返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 实时数据处理和分析指南
  • 新华书店正版
    • 作者: (印)希尔皮·萨克塞纳(Shilpi Saxena),(印)沙鲁巴·古普塔(Saurabh Gupta)著 | | 吴志国,曾凤姝译
    • 出版社: 人民邮电出版社
    • 出版时间:2020-05-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: (印)希尔皮·萨克塞纳(Shilpi Saxena),(印)沙鲁巴·古普塔(Saurabh Gupta)著| 吴志国,曾凤姝译
    • 出版社:人民邮电出版社
    • 出版时间:2020-05-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2020-05-01
    • 字数:382000
    • 页数:280
    • 开本:16开
    • 装帧:平装
    • ISBN:9787115524867
    • 国别/地区:中国
    • 版权提供:人民邮电出版社

    实时数据处理和分析指南

    作  者:(印)希尔皮·萨克塞纳(Shilpi Saxena),(印)沙鲁巴·古普塔(Saurabh Gupta) 著 吴志国,曾凤姝 译
    定  价:79
    出 版 社:人民邮电出版社
    出版日期:2020年05月01日
    页  数:280
    装  帧:平装
    ISBN:9787115524867
    主编推荐

    1.全书侧重实用性,涵盖从数据的采集、可视化到数据的持久化等各个方面的内容,帮助读者提升自主解决挑战性问题的能力; 2.本书包括如何设置组件、基础的Demo演示、系统集成、高级用例,以及报警和监控等主题,旨在帮助读者了解当今流行的实时处理工具,如Apache Spark、Apache Flink和Storm; 3.本书结合实际用例展示上述技术的具体应用,真正将理论运用到实践中,解决实际问题; 4.通过阅读本书,读者可以掌握实时数据处理和分析的相关知识,并能了解如何以最恰当的方式在生产环境中部署解决方案。

    内容简介

    《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。

    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。

    精彩内容

    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 ApacheKafka 35
    3.2.2 ApacheNiFi 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很好实践 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ApacheStorm 59
    4.4 在Storm上实时处理任务 61
    4.5 小结 67
    第5章 配置ApacheSpark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ApacheBeam 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 ApacheBeam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 StormTrident 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StormTrident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andFlatMap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 Spark2.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SparkStreaming 197
    11.1 SparkStreaming的概念 197
    11.2 SparkStreaming的简介和体系结构 198
    11.3 SparkStreaming的封装结构 203
    11.3.1 SparkStreamingAPI 203
    11.3.2 SparkStreaming操作 204
    11.4 连接Kafka和SparkStreaming 206
    11.5 小结 208
    第五部分 使用Flink实现实时分析
    第12章运用ApacheFlink 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ApacheKafka集成 215
    12.3.2 和RabbitMQ集成 218
    12.4 Flink处理和计算 221
    12.4.1 DatastreamAPI 221
    12.4.2 DataSetAPI 223
    12.5 Flink持久化 224
    12.6 FlinkCEP 226
    12.7 PatternAPI 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

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购