cnblogs.com/datacloud/p/3589875.html
6.2	Determining the cause of your performance woes	Hadoop（9）	MapReduce 性能调优：理解性能瓶颈，诊断map性能瓶颈	http://www.cnblogs.com/datacloud/p/3591981.html
6.2.1	Understanding what can impact MapReduce job performance	Hadoop（9）	MapReduce 性能调优：理解性能瓶颈，诊断map性能瓶颈	http://www.cnblogs.com/datacloud/p/3591981.html
6.2.2	Map woes	Hadoop（9）	MapReduce 性能调优：理解性能瓶颈，诊断map性能瓶颈	http://www.cnblogs.com/datacloud/p/3591981.html
6.2.3	Reducer woes	Hadoop（10）	MapReduce 性能调优：诊断reduce性能瓶颈	http://www.cnblogs.com/datacloud/p/3595682.html
6.2.4	General task woes	Hadoop（11）	MapReduce 性能调优：诊断一般性能瓶颈	http://www.cnblogs.com/datacloud/p/3596294.html
6.2.5	Hardware woes	Hadoop（12）	MapReduce 性能调优：诊断硬件性能瓶颈	http://www.cnblogs.com/datacloud/p/3597909.html
6.4.3	Optimizing the shuffle and sort phase	Hadoop（13）	MapReduce 性能调优：优化洗牌（shuffle）和排序阶段	http://www.cnblogs.com/datacloud/p/3599920.html
6.4.4	Skew mitigation	Hadoop（14）	MapReduce 性能调优：减小数据倾斜的性能损失	http://www.cnblogs.com/datacloud/p/3601624.html
6.4.5	Optimizing user space Java in MapReduce	Hadoop（15）	MapReduce 性能调优：优化MapReduce的用户JAVA代码	http://www.cnblogs.com/datacloud/p/3603191.html
6.4.6	Data serialization	Hadoop（16）	MapReduce 性能调优：优化数据序列化	http://www.cnblogs.com/datacloud/p/3608591.html
6.5	Chapter summary	Hadoop（16）	MapReduce 性能调优：优化数据序列化	http://www.cnblogs.com/datacloud/p/3608591.html
5.1	Working with small files	Hadoop（17）	MapReduce 文件处理：小文件	http://www.cnblogs.com/datacloud/p/3611459.html
5.2	Efficient storage with compression(tech 25, 26)	Hadoop（19）	MapReduce 文件处理：基于压缩的高效存储（一）	http://www.cnblogs.com/datacloud/p/3612817.html
5.2	Efficient storage with compression(tech 27)	Hadoop（19）	MapReduce 文件处理：基于压缩的高效存储（一）	http://www.cnblogs.com/datacloud/p/3616544.html
Appendix A.10	LZOP	Hadoop（20）	附录A.10 压缩格式LZOP编译安装配置	http://www.cnblogs.com/datacloud/p/3617586.html
Appendix D.1	An optimized repartition join framework	Hadoop（21）	附录D.1 优化后的重分区框架	http://www.cnblogs.com/datacloud/p/3617079.html
Appendix D.2	A replicated join framework	Hadoop（22）	附录D.2 复制连接框架	http://www.cnblogs.com/datacloud/p/3617078.html