Mahout in Action 是一本关于 Mahout ( http://manning.com/owen/ )的好书。当然，该网站对所涵盖的算法进行了概述（http://mahout.apache.org/）。

Vowpal Wabbit，一个非常快速的机器学习程序，专注于在线梯度下降学习，可以与 Hadoop 一起使用：http: //arxiv.org/abs/1110.4198 虽然，我从来没有这样用过。如果我理解正确，它实际上只使用 Hadoop 来提高可靠性并将数据提供给 Vowpal Wabbit 进程。它使用类似 MPI 的 AllReduce 来完成大部分通信。

正如 Jimmy Lin 和 Chris Dyer 在他们关于使用 MapReduce 进行数据密集型文本挖掘一书中的第一章所指出的那样，在大数据范围内，不同算法的性能会收敛，从而几乎可以消除性能差异。这意味着给定足够大的数据集，您要使用的算法是计算成本较低的算法。只有在较小的数据规模上，算法之间的性能差异才重要。

话虽如此，他们的书（链接在上面）和Anand Rajaraman、Jure Leskovec 和 Jeffrey D. Ullman的《海量数据集挖掘》可能也是您想要查看的两本书，尤其是当他们直接关注 MapReduce 时用于数据挖掘目的。

如果您可以访问 Hadoop 集群，我会看看 Spark。https://spark.apache.org/