实时数据处理和分析指南 : Chinese Edition

实时数据处理和分析指南 Chinese Edition

Detailed summary in vernacular field only.

Detalles Bibliográficos
Autor principal: Press, Posts & Telecom (-)
Otros Autores: Saxena, Shilpi, Gupta, Saurabh
Formato: Libro electrónico
Idioma:Inglés
Publicado: Birmingham : Packt Publishing, Limited 2024.
Edición:1st ed
Colección:Yi bu tu shu.
Materias:
Spark (Electronic resource : Apache Software Foundation)
Storm (Electronic resource)
Data mining.
Real-time data processing.
Big data.
Electronic data processing > Distributed processing > Management.
Ver en Biblioteca Universitat Ramon Llull:https://discovery.url.edu/permalink/34CSUC_URL/1im36ta/alma991009820416406719
Tabla de Contenidos:
  • 封
  • 版权声明
  • 内容提
  • 作 简介
  • 前
  • 审稿人简介
  • 目录
  • 第一 分 导
  • 熟悉实时分析
  • 第1章 实时分析简介
  • 1.1 大数据的定义
  • 1.2 大数据的基础 施
  • 1.3 实时分析--神 与现实
  • 1.4 实时 决方案--可用的架构
  • 1.4.1 NRT的Storm 决方案
  • 1.4.2 NRT的Spark 决方案
  • 1.5 Lambda 架构--分析可 性
  • 1.6 物 网--想法与可 性
  • 缘分析
  • 1.7 云-- NRT 和物 网
  • 1.8 小结
  • 第2章 实时应用的基本组件
  • 2.1 NRT 系统及其构建模块
  • 2.1.1 数据
  • 2.1.2 流处理
  • 2.1.3 分析层-服务终端用户
  • 2.2 NRT 的 级系统 图
  • 2.3 NRT 的技术 图
  • 2.3.1 事件生产
  • 2.3.2 数据收
  • 2.3.3 代理
  • 2.3.4 换和处理
  • 2.3.5 存储
  • 2.4 小结
  • 第二 分 搭建基础 施
  • 第3章 了 和 数据流
  • 3.1 了 数据流
  • 3.2 为数据提取安 基础 施
  • 3.2.1 Apache Kafka
  • 3.2.2 Apache NiFi
  • 3.2.3 Logstash
  • 3.2.4 Fluentd
  • 3.2.5 Flume
  • 3.3 将数据从源填到处理器--期望和注意事
  • 3.4 比 与 择 合用例的最佳实
  • 3.5 小 牛刀
  • 置Elasticsearch
  • 3.6 小结
  • 第4章 安 和 置Storm
  • 4.1 Storm 概
  • 4.2 Storm 架构和组件
  • 4.2.1 特征
  • 4.2.2 组件
  • 4.2.3 流分组
  • 4.3 安 和 置 Storm
  • 4.3.1 安 ZooKeeper
  • 4.3.2 置Apache Storm
  • 4.4 在 Storm 上实时处理任务
  • 任务
  • 4.5 小结
  • 第5章 置Apache Spark和Flink
  • 5.1 安 并快 Spark
  • 5.1.1 源码构建
  • 5.1.2 下 Spark 安 包
  • 5.1.3 示例
  • 5.2 安 并快 Flink
  • 5.2.1 使用源码构建Flink
  • 5.2.2 下 Flink
  • 5.2.3 示例
  • 5.3 安 并快 Apache Beam
  • 5.3.1 Beam模型
  • 5.3.2 示例
  • 5.3.3 MinimalWordCount 示例
  • 5.4 Apache Beam 中的平
  • 5.5 小结
  • 第三 分 Storm 实时 算
  • 第6章 成Storm 与数据源
  • 6.1 RabbitMQ 有效的消息传
  • 6.2 RabbitMQ 交换器
  • 6.2.1 直接交换器
  • 6.2.2 RabbitMQ安 置
  • 6.2.3 RabbitMQ的发布和
  • 6.3 RabbitMQ 与 Storm 成
  • AMQPSpout
  • 6.4 PubNub 数据流发布
  • 6.5 将Storm 和RMQ_PubNub 传感器数据拓扑串在一
  • 6.6 小结
  • 第7章 从Storm 到Sink
  • 7.1 安 并 置 Cassandra
  • 7.1.1 安 Cassandra
  • 7.1.2 置Cassandra
  • 7.2 Storm 和 Cassandra 拓扑
  • 7.3 Storm 和 IMDB 成处理维度数据
  • 7.4 成 示层与 Storm
  • 使用Elasticsearch插件 置Grafana
  • 7.5 小 牛刀
  • 7.6 小结
  • 第8章 Storm Trident
  • 8.1 状态保持和 Trident
  • 8.1.1 事务性spout
  • 8.1.2 不 明事务性spout
  • 8.2 基本 Storm Trident 拓扑
  • 8.3 Trident 内 实现.
  • 8.4 Trident 操作
  • 8.4.1 函数
  • 8.4.2 Map函数and FlatMap函数
  • 8.4.3 peek 函数
  • 8.4.4 滤器
  • 8.4.5 窗口操作
  • 8.4.6 合操作
  • 8.4.7 分组操作
  • 8.4.8 合并和组合操作
  • 8.5 DRPC
  • 8.6 小 牛刀
  • 用以绑定spout 和bolt 的拓扑构建器
  • 从事件流中 滤电 号码
  • 从事件流中提取 备信息
  • 8.7 小结
  • 第四 分 使用Spark 实现实时 算
  • 第9章 用Spark引擎
  • 9.1 Spark 概
  • Spark 框架和 度器
  • 9.2 Spark 的独特优势
  • 何时 免使用Spark
  • 9.3 Spark 用例
  • 9.4 Spark架构--引擎内 的 模式
  • 9.5 Spark 的 用概念
  • RDD- 如其名
  • 9.6 Spark 2.x--数据框和数据 的出现
  • 9.7 小结
  • 第10章 用Spark操作
  • 10.1 Spark--封 和 API
  • 10.2 RDD 用探索
  • 10.2.1 换
  • 10.2.2 动作
  • 10.3 共享变
  • 广播变 和累加器
  • 10.3.1 广播变
  • 10.3.2 累加器
  • 10.4 小结
  • 第11章 Spark Streaming
  • 11.1 Spark Streaming 的概念
  • 11.2 Spark Streaming 的简介和体系结构
  • 11.3 Spark Streaming 的封 结构
  • 11.3.1 Spark Streaming API
  • 11.3.2 Spark Streaming操作
  • 11.4 接 Kafka 和 Spark Streaming
  • 11.5 小结
  • 第五 分 使用Flink实现实时分析
  • 第12章 用Apache Flink
  • 12.1 Flink 体系结构和执 引擎
  • 12.2 Flink 的基本组件和 程
  • 12.3 将源流 成到 Flink
  • 12.3.1 和Apache Kafka 成
  • 12.3.2 和RabbitMQ 成
  • 12.4 Flink 处理和 算
  • 12.4.1 Datastream API
  • 12.4.2 DataSet API
  • 12.5 Flink 持久化
  • 和Cassandra 成
  • 12.6 Flink CEP
  • 12.7 Pattern API
  • 12.7.1 检测模式
  • 12.7.2 模式 择
  • 12.7.3 示例
  • 12.8 Gelly
  • Gelly API
  • 12.9 小 牛刀
  • 12.10 小结
  • 第六 分 综合应用
  • 第13章 用例研究
  • 13.1 概
  • 13.2 数据建模
  • 13.3 工具和框架
  • 13.4 建立基础 施
  • 13.5 实现用例
  • 13.5.1 构建数据模拟器
  • 13.5.2 Hazelcast 加 器
  • 13.5.3 构建Storm拓扑
  • 13.6 用例
  • 加 Hazelcast
  • 13.7 小结.

Ejemplares similares