中图网

>

数据库

>

数据库理论

实时数据处理和分析指南

作者：[印度]希尔皮·萨克塞纳（Shilpi

出版社：人民邮电出版社出版时间：2020-05-01

开本： 24cm 页数： 280页

本类榜单：计算机/网络销量榜

中图价:¥49.0(6.2折) 定价 ~~¥79.0~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

本类五星书更多>

>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥38.8¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥49.3¥69
>
第一行代码Android

第一行代码Android

¥58.4¥99
>
深度学习

深度学习

¥92.4¥168
>
Unreal Engine 4蓝图完全学习教程

Unreal Engine 4蓝图完全学习教程

¥72.2¥168
>
深入理解计算机系统-原书第3版

深入理解计算机系统-原书第3版

¥104.3¥139
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

¥21¥49.9

商品详情
商品评论(0条)

中图价:¥49.0 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

实时数据处理和分析指南版权信息

ISBN：9787115524867
条形码：9787115524867 ; 978-7-115-52486-7
装帧：平装-胶订
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
数据库
>
数据库理论

实时数据处理和分析指南本书特色

《实时数据处理和分析指南》主要介绍实时大数据计算领域的相关技巧和经验，包括Flink、Spark和Storm等流处理框架技术。全书从搭建开发环境开始，逐步实现流处理，循序渐进地引导读者学习如何利用Rabbit MQ、Kafka和NiFi以及Storm、Spark、Flink和Beam等组件协同应用来解决实际问题。本书内容分为6个部分，分别是“导言——熟悉实时分析”“搭建基础设施”“Storm实时计算”“使用Spark实现实时计算”“使用Flink实现实时分析”以及“综合应用”。在阅读本书之前，读者应具备基本的Java和Scala编程基础，还应熟悉Maven、Java和Eclipse的安装和配置流程。

实时数据处理和分析指南内容简介

本书针对数据实时处理和分析进行了全面且深入地介绍, 包括已建立的实时堆栈、各个组件的关键集成等 ; 并且全面介绍了实时解决方案设计的基本构建模块, 以便为读者设计实时解决方案时提供搜索和可视化方面的帮助。同时, 本书分别从概念和实践上介绍实时分析, 让读者能有足够的能力应用书中知识并创建属于自己的解决方案。

实时数据处理和分析指南目录

第一部分导言—熟悉实时分析

第 1章实时分析简介　2

1.1　大数据的定义　2

1.2　大数据的基础设施　3

1.3　实时分析—神话与现实　6

1.4　近实时解决方案—可用的架构　9

1.4.1　NRT的Storm解决方案　9

1.4.2　NRT的Spark解决方案　10

1.5　Lambda架构—分析可能性　11

1.6　物联网—想法与可能性　13

1.7　云—考虑NRT和物联网　17

1.8　小结　18

第 2章实时应用的基本组件　19

2.1　NRT系统及其构建模块　19

2.1.1　数据采集　21

2.1.2　流处理　22

2.1.3　分析层—服务终端用户　23

2.2　NRT的高级系统视图　25

2.3　NRT的技术视图　26

2.3.1　事件生产者　27

2.3.2　数据收集　27

2.3.3　代理　29

2.3.4　转换和处理　31

2.3.5　存储　32

2.4　小结　32

第二部分　搭建基础设施

第3章　了解和跟踪数据流　34

3.1　了解数据流　34

3.2　为数据提取安装基础设施　35

3.2.1　Apache Kafka　35

3.2.2　Apache NiFi　36

3.2.3　Logstash　41

3.2.4　Fluentd　43

3.2.5　Flume　46

3.3　将数据从源填到处理器—期望和注意事项　48

3.4　比较与选择适合用例的*佳实践　49

3.5　小试牛刀　49

3.6　小结　51

第4章　安装和配置Storm　52

4.1　Storm概述　52

4.2　Storm架构和组件　53

4.2.1　特征　54

4.2.2　组件　54

4.2.3　流分组　56

4.3　安装和配置Storm　57

4.3.1　安装Zookeeper　57

4.3.2　配置Apache Storm　59

4.4　在Storm上实时处理任务　61

4.5　小结　67

第5章　配置Apache Spark和Flink　68

5.1　安装并快速运行Spark　68

5.1.1　源码构建　69

5.1.2　下载Spark安装包　69

5.1.3　运行示例　70

5.2　安装并快速运行Flink　73

5.2.1　使用源码构建Flink　73

5.2.2　下载Flink　74

5.2.3　运行示例　75

5.3　安装并快速运行Apache Beam　79

5.3.1　Beam模型　79

5.3.2　运行示例　80

5.3.3　MinimalWordCount示例　82

5.4　Apache Beam中的平衡　85

5.5　小结　88

第三部分　Storm实时计算

第6章　集成Storm与数据源　90

6.1　RabbitMQ有效的消息传递　90

6.2　RabbitMQ交换器　91

6.2.1　直接交换器　91

6.2.2　RabbitMQ安装配置　93

6.2.3　RabbitMQ的发布和订阅　95

6.3　RabbitMQ与Storm集成　99

6.4　PubNub数据流发布者　107

6.5　将Storm和RMQ_PubNub传感器数据拓扑串在一起　111

6.6　小结　114

第7章　从Storm到Sink　115

7.1　安装并配置Cassandra　115

7.1.1　安装Cassandra　116

7.1.2　配置Cassandra　117

7.2　Storm和Cassandra拓扑　118

7.3　Storm和IMDB集成处理维度数据　120

7.4　集成表示层与Storm　122

7.5　小试牛刀　134

7.6　小结　143

第8章　Storm Trident　144

8.1　状态保持和Trident　144

8.1.1　事务性spout　145

8.1.2　不透明事务性spout　145

8.2　基本Storm Trident拓扑　146

8.3　Trident内部实现　148

8.4　Trident操作　149

8.4.1　函数　149

8.4.2　Map函数and FlatMap函数　150

8.4.3　peek函数　151

8.4.4　过滤器　151

8.4.5　窗口操作　152

8.4.6　聚合操作　155

8.4.7　分组操作　158

8.4.8　合并和组合操作　159

8.5　DRPC　160

8.6　小试牛刀　161

8.7　小结　164

第四部分　使用Spark实现实时计算

第9章　运用Spark引擎　166

9.1　Spark概述　166

9.2　Spark的独特优势　169

9.3　Spark用例　172

9.4　Spark架构—引擎内部的运行模式　174

9.5　Spark的语用概念　176

9.6　Spark 2.x—数据框和数据集的出现　178

9.7　小结　179

第　10章运用Spark操作　180

10.1　Spark—封装和API　180

10.2　RDD语用探索　182

10.2.1　转换　185

10.2.2　动作　190

10.3　共享变量—广播变量和累加器　192

10.3.1　广播变量　192

10.3.2　累加器　195

10.4　小结　196

第　11章 Spark Streaming　197

11.1　Spark Streaming的概念　197

11.2　Spark Streaming的简介和体系结构　198

11.3　Spark Streaming的封装结构　203

11.3.1　Spark Streaming API　203

11.3.2　Spark Streaming操作　204

11.4　连接Kafka和Spark Streaming　206

11.5　小结　208

第五部分　使用Flink实现实时分析

第　12章运用Apache Flink　210

12.1　Flink体系结构和执行引擎　210

12.2　Flink的基本组件和进程　213

12.3　将源流集成到Flink　215

12.3.1　和Apache Kafka集成　215

12.3.2　和RabbitMQ集成　218

12.4　Flink处理和计算　221

12.4.1　Datastream API　221

12.4.2　DataSet API　223

12.5　Flink持久化　224

12.6　FlinkCEP　226

12.7　Pattern API　227

12.7.1　检测模式　227

12.7.2　模式选择　228

12.7.3　示例　228

12.8　Gelly　229

12.9　小试牛刀　231

12.10　小结　242

第六部分　综合应用

第　13章用例研究　244

13.1　概述　244

13.2　数据建模　245

13.3　工具和框架　246

13.4　建立基础设施　247

13.5　实现用例　252

13.5.1　构建数据模拟器　252

13.5.2　Hazelcast加载器　259

13.5.3　构建Storm拓扑　261

13.6　运行用例　272

13.7　小结　279

展开全部

实时数据处理和分析指南作者简介

希尔皮·萨克塞纳（Shilpi Saxena）是IT领域的一位技术布道者。她曾涉足多个领域(机器对机器空间、医疗保健、电信、人才招聘和制造业)。在企业解决方案的构思和执行的所有方面，以及在软件行业的产品和服务方面有超过12年的经验。她一直在大数据领域从事设计、管理和提供解决方案，并领导着一支高水平和分布在各地的精英工程师团队。沙鲁巴·古普塔（Saurabh Gupta）是一名软件工程师，有数十年的IT行业从业经验，目前从事处理和设计在生产中运行的实时和批处理项目的相关工作，主要包括Impala、Storm、NiFi、Kafka等技术以及在AWS上部署Docker，他还参与了各种物联网项目，涉及电信、医疗保健、智能城市、智能汽车等领域。

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐