本書重點介紹了數據采集和數據預處理的相關理論與技術。全書共9章，主要包括數據采集與預處理概述，大數據開發環境的搭建，使用Flume采集系統日志數據，使用Kafka采集系統日志數據，其他常用的系統日志數據采集工具，使用網絡爬蟲采集Web數據，Python數據預處理庫的使用，使用ETL工具Kettle進行數據預處理，以及其他常用的數據預處理工具。本書在第2章至第9章安排了豐富的實踐操作，實現了理論與實踐的有機結合，幫助讀者更好地學習和掌握數據采集與預處理的關鍵技術。本書可以作為高等院校大數據專業的大數據課程教材，也可以作為計算機相關專業的專業課或選修課教材，同時也可以作為從事大數據相關專業的工作人員的參考用書。