實(shí)時(shí)數(shù)據(jù)處理和分析指南

定　價(jià)：￥79.00

作　者：	[印度] 希爾皮·薩克塞納，[印度] 沙魯巴·古普塔著，吳志國(guó)，曾鳳姝譯
出版社：	人民郵電出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787115524867	出版時(shí)間：	2020-05-01	包裝：	平裝
開本：	16開	頁(yè)數(shù)：	280	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《實(shí)時(shí)數(shù)據(jù)處理和分析指南》主要介紹實(shí)時(shí)大數(shù)據(jù)計(jì)算領(lǐng)域的相關(guān)技巧和經(jīng)驗(yàn)，包括Flink、Spark和Storm等流處理框架技術(shù)。全書從搭建開發(fā)環(huán)境開始，逐步實(shí)現(xiàn)流處理，循序漸進(jìn)地引導(dǎo)讀者學(xué)習(xí)如何利用Rabbit MQ、Kafka和NiFi以及Storm、Spark、Flink和Beam等組件協(xié)同應(yīng)用來(lái)解決實(shí)際問(wèn)題。本書內(nèi)容分為6個(gè)部分，分別是“導(dǎo)言——熟悉實(shí)時(shí)分析”“搭建基礎(chǔ)設(shè)施”“Storm實(shí)時(shí)計(jì)算”“使用Spark實(shí)現(xiàn)實(shí)時(shí)計(jì)算”“使用Flink實(shí)現(xiàn)實(shí)時(shí)分析”以及“綜合應(yīng)用”。在閱讀本書之前，讀者應(yīng)具備基本的Java和Scala編程基礎(chǔ)，還應(yīng)熟悉Maven、Java和Eclipse的安裝和配置流程。

作者簡(jiǎn)介

　　希爾皮·薩克塞納（Shilpi Saxena）是IT領(lǐng)域的一位技術(shù)布道者。她曾涉足多個(gè)領(lǐng)域（機(jī)器對(duì)機(jī)器空間、醫(yī)療保健、電信、人才招聘和制造業(yè)）。在企業(yè)解決方案的構(gòu)思和執(zhí)行的所有方面，以及在軟件行業(yè)的產(chǎn)品和服務(wù)方面有超過(guò)12年的經(jīng)驗(yàn)。她一直在大數(shù)據(jù)領(lǐng)域從事設(shè)計(jì)、管理和提供解決方案，并領(lǐng)導(dǎo)著一支高水平和分布在各地的精英工程師團(tuán)隊(duì)。沙魯巴·古普塔（Saurabh Gupta）是一名軟件工程師，有數(shù)十年的IT行業(yè)從業(yè)經(jīng)驗(yàn)，目前從事處理和設(shè)計(jì)在生產(chǎn)中運(yùn)行的實(shí)時(shí)和批處理項(xiàng)目的相關(guān)工作，主要包括Impala、Storm、NiFi、Kafka等技術(shù)以及在AWS上部署Docker，他還參與了各種物聯(lián)網(wǎng)項(xiàng)目，涉及電信、醫(yī)療保健、智能城市、智能汽車等領(lǐng)域。

圖書目錄

第一部分導(dǎo)言—熟悉實(shí)時(shí)分析
第 1章實(shí)時(shí)分析簡(jiǎn)介　2
1．1　大數(shù)據(jù)的定義　2
1．2　大數(shù)據(jù)的基礎(chǔ)設(shè)施　3
1．3　實(shí)時(shí)分析—神話與現(xiàn)實(shí)　6
1．4　近實(shí)時(shí)解決方案—可用的架構(gòu)　9
1．4．1　NRT的Storm解決方案　9
1．4．2　NRT的Spark解決方案　10
1．5　Lambda架構(gòu)—分析可能性　11
1．6　物聯(lián)網(wǎng)—想法與可能性　13
1．7　云—考慮NRT和物聯(lián)網(wǎng)　17
1．8　小結(jié)　18
第 2章實(shí)時(shí)應(yīng)用的基本組件　19
2．1　NRT系統(tǒng)及其構(gòu)建模塊　19
2．1．1　數(shù)據(jù)采集　21
2．1．2　流處理　22
2．1．3　分析層—服務(wù)終端用戶　23
2．2　NRT的高級(jí)系統(tǒng)視圖　25
2．3　NRT的技術(shù)視圖　26
2．3．1　事件生產(chǎn)者　27
2．3．2　數(shù)據(jù)收集　27
2．3．3　代理　29
2．3．4　轉(zhuǎn)換和處理　31
2．3．5　存儲(chǔ)　32
2．4　小結(jié)　32
第二部分　搭建基礎(chǔ)設(shè)施
第3章　了解和跟蹤數(shù)據(jù)流　34
3．1　了解數(shù)據(jù)流　34
3．2　為數(shù)據(jù)提取安裝基礎(chǔ)設(shè)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　將數(shù)據(jù)從源填到處理器—期望和注意事項(xiàng)　48
3．4　比較與選擇適合用例的最佳實(shí)踐　49
3．5　小試牛刀　49
3．6　小結(jié)　51
第4章　安裝和配置Storm　52
4．1　Storm概述　52
4．2　Storm架構(gòu)和組件　53
4．2．1　特征　54
4．2．2　組件　54
4．2．3　流分組　56
4．3　安裝和配置Storm　57
4．3．1　安裝Zookeeper　57
4．3．2　配置Apache Storm　59
4．4　在Storm上實(shí)時(shí)處理任務(wù)　61
4．5　小結(jié)　67
第5章　配置Apache Spark和Flink　68
5．1　安裝并快速運(yùn)行Spark　68
5．1．1　源碼構(gòu)建　69
5．1．2　下載Spark安裝包　69
5．1．3　運(yùn)行示例　70
5．2　安裝并快速運(yùn)行Flink　73
5．2．1　使用源碼構(gòu)建Flink　73
5．2．2　下載Flink　74
5．2．3　運(yùn)行示例　75
5．3　安裝并快速運(yùn)行Apache Beam　79
5．3．1　Beam模型　79
5．3．2　運(yùn)行示例　80
5．3．3　MinimalWordCount示例　82
5．4　Apache Beam中的平衡　85
5．5　小結(jié)　88
第三部分　Storm實(shí)時(shí)計(jì)算
第6章　集成Storm與數(shù)據(jù)源　90
6．1　RabbitMQ有效的消息傳遞　90
6．2　RabbitMQ交換器　91
6．2．1　直接交換器　91
6．2．2　RabbitMQ安裝配置　93
6．2．3　RabbitMQ的發(fā)布和訂閱　95
6．3　RabbitMQ與Storm集成　99
6．4　PubNub數(shù)據(jù)流發(fā)布者　107
6．5　將Storm和RMQ_PubNub傳感器數(shù)據(jù)拓?fù)浯谝黄稹?11
6．6　小結(jié)　114
第7章　從Storm到Sink　115
7．1　安裝并配置Cassandra　115
7．1．1　安裝Cassandra　116
7．1．2　配置Cassandra　117
7．2　Storm和Cassandra拓?fù)洹?18
7．3　Storm和IMDB集成處理維度數(shù)據(jù)　120
7．4　集成表示層與Storm　122
7．5　小試牛刀　134
7．6　小結(jié)　143
第8章　Storm Trident　144
8．1　狀態(tài)保持和Trident　144
8．1．1　事務(wù)性spout　145
8．1．2　不透明事務(wù)性spout　145
8．2　基本Storm Trident拓?fù)洹?46
8．3　Trident內(nèi)部實(shí)現(xiàn)　148
8．4　Trident操作　149
8．4．1　函數(shù)　149
8．4．2　Map函數(shù)and FlatMap函數(shù)　150
8．4．3　peek函數(shù)　151
8．4．4　過(guò)濾器　151
8．4．5　窗口操作　152
8．4．6　聚合操作　155
8．4．7　分組操作　158
8．4．8　合并和組合操作　159
8．5　DRPC　160
8．6　小試牛刀　161
8．7　小結(jié)　164
第四部分　使用Spark實(shí)現(xiàn)實(shí)時(shí)計(jì)算
第9章　運(yùn)用Spark引擎　166
9．1　Spark概述　166
9．2　Spark的獨(dú)特優(yōu)勢(shì)　169
9．3　Spark用例　172
9．4　Spark架構(gòu)—引擎內(nèi)部的運(yùn)行模式　174
9．5　Spark的語(yǔ)用概念　176
9．6　Spark 2．x—數(shù)據(jù)框和數(shù)據(jù)集的出現(xiàn)　178
9．7　小結(jié)　179
第　10章運(yùn)用Spark操作　180
10．1　Spark—封裝和API　180
10．2　RDD語(yǔ)用探索　182
10．2．1　轉(zhuǎn)換　185
10．2．2　動(dòng)作　190
10．3　共享變量—廣播變量和累加器　192
10．3．1　廣播變量　192
10．3．2　累加器　195
10．4　小結(jié)　196
第　11章 Spark Streaming　197
11．1　Spark Streaming的概念　197
11．2　Spark Streaming的簡(jiǎn)介和體系結(jié)構(gòu)　198
11．3　Spark Streaming的封裝結(jié)構(gòu)　203
11．3．1　Spark Streaming API　203
11．3．2　Spark Streaming操作　204
11．4　連接Kafka和Spark Streaming　206
11．5　小結(jié)　208
第五部分　使用Flink實(shí)現(xiàn)實(shí)時(shí)分析
第　12章運(yùn)用Apache Flink　210
12．1　Flink體系結(jié)構(gòu)和執(zhí)行引擎　210
12．2　Flink的基本組件和進(jìn)程　213
12．3　將源流集成到Flink　215
12．3．1　和Apache Kafka集成　215
12．3．2　和RabbitMQ集成　218
12．4　Flink處理和計(jì)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　檢測(cè)模式　227
12．7．2　模式選擇　228
12．7．3　示例　228
12．8　Gelly　229
12．9　小試牛刀　231
12．10　小結(jié)　242
第六部分　綜合應(yīng)用
第　13章用例研究　244
13．1　概述　244
13．2　數(shù)據(jù)建?！?45
13．3　工具和框架　246
13．4　建立基礎(chǔ)設(shè)施　247
13．5　實(shí)現(xiàn)用例　252
13．5．1　構(gòu)建數(shù)據(jù)模擬器　252
13．5．2　Hazelcast加載器　259
13．5．3　構(gòu)建Storm拓?fù)洹?61
13．6　運(yùn)行用例　272
13．7　小結(jié)　279